Heuristics for the Critical Node Detection Problem in Large Complex Networks

Complex networks have recently attracted a significant amount of research attention due to their ability to model real world phenomena. One important problem often encountered is to limit diffusive processes spread over the network, for example mitigating pandemic disease or computer virus spread. A number of problem formulations have been proposed that aim to solve such problems based on desired network characteristics, such as maintaining the largest network component after node removal. The recently formulated critical node detection problem aims to remove a small subset of vertices from the network such that the residual network has minimum pairwise connectivity. Unfortunately, the problem is NP-hard and also the number of constraints is cubic in number of vertices, making very large scale problems impossible to solve with traditional mathematical programming techniques. Even many approximation algorithm strategies such as dynamic programming, evolutionary algorithms, etc. all are unusable for networks that contain thousands to millions of vertices. A computationally efficient and simple approach is required in such circumstances, but none currently exist. In this thesis, such an algorithm is proposed. The methodology is based on a depth-first search traversal of the network, and a specially designed ranking function that considers information local to each vertex. Due to the variety of network structures, a number of characteristics must be taken into consideration and combined into a single rank that measures the utility of removing each vertex. Since removing a vertex in sequential fashion impacts the network structure, an efficient post-processing algorithm is also proposed to quickly re-rank vertices. Experiments on a range of common complex network models with varying number of vertices are considered, in addition to real world networks. The proposed algorithm, DFSH, is shown to be highly competitive and often outperforms existing strategies such as Google PageRank for minimizing pairwise connectivity.

Passive Solar Building Design Using Genetic Programming

Passive solar building design is the process of designing a building while considering sunlight exposure for receiving heat in winter and rejecting heat in summer. The main goal of a passive solar building design is to remove or reduce the need of mechanical and electrical systems for cooling and heating, and therefore saving energy costs and reducing environmental impact. This research will use evolutionary computation to design passive solar buildings. Evolutionary design is used in many research projects to build 3D models for structures automatically. In this research, we use a mixture of split grammar and string-rewriting for generating new 3D structures. To evaluate energy costs, the EnergyPlus system is used. This is a comprehensive building energy simulation system, which will be used alongside the genetic programming system. In addition, genetic programming will also consider other design and geometry characteristics of the building as search objectives, for example, window placement, building shape, size, and complexity. In passive solar designs, reducing energy that is needed for cooling and heating are two objectives of interest. Experiments show that smaller buildings with no windows and skylights are the most energy efficient models. Window heat gain is another objective used to encourage models to have windows. In addition, window and volume based objectives are tried. To examine the impact of environment on designs, experiments are run on five different geographic locations. Also, both single floor models and multi-floor models are examined in this research. According to the experiments, solutions from the experiments were consistent with respect to materials, sizes, and appearance, and satisfied problem constraints in all instances.

Real-Time Automatic Object Classification and Tracking using Genetic Programming and NVIDIA R CUDA TM

Genetic Programming (GP) is a widely used methodology for solving various computational problems. GP's problem solving ability is usually hindered by its long execution times. In this thesis, GP is applied toward real-time computer vision. In particular, object classification and tracking using a parallel GP system is discussed. First, a study of suitable GP languages for object classification is presented. Two main GP approaches for visual pattern classification, namely the block-classifiers and the pixel-classifiers, were studied. Results showed that the pixel-classifiers generally performed better. Using these results, a suitable language was selected for the real-time implementation. Synthetic video data was used in the experiments. The goal of the experiments was to evolve a unique classifier for each texture pattern that existed in the video. The experiments revealed that the system was capable of correctly tracking the textures in the video. The performance of the system was on-par with real-time requirements.

Network Similarity Measures and Automatic Construction of Graph Models using Genetic Programming

A complex network is an abstract representation of an intricate system of interrelated elements where the patterns of connection hold significant meaning. One particular complex network is a social network whereby the vertices represent people and edges denote their daily interactions. Understanding social network dynamics can be vital to the mitigation of disease spread as these networks model the interactions, and thus avenues of spread, between individuals. To better understand complex networks, algorithms which generate graphs exhibiting observed properties of real-world networks, known as graph models, are often constructed. While various efforts to aid with the construction of graph models have been proposed using statistical and probabilistic methods, genetic programming (GP) has only recently been considered. However, determining that a graph model of a complex network accurately describes the target network(s) is not a trivial task as the graph models are often stochastic in nature and the notion of similarity is dependent upon the expected behavior of the network. This thesis examines a number of well-known network properties to determine which measures best allowed networks generated by different graph models, and thus the models themselves, to be distinguished. A proposed meta-analysis procedure was used to demonstrate how these network measures interact when used together as classifiers to determine network, and thus model, (dis)similarity. The analytical results form the basis of the fitness evaluation for a GP system used to automatically construct graph models for complex networks. The GP-based automatic inference system was used to reproduce existing, well-known graph models as well as a real-world network. Results indicated that the automatically inferred models exemplified functional similarity when compared to their respective target networks. This approach also showed promise when used to infer a model for a mammalian brain network.

Inverse Illumination Design with Genetic Programming

Interior illumination is a complex problem involving numerous interacting factors. This research applies genetic programming towards problems in illumination design. The Radiance system is used for performing accurate illumination simulations. Radiance accounts for a number of important environmental factors, which we exploit during fitness evaluation. Illumination requirements include local illumination intensity from natural and artificial sources, colour, and uniformity. Evolved solutions incorporate design elements such as artificial lights, room materials, windows, and glass properties. A number of case studies are examined, including many-objective problems involving up to 7 illumination requirements, the design of a decorative wall of lights, and the creation of a stained-glass window for a large public space. Our results show the technical and creative possibilities of applying genetic programming to illumination design.

Disease-Gene Association Using Genetic Programming

As a result of mutation in genes, which is a simple change in our DNA, we will have undesirable phenotypes which are known as genetic diseases or disorders. These small changes, which happen frequently, can have extreme results. Understanding and identifying these changes and associating these mutated genes with genetic diseases can play an important role in our health, by making us able to find better diagnosis and therapeutic strategies for these genetic diseases. As a result of years of experiments, there is a vast amount of data regarding human genome and different genetic diseases that they still need to be processed properly to extract useful information. This work is an effort to analyze some useful datasets and to apply different techniques to associate genes with genetic diseases. Two genetic diseases were studied here: Parkinson’s disease and breast cancer. Using genetic programming, we analyzed the complex network around known disease genes of the aforementioned diseases, and based on that we generated a ranking for genes, based on their relevance to these diseases. In order to generate these rankings, centrality measures of all nodes in the complex network surrounding the known disease genes of the given genetic disease were calculated. Using genetic programming, all the nodes were assigned scores based on the similarity of their centrality measures to those of the known disease genes. Obtained results showed that this method is successful at finding these patterns in centrality measures and the highly ranked genes are worthy as good candidate disease genes for being studied. Using standard benchmark tests, we tested our approach against ENDEAVOUR and CIPHER - two well known disease gene ranking frameworks - and we obtained comparable results.

Feature Selection and Classification Using Age Layered Population Structure Genetic Programming

The curse of dimensionality is a major problem in the fields of machine learning, data mining and knowledge discovery. Exhaustive search for the most optimal subset of relevant features from a high dimensional dataset is NP hard. Sub–optimal population based stochastic algorithms such as GP and GA are good choices for searching through large search spaces, and are usually more feasible than exhaustive and deterministic search algorithms. On the other hand, population based stochastic algorithms often suffer from premature convergence on mediocre sub–optimal solutions. The Age Layered Population Structure (ALPS) is a novel metaheuristic for overcoming the problem of premature convergence in evolutionary algorithms, and for improving search in the fitness landscape. The ALPS paradigm uses an age–measure to control breeding and competition between individuals in the population. This thesis uses a modification of the ALPS GP strategy called Feature Selection ALPS (FSALPS) for feature subset selection and classification of varied supervised learning tasks. FSALPS uses a novel frequency count system to rank features in the GP population based on evolved feature frequencies. The ranked features are translated into probabilities, which are used to control evolutionary processes such as terminal–symbol selection for the construction of GP trees/sub-trees. The FSALPS metaheuristic continuously refines the feature subset selection process whiles simultaneously evolving efficient classifiers through a non–converging evolutionary process that favors selection of features with high discrimination of class labels. We investigated and compared the performance of canonical GP, ALPS and FSALPS on high–dimensional benchmark classification datasets, including a hyperspectral image. Using Tukey’s HSD ANOVA test at a 95% confidence interval, ALPS and FSALPS dominated canonical GP in evolving smaller but efficient trees with less bloat expressions. FSALPS significantly outperformed canonical GP and ALPS and some reported feature selection strategies in related literature on dimensionality reduction.

Feature Selection and Classification Using Age Layered Population Structure Genetic Programming

The curse of dimensionality is a major problem in the fields of machine learning, data mining and knowledge discovery. Exhaustive search for the most optimal subset of relevant features from a high dimensional dataset is NP hard. Sub–optimal population based stochastic algorithms such as GP and GA are good choices for searching through large search spaces, and are usually more feasible than exhaustive and determinis- tic search algorithms. On the other hand, population based stochastic algorithms often suffer from premature convergence on mediocre sub–optimal solutions. The Age Layered Population Structure (ALPS) is a novel meta–heuristic for overcoming the problem of premature convergence in evolutionary algorithms, and for improving search in the fitness landscape. The ALPS paradigm uses an age–measure to control breeding and competition between individuals in the population. This thesis uses a modification of the ALPS GP strategy called Feature Selection ALPS (FSALPS) for feature subset selection and classification of varied supervised learning tasks. FSALPS uses a novel frequency count system to rank features in the GP population based on evolved feature frequencies. The ranked features are translated into probabilities, which are used to control evolutionary processes such as terminal–symbol selection for the construction of GP trees/sub-trees. The FSALPS meta–heuristic continuously refines the feature subset selection process whiles simultaneously evolving efficient classifiers through a non–converging evolutionary process that favors selection of features with high discrimination of class labels. We investigated and compared the performance of canonical GP, ALPS and FSALPS on high–dimensional benchmark classification datasets, including a hyperspectral image. Using Tukey’s HSD ANOVA test at a 95% confidence interval, ALPS and FSALPS dominated canonical GP in evolving smaller but efficient trees with less bloat expressions. FSALPS significantly outperformed canonical GP and ALPS and some reported feature selection strategies in related literature on dimensionality reduction.

Le ‘Efficient Component Pricing Rule’ en tant que tarif d'accès aux réseaux dans le domaine des télécommunications.

Rapport de recherche

Addressing Adherence to Antiretroviral Therapy in Ouagadougou, Burkina Faso: Insights from hospital ethnography

L'épidémie de l'infection au virus de l'immunodéficience humaine (VIH) constitue une crise majeure en santé publique de nos jours. Les efforts de la communauté internationale visent à rendre les traitements antirétroviraux (TARV) plus accessibles aux personnes vivant avec le VIH, particulièrement dans les contextes à ressources limitées. Une observance quasi-parfaite aux TARV est requise pour tirer le maximum de bénéfices thérapeutiques à l'échelle individuelle et à l'échelle populationnelle. Cependant, l’accroissement de la disponibilité des TARV s'effectue dans des pays africains qui disposent de systèmes de santé fragiles et sous-financés. Ceux-ci souffrent également d'une pénurie de personnel de santé, lequel joue un rôle central dans la mise en oeuvre et la pérennité des interventions, notamment celle du soutien à l'observance thérapeutique. La présente étude ethnographique relate l'expérience de personnel de santé dans la fourniture des services de soutien à l'observance dans un contexte de ressources limitées et d'accroissement de l'accès aux TARV. L'étude a été menée dans deux centres hospitaliers de la capitale du Burkina Faso, Ouagadougou. Trois conclusions principales sont mises au jour. Tout d'abord, une bonne organisation – tant logistique que matérielle – dans la provision de services de soutien à l'observance est capitale. L’infrastructure d’observance doit aller au-delà des unités de prise en charge et s’intégrer au sein du système de santé pour assurer un impact durable. De plus, la provision des TARV dans le cadre d'une prise en charge médicale exhaustive est essentielle pour un soutien à l'observance efficace. Ceci implique la présence de professionnelles de santé en nombre suffisant et disposant d‘outils pour soutenir leur pratique clinique (tests de laboratoire, traitements pour infections opportunistes), ainsi que des mécanismes pour leur permettre d’aider les patients à gérer la vie quotidienne (gratuité des services, programmes d’alphabétisation et soutien psychosociale). Enfin, une amélioration de la coordination des programmes VIH au niveau national et international est nécessaire pour assurer une prise en charge cohérente au niveau local. La programmation conçue dans les pays étrangers qui est incomplète et de courte durée a un impact majeur sur la disponibilité de ressources humaines et matérielles à long terme, ainsi que sur les conditions de travail et de prestation de services dans les unités de soins.

Patterns and quality of object-oriented software systems

Lors de ces dix dernières années, le coût de la maintenance des systèmes orientés objets s'est accru jusqu' à compter pour plus de 70% du coût total des systèmes. Cette situation est due à plusieurs facteurs, parmi lesquels les plus importants sont: l'imprécision des spécifications des utilisateurs, l'environnement d'exécution changeant rapidement et la mauvaise qualité interne des systèmes. Parmi tous ces facteurs, le seul sur lequel nous ayons un réel contrôle est la qualité interne des systèmes. De nombreux modèles de qualité ont été proposés dans la littérature pour contribuer à contrôler la qualité. Cependant, la plupart de ces modèles utilisent des métriques de classes (nombre de méthodes d'une classe par exemple) ou des métriques de relations entre classes (couplage entre deux classes par exemple) pour mesurer les attributs internes des systèmes. Pourtant, la qualité des systèmes par objets ne dépend pas uniquement de la structure de leurs classes et que mesurent les métriques, mais aussi de la façon dont celles-ci sont organisées, c'est-à-dire de leur conception, qui se manifeste généralement à travers les patrons de conception et les anti-patrons. Dans cette thèse nous proposons la méthode DEQUALITE, qui permet de construire systématiquement des modèles de qualité prenant en compte non seulement les attributs internes des systèmes (grâce aux métriques), mais aussi leur conception (grâce aux patrons de conception et anti-patrons). Cette méthode utilise une approche par apprentissage basée sur les réseaux bayésiens et s'appuie sur les résultats d'une série d'expériences portant sur l'évaluation de l'impact des patrons de conception et des anti-patrons sur la qualité des systèmes. Ces expériences réalisées sur 9 grands systèmes libres orientés objet nous permettent de formuler les conclusions suivantes: • Contre l'intuition, les patrons de conception n'améliorent pas toujours la qualité des systèmes; les implantations très couplées de patrons de conception par exemple affectent la structure des classes et ont un impact négatif sur leur propension aux changements et aux fautes. • Les classes participantes dans des anti-atrons sont beaucoup plus susceptibles de changer et d'être impliquées dans des corrections de fautes que les autres classes d'un système. • Un pourcentage non négligeable de classes sont impliquées simultanément dans des patrons de conception et dans des anti-patrons. Les patrons de conception ont un effet positif en ce sens qu'ils atténuent les anti-patrons. Nous appliquons et validons notre méthode sur trois systèmes libres orientés objet afin de démontrer l'apport de la conception des systèmes dans l'évaluation de la qualité.

L’incidence du programme Vers le pacifique sur les buts de maîtrise et le sentiment d’appartenance à l’école

La présente étude avait pour but de déterminer si un programme de prévention de la violence par l’entraînement aux habiletés en résolution de conflits et en médiation pouvait avoir une incidence sur la motivation scolaire et le sentiment d’appartenance à l’école. De par ses trois missions fondamentales (instruire, qualifier et socialiser), l’école québécoise est pour l’élève à la fois un milieu de vie et un milieu d’apprentissage. Toutefois, des problèmes de comportement et de motivation à apprendre peuvent freiner la réussite de certains jeunes. Pour remédier à la situation, des programmes visant à améliorer le comportement des élèves et à prévenir la violence à l’école ont été mis sur pied et évalués, indiquant une amélioration de certains comportements. Quelques études ont aussi noté une corrélation entre ces programmes et la motivation à apprendre. Sachant que l’adoption de buts de maîtrise et le sentiment d’appartenance à l’école sont des variables qui agissent positivement sur la motivation à apprendre, il est pertinent de se demander si un tel programme peut avoir une incidence sur ces variables. Des analyses secondaires de données issues du Rapport final d’évaluation des impacts du programme Vers le pacifique pour les quatre années de sa mise en œuvre (Bowen, 2006) ont été effectuées afin de vérifier si le programme Vers le Pacifique avait un impact sur les buts de maîtrise et le sentiment d’appartenance et déterminer quels comportements appris grâce au programme agissaient sur ces deux mêmes variables. De plus, le sexe des participants, ainsi que le niveau d’implantation du programme dans les écoles, ont été considérés dans les analyses. Les résultats aux analyses de variance ont révélé que le programme Vers le pacifique n’avait pas d’incidence sur les buts de maîtrise et le sentiment d’appartenance. Peu importe le groupe et le sexe, les buts de maîtrise et le sentiment d’appartenance ont diminué au deuxième temps de mesure. Toutefois, un des comportements appris grâce à Vers le pacifique, la gestion des émotions, agit positivement sur l’adoption de buts de maîtrise. À la lumière de ces résultats, qui cadrent avec certaines théories présentes dans la littérature, il est recommandé aux praticiens d’intégrer de manière plus explicite un volet motivationnel au programme Vers le pacifique, dans le but de contrer la diminution des buts de maîtrise et du sentiment d’appartenance et ainsi favoriser le développement de la motivation à apprendre et la réussite scolaire.

Intégration économique des migrants intraprovinciaux au Canada entre 1996 et 2007

Les études effectuées sur l’intégration économique des migrants au Canada ont jusqu’ici été réservées aux migrants internationaux. Le présent document fait état des résultats et des caractéristiques des migrants ayant effectué une migration à l’intérieur de leur propre province entre 1996 et 2007. En opposition aux difficultés d’intégration économique des migrants internationaux, notre recherche démontre que les migrants intraprovinciaux s’intègrent dans leur nouvel environnement à un niveau économique légèrement supérieur à la population d’accueil. Les résultats obtenus à l’aide du volet longitudinal de l’Enquête sur la dynamique du travail et du revenu (EDTR) dévoilent que les migrants intraprovinciaux ont un revenu annuel médian de 38 017$, soit un revenu légèrement supérieur à celui des non-migrants. Notre étude permet toutefois de constater que les caractéristiques personnelles des migrants sont des déterminants bien plus importants du revenu. Les hommes gagnent en moyenne un peu plus de 10 000$ de plus par année que les femmes, et ce, autant chez les migrants que chez les non-migrants. Le niveau d’éducation est aussi une variable significative du revenu. L’écart entre le revenu médian des migrants ayant complété le secondaire et ceux ayant un niveau universitaire est de près de 12 000$. Finalement, on remarque que le groupe d’âge des 46-55 ans est celui qui affiche les plus hauts revenus alors que le groupe de 16-25 ans est celui qui présente les plus bas revenus. Cette recherche démontre que l'expérience de la migration peut être très différente selon les points d'origine et de destination. Toutefois, les caractéristiques personnelles telles que le sexe, l’âge et le niveau d’éducation ont un impact significatif sur le revenu.

Towards the identification of a neighbourhood park typology : a conceptual and methodological exploration

Peu d’études ont évalué les caractéristiques des parcs pouvant encourager l’activité physique spécifiquement chez les jeunes. Cette étude vise à estimer la fiabilité d’un outil d’observation des parcs orienté vers les jeunes, à identifier les domaines conceptuels des parcs capturés par cet outil à l’aide d’une opérationnalisation du modèle conceptuel des parcs et de l’activité physique et à identifier différents types de parcs. Un total de 576 parcs ont été évalués en utilisant un outil d’évaluation des parcs. La fiabilité intra-juges et la fiabilité inter-juges de cet outil ont été estimées. Une analyse exploratoire par composantes principales (ACP) a été effectuée en utilisant une rotation orthogonale varimax et les variables étaient retenues si elles saturaient à ≥0.3 sur une composante. Une analyse par grappes (AG) à l’aide de la méthode de Ward a ensuite été réalisée en utilisant les composantes principales et une mesure de l’aire des parcs. L’outil était généralement fiable et l’ACP a permis d'identifier dix composantes principales qui expliquaient 60% de la variance totale. L’AG a donné un résultat de neuf grappes qui expliquaient 40% de la variance totale. Les méthodes de l’ACP et l’AG sont donc faisables avec des données de parcs. Les résultats ont été interprétés en utilisant l’opérationnalisation du modèle conceptuel.