Personne :
Morin, Michael

Photo de profil
Adresse électronique
Date de naissance
Projets de recherche
Structures organisationnelles
Fonction
Nom de famille
Morin
Prénom
Michael
Affiliation
Université Laval. Département d'informatique et de génie logiciel
ISNI
ORCID
Identifiant Canadiana
ncf11859154
person.page.name

Filtres

2010 - 201932020 - 20224
7
7
Réinitialiser les filtres

Paramètres

Résultats de recherche

Voici les éléments 1 - 7 sur 7
  • Publication
    Accès libre
    Search and Coverage Path Planning
    (2015) Morin, Michael; Abi-Zeid, Irène; Quimper, Claude-Guy
    Nous abordons deux problèmes différents et complémentaires : le problème du chemin couvrant (ou CPP) et le problème du chemin de recherche optimal (ou OSP). Le CPP est un défi important en robotique mobile alors que l’OSP est un classique de la théorie de la recherche. Nous effectuons d’abord une revue de littérature qui souligne leurs différences et leurs similitudes du point de vue d’une opération de recherche. Le CPP et l’OSP sont comparés par rapport aux données connues sur la position d’un objet de recherche. Ensuite, nous formalisons une généralisation du problème CPP aux détections imparfaites et distantes nommée CPPIED. Nous présentons un algorithme heuristique efficace qui utilise à la fois la programmation dynamique et une réduction au problème du voyageur de commerce (TSP). Nous appliquons l’algorithme dans le contexte des opérations de déminage sous-marin sur des cartes qui contiennent plus de 21 000 cellules. Nous poursuivons par l’étude d’un nouveau modèle de programmation par contraintes (CP) pour l’OSP pour lequel nous proposons une amélioration de la définition de la fonction objectif. Cette nouvelle définition permet un filtrage plus fort des variables de probabilité prodiguant ainsi une amélioration des performances du modèle. Nous proposons, pour l’OSP, une nouvelle heuristique nommée « détection totale » (ou TD). Les résultats expérimentaux démontrent que notre modèle, utilisé avec l’heuristique TD, est compétitif avec des algorithmes de séparation et d’évaluation (ou branch-and-bound) spécifiques au problème de l’OSP (l’approche CP étant plus générale). Cette dernière observation supporte notre assertion que la CP est un bon outil pour résoudre des problèmes de la théorie de la recherche. Finalement, nous proposons la contrainte de transition de Markov (Mtc) en tant que nouvel outil de modélisation pour simplifier l’implémentation de modèles basés sur les chaînes de Markov. Nous démontrons, tant empiriquement que formellement, que l’arithmétique des intervalles est insuffisante pour l’atteinte de la cohérence de bornes, c’est-à-dire, pour filtrer les variables de probabilité de cette contrainte. Or, l’arithmétique des intervalles est l’outil utilisé par les solveurs CP pour filtrer une Mtc lorsque celle-ci est décomposée en contraintes arithmétiques individuelles. Nous proposons donc un algorithme basé sur la programmation linéaire qui atteint la cohérence de bornes. Du fait que la programmation linéaire est coûteuse en temps de calcul pour un solveur CP lorsqu’utilisée à chaque noeud de l’arbre de recherche, nous proposons aussi une approche intermédiaire basée sur le problème du sac à dos fractionnel. L’utilisation des Mtcs est illustrée sur l’OSP.
  • Publication
    Accès libre
    Multi-Criteria path planning with terrain visibility constraints : the optimal searcher path problem with visibility
    (2010) Morin, Michael; Abi-Zeid, Irène; Lamontagne, Luc
    Comment utiliser la théorie de la recherche et la planification de chemins pour formuler et résoudre un problème de détection dans le contexte de la recherche et sauvetage en milieu terrestre considérant des aspects pratiques tels que les contraintes de visibilité découlant du terrain? Pour répondre à cette question, nous présentons une nouvelle formulation introduisant les contraintes de visibilité du chercheur (le problème de planification du chemin optimal du chercheur avec visibilité ou OSPV). De plus, nous présentons une extension multicritère du problème. Dans un premier temps, l'efficacité du plan de recherche est quantifiée par la probabilité de retrouver l'objet recherché; un programme en nombres entiers mixte est comparé à Ant Search, notre adaptation de l'optimisation par colonies de fourmis. Ensuite, l'extension multicritère intègre les aspects de sécurité du chercheur et de complexité du plan; Ant Search est alors étendu pour introduire Pareto Ant Search et Lexicographie Ant Search.
  • Publication
    Accès libre
    Machine learning-based models of sawmills for better wood allocation planning
    (Elsevier, 2020-03-11) Morin, Michael; Gaudreault, Jonathan; Brotherton, Edith; Paradis, Frédérik; Rolland, Amélie; Wéry, Jean; Laviolette, François
    The forest-products supply chain gives rise to a variety of interconnected problems. Addressing these problems is challenging, but could be simplified by rigorous data analysis through a machine learning approach. A large amount of data links these problems at various hierarchical levels (e.g., strategic, tactical, operational, online) which complicates the data computation phase required to model and solve industrial problem instances. In this study, we propose to use machine learning to generate models of the sawmills (converting logs into lumber) to simplify the data computation phase for solving optimization problems. Specifically, we show how to use these models to provide a recommendation for the allocation of cutblocks to sawmills for a wood allocation planning problem without needing extensive sawing simulations. Our experimental results on an industrial problem instance demonstrate that the generated models can be used to provide high-quality recommendations (sending the right wood to the right mill). Machine learning models of the sawmill transformation process from logs to lumber allows a better allocation exploiting the strengths of the mills to process the logs in our industrial case.
  • Publication
    Accès libre
    Quality of sawmilling output predictions according to the size of the lot - The size matters!
    (2021-05-07) Morin, Michael; Gaudreault, Jonathan; Vallerand, Steve; Martineau, Vincent
    Lors de l'évaluation de modèles d'apprentissage automatique supervisé, on considère généralement le rendement de prédiction moyen obtenu sur les tests individuels comme mesure de choix. Toutefois, lorsque le modèle est destiné à prédire quels produits du bois seront obtenus lors du sciage de certains billots, c'est généralement la performance pour un lot complet qui importe. Dans cet article, nous montrons l'impact de cette nuance en termes d'évaluation du modèle. En fait, la qualité d'une prédiction (globale) s'améliore considérablement lorsque l'on augmente la taille des lots, ce qui offre un solide soutien à l'utilisation de ces modèles en pratique.
  • Publication
    Accès libre
    Toward digital twins for sawmill production planning and control : benefits, opportunities and challenges
    (Taylor and Francis, 2022-05-12) Morin, Michael; Chabanet, Sylvain; Gaudreault, Jonathan; El-Haouzi, Hind Bril; Thomas, Philippe; Chabanet, Sylvain; El-Haouzi, Hind Bril
    Sawmills are key elements of the forest product industry supply chain, and they play important economic, social, and environmental roles. Sawmill production planning and control are, however, challenging owing to severalfactors, including, but not limited to, the heterogeneity of the raw material. The emerging concept of digital twins introduced in the context of Industry 4.0 has generated high interest and has been studied in a variety of domains, including production planning and control. In this paper, we investigate the benefits digital twins would bring to the sawmill industry via a literature review on the wider subject of sawmill production planning and control. Opportunities facilitating their implementation, as well as ongoing challenges from both academic and industrial perspectives, are also studied.
  • Publication
    Accès libre
    Intruder alert! Optimization models for solving the mobile robot graph-clear problem
    (Kluwer Academic Publishers, 2018-05-21) Morin, Michael; Castro, Margarita P.; Booth, Kyle E. C.; Tran, Tony T.; Liu, Chang; Beck, J. Christopher
    We develop optimization approaches to the graph-clear problem, a pursuit-evasion problem where mobile robots must clear a facility of intruders. The objective is to minimize the number of robots required. We contribute new formal results on progressive and contiguous assumptions and their impact on algorithm completeness. We present mixed-integer linear programming and constraint programming models, as well as new heuristic variants for the problem, comparing them to previously proposed heuristics. Our empirical work indicates that our heuristic variants improve on those from the literature, that constraint programming finds better solutions than the heuristics in run-times reasonable for the application, and that mixed-integer linear programming is superior for proving optimality. Given their performance and the appeal of the model-and-solve framework, we conclude that the proposed optimization methods are currently the most suitable for the graph-clear problem.
  • Publication
    Restriction temporaire
    Ant colony optimization for path planning in search and rescue operations
    (Elsevier, 2022-06-12) Morin, Michael; Abi-Zeid, Irène; Quimper, Claude-Guy
    In search and rescue operations, an efficient search path, colloquially understood as a path maximizing the probability of finding survivors, is more than a path planning problem. Maximizing the objective adequately, i.e., quickly enough and with sufficient realism, can have substantial positive impact in terms of human lives saved. In this paper, we address the problem of efficiently optimizing search paths in the context of the NP-hard optimal search path problem with visibility, based on search theory. To that end, we evaluate and develop ant colony optimization algorithm variants where the goal is to maximize the probability of finding a moving search object with Markovian motion, given a finite time horizon and finite resources (scans) to allocate to visible regions. Our empirical results, based on evaluating 96 variants of the metaheuristic with standard components tailored to the problem and using realistic size search environments, provide valuable insights regarding the best algorithm configurations. Furthermore, our best variants compare favorably, especially on the larger and more realistic instances, with a standard greedy heuristic and a state-of-the-art mixed-integer linear program solver. With this research, we add to the empirical body of evidence on an ant colony optimization algorithms configuration and applications, and pave the way to the implementation of search path optimization in operational decision support systems for search and rescue.