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.
