<- Archives UCL - Programme d'études ->



Operational Research [ LINMA2491 ]


5.0 crédits ECTS  30.0 h + 22.5 h   2q 

Enseignant(s) Papavasiliou Anthony ;
Langue
d'enseignement:
Anglais
Lieu de l'activité Louvain-la-Neuve
Ressources
en ligne

> https://icampus.uclouvain.be/claroline/course/index.php?cid=LINMA2491

Préalables
  • Maîtrise de l'anglais du niveau du cours LANGL1330
  • La programmation linéaire, programmation en nombres entiers
  • Familiarité avec la théorie des probabilités
  • Connaissance des langages de programmation mathématique (AMPL, Mosel)
Thèmes abordés
  • Contexte mathématique (dualité, conditions d'optimalité KKT, opérateurs monotones)
  • Les modèles et langages de programmation mathématique
  • Applications: finance, logistique, gestion du risque, énergie
Acquis
d'apprentissage

Eu égard au référentiel AA, ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :

  • AA1.1, AA1.2, AA1.3
  • AA2.2, AA2.5

À la fin du cours, les étudiants seront en mesure de:

  • formuler les problèmes de prise de décision en situation d'incertitude comme des programmes mathématiques
  • identifier la structure dans les programmes mathématiques à grande échelle qui permet leur décomposition
  • concevoir des algorithmes pour résoudre des problèmes d'optimisation à grande échelle en situation d'incertitude
  • mettre en 'uvre des algorithmes pour résoudre les problèmes d'optimisation à grande échelle en langage AMPL
  • évaluer la qualité des stratégies pour prendre des décisions dans l'incertitude
Modes d'évaluation
des acquis des étudiants
  • Examen écrit
  • Un projet et des devoirs réguliers
Méthodes d'enseignement

2 heures de cours magistraux par semaine, et 2 heures de TP par semaine. Projets et devoirs seront évalués par l'enseignant et / ou l'assistant.

Contenu
  • Modèles de programmation stochastique
  • Valeur d'information parfaite et  valeur de solution stochastique
  • Méthode en L en deux étapes ou plus
  • Algorithme en L multi-coupes
  • Programmation dynamique stochastique duale
  • Sélection de scénarios et échantillonnage d'importance
  • Relaxation lagrangienne
  • Programmation stochastique en nombres entiers
  • Opérateurs monotones, algorithmes de point proximal et couverture progressive
Bibliographie
  • Notes de cours
  • Impressions de manuels ou articles fournies au cours. Le livre suivant servira de support pour la plupart du cours :  John Birge, Francois Louveaux, "Introduction to Stochastic Programming"
Cycle et année
d'étude
> Master [120] : ingénieur civil en mathématiques appliquées
Faculté ou entité
en charge
> MAP


<<< Page précédente