Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

dynaBBO

Financiado

Cerrado

Dynamic Selection and Configuration of Black-box Optimization Algorithms

"Black-box optimization algorithms are among the most widely applied optimization techniques in practice, used to solve numerous problems across a broad range of industrial branches and academic disciplines every day. Given this i... ver más

30/09/2029

CNRS

2M€

Presupuesto del proyecto: 2M€

Líder del proyecto

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE... No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo HORIZON EUROPE notifico la concesión del proyecto el día 2024-10-01

ERC-2023-COG: ERC CONSOLIDATOR GRANTS Scope:Objectives

I+D

Cerrada hace 2 años

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

CNRS

Lider

Proyectos interesantes

ACCOPT

Software

Data Science

2M€ Cerrado

JDC2023-051006-I

Software

Data Science

72K€ Cerrado

APEG

Software

Data Science

2M€ Cerrado

TIN2008-05854

Software

Data Science

38K€ Cerrado

TIN2008-05854

Software

Data Science

38K€ Cerrado

TIN2011-24124

Software

Data Science

5K€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Duración del proyecto: 59 meses Fecha Inicio: 2024-10-01
Fecha Fin: 2029-09-30

Líder del proyecto

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE... No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 2M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto "Black-box optimization algorithms are among the most widely applied optimization techniques in practice, used to solve numerous problems across a broad range of industrial branches and academic disciplines every day. Given this importance, it is not surprising that a plethora of different black-box optimization algorithms exist, complementing each other in strengths and weaknesses. In the dynaBBO project, we set out to obtain more efficient black-box optimization techniques by leveraging this complementarity, both with respect to different problem instances and with respect to different stages of the optimization process. To this end, we will develop approaches that select and dynamically switch between different black-box optimization algorithms ""on the fly"". The two key research questions that guide our project are (1) when to switch from one algorithm to another, and (2) how to warm-start the selected solver so that it can continue the search as effectively as possible. Both questions are largely under-explored and are handled rather naively in practice. To obtain our dynamic approaches, we intertwine insights about black-box optimization algorithms, obtained through rigorous theoretical analyses, with automated machine learning techniques. In particular, we will design trajectory-based algorithm selection and configuration techniques that combine exploratory landscape analysis with newly designed algorithm features that capture information about the solver-instance interaction. We compare the efficiency of these feature-based approaches with deep learning techniques, reinforcement learning, and approaches based on hyperparameter optimization. We will further increase our project's impact by validating its results on applications in bio-medicine and in computational mechanics."

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores