Ce projet propose des outils pour résoudre des problèmes d'optimisation complexes en utilisant des algorithmes génétiques et des méthodes de Monte Carlo. Il permet d'analyser des séquences de données, d'évaluer des solutions et de visualiser les performances des algorithmes pour aider à la prise de décision dans des contextes variés comme la logistique ou la planification.

Ce projet permet de comparer et évaluer des algorithmes de gestion énergétique pour des nœuds sans fil alimentés par énergie solaire. Il utilise des données réelles de rayonnement solaire et des modèles de décharge de batteries pour simuler et analyser les performances de différentes stratégies de planification. L'objectif est d'identifier les solutions les plus efficaces pour prolonger l'autonomie des systèmes IoT dans des environnements contraints.

Outil de simulation dédié à l'exploration de stratégies de planification multipath pour les protocoles comme MPQUIC. Il permet d'étudier et de comparer différents algorithmes de routage dans un environnement contrôlé, sans prétendre à une représentation réaliste des réseaux. Idéal pour les chercheurs et ingénieurs en réseaux souhaitant évaluer des solutions innovantes avant une implémentation réelle.

Ce projet propose des instances de problèmes d'optimisation pour des robots collecteurs de récompenses. Il inclut des contraintes temporelles et de précédence afin de modéliser des scénarios réalistes pour la planification de tâches robotisées. Les données générées permettent d'évaluer et de comparer des algorithmes de résolution dans ce domaine spécifique.