Une collaboration récompensée entre le CETIC et l’université d’Uppsala

MiniZinc Challenge 2016

Dans le cadre d’une collaboration avec l’université de Uppsala, le moteur d’optimisation OscaR.cbls développé par le CETIC, et adapté par Uppsala, remporte une compétition de solveurs, dans la catégorie "recherche locale".

Une collaboration récompensée entre le CETIC et l’université d’Uppsala

MiniZinc Challenge 2016

Dans le cadre d’une collaboration avec l’université de Uppsala, le moteur d’optimisation OscaR.cbls développé par le CETIC, et adapté par Uppsala, remporte une compétition de solveurs, dans la catégorie "recherche locale".

Ce type de compétition permet de stimuler de développement de meilleurs moteurs d’optimisation parce-que cela constitue une opportunité de les comparer objectivement. Ces moteurs sont par la suite utilisés pour résoudre des problèmes d’optimisation tel que du routage ou de la planification. Ces moteurs d’optimisation peuvent se baser sur divers algorithmes de base, la recherche locale est un de ces algorithmes : sa spécificité est de pouvoir traiter des problèmes de grande taille. Le CBLS est une manière de rendre ces algorithmes de recherche local facilement utilisables en pratique et donc de réduire les coûts d’accès à cette technologie. CBLS signifie : « Constraint-Based Local Search ».

Depuis 2012, le CETIC développe un moteur d’optimisation par recherche locale. Ce moteur fait partie de la suite open source OscaR et s’appelle OscaR.cbls.
L’université de Uppsala en Suède a de son côté développé un outil dénommé OscaR/cbls/MiniZinc qui permet de résoudre des problèmes d’optimisation spécifiés dans un langage standard, appelé MiniZinc. Cet outil transforme les problèmes MiniZinc vers le format supporté par OscaR.cbls, qui est utilisé comme moteur sous-jacent.

Cet outil a participé à la compétition annuelle de moteurs d’optimisation pour MiniZinc : le MiniZinc Challenge 2016. Le moteur OscaR/cbls/MiniZinc est sorti premier de cette compétition parmi les moteurs de recherche locale. Le classement s’appuie sur la qualité des résultats fournis par le moteur ainsi que sur la vitesse à laquelle le moteur a réussi à fournir cette réponse.