Optimisation sous incertitude dans StarCraft 2

Ce stage consiste à modéliser la partie optimisation d'un problème via
le formalisme Stochastic CSP  modifié, de modéliser l'incertitude lié
à   l'environnement  via   un   modèle  d'apprentissage   statistique,
d'implémenter ces modèles et de  la valider expérimentalement. Plus en
détail, il faudra :

* Réfléchir aux modifications  à apporter au formalisme Stochastic
CSP afin de  pouvoir modéliser des problèmes de  prises de décision
sous incertitude en  se débarrassant de paramètres  arbitraires, et y
dégager des propriétés tel que la complexité.

* Proposer  un   modèle  d'apprentissage   statistique  pour
appréhender  l'incertitude liée  à l'environnement,  au contexte  du
problème étudié.

* Concevoir et implémenter un  algorithme de recherche locale pour
résoudre nativement  les problèmes d'optimisation modélisés  dans le
formalisme proposé.

* Modéliser des  problèmes d'optimisation  sous incertitude  dans
StarCraft 2, et expérimenter les  performances du solveur de recherche
locale implémenté.


Mots-clés
incertitude; jeux; programmation par contrainte; recherche locale
Établissement
Laboratoire des Sciences du Numérique de Nantes (LS2N)
44322 Nantes  
Site Web
http://richoux.fr/stages/optimisation_starcraft2.pdf
Date de début souhaitée
02/01/2018
Langues obligatoires
Français
Niveau
Bac +5
Prérequis

Bonnes capacités de modélisation.
Bonne connaissance du C++.

Durée
5 à 6 mois
Indemnité
550 euros par mois (en fonction du nombre de jours ouvrés)
Date limite
01/04/2018
Informations de contact

florian.richoux@univ-nantes.fr