Accueil
>
Thèmes de recherche
>
Toutes les équipes
> Apprentissage et Optimisation (A&O)
Présentation
Thèmes de recherche
Equipes
Projets associés
Thèmes
Collaborations
Production
Travailler au LRI
Formation
Informations pratiques
[connexion sécurisée]
Equipe Apprentissage et Optimisation (A&O)
Site web de l'equipe
Publications de l'equipe
Rapport d'activité 2005-2008
Composition de l'équipe
Responsable
SEBAG Michèle
Membres permanents
ATIF Jamal
AUGER Anne
BREDECHE Nicolas
CAILLOU Philippe
FRANOVA Marta
FURTLEHNER Cyril
GERMAIN-RENAUD Cécile
HANSEN Nikolaus
OLLIVIER Yann
SCHOENAUER Marc
SEBAG Michèle
TEYTAUD Olivier
Membres non-permanents
AKIMOTO Yohei
AKROUR Riad
ALLEGRAUD Pierre
ARNOLD Ludovic
BARDENET Rémi
BOUZARKOUNA Zyed
CHOTARD Alexandre
CHRISTOPHE Jean-Joseph
COUETOUX Adrien
DECOCK Jérémie
FENG Davei
GALICHET Nicolas
HAMMAMI Molz
HEIDRICH MEISNER Verena
HOOCK jean-Baptiste
ISAAC Yoann
KHOUADJIA Mostepha-Redouane
LAZAAR Nadjib
LOSHCHILOV Ilya
LOTH Manuel
MARCEAU CARON Gaetan
MEUNIER David
MONTANIER Jean-Marc
NAUROY Julien
REBECCHI Sébastien
WANG Weija
YAGOUBI Mouadh
Visiteurs
D'ALCHE BUC Florence
GARCIA RODRIGUEZ Sandra
Associés
CORNUEJOLS Antoine
KÉGL Balázs
LOPES Marie-Carol
MARTIN Victorin
PAUGAM-MOISY Hélène
Stagiaires
CAZENILLE Léo
Thèmes de recherche
Théorie des jeux
Apprentissage
Optimisation
Transitions de Phases
Apprentissage par renforcement
Evolutionary computation
Optimisation stochastique
Robotique
Fouille de données
Algorithmes évolutionnaires
Inductive logic programming
Projet(s) associé(s)
TAO
Contrats en cours
PASCAL2
SYMBRION
CIFRE/M.Yagoubi
SIMINOLE
MASH
Convention d'enseignement Delarb
Convention d'enseignement Hoock
Logiciels et brevets
Django
: theta-subsumption test for Relational Learning
GUIDE
: A Graphical User Interface for EA C++ library developpment
Mash-WP6
: Goal planning framework
Contributions to the GNU Scientific Library
: Contributions to the GNU Scientific Library
SIMBAD
: A mobile robot simulator for Autonomous and Evolutionary Robotics
Contribution to Scilab
: Contribution to Scilab
MoGo
: Computer-Go program
Covariance Matrix Evolution Strategy Implementatio
: Covariance Matrix Evolution Strategy Implementations
COCO
: Comparing Continuous Optimizers
GridObservatory
: Grid Observatory
Thèses et habilitabions récentes
Optimisation évolutionnaire parallèle
Vers l'apprentissage et l'optimisation de fonction
Adaptive Operator Selection for Optimization
Séminaires
From Artificial Evolution to Computational Evolution
Wolfgang Banzhaf
Jeu. 25 février 2010 - 14h30
Partially Observable Markov Decision Processes : An overview
Alain Dutech
Mar. 26 janvier 2010 - 14h30
Elementary Landscapes: On the semi-decomposibility of select NP-hard optimization problems
Darrell Whitley
Mar. 15 septembre 2009 - 14h30
Kernel-based Methods for Detection
Zaid Harchaoui
Mar. 24 mars 2009 - 14h30
> tous les séminaires
Résultats majeurs
MoGo: un joueur de Go artificiel
01 août 2006
MoGo: un joueur de Go artificiel
Vainqueur de nombreuses compétitions internationales depuis 2006
Contributors:
Yizao Wang, Sylvain Gelly, Rémi Munos, Olivier Teytaud, Pierre-Arnaud Coquelin.
> tous les résultats
Logiciels et brevets
Grid Observatory
GridObservatory
Comparing Continuous Optimizers
COCO
Covariance Matrix Evolution Strategy Implementations
Covariance Matrix Evolution Strategy Implementatio
> tous les logiciels