 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Džamić, D., Aloise, D., & Mladenović, N. (2019). Ascent–descent variable neighborhood decomposition search for community detection by modularity maximization. Annals of Operations Research, 272(1-2), 273-287. Lien externe
Randel, R., Aloise, D., Mladenović, N., & Hansen, P. (octobre 2018). On the k-Medoids Model for Semi-supervised Clustering [Communication écrite]. 6th International Conference on Variable Neighborhood Search (ICVNS 2018), Sithonia, Greece. Lien externe
Randel, R., Aloise, D., Mladenović, N., & Hansen, P. (2018). On the k-medoids model for semi-supervised clustering. (Rapport technique n° G-2018-23). Lien externe
Gonçalves-e-Silva, K., Aloise, D., Xavier-de-Souza, S., & Mladenović, N. (2018). Less is more: simplified Nelder-Mead method for large unconstrained optimization. Yugoslav Journal of Operations Research, 28(2), 153-169. Disponible
Pereira, T., Aloise, D., Brimberg, J., & Mladenović, N. (2018). Review of Basic Local Searches for Solving the Minimum Sum-of-Squares Clustering Problem. Dans Pardalos, P. M., & Migdalas, A. (édit.), Open Problems in Optimization and Data Analysis (Vol. 141, p. 249-270). Lien externe
Pyatkin, A., Aloise, D., & Mladenović, N. (2017). NP-Hardness of balanced minimum sum-of-squares clustering. Pattern Recognition Letters, 97, 44-45. Lien externe
Aloise, D., Damasceno, N. C., Mladenović, N., & Pinheiro, D. N. (2017). On strategies to fix degenerate k-means solutions. Journal of Classification, 34(2), 165-190. Lien externe
Costa, L. R., Aloise, D., & Mladenović, N. (2016). Less is more approach for balanced minimum sum-of-squares clustering. (Rapport technique n° G-2016-80). Lien externe
Pyatkin, A., Aloise, D., & Mladenović, N. (2016). NP-hardness of balanced minimum sum-of-squares clustering. (Rapport technique n° G-2016-79). Lien externe
Aloise, D., Damasceno, N. C., Mladenović, N., & Nobre Pinheiro, D. (2016). On strategies to fix degenerate k-means solutions. (Rapport technique n° G-2016-81). Lien externe
Džamić, D., Aloise, D., & Mladenović, N. (2016). Ascent — Descent Variable Neighborhood Decomposition search for community detection by modularity maximization. (Rapport technique n° G-2016-35). Lien externe
Perron, S., Hansen, P., Le Digabel, S., & Mladenović, N. (2010). Exact and heuristic solutions of the global supply chain problem with transfer pricing. European Journal of Operational Research, 202(3), 864-879. Lien externe
Perron, S., Hansen, P., Le Digabel, S., & Mladenović, N. (2008). Transfer Pricing in a Global Supply Chain. (Rapport technique n° G-2008-17). Lien externe
Hansen, P., Ngai, E., Cheung, B., & Mladenović, N. (2005). Analysis of Global K-Means, an Incremental Heuristic for Minimum Sum-of-Squares Clustering. Journal of Classification, 22(2), 287-310. Lien externe
Gabriel Crainic, T., Gendreau, M., Hansen, P., & Mladenović, N. (2004). Cooperative Parallel Variable Neighborhood Search for the p-Median. Journal of Heuristics, 10(3), 293-314. Lien externe
Audet, C., Brimberg, J., Hansen, P., Le Digabel, S., & Mladenović, N. (2004). Pooling Problem: Alternate Formulations and Solution Methods. Management Science, 50(6), 761-776. Lien externe
Crainic, T. G., Gendreau, M., Hansen, P., & Mladenović, N. (2003). Parallel Variable Neighborhood Search for the p-Median. (Rapport technique n° G-2003-04). Lien externe
Audet, C., Brimberg, J., Hansen, P., Le Digabel, S., & Mladenović, N. (2002). Pooling Problem: Alternate Formulations and Solution Methods. (Rapport technique n° G-2000-23). Lien externe
Merle, O. D., Hansen, P., Jaumard, B., & Mladenović, N. (2000). An interior point algorithm for minimum sum-of-squares clustering. SIAM Journal on Scientific Computing, 21(4), 1485-1505. Lien externe
