Hugues Wattez

Chercheur postdoctoral, Paris, France.

Maison des étudiants de l’Asie du Sud-Est, Apt 202
Cité Internationale Universitaire de Paris
59 B boulevard Jourdan
75014 Paris

wattez.hugues@gmail.com
https://hwattez.github.io
31/01/1995

Expériences et Activités de Recherche

10/2023 à
maintenant
Chercheur indépendant

02/2022 à
08/2023
Postdoc

10/2021 à
01/2022
Attaché Temporaire d'Enseignement et de Recherche (ATER)

10/2018 à
09/2021
Doctorat

04/2018 à
09/2018
Stage de Master

04/2017 à
06/2017
Travail d’Étude et de Recherche (TER) de Master

Formation

2018-2021 Doctorat en Intelligence Artificielle

2016-2018 Master Informatique, Parcours Intelligence Artificielles

2015-2016 Licence Informatique

2013-2015 Diplôme Universitaire de Technologie Informatique

2012-2013 Baccalauréat Scientifique

Domaine de Recherche

Mots-clésIntelligence Artificielle, Raisonnement Automatique, Algorithmes pour l’Inférence et Contraintes, Solveurs et Outils, Optimisation, Heuristique de Branchement, Apprentissage par Renforcement, Bandit Multi-Bras

DescriptionLa programmation par contraintes est déclarative : l’utilisateur modélise le problème (sous forme de contraintes) sans se soucier de la partie résolution. La résolution est déléguée à un programme générique appelé solveur de contraintes.

Les solveurs de contraintes utilisent des mécanismes issus de l’intelligence artificielle pour guider ses choix (heuristiques), et pour réduire efficacement l’espace de recherche (inférence). Les solveurs de contraintes récents sont équipés de plusieurs heuristiques. Le choix de la meilleure heuristique pour résoudre une instance de problème donnée est actuellement délégué à l’utilisateur.

Des heuristiques de branchement plus efficaces

Il est bien connu que l’espace exploré durant la recherche peut drastiquement fluctuer selon l’ordre dans lequel les variables sont instanciées. En considérant que le parfait ordonnancement des variables résulterait en une recherche sans retour-arrière, la recherche d’heuristiques de choix de variables suscite toujours autant l’intérêt des chercheurs. Depuis quinze ans, l’approche basée sur la pondération des contraintes s’est toujours montrée efficace pour guider la recherche. Dans mes travaux, je propose une nouvelle heuristique de branchement générique se basant sur l'affinement des informations prélevées lorsque le solveur rencontre des conflits afin d'améliorer la sélection des variables les causant [4, 9].

Un gain d'autonomie des solveurs de contraintes

Mes contributions tentent de rendre les solveurs de contraintes plus autonomes dans le but de soustraire toute charge cognitive à l’utilisateur concernant le processus de résolution. Pendant la recherche de solutions, le solveur redémarre régulièrement la recherche pour éviter les impasses coûteuses. C'est pourquoi il est intéressant de réfléchir à une politique capable de sélectionner automatiquement l’heuristique la plus prometteuse après chaque redémarrage.

En réponse à ce problème de choix séquentiel, mes travaux d'inspirent des politiques traitant du problème du bandit multi-bras. De telles politiques sont issues de l’apprentissage par renforcement et permettent d’explorer un ensemble d’actions tout en exploitant, le plus souvent possible, l’action la plus prometteuse.

À partir de ce framework basé sur les redémarrages du solveur et l'apprentissage par renforcement, plusieurs contributions sont proposées pour rendre les solveurs de contraintes modernes plus autonomes. De premières publications sont proposées où les politiques proposées dans la littérature sur les bandits multi-bras sont appliquées pour apprendre la meilleure heuristique parmi un ensemble d’heuristiques fournies par le solveur [3, 13]. Sur la base de cette première application, nous proposons une nouvelle politique qui est plus cohérente avec la structure des solveurs actuels [2]. Toujours en utilisant des politiques de bandit, mes travaux proposent d’adapter la quantité d’aléa nécessaire pour perturber une heuristique donnée et la rendre plus efficace [1, 10]. En perspective de ces précédents travaux, j'essaye d'étendre ces résultats aux solveurs de contraintes sous optimisation.

Vers une généralisation du choix du paradigme de résolution

En extension du gain d'autonomie au sein même des solveurs de contraintes, je propose des travaux préliminaires sur l'hybridation et la sélection en ligne du paradigme de résolution le plus efficace entre les solveurs de contraintes et les solveurs d'optimisation mathématique en nombres entiers. Mes travaux actuels se basent sur l'étude du problème de monoroutage [6, 8]. En perspective de ces travaux, je suis intéressé par rendre générique cette méthode sur des benchmarks plus larges entre les solveurs pseudo-booléens et les solveurs d'optimisation mathématique en nombres entiers (ces deux paradigmes interprétant le même format d'instance en entrée).

Enseignements

Supplément doctoral d’enseignement et ATER

Au cours de mes deux premières années de thèse et de mes quatres mois d'ATER, un total de 195,5 heures d'enseignement ont été dispensées à l’IUT de Lens. Le détail des heures par module, par TP et TD est détaillé ci-après.


Statut Année universitaire CM TD TP Total
Supplément doctoral 2018/2019 0 25,5 38,5 64
Supplément doctoral 2019/2020 0 34 30 64
ATER 2021/2022 0 28,5 39 67,5


La description des enseignements qui suivent est détaillée sur le Programme Pédagogique National des DUT INFORMATIQUE : https://www.enseignementsup-recherche.gouv.fr.

DUT1-INFO Introduction au développement algorithmique

DUT1-INFO Introduction aux systèmes informatiques

DUT1-INFO Conception de documents et d’interfaces numériques

DUT1-INFO Introduction aux IHM

DUT2-INFO Programmation web

DUT2-INFO Conception et programmation objet avancées

DUT1-MMI Réseaux

DU-Tremplin Introduction aux systèmes informatiques

Encadrement de Stage

04/2022 à
08/2022
Stage de Recherche Accompagnement d'un étudiant en 3è année du Cycle Ingénieur Polytechnicien (Institut Polytechnique de Paris, France) sur un sujet annexe à mon sujet de postdoc (confidentiel).

04/2019 à
06/2019
Travail d’Étude et de Recherche (TER) Accompagnement d'un étudiant en Master 1 Informatique (Université d'Artois, Lens, France) au sujet de l'implantation d’un outil permettant d’automatiser l’analyse de résultats expérimentaux.

Concours Algorithmique

L3-M1-M2-INFO Entraînements pour la participation au SWERC (“Southwestern Europe Regional Contest”) Coach pour les étudiants participant à la compétition de programmation SWERC : organisation de séances d’entraînement chaque jeudi après-midi, comportant des tutoriels d’algorithmique et des simulations de compétitions pour les étudiants en troisième année de Licence Informatique et en Master Informatique à l’UFR des Sciences Jean Perrin (Université d’Artois).

Animations et Responsabilités Collectives

2019 et 2021 Organisation de compétitions de programmation pour les étudiants en troisième année de Licence Informatique à l’UFR des Sciences Jean Perrin (Université d’Artois) : préparation de la compétition les quinze jours la précédant, mise en place de la compétition sur deux jours, avec une journée dédiée à l’entraînement et une journée dédiée à la compétition, choix de sujets avec implantation de leur correction, organisation d’une remise de diplôme lors d’une cérémonie de clôture. En collaboration avec deux autres doctorants.

2019 Organisation des Journées Des Doctorants (JDD) du Centre de Recherche en Informatique de Lens (CRIL) à Ostende (Belgique), à raison d’une à deux jours par semaine pendant un mois : choix et réservation du lieu du séminaire, collecte des sujets présentés par les doctorants, organisation d’un planning sur deux jours avec repas, pauses café et nuit à l’hôtel. En collaboration avec un permanent du laboratoire et un autre doctorant.

2018 Participation à l'organisation de The 24th International Conference on Principles and Practice of Constraint Programming (CP'18) à Lille (France). Pendant cinq jours, il s'agissait d'accueillir les participants à la conférence, de répondre aux questions d'organisation et de participer aux tâches techniques des sessions.

Éléments de Visibilité

2022 Présentation de l’article Best Heuristic Identification for Constraint Satisfaction [1] lors de la 31st International Joint Conference on Artificial Intelligence (IJCAI’22)

2022 Présentation de l’article Exploring AI approaches to improve the resolution of unsplittable multicommodity flow problems in wireless networks [6] lors de la 39th Spanish Conference on Statistics and Operation Research (SEIO’22)

2022 Tutoriel sur Extraction, analyse et reproductibilité de campagnes expérimentales avec l’outil Metrics [7, 12] lors de la Plate-Forme Intelligence Artificielle (PFIA'22)

2022 Présentation de l’article Best Heuristic Identification for Constraint Satisfaction [1] lors de la Conférence Nationale en Intelligence Artificielle (CNIA'22)

2022 Présentation de l’article Exploration des approches de l’IA pour renforcer la résolution des problèmes de multiflots entiers dans les réseaux énergétiques [8] lors de la 23è Conférence ROADEF de la Société Française de Recherche Opérationnelle et d’Aide à la Décision (ROADEF’22)

2022 Séminaire tutoriel sur la Programmation par Contraintes au sein de Équipe Optimix - LIX, Paris, France

2021 Présentation du sujet Solveurs de Contraintes Autonomes [16] lors de ma Soutenance de Thèse

2021 Présentation de l’article Focus sur les heuristiques basées sur la pondération de contraintes [9] lors des 16es Journées Francophones de Programmation par Contraintes (JFPC’21)

2021 Présentation de l’article Perturbation des heuristiques de branchement dans la résolution de contraintes [10] lors des 16es Journées Francophones de Programmation par Contraintes (JFPC’21)

2020 Deux Séminaires Metrics: Towards a Unified Library for Experimenting Solvers [15] au sein du CRIL, Lens, France

2020 Présentation de l’article Metrics: Towards a Unified Library for Experimenting Solvers [15] lors de the 11th International Workshop on Pragmatics of SAT (POS’20)

2020 Présentation de l’article Learning Variable Ordering Heuristics with Multi-Armed Bandits and Restarts [3] lors de the 24th European Conference on Artificial Intelligence (ECAI’20)

2020 Présentation de l’article Perturbing Branching Heuristics in Constraint Solving [2] lors de the 26th International Conference on Principles and Practice of Constraint Programming (CP’20)

2019 Présentation de l’article Refining Constraint Weighting [4] lors de the 31st International Conference on Tools with Artificial Intelligence (ICTAI’19)

2019 Présentation de l’article Heuristiques de Recherche : un Bandit pour les Gouverner Toutes [13] lors des 15es Journées Francophones de Programmation par Contraintes (JFPC’19)

2018 Séminaire invité sur Heuristiques de Recherche et Bandits Multi-Bras [13] au sein de Équipe Coconut - LIRMM, Montpellier, France

Publications

Les articles de conférences et workshops présentées ci-après ont tous été soumis à un comité de lecture. Les conférences les plus reconnues par la communauté de la programmation par contraintes correspondent à la conférence CP (International Conference on Principles and Practice of Constraint Programming, rang A selon CORE2021), qui est la principale conférence spécialisée du domaine, et la conférence IJCAI (International Joint Conference on Artificial Intelligence, rang A* selon CORE2021), qui est l’une des plus importantes conférences généralistes en intelligence artificielle. D'autres conférences ont aussi un grand intérêt lors de publications dans le domaine la programmation par contraintes telles que ECAI (European Conference on Artificial Intelligence, rang A selon CORE2021) et ICTAI (International Conference on Tools with Artificial Intelligence, rang B selon CORE2021).

Conférences Internationales

2022 [1] Best Heuristic Identification for Constraint Satisfaction

2020 [2] Perturbing Branching Heuristics in Constraint Solving

2020 [3] Learning Variable Ordering Heuristics with Multi-Armed Bandits and Restarts

2019 [4] Refining Constraint Weighting

2018 [5] Data Analytics and Visualization for Connected Objects: A Case Study for Sleep and Physical Activity Trackers

Conférences Nationales

2022 [6] Exploring AI approaches to improve the resolution of unsplittable multicommodity flow problems in wireless networks

2022 [7] Metrics : un unique outil pour l’analyse d’expérimentations

2022 [8] Exploration des approches de l’IA pour renforcer la résolution des problèmes de multiflots entiers dans les réseaux énergétiques

2021 [9] Focus sur les heuristiques basées sur la pondération de contraintes

2021 [10] Perturbation des heuristiques de branchement dans la résolution de contraintes

2021 [11] Descente Agressive de Borne en Optimisation sous Contraintes

2021 [12] Metrics : Mission Expérimentations

2019 [13] Heuristiques de recherche : un bandit pour les gouverner toutes

Ateliers Internationaux

2022 [14] Aggressive Bound Descent for Constraint Optimization

2020 [15] Metrics: Towards a Unified Library for Experimenting Solvers

Manuscrits

2021 [16] Solveurs de Contraintes AutonomesAutonomous Constraint Solvers

Une sélection de travaux

Parmi l'ensemble de ces travaux, je propose une sous-sélection de trois articles. Il s'agit du cheminement logique depuis la création d'une heuristique de branchement [4] pour le domaine de la programmation par contraintes, en passant par l'amélioration, de façon générique, des heuristiques de branchement de l'état de l'art du domaine grâce à l'ajout d'aléa [2] jusqu'à la sélection automatique de la meilleure heuristique parmi un ensemble d'heuristiques pendant la résolution d'une instance grâce à l'apprentissage par renforcement [1].

Production Logicielle

ACE J'ai contribué au solveur de contraintes ACE (https://gitlab.com/productions-hwattez/solveurs-de-contraintes-autonomes/doctorat/ace), avec l’intégration de l'ensemble de mes travaux de thèse [1,2,3,4,9,10,13,14,16,11]. Cette instance du solveur permet notamment de reproduire l'ensemble des expérimentations de thèse, de les analyser et de produire les figures apparaissant dans le manuscrit de thèse (https://gitlab.com/productions-hwattez/solveurs-de-contraintes-autonomes/doctorat/experimentations).

Metrics J’ai participé à la conception de la bibliothèque open-source Metrics [7, 12], conçue pour faciliter l’analyse de résultats expérimentaux (https://github.com/crillab/metrics). En particulier, cette bibliothèque propose une chaîne d’outils complète, permettant d’extraire les données à partir des fichiers de log produits par les solveurs (indépendamment du format utilisé par ceux-ci), puis de les charger en mémoire pour ensuite tracer des figures couramment utilisées dans la communauté pour analyser les performances de solveurs (entre autres : boîtes à moustaches, scatter plots, cactus plots ou CDF).

Archives

Site Web Lien vers le précédent site internet recensant les travaux pré-doctoraux