An adaptive neighborhood search algorithm for optimizing stochastic mining complexes

Les métaheuristiques sont très utilisées dans le domaine de l'optimisation discrète. Elles permettent d’obtenir une solution de bonne qualité en un temps raisonnable, pour des problèmes qui sont de grande taille, complexes, et difficiles à résoudre. Souvent, les métaheuristiques ont beaucoup de paramètres que l’utilisateur doit ajuster manuellement pour un problème donné. L'objectif d'une métaheuristique adaptative est de permettre l'ajustement automatique de certains paramètres par la méthode, en se basant sur l’instance à résoudre. La métaheuristique adaptative, en utilisant les connaissances préalables dans la compréhension du problème, des notions de l'apprentissage machine et des domaines associés, crée une méthode plus générale et automatique pour résoudre des problèmes. L’optimisation globale des complexes miniers vise à établir les mouvements des matériaux dans les mines et les flux de traitement afin de maximiser la valeur économique du système. Souvent, en raison du grand nombre de variables entières dans le modèle, de la présence de contraintes complexes et de contraintes non-linéaires, il devient prohibitif de résoudre ces modèles en utilisant les optimiseurs disponibles dans l’industrie. Par conséquent, les métaheuristiques sont souvent utilisées pour l’optimisation de complexes miniers. Ce mémoire améliore un procédé de recuit simulé développé par Goodfellow & Dimitrakopoulos (2016) pour l’optimisation stochastique des complexes miniers stochastiques. La méthode développée par les auteurs nécessite beaucoup de paramètres pour fonctionner. Un de ceux-ci est de savoir comment la méthode de recuit simulé cherche dans le voisinage local de solutions. Ce mémoire implémente une méthode adaptative de recherche dans le voisinage pour améliorer la qualité d'une solution. Les résultats numériques montrent une augmentation jusqu'à 10% de la valeur de la fonction économique.

Adolescent Trajectories of Depressive Symptoms : co-development of Behavioral and Academic Problems

Purpose: Increasing evidence suggests the existence of heterogeneity in the development of depressive symptoms during adolescence, but little remains known regarding the implications of this heterogeneity for the development of commonly co-occurring problems. In this study, we derived trajectories of depressive symptoms in adolescents and examined the codevelopment of multiple behavioral and academic problems in these trajectories. Methods: Participants were 6,910 students from secondary schools primarily located in disadvantaged areas of Quebec (Canada) who were assessed annually from the age 12 to 16 years. Trajectories were identified using growth mixture modeling. The course of behavioral (delinquency, substance use) and academic adjustment (school liking, academic achievement) in trajectories was examined by deriving latent growth curves for each covariate conditional on trajectory membership. Results: We identified five trajectories of stable-low (68.1%), increasing (12.1%), decreasing (8.7%), transient (8.7%), and stable-high (2.4%) depressive symptoms. Examination of conditional latent growth curves revealed that the course of behavioral and academic problems closely mirrored the course of depressive symptoms in each trajectory. Conclusions: This pattern of results suggests that the course of depressive symptoms and other adjustment problems over time is likely to involve an important contribution of shared underlying developmental process(es).