Recherche opérationnelle avancée - algorithmes pour l'IA - 4MMROA6

Objectif(s)

Modéliser et résoudre des problèmes de décisions complexes par des méthodes avancées.

Contenu(s)

Fondements méthodologiques:
• Programmation Linéaire en Nombres Entiers :

• complexité ;
• méthodes des coupes ;
  - couplages ;
  - cycle hamiltonien et voyageur de commerce.
  • Programmation Dynamique :
• exemples de modélisation, équation de Bellman
• application au sac à dos (simple et multiple) ;
  • Algorithmes approximatifs et heuristiques.
• méthodes gloutonnes ;
  -algorithmes avec l’approximation garantie ;
  4) Processus de décision markovien (Markov decision process) :
  - le plus court chemin stochastique.

Applications (un sous-ensemble des suivantes - liste non exhaustive):

• Problèmes de Localisation (k-centre, p-médian, Facility location)
• Gestion des stocks déterministe et stochastique
• Ordonnancement / Job-scheduling
• Problèmes de tournées de Véhicules
• Pilotage de robots
• Optimisation en finance : pricing, index funds
• Yield management
• Network design
• Conception de circuits
• etc...

Cours de Recherche Opérationnelle de la 1ère année (les notions des graphes et de la programmation linéaire).
Il est vivement conseillé de suivre en amont le cours d’Optimisation Combinatoire mais la connaissance de certains modèles traités dans ce cours sera suffisante.