Advanced Algorithms for Optimization

Enseignants

Schaus Pierre;

Langue
d'enseignement

Anglais

Thèmes abordés

• exploration d'arbres de recherche
• branch and bound
• relaxation (lagrangienne) et calcul de bornes
• la recherche locale
• la programmation mathématique
• la programmation par contrainte
• algorithmes de graphes,
• les recherches à voisinage large
• la programmation dynamique
• les algorithmes gloutons et algorithmes approchés
• l'optimisation multicritères
• l'optimisation sans dérivée
• comparaison d'algorithmes

Ces méthodes seront appliquées sur des problèmes réels de type routing de véhicules, rostering et confection d' horaires, design de réseau, ordonnancement et scheduling, etc.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	Eu égard au référentiel AA du programme « Master ingénieur civil en informatique », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants : INFO1.1-3 INFO2.3-5 INFO5.3-5 INFO6.1, INFO6.4 Eu égard au référentiel AA du programme « Master [120] en sciences informatiques », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants : SINF1.M4 SINF2.3-5 SINF5.3-5 SINF6.1, SINF6.4 Les étudiants ayant suivi avec fruit ce cours seront capables de expliquer les algorithmes de résolution des problèmes d'optimisation discrets en les décrivant précisément, en précisant les problèmes qu'ils permettent de résoudre, en indiquant leurs avantages, inconvénients et limites (temps de calcul, exactitude, problèmes de passage à l'échelle, etc), identifier les algorithmes qui s'appliquent à un problème d'optimisation discret auquel on est confronté et faire un choix argumenté parmi ceux-ci, implémenter les algorithmes permettant de résoudre des problèmes d'optimisation discrets.

Contenu

• programmation dynamique
• branch and bound
• programmation linéaire
• relaxation Lagrangienne
• génération de colonnes
• recherche locale
• programmation par contrainte et sat
• algo de graphes: problème de max flow
• comparaison d'algorihtmes d'optimisation

Utilisation de ces méthodes sur des problèmes réels: tournées de véhicules, ordonnancement, confection d'horaire, design de réseau, etc.

Méthodes d'enseignement

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

La présentation des algorithmes dans le cadre du cours magistral sera accompagnée de travaux pratiques (assignments/micro-projets) demandant l'implémentation d'un algorithme en vue de résoudre un problème d'optimisation concret. L'évaluation des travaux sera partiellement automatisée sur base de la qualité des solutions trouvées par les algorithmes.

Modes d'évaluation
des acquis des étudiants

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Une grande partie de l'évaluation est accordée aux travaux (30% des pointsrépartis sur 3 assignments). Les 70% restants seront évalués de manière classique avec un examenécrit ou oral.Les projets ne peuvent être refaits en 2e session.

Autres infos

Préalables: 

• LSINF1121

Faculté ou entité
en charge

INFO