Prédiction et optimisation pour la prise de décision dans le monde réel

Emma Frejinger (professeure titulaire, DIRO) — André-Aisenstadt 1175

13/11/2023 à 12h30

Toute décision implique une certaine forme d’incertitude. C’est certainement le cas dans les chaînes d’approvisionnement où la forte variabilité de la demande, des coûts et des déplacements complique considérablement la planification de l’approvisionnement, la production, la distribution et du service. Dans un contexte en constante évolution où la fréquence des données est élevée, les paradigmes classiques s’appuyant sur l’apprentissage automatique, suivi par l’optimisation des décisions ne suffisent plus. Axée sur des applications en chaînes d’approvisionnement, et le transport en particulier, cette présentation portera sur des opportunités de modèles et d’algorithmes hybrides combinant l’apprentissage automatique et la recherche opérationnelle.