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

Ranking aggregation: graph-based methods and use in bioinformatics

-- Adeline Pierrot (LISN, Galac)

summary: The problem of ranking aggregation is the following: we have a set of elements and a set of rankings of these elements as input, and we want a single ranking as output, which best reflects the set of rankings taken as input. The applications are manifold, especially in bioinformatics ...


Algèbres tridendriformes, arbres de Schröder et algèbre de Hopf

-- Pierre Catoire (Univ. du Littoral)

Les concepts d’algèbres dendriformes, respectivement tridendriformes décrivent l’action de certains éléments du groupe symétrique appelés les battages et respectivement les battages contractants sur l’ensemble des mots dont les lettres sont des éléments d’un alphabet, respectivement d'un monoïde. Un lien entre les algèbres dendriformes et tridendriformes ...

Canadian Traveller Problems in Temporal Graphs.

-- Minh Hang Nguyen (IRIF)

summary: We focus on the Canadian Traveller Problem, where a traveller aims to travel on a network from s to t with the minimum cost, considering that a maximum of k edges can be blocked. These edges remain hidden from the traveller until they visit one of their endpoints. We ...

Current trends in Optimal Stopping Problems and Machine Learning

-- Ini Adinya (LISN, Galac)

summary: Stochastic optimal stopping problems have a wide range of applications, from finance and economics to neuroscience, robotics, and energy management. Many real-world applications involve complex models that have driven the development of sophisticated numerical methods.
Recently, computational methods based on machine learning methods have been developed for solving such ...

See all

Translations: en