Un grand nombre d'applications dans divers domaines peuvent être modélisées comme des problèmes impliquant la minimisation d'une fonction, telle que la distance ou le coût. L'optimisation multi-objectifs est un sous-domaine de l'optimisation au sens large, où non pas une mais plusieurs fonctions doivent être minimisées simultanément.
« L'exemple typique est celui donné par le prix Nobel Henry Markowitz, dans lequel un investisseur veut à la fois maximiser son profit et limiter le risque », explique Sorin-Mihai Grad. « De nouveaux concepts de solutions ont dû être inventés pour cela, ces problèmes devenant de plus en plus complexes. Aujourd'hui, il devient essentiel de résoudre ces problèmes à l'aide d'algorithmes, de schémas itératifs que les praticiens (comme les spécialistes de l'apprentissage automatique) pourront utiliser pour mener à bien ces optimisations multi-objectifs dans des délais raisonnables. »
Sorin-Mihai Grad a présenté à la conférence le fruit d'une longue collaboration avec des collègues hongrois, en proposant le premier algorithme exact connu dans la littérature pour la résolution itérative de problèmes d'optimisation multi-objectifs différentiables. Plus précisément, son exposé a abordé une approche originale basée sur l'optimisation linéaire qui offre une garantie mathématique de convergence des algorithmes proposés sans avoir recours à des solveurs heuristiques.
Sorin-Mihai Grad a rejoint ENSTA Paris en provenance de l'Université de Vienne en octobre 2021, pour renforcer l'équipe « Optimisation et Contrôle » de l'Unité de Mathématiques Appliquées, et se réjouit d'avoir été sélectionné pour ce poste d'enseignant-chercheur.
