5 crédits
30.0 h + 22.5 h
Q2
Enseignants
Papavasiliou Anthony;
Langue
d'enseignement
d'enseignement
Anglais
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 (Matlab, AMPL)
Thèmes abordés
- Algorithmes d'optimisation : programmation dynamique, algorithmes cutting plane, algorithmes de décomposition.
- Les modèles et langages de programmation mathématique
- Applications: finance, logistique, énergie
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 | Eu égard au référentiel AA, ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
À la fin du cours, les étudiants seront en mesure de:
|
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) ».
Contenu
- Fondements mathématiques (dualité, théorie des probabilités)
- Modèles de programmation stochastique
- Valeur d'information parfaite et valeur de solution stochastique
- Algorithmes cutting plane
- Programmation dynamique
- Programmation dynamique stochastique duale
- Relaxation lagrangienne
Méthodes d'enseignement
2 heures de cours magistraux par semaine, et 2 heures de TP par semaine. Les devoirs seront évalués par l'enseignant et / ou l'assistant.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
- Examen écrit
- Des devoirs réguliers
Ressources
en ligne
en ligne
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"
Faculté ou entité
en charge
en charge
MAP
