Plénières de COSI - 2012
Professeur Michel Balinski Ecole Polytechnique et CNRS, France
Karim Chine Cloud Era Ltd, Cambridge, UK
3- On the power of
graph searching
4- L'optimisation globale déterministe : méthodes, applications et extensions.
Dr. Frédéric Messine IRIT, ENSEEIHT, Toulouse, France
Ne votez pas : jugez !
Professeur Michel Balinski , Ecole Polytechnique et CNRS, France
Résumé. L'objectif de cette présentation sera de démontrer trois points principaux.
1- Le modèle traditionnel de la théorie du vote - ou de la théorie du choix sociale
- échoue pour deux raisons différentes :
-
Les choix d'expression d'opinion offerts aux électeurs sont inadéquats,
-
La théorie qui en découle est inconsistante et contradictoire.
2- Les modes de scrutin traditionnels - y compris le scrutin majoritaire à deux
tours utilisé en France - échouent en pratique.
3- Un modèle plus réaliste donne aux électeurs la possibilité de s'exprimer pleinement et mène à un mode de scrutin qui répond le mieux aux critères traditionnels de ce qui constitue une bonne méthode de vote : le jugement majoritaire. Ce système sera présenté par le biais d'un sondage représentatif de l'élection présidentielle française fait en avril 2011 où les participants avaient votés selon le scrutin majoritaire à deux tours et aussi selon le jugement majoritaire.
Références
Michel Balinski et Rida Laraki, Majority Judgment : Measuring, Ranking, and Electing, MIT Press, 2010.
Terra Nova. 2011. Rendre les élections aux électeurs: le jugement majoritaire. Note, April 21, 2011.
Vidéo, présentation au Collège de France, 29 février 2012.
Biographie.
Michel Balinski, mathématicien américain, a fait ses études aux USA et a été professeur — mathématiques, d'économie et de science administrative — aux universités de Princeton, Pennsylvanie, de la ville de New York, de Yale et de l'état de New York (à Stony Brook) — avant de s'installer en France en 1980. Il fut Directeur de recherche de classe exceptionnelle du CNRS à l'Ecole Polytechnique et pour une dizaine d'années Directeur du Laboratoire d'Econométrie à l'X. Il est le fondateur de la revue Mathematical Programming, a été Président de la Mathematical Optimization Society, et a reçu le prix Lanchester d'INFORMS. Il est à l'origine d'un mode de scrutin utilisé pour élire les membres des parlements du canton de Zurich en Suisse.
Récemment Michel Balinski, en collaboration avec Rida Laraki, a
publié le livre "Majority Judgment" (voir le fichier en
attachement) déjà une référence dans le domaine. Ci-dessous
le résumé de l'exposé et des appréciations de trois lauréats du
prix nobel en Economie et d'illustres scientifiques sur
cette nouvelle méthode de vote.
Retour au programme des plénières
Fouille de données et calcul scientifique dans le cloud : vers un environnement virtuel collaboratif ubiquitaire pour la recherche.
Karim Chine Cloud Era Ltd, Cambridge, UK
Résumé.
Le cloud computing porte en lui la promesse d'une évolution radicale de l'écosystème des outils de calcul scientifique et statistique et de fouille de données. Il aura un impact majeur sur la recherche dans un grand nombre de domaines. Elastic-R est l'une des premières plateformes à concrétiser une partie de ce potentiel : l'infrastructure élastique, programmable et à la demande (le cloud) et les outils tels que R, Python, Scilab, Mathematica,etc. sont fusionnés au sein d'un seul environnement virtuel collaboratif ubiquitaire. Le chercheur, l'enseignant et l'étudiant peuvent désormais mobiliser sans difficulté des ressources de calcul et de stockage et les utiliser pour interagir avec leur librairies et environnements de calcul, seuls ou collaborativement, sans contraintes ni de mémoire ni de taille de données ni de localisation de ces données. N'importe quel équipement (PC, téléphone, iPad,etc.) et n'importe quelle application cliente (navigateur web, Word, Excel, Session R locales, etc.) permet d’accéder à cet environnement. Des collaborateurs géographiquement distribués peuvent accéder à une session partagée et interagir en temps réel pour analyser leurs données ou produire ensemble des modèles, des feuilles de calcul, des interfaces interactives, des composants d'applications ou de workflows analytiques/scientifiques, etc. Tout artefact produit, statique ou dynamique/interactif, est instantanément publiable par simple URL. Une session d'analyse et tous les artefacts qui s'y rattachent peuvent être enregistrés, reproduits ou partagés. L'infrastructure et sa manipulation deviennent des "fonctions" de l’environnement de calcul et des calculs massivement parallèles peuvent être lancés avec une grande simplicité. Des démonstrations s'appuyant sur le portail elastic-r.org ,opérationnel sur Amazon EC2, illustreront les modèles d'interaction futurs des chercheurs, des enseignants et des étudiants avec les clouds et les outils d'analyse de données et donneront un aperçu de ce que seront les clouds scientifiques.
- Chine K (2010) Open science in the cloud: towards a universal platform for scientific and statistical computing. In: Furht B, Escalante A (eds) Handbook of cloud computing, Springer, USA, pp 453–474. ISBN 978-1-4419-6524-0.
- Karim Chine, "Learning math and statistics on the cloud, towards
an EC2-based Google Docs-like portal for teaching / learning
collaboratively with R and Scilab," icalt, pp.752-753, 2010 10th IEEE
International Conference on Advanced Learning Technologies, 2010.
- Karim Chine, "Scientific computing environments in the age of virtualization, toward a universal platform for the cloud" pp. 44-48, 2009 IEEE International Workshop on Open Source Software for Scientific Computation (OSSC), 2009. •Karim Chine, "Biocep, towards a federative, collaborative, user-centric, grid-enabled and cloud-ready computational open platform" escience,pp.321-322, 2008 Fourth IEEE International Conference on eScience, 2008.
Karim Chine est ingénieur polytechnicien et ingénieur de Télécom ParisTech. Karim a exercé en qualité d'architecte logiciel au sein de Schlumberger et d’IBM/ILOG à Paris. Il s'est ensuite installé à Cambridge pour occuper des positions à l'Institut Européen de Bioionformatique (EBI) et à Imperial College London. Il a fondé sa start-up Cloud Era Ltd en 2008 et mène depuis des travaux de Recherche et Développement en collaboration avec des institutions académiques Britaniques et des entreprises pharmaceutiques. Ses travaux portent sur la création d'une nouvelle génération de plate-formes de pour le calcul scientifique et la collaboration temps-réel et plus généralement sur les applications futures du cloud computing dans la recherche scientifique et l'éducation. Karim est le créateur des plate-formes Biocep-R et Elastic-R. Depuis 2009, Karim exerce en qualité d'Expert de la Commission Européenne pour les projets d'infrastructures de recherche (e-Infrastructure, FP7).
Retour au programme des plénières
On the power of graph searching
Professeur Michel Habib , LIAFA, Université de Paris Diderot - Paris 7, France
Résumé.
Searching a graph is a fundamental
graph operation which has many applications (in games, scheduling
\dots).
In this talk, I will survey recent results about classic graph
traversals (D. Corneil and R. Krueger 2008). These results which are in
fact characterizations
enlarge the toolbox we may use on graph searching by a better
understanding of classic graph traversals but also by the discovering
of new interesting simple graph traversals.
I address a central question : ``What can be learned about the
structure of a graph using a series of graph search ? ''
Algorithmic answers as well as heuristics ones of this question will be
described on problems such as computing the center or the diameter of a
given graph. To formalize this question we will introduce the idea of
multisweep algorithms (heuristics) and discuss some fixed point
properties associated with graph searching, which leads to many new
interesting questions.
Retour au programme des plénières
L'optimisation globale déterministe : méthodes, applications et extensions.
Dr. Frédéric Messine IRIT, ENSEEIHT, Toulouse, France
Résumé.
L'optimisation globale déterministe se propose de résoudre
exactement des problèmes difficiles d'optimisation. La complexité de
cette classe de problème est NP-difficile (ce qui implique la
réalisation d'algorithmes à complexité exponentielle). Cependant,
depuis une vingtaine d'années l'amélioration des méthodes de
résolution et l'augmentation exponentielle des performances d'un
ordinateur, ont permis de rendre possible la résolution exacte de
problèmes intéressants dans certains domaines d'application. Dans cet
exposé, j'exposerai les méthodes de base pour la résolution de ces
problèmes. Ces méthodes sont toutes basées sur un algorithme de type
Branch-and-Bound (séparation-évaluation). Diverses approches pour le
calcul des bornes et pour la gestion des contraintes du problème
seront présentées. Nous verrons aussi comment relaxer le problème
original pour le transformer en un problème plus simple à résoudre
(par exemple en problème linéaire). De plus, la fiabilité par rapport
aux erreurs numériques de ces codes d'optimisation globale sera
discutée, notamment en utilisant l'arithmétique d'intervalles.
Quelques extensions pour la résolution de problèmes mixtes (où les
variables sont continues et discrètes), seront abordées et quelques
exemples illustratifs de résolution de problèmes industriels seront
donnés.