Operational Research [ LINMA2491 ]
5.0 crédits ECTS
30.0 h + 22.5 h
2q
| Enseignant(s) |
Papavasiliou Anthony ;
|
Langue
d'enseignement: |
Anglais
|
| Lieu de l'activité |
Louvain-la-Neuve
|
Ressources
en ligne |
> https://icampus.uclouvain.be/claroline/course/index.php?cid=LINMA2491
|
| 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 (AMPL, Mosel)
|
| Thèmes abordés |
-
Contexte mathématique (dualité, conditions d'optimalité KKT, opérateurs monotones)
-
Les modèles et langages de programmation mathématique
-
Applications: finance, logistique, gestion du risque, énergie
|
Acquis
d'apprentissage |
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) ».
|
Modes d'évaluation
des acquis des étudiants |
-
Examen écrit
-
Un projet et des devoirs réguliers
|
| Méthodes d'enseignement |
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.
|
| Contenu |
-
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
|
| 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 |
> MAP
|
|
|
<<< Page précédente
|
