Equipe GALaC du LRI, Paris-Sud
L'équipe GALAC rassemble les chercheurs du LRI qui travaillent sur des thématiques de combinatoire, d'algorithmique, de théorie des graphes, de systèmes en réseaux et distribués.
Plus précisément, nos domaines de recherche sont les suivants : notre recherche en combinatoire porte sur les fortes interactions et relations existant entre les algorithmes et les structures algébriques, et la recherche en théorie des graphes sur des propriétés structurelles et des problèmes de décomposition. Des algorithmes et modèles efficaces pour les systèmes en réseaux sont développés dans la troisième activité de l'équipe, en utilisant le formalisme de la théorie des jeux et du calcul distribué.
Voici une présentation des activités de l'équipe GALAC foit en 2013 pour l'AERES : transparent AERES 2013 et projet de recherche.
Nouvelles récentes
Reconstruction de graphes par oracle de distance
summary: Étant donné un graphe connexe G = (V,E) où les sommets sont connus et les arêtes sont cachées, nous avons accès à un oracle capable de répondre aux requêtes suivantes : étant donné deux sommets u et v dans V, l'oracle retourne la distance d'un plus court chemin ...
TBA
summary: TBA
TBA
summary: TBA
Automates cellulaires surjectifs et mesures de probabilité
summary: Les automates cellulaires sont un modèle de calcul simple consistant en une coloration d'un graphe infini régulier (typiquement, une ligne infinie) sur lequel on itère une transformation locale uniforme. Ce modèle est capable de calcul universel dans un certain sens, y compris quand la configuration initiale est choisie ...
Descentes et inversions dans les permutations
summary: On peut identifier une permutation avec son ensemble d'inversions. Si deux ensembles d'inversions sont disjoints et que leur union est aussi un ensemble d'inversions, on obtient donc une nouvelle permutation. C'est un cas assez rare et intéressant et on démontre un résultat sur le nombre ...
Decision-Theoretic Approaches in Learning-Augmented Algorithms
summary: We initiate the systematic study of decision-theoretic metrics in the design and analysis of algorithms with machine-learned predictions. We introduce approaches based on both deterministic measures such as distance-based evaluation, that help us quantify how close the algorithm is to an ideal solution, as well as stochastic measures that ...
Translations: en