Ce projet développe des outils pour optimiser les performances des calculs scientifiques, notamment via des méthodes de stencil et de gestion de mémoire. Il permet de simuler des processus physiques complexes et d'évaluer l'efficacité de différentes approches algorithmiques. Les fonctionnalités incluent le benchmarking, la gestion de données en mémoire et l'analyse de performance pour des applications nécessitant une haute efficacité computationnelle.

Outil open source dédié à l'optimisation et à la synthèse de haut niveau (HLS) pour les circuits électroniques. Il permet de transformer des descriptions algorithmiques en architectures matérielles optimisées, facilitant ainsi la conception de systèmes embarqués et de circuits intégrés. Le projet intègre des fonctionnalités avancées pour l'analyse de performance et la génération automatique de code VHDL ou Verilog.

Ce projet développe des outils algorithmiques pour analyser et optimiser des politiques de cache dans les systèmes informatiques. Il permet de modéliser des flux de données complexes, d'évaluer des politiques de gestion mémoire et de simplifier des expressions booléennes pour améliorer les performances des systèmes. Les solutions proposées sont principalement destinées aux développeurs et chercheurs en informatique.

Bibliothèque et outils dédiés à la simulation numérique de systèmes physiques complexes, notamment pour des applications en astrophysique et physique des particules. Permet d'effectuer des calculs intensifs et des modélisations avancées avec une optimisation des performances grâce à des algorithmes parallèles et des structures de données adaptées.

Projet académique visant à implémenter et analyser des algorithmes de partitionnement. Les étudiants développent des solutions pour résoudre des problèmes de découpage d'ensembles ou de données selon des critères spécifiques. L'objectif est de comparer les performances et les approches algorithmiques pour optimiser les traitements.

Ce projet propose une collection d'instances pour le problème bi-objectif de Facility Location (UFLP). Les données sont structurées pour évaluer des algorithmes d'optimisation combinatoire. Les instances sont organisées en trois catégories (F, H, G) et proviennent de méthodes de génération variées. L'objectif est de faciliter la comparaison et l'analyse des performances des approches algorithmiques dans ce domaine.

Ce projet est une implémentation pédagogique d'algorithmes de tri classiques et de structures de données associées. Il permet d'étudier leur fonctionnement, leur complexité et leurs performances comparatives. Destiné à un contexte éducatif, il sert de support pour comprendre les bases de l'algorithmique et de l'optimisation.

Ce projet permet de comparer les performances de différents algorithmes de PageRank ou de classement de pages web. Il offre une analyse détaillée des résultats obtenus par chaque méthode, facilitant ainsi le choix des meilleures stratégies pour optimiser le référencement naturel. Les utilisateurs peuvent visualiser les différences de classement et identifier les approches les plus efficaces pour leurs besoins spécifiques.

HYPO-MPC est un projet visant à optimiser les paramètres hyper d'un système de contrôle prédictif de modèle (MPC) à l'aide de l'algorithme NSGA-II. L'objectif est de trouver des valeurs optimales pour les paramètres MPC, tels que l'horizon de temps, le coefficient de vitesse et gamma, pour améliorer les performances du système de contrôle.

Ce projet gère des structures de données complexes, offrant une optimisation des performances algorithmiques et une implémentation de méthodes de tri et de recherche efficaces.