OLAMBA KALONDA PAUL

Professeur Full

Génie électricité et informatique

sexe

Masculin

Adresse email

paul.olamba@unikin.ac.cd

Email institutionnel

paul.olamba@unikin.ac.cd

Phone

Non défini

Faculté

Polytechnique

Département

Génie électricité et informatique

Grade

Professeur Full

Titre académique:

Docteur

Statut:

interne

Dernier acte de nomination/promotion :

Non défini

Adresse Bureau

Non défini

RECHERCHE

Domaines de recherche :

Laboratoire d'algorithmique et programmation; Observatoire du Grand Inga

Thème de recherche :

Dans le cadre du laboratoire d'algorithmique et programmation, nos recherches portent essentiellement sur l'optimisation des réseaux électriques. Notre projet phare fait l'objet d'une thèse de doctorat et consiste au développement d'un logiciel grand public d'optimisation des réseaux électriques. En ce qui concerne l'Observatoire du Grand Inga, nous travaillons à rassembler les informations disponibles sur le projet du Grand Inga qui a démarrer plus ou moins en 1885. Nous travaillons également à mettre sur pied une structure qui s'attachera à réaliser le transfert de technologies tout le long du développement de la partie restante du projet Grand Inga.

Axes transversaux : Modélisations, Intelligence Artificielle, Réseaux, Statistiques et Informatique Planification et optimisation des réseaux électriques

Centres/Ecoles/Laboratoire de recherches de l'UNIKIN:

Autres Réseaux scientifiques et communautés savantes: Academy for the Advancement of Science and Technology for Innovation,Institute of Electrical and Electronics Engineers (IEEE)

Aucune donnée disponible

Publications scientifiques: 18

Recherche:


1 : Optimisation of Capital Expenditure and Operational Expenditure of an Electrical Network: a Comparative study of optimization problems to use Kasasa Dubo Caleb, Olamba Kalonda Paul IEEE PES/IAS PowerAfrica, Johannesburg, octobre 2024 p. 1-5
2 : Organization of the DRC Electricity Production and Distribution into Poles: First Step to the Calculation of Optimal Distributed Electrical Networks Across the Country Olamba Kalonda Paul IEEE PES/IAS PowerAfrica 2023 p. pp 1-5, doi: 10.1109/PowerAfrica57932.2023.10363317
3 : Analysis of possible electricity production solutions, likely to ensure an optimal supply to the Democratic Republic of Congo Olamba Kalonda Paul, Omekanda Avoki Michel IEEE PES/IAS PowerAfrica 2021 p. pp 1-5 doi: 10.1109/PowerAfrica52236.2021.9543386
4 : Kruskal's Algorithm, Vogel's Approximation and Modified Distribution Methods for the Design of Optimal Electrical Networks in the Democratic Republic of Congo Olamba Kalonda Paul, Omekanda Avoki Michel IEEE PES/IAS PowerAfrica 2020 p. pp 1-5, doi: 10.1109/PowerAfrica49420.2020.9219801
5 : How to select a programming language for teaching or for software development project Olamba Kalonda Paul Congo Science (online) mars Vol. 6 No. 1 2018
6 : Cross--comparison of measurements from space-borne and ballon-borne instruments. Study of spectral aerosol extinctions Brogniez C. , Tetard C. , Bonnel B. , Renard J.B. , Huet N. , Pommereau J.P. , Borchi F. , Goutail F. , Camy-Peyret C. , Butz A. , Fussen D. , Bingen C. , Vanhellemont, F. , Olamba Paul NASA Solar Occultation Satellite Science Team Workshop (SOSST) juin 2005
7 : Retieving stratospheric aerosol extinction coefficients from transmittance measurements by GOMOS Vanhellmont , Bingen C., Olamba Paul, Mateshvili N. COSPAR Scientific Assembly, Paris 2004
8 : Associative ionization in collisions of C+ with D- A. Naji, K. Olamba, J.P. Chenu, S. Szücs, F. Brouillard, and P. Defrance A., Olamba Kalonda , Chenu J.P., Szücs S., Brouillard F., Defrance P. AIP Conference Proceedings novembre Vol. Vol 500, Issue 1, 2000
9 : Associative ionisation in collisions of, He+ with H-,D- Naji A., Olamba Kalonda , Chenu, J.P., Szücs S., Brouillard F. Journal of Physics B: Atomic, Molecular and Optical Physics Vol. 31 No. N° 13 1998 p. 2961-2970.
10 : Associative ionisation in collisions of, H2+, D2+ with H-,D- Naji A., Olamba Kalonda , Chenu J.P., Szücs S., Brouillard F. Journal of Physics B: Atomic Molecular Optical Physics janvier Vol. 31 No. N° 21 1998 p. 4887-4894.

Showing 1 to 10 of 18 entries

TOTAL THÈSES ENCADRÉES: 1

Recherche:


1: Factorisation, supersystémitrie, états cohérents et trajectoires classiques , 08.05.2024, En cours Récipiendaire: KIKUNGA KASENDE Yvon Domaine: Statut : Co-promoteur \| Direction unique Axes transversaux :

Showing 1 to 1 of 1 entries

ENSEIGNEMENT: 1

Recherche:


1: Algorithmique et Programmation Faculté: Polytechnique Département: Génie électricité et informatique Promotion: G2, L2 en nomenclature LMD. Description: 1.1A qui s’adresse ce cours Ce cours s’adresse aux étudiants de deuxième graduat polytechnique de l’uni- versité de Kinshasa. 1.2Pré-requis Les étudiants sont censés avoir suivi un cours de programmation. Ils ont donc des connaissances élémentaires en ce qui concerne la programmation. Ils ont également été préparés à suivre un cours d’algorithmique. Ils devraient dans la mesure du possible avoir reçus une introduction à Python. 1.3Connaissances et compétences des étudiants au terme de ce cours Au terme de ce cours, les étudiants connaissent les idiomes de la plupart des langages de programmation, en l’occurence les boucles, les structures de contrôle, la récursivité. Ils savent raisonner devant un problème de programma- tion. Ils connaissent la notation assymptique. Ils savent évaluer la complexité d’un algorithme et exprimer son temps d’exécution en notation assymptotique. Ils savent mesurer expérimentalement le temps d’exécution d’un algorithme. Ils connaissent des techniques de conception des algorithmes telles que l’usage de la force brute, la technique du diviser pour regner, l’approche gloutonne, l’ap- proche par programmation dynamique. Ils ont pratiqué l’évaluation de la com- plexité des algorithmes sur quelques structures de données. Ils ont reçus une introduction aux structures de données abstraites. Ils savent ce qu’est un ”Abs- tract Data Type” (ADT ; en français une structure de données abstraite). Ils connaissent l’importance de ces structures des données dans les projets logiciels. Ils connaissent les structures des données les plus populaires et probablement les plus utilisées. Il s’agit entre autre : des tableaux, des listes chainées, des piles, des files d’attente, des arbres et des graphes. Pour chacune de ces structures de données ils savent produire deux ou trois implémentations en Python. Le cours se termine par la réalisation de deux projets dans lesquelles les structures de données étudiées au cours sont mises en oeuvre dans des problèmes réels. 1.4Méthodologie Pour atteindre ces objectifs, nous pronnons et pratiquons l’enseignement par la pratique. Une partie du cours théorique est consacrée à la maitrise des concepts de base par la pratique. En bref, la maitrise des notions fondemen- tales d’algorithmique et de programmation par la pratique commence au cours théorique pour s’intensifier aux travaux pratiques. 1.5Références [1] T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein, ”Algorithmique. Cours avec 957 exercices et 158 problèmes.”, Dunod, 3ième édition, Juin 2010. [2] M.T. Goodrich, R. Tamassia, Michael H. Goldwasser, ”Data Structures & Algorithms in Python”, Jhon Wiley & Sons Inc, United States of America, 2013. 1.6Note spéciale Ces notes sont un brouillon des notes de cours que nous développons depuis quelques mois. Si en termes de contenu, les choses sont plus ou moins au point, la forme et particulièrement la présentation des figures n’est pas encore celle souhaitée. Nous avons quand même distribué les notes aux étudiants, question de leur offrir un support. 1.7Auteur de ces notes de cours Paul Olamba Kalonda a reçu sa licence en Physique en 1985 au département de physique de l’université de Kinshasa. Il obtiendra sa thèse de doctorat en Physique atomique et moléculaire en Septembre 1995 à l’université catholique de Louvain. Après avoir presté trois ans au département de physique comme assistant de recherche, Paul Olamba rejoint en 1998 Alcatel Bell pour travailler dans les télécommunications et l’informatique. C’est au cours de cette période qu’il décide de formaliser ses nombreuses connaissances en informatique et dans les télécommunications. Il obtient en 1998 à l’ULB en horaire décalé le diplome d’études spécialisées en télématique et organisation. Entre 2001 et 2002 il suit les post-doc en télécommunications et en Informatique organisés par Alcatel University, les universités flamandes et un consortium d’entreprises belges du secteur des télécommunications et de l’Informatique. En 2004, il rejoint l’Intsti- tut d’Aéronomie Spatiale de Belgique ou il travaillera comme ”Sofftware Engi- neer”. Depuis 2011 il enseigne l’informatique au département de génie électrique et informatique de la faculté polytechnique de l’université de Kinshasa et fait de la recherche en algorithmique et plus particulièrement dans le domaine de l’optimisation des réseaux.

1: Algorithmique et Programmation

Faculté: Polytechnique
Département: Génie électricité et informatique
Promotion: G2, L2 en nomenclature LMD.
Description:

1.1A qui s’adresse ce cours

Ce cours s’adresse aux étudiants de deuxième graduat polytechnique de l’uni-

versité de Kinshasa.

1.2Pré-requis

Les étudiants sont censés avoir suivi un cours de programmation. Ils ont

donc des connaissances élémentaires en ce qui concerne la programmation. Ils

ont également été préparés à suivre un cours d’algorithmique. Ils devraient dans

la mesure du possible avoir reçus une introduction à Python.

1.3Connaissances et compétences des étudiants

au terme de ce cours

Au terme de ce cours, les étudiants connaissent les idiomes de la plupart

des langages de programmation, en l’occurence les boucles, les structures de

contrôle, la récursivité. Ils savent raisonner devant un problème de programma-

tion. Ils connaissent la notation assymptique. Ils savent évaluer la complexité

d’un algorithme et exprimer son temps d’exécution en notation assymptotique.

Ils savent mesurer expérimentalement le temps d’exécution d’un algorithme. Ils

connaissent des techniques de conception des algorithmes telles que l’usage de

la force brute, la technique du diviser pour regner, l’approche gloutonne, l’ap-

proche par programmation dynamique. Ils ont pratiqué l’évaluation de la com-

plexité des algorithmes sur quelques structures de données. Ils ont reçus une

introduction aux structures de données abstraites. Ils savent ce qu’est un ”Abs-

tract Data Type” (ADT ; en français une structure de données abstraite). Ils

connaissent l’importance de ces structures des données dans les projets logiciels.

Ils connaissent les structures des données les plus populaires et probablement les

plus utilisées. Il s’agit entre autre : des tableaux, des listes chainées, des piles,

des files d’attente, des arbres et des graphes. Pour chacune de ces structures de

données ils savent produire deux ou trois implémentations en Python. Le cours

se termine par la réalisation de deux projets dans lesquelles les structures de

données étudiées au cours sont mises en oeuvre dans des problèmes réels.

1.4Méthodologie

Pour atteindre ces objectifs, nous pronnons et pratiquons l’enseignement

par la pratique. Une partie du cours théorique est consacrée à la maitrise des

concepts de base par la pratique. En bref, la maitrise des notions fondemen-

tales d’algorithmique et de programmation par la pratique commence au cours

théorique pour s’intensifier aux travaux pratiques.

1.5Références

[1] T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein, ”Algorithmique. Cours

avec 957 exercices et 158 problèmes.”, Dunod, 3ième édition, Juin 2010.

[2] M.T. Goodrich, R. Tamassia, Michael H. Goldwasser, ”Data Structures &

Algorithms in Python”, Jhon Wiley & Sons Inc, United States of America, 2013.

1.6Note spéciale

Ces notes sont un brouillon des notes de cours que nous développons depuis

quelques mois. Si en termes de contenu, les choses sont plus ou moins au point,

la forme et particulièrement la présentation des figures n’est pas encore celle

souhaitée. Nous avons quand même distribué les notes aux étudiants, question

de leur offrir un support.

1.7Auteur de ces notes de cours

Paul Olamba Kalonda a reçu sa licence en Physique en 1985 au département

de physique de l’université de Kinshasa. Il obtiendra sa thèse de doctorat en

Physique atomique et moléculaire en Septembre 1995 à l’université catholique

de Louvain. Après avoir presté trois ans au département de physique comme

assistant de recherche, Paul Olamba rejoint en 1998 Alcatel Bell pour travailler

dans les télécommunications et l’informatique. C’est au cours de cette période

qu’il décide de formaliser ses nombreuses connaissances en informatique et dans

les télécommunications. Il obtient en 1998 à l’ULB en horaire décalé le diplome

d’études spécialisées en télématique et organisation. Entre 2001 et 2002 il suit

les post-doc en télécommunications et en Informatique organisés par Alcatel University,
les universités flamandes et un consortium d’entreprises belges du

secteur des télécommunications et de l’Informatique. En 2004, il rejoint l’Intsti-

tut d’Aéronomie Spatiale de Belgique ou il travaillera comme ”Sofftware Engi-

neer”. Depuis 2011 il enseigne l’informatique au département de génie électrique

et informatique de la faculté polytechnique de l’université de Kinshasa et fait

de la recherche en algorithmique et plus particulièrement dans le domaine de

l’optimisation des réseaux.

Showing 1 to 1 of 1 entries

Aucune donnée disponible