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
Q2
Enseignants
Meskens Nadine; Tancrez Jean-Sébastien (coordinateur);
Langue
d'enseignement
d'enseignement
Français
Préalables
MQANT1224 ' Mathématiques de gestion 2
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.
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.
Thèmes abordés
- Application de la programmation linéaire en gestion (problèmes de décision faisant intervenir la programmation linéaire continue et la programmation linéaire mixte entière)
- Initiation au langage générateur OMP
- Simulation
- Aide à la décision multicritère
- Programmation linéaire multiobjectifs
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 | Au terme de ce cours, l'étudiant sera capable d'aborder un problème décisionnel en avenir certain et en avenir incertain. |
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
La recherche opérationnelle vise à développer des modèles mathématiques de problèmes complexes en gestion et en ingénierie, et à les analyser pour mieux comprendre ces problèmes et leurs solutions. Ce cours poursuit la formation des étudiants dans ce domaine en explorant deux sujets importants : l'optimisation multi-critère et la modélisation stochastique. L'optimisation multi-critère analyse la possibilité de combiner plusieurs objectifs dans un modèle d'optimisation et de trouver un équilibre entre eux (par exemple entre le coût et la qualité). La modélisation stochastique intègre la notion d'aléatoire et propose des méthodologies pour modéliser des systèmes comportant une incertitude non-négligeable.
Méthodes d'enseignement
Cours magistraux et exercices associés.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Examen écrit, et travail de groupe.
Bibliographie
- HILLIER F.S. and LIEBERMAN G.J. (2010), Introduction to Operations Research, 9th edition, McGraw-Hill.
- WINSTON W.L. (2004), Operations Research : Applications and Algorithms, Duxbury Press.
- POMEROL J.C., BARBA-ROMERO S. (1993), Choix multicritère dans l'entreprise, Hermes.
Faculté ou entité
en charge
en charge
CLSM
