Multi-Objective optimization for the construction and personalization of ad campaigns

Optimisation multi-objectifs pour la construction et la personnalisation de campagnes publicitaires L'objectif de cette thèse est d'étudier et de développer de nouvelles approches d'optimisation multi-objectifs et d'intelligence artificielle pour l'allocation et la personnalisation de la planification des campagnes publicitaires multi-marques. Le problème d'allocation des campagnes publicitaires multimarques est un problème d'optimisation combinatoire multi-objectif NP-difficile qui consiste, étant donné un ensemble de campagnes publicitaires d'annonceurs et un ensemble d'écrans commerciaux avec du temps de diffusion (slots), à déterminer comment les spots publicitaires devraient être alloués à un sous-ensemble d'écrans afin de maximiser le revenu total du réseau de télévision, de respecter les exigences des annonceurs et les restrictions de l'inventaire publicitaire limité. A cette fin, dans cette thèse, nous étendons l'état de l'art en : (i) fournissant une formalisation multi-acteurs et multi-objectifs pour le problème en question, dans lequel, les exigences de toutes les parties prenantes dans le processus d'allocation de la publicité sont modélisées et prises en considération, (ii) proposant un nouvel algorithme évolutionnaire multi-objectif qui incorpore les préférences des décideurs et pourrait être adapté à des fronts de Pareto de formes différentes, (iii) suggérant un nouveau mécanisme de promotion de la diversité pour améliorer la diversité des solutions proposées, (iv) proposer un nouveau cadre basé sur l'apprentissage par transfert pour apprendre la représentation des caractéristiques des régions optimales de Pareto du problème source, afin de l'exploiter comme une heuristique pour la résolution et la personnalisation de problèmes cibles similaires, (v) proposer un générateur de données synthétiques pour évaluer et améliorer l'évolutivité des allocateurs de plans médias suggérés.