• Besoa Rabenasolo ,Rémi Souveton

Initiation des étudiants aux méthodes d’optimisation, à la recherche opérationnelle et à leurs applications.

Compétences attendues en fin de cursus

• Savoir poser les problèmes d’optimisation
• Savoir utiliser intelligemment les logiciels adaptés
• Comprendre pourquoi il est –le plus souvent– nocif d’optimiser des systèmes incomplets
• Savoir déterminer quelles sont les contraintes actives et comment agir sur elles

• Modestie
• Intelligence
• Bonne connaissance des processus à optimiser
• Savoirs et savoir-faire usuels au niveau graduate (scientifique)

• Introduction aux problèmes d’optimisation. Domaines d’application dans l’entreprise. Méthodes générales.
• Optimisation non linéaire : Problèmes sans contrainte, Problèmes avec contraintes (égalités et inégalités). Méthodes directes, Méthodes itératives
• Optimisation linéaire : Algorithme du simplexe, Analyse de sensibilité, Détection des contraintes actives, Détermination de la dépense maximale à engager pour la relaxation d’une contrainte.

Cours magistraux, travaux dirigés, Travaux pratiques

Mini projet cf: www.douillet.info/~douillet/htlmro/.

• Schaum’s Outline of Operating Systems (J. Archer, J. Harris, Ph.D. Cordani)
• Matlab Optimization Toolbox (Math works Inc.)

• http://www.informs.org/Ressources/
• http://www.wior.uni-karlsruhe.de/bibliothek/