Profil | Master universitaire en informatique ou en mathématique ou en sciences de l’ingénieur |
Prérequis | Connaissances de programmation objet (Java) et bases en fonctionnels (si possible scala) |
Durée | min 12 semaines, ampleur du travail modulée en fonction de la durée |
Possibilité de stage de pôles (financement des déplacements)
Département: Algorithmique combinatoire ⊕
Expertises:
Algorithmique et Optimisation Combinatoire ⊕
Asset: Oscar.CBLS ⊕
Le transport de personnes devient un enjeu de société grandissant avec la volonté de réduire la dépendance au carbone, l’augmentation des coûts du pétrole, l’apparition de l’uberisation des transports, etc.
Le CETIC développe depuis de longues années une technologie d’optimisation (OscaR.cbls), qui vise à traiter efficacement des problèmes de grande taille, et à supporter une grande flexibilité sur la définition des problèmes à optimiser. Oscar.cbls dispose notamment d’un très bon module d’optimisation de routage de véhicule. Il est actuellement possible par exemple de traiter des problèmes de voyageur de commerce avec mille nœuds quasi instantanément et de dix mille nœuds en un temps raisonnable. Voici par exemple, routage de véhicule à 1000 nœuds et 7 véhicules.
Le but de ce stage est de mettre oscar.cbls en œuvre pour résoudre un problème d’optimisation multimodal de transport de personnes :
Étant donné
Trouver
Les parcours des passagers et des véhicules qui permette de minimiser le coût global et de transporter chacun endéans ses contraintes de temps.
Les passagers peuvent être déposés à un arrêt de bus/train, prendre un train/bus, et être rechargés par un autre taxi après son voyage en transport en commun.
Les taxis peuvent faire des détours pour charger et décharger des passagers.
OscaR.CBLS
Tout le travail sera encadré, mais nécessitera un minimum d’autonomie. Il s’agit d’un stage à forte connotation algorithmique, sur un outil Open Source en pleine expansion.
OscaR : https://bitbucket.org/oscarlib/oscar/wiki/Home
Scala : http://www.scala-lang.org
Contact : Renaud De Landtsheer