Descriptif
L'objectif de ce cours est de présenter des méthodes basées sur des contraintes utilisées en intelligence artificielle et en recherche opérationnelle pour résoudre des problèmes de recherche dans divers domaines d'application. Chaque cours de 2h environ sera suivi par 2h de travail pratique pour illustré les concepts vus et manipuler les outils associés sur les applications de prise de décision.
Modalités d'évaluation : 50% 6 meilleurs TPs 50% examen
Langue du cours : documents en anglais, oral en anglais sur demande
Diplôme(s) concerné(s)
- Programmes d'échange internationaux
- MScT-Artificial Intelligence and Advanced Visual Computing
- Titre d’Ingénieur diplômé de l’École polytechnique
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade réduitPour les étudiants du diplôme Programmes d'échange internationaux
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme MScT-Artificial Intelligence and Advanced Visual Computing
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 4 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme M1 Fondements de l'Informatique MPRI
L'UE est acquise si note finale transposée >=- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École polytechnique
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Programme détaillé
- C1 Problèmes de satisfaction des contraintes et introduction au langage de modélisation basé sur les contraintes MiniZInc
- TD1 Débuts sur les cahiers Python et Jupyter et introduction à MiniZinc sur la résolution de puzzle
- C2 Satisfaisabilité booléenne et SAT solvers
- TD2 Modèles SAT dans MiniZic et SAT solvers dans Python
- C3 Complexité informatique et transition de phase dans les SAT
- TD3 Problèmes k-SAT aléatoires et problèmes de coloration de graphes en Python et MiniZinc
- C4 Contraintes sur domaines finis et sur algorithmes filtrage de domaine
- TD4 Mini solver de contrainte FD en Python
- C5 Arbre de recherche et recherches heuristiques
- TD5 Programmation disjonctive en MiniZinc-FD
- C6 Contraintes globales
- TD6 Contrôle de la circulation aérienne en MiniZinc-FD
- C7 Contraintes de rupture de symétrie
- TD7 Rupture de symétrie en MiniZinc-FD
- C8 Contraintes arithmétiques
- TD8 Programmation linéaire pour en MiniZinc-LP
- C9 Recherche locale basée sur des contraintes
- TD9 Recuit simulé
- Examen final