Operational Research

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

• 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)

• Contexte mathématique (dualité, conditions d'optimalité KKT, opérateurs monotones)
• Les modèles et langages de programmation mathématique
• Applications: finance, logistique, gestion du risque, énergie

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 oeuvre 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

La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».

• Examen écrit
• Un projet et des devoirs réguliers

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.

• 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

• 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"