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
L'objectif est de se familiariser avec les méthodes heuristiques et en connaître les avantages et les limites. Plusieurs aspects théoriques sont présentés et comparées aux méthodes exactes. Quelques aspects de mise en oeuvre pratique sont présentés en particulier à l'occasion du projet.
21 heures en présentiel
Diplôme(s) concerné(s)
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade américainPour les étudiants du diplôme M2 DS - Data Science
Le rattrapage est autorisé (Note de rattrapage conservée)- le rattrapage est obligatoire si :
- Note initiale < 7
- le rattrapage peut être demandé par l'étudiant si :
- Note initiale < 7
- Crédits ECTS acquis : 3 ECTS
La note obtenue rentre dans le calcul de votre GPA.
