 | 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.
Racette, P., Quesnel, F., Lodi, A., & Soumis, F. (2025). Accelerated windowing for the crew rostering problem with machine learning. (Rapport technique n° G-2025-24). Lien externe
Racette, P., Soumis, F., Quesnel, F., & Lodi, A. (2024). Gaining insight into crew rostering instances through ML-based sequential assignment. Top, 42 pages. Disponible
Barry, A.-S., Quesnel, F., El Hallaoui, I., & Soumis, F. (2024). Algorithme primal ajoutant des variables pour le problème du partitionnement d'ensemble généralisé. (Rapport technique n° G-2024-11). Lien externe
Chelbani, M.-R., Quesnel, F., & Soumis, F. (juillet 2024). Solving the Crew Split Problem: Innovative Team Formation Strategies for the Crew Pairing Problem . Dans 25th International Symposium on Mathematical Programming (ISMP 2024), Montréal, QC, Canada. Lien externe
Marcotte, O., Quesnel, F., Carreau, J., Schulz, J., Blondin Massé, A., Lindstrom, M. R., Meurs, M.-J., Hertz, A., Aflaki, G., Plante, J.-F., Tafolong, E., & Gervais-Dubé, M. (2022). Comptes rendus du douzième atelier de résolution de problèmes industriels de Montréal, 22-26 août 2022 / Proceedings of the twelfth Montréal industrial problem solving workshop, August 22-26, 2022. (Rapport technique n° G-2022-63). Lien externe
Pereira, P., Courtade, E., Aloise, D., Quesnel, F., Soumis, F., & Yaakoubi, Y. (2022). Learning to branch for the crew pairing problem. (Rapport technique n° G-2022-31). Lien externe
Quesnel, F., Wu, A., Desaulniers, G., & Soumis, F. (2022). Deep-learning-based partial pricing in a branch-and-price algorithm for personalized crew rostering. Computers and Operations Research, 138, 15 pages. Lien externe
Tahir, A., Quesnel, F., Desaulniers, G., El Hallaoui, I., & Yaakoubi, Y. (2021). An Improved Integral Column Generation Algorithm Using Machine Learning for Aircrew Pairing. Transportation Science, 55(6), 1411-1429. Lien externe
Quesnel, F., Wu, A., Desaulniers, G., & Soumis, F. (2020). Deep-learning-based partial pricing in a branch-and-price algorithm for personalized crew rostering. (Rapport technique n° G-2020-72). Lien externe
Tahir, A., Quesnel, F., Desaulniers, G., El Hallaoui, I., & Yaakoubi, Y. (2020). An improved integral column generation algorithm using machine learning for aircrew pairing. (Rapport technique n° G-2020-71). Lien externe
Quesnel, F., Desaulniers, G., & Soumis, F. (2020). A branch-and-price heuristic for the crew pairing problem with language constraints. European Journal of Operational Research, 283(3), 1040-1054. Lien externe
Quesnel, F., Desaulniers, G., & Soumis, F. (2020). Improving Air Crew Rostering by Considering Crew Preferences in the Crew Pairing Problem. Transportation Science, 54(1), 97-114. Lien externe
Quesnel, F. (2019). Trois variantes du problème de rotations pour une approche semi-intégrée de la planification d'horaires de personnel aérien [Thèse de doctorat, Polytechnique Montréal]. Disponible
Quesnel, F., Desaulniers, G., & Soumis, F. (2019). The airline crew pairing problem with language constraints. (Rapport technique n° G-2019-25). Lien externe
Rosat, S., Quesnel, F., El Hallaoui, I., & Soumis, F. (2017). Dynamic penalization of fractional directions in the integral simplex using decomposition: Application to aircrew scheduling. European Journal of Operational Research, 263(3), 1007-1018. Lien externe
Quesnel, F., Desaulniers, G., & Soumis, F. (2017). A new heuristic branching scheme for the crew pairing problem with base constraints. Computers & Operations Research, 80, 159-172. Lien externe
Quesnel, F., Desaulniers, G., & Soumis, F. (2016). A new heuristic branching scheme for the crew pairing problem with base constraints. (Rapport technique n° G-2016-47). Lien externe
Rosat, S., Quesnel, F., El Hallaoui, I., & Soumis, F. (2016). Dynamic penalization of fractional directions in the integral simplex using decomposition: Application to aircrew scheduling. (Rapport technique n° G-2016-01). Lien externe
Rosat, S., Quesnel, F., Soumis, F., & El Hallaoui, I. (février 2016). Pénaliser les directions fractionnaires dans le simplexe en nombres entiers. Application au transport aérien [Communication écrite]. 17e Congrès de la Société française de recherche opérationnelle et d'aide à la décision (ROADEF 2016), Compiègne, France. Non disponible
