Descriptif
De nombreux problèmes de recherche opérationnelle sont « difficiles », en particulier les problèmes d’optimisation en variables 0-1 ou entières (PLNE). Ce cours présente les métaheuristiques, des méthodes de résolution approchée des problèmes de grandes tailles, en particulier les méthodes de voisinage comme la recherche tabou ou le recuit simulé et les méthodes par population comme les algorithmes génétiques. La présentation des méthodes s'appuiera sur divers problèmes réels de RO.
Le cours comporte également la réalisation d’un projet incluant la programmation d’une métaheuristique.
Objectifs pédagogiques
Diplôme(s) concerné(s)
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade réduitPour les étudiants du diplôme M2 DS - Data Science
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 2.5 ECTS
Programme détaillé
1. CM:
Séance 1
Introduction. Présentation des métaheuristiques à voisinages: recuit simulé et méthode de recherche taboue.
Autres types de métaheuristiques. Exercices. Présentation du projet.
2. Bloc de module en salle info:
Séance 2
Applications des métaheuristiques. TD/TP travail en groupe sur des mini projets.
Résolution de problèmes simples (recherche de voisinages, calcul des variations de coûts).
3. Bloc de module en salle info:
Séance 3
Travail sur le projet.
4. CM:
Séance 4
Compléments sur les structures de voisinages et sur les méthodes à population.
5. Bloc de module en salle info:
Séance 5
Conférence Industrielle : Optimisation pour l'exploitation du réseau national de transport de gaz chez GRTgaz
6. Contrôle:
Séance 6
Contrôle/QCM
7. Bloc de module en salle info:
Séance 6 bis
Soutenance du projet en salle info
