Objectifs
Se familiariser avec les méthodes d’optimisation combinatoire exactes, approximatives et adaptatives. Connaître leurs avantages, leurs limites, être en mesure de les implémenter et d’évaluer leur performance.
Plus spécifiquement, ce cours vise à donner aux étudiants de master les bases techniques et théoriques nécessaires pour concevoir, analyser et évaluer des heuristiques. Une partie importante de ce cours est consacrée à la modélisation des problèmes d’optimisation combinatoire qui vont être optimisés par l’application des différentes méta-heuristiques telles que l’algorithme de descente, l'algorithme du recuit simulé, l’algorithme de la recherche tabou, l'algorithme génétique, et les réseaux de neurones artificiels.
NB : Pour des raisons d’unification du langage de programmation dédié au Data science, tous les travaux pratiques doivent être réalisé en Python.
- Enseignant: Orkia Derkaoui