Note du 29 juin 2020
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
5 crédits
30.0 h + 15.0 h
Q1
Enseignants
Catanzaro Daniele;
Langue
d'enseignement
d'enseignement
Anglais
Préalables
Le(s) prérequis de cette Unité d’enseignement (UE) sont précisés à la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Contenu
This course provides an introduction to algorithmic problem solving. Its main goal is to learn how to implement solution approaches for different type of problems involving search and optimization features. It covers the introduction to graph theory, classical algorithms on graphs, algorithmic paradigms, and data structures used to solve these problems. The course emphasizes the relationship between algorithms and programming. It pays attention on the practical importance of specific classes of optimization problems in management science and motivate the students to develop algorithms to solve them.
The course includes in particular the following topics:
The course includes in particular the following topics:
- Recursion
- Fundation of data structures: Graphes
- Basic algorithms on graphs
- Well Solved Optimization Problems in Management Science - Part I: Spanning Trees
- Well Solved Optimization Problems in Management Science - Part II: Shortest Paths
- Hard Optimization Problems in Management Science - Part I - Spanning Trees with constraints
- Hard Optimization Problems in Management Science - Part I - Shortest Paths with constraints
- Finding the optimum via Branch-&-Bound
- Introduction to Heuristics, Local Searches and Metaheuristics
Méthodes d'enseignement
Cours magistral.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Continuous evaluation, including an individual project with final exam. Due to the particular nature of this course, the evaluation will consists of only one exam per year. Depending upon the academic calendar, the scheudling of such exam may vary from year to year and will be communicated by the lecturer in charge during the first (and mandatory) lecture of the course.
Ressources
en ligne
en ligne
Bibliographie
The lectures will be integrated with some capita selecta from the following references: (1) Cormen, Thomas, Charles Leiserson, Ronald Rivest, and Clifford Stein. Introduction to Algorithms. 3rd ed. MIT Press, 2009; (2) B, Eckel. Thinking in Java, 4th Edition. Prentice Hall, 2006. (3) L. Wolsey. Integer Programming, Wiley, 1998. (4) M. Gendreau and J. Y. Potvin. Handbook of Metaheuristics. Springer, 2010.
Faculté ou entité
en charge
en charge
CLSM
