Concevoir des systèmes complexes et conduire des projets collaboratifs avancés

En plein confinement européen, quand toute la population était en télétravail ou en train de regarder des vidéos, le routeur principal du coeur de réseau internet européen était chargé à moins de 30 $%.$ Est-ce une hérésie écologique que de déployer une telle surabondante de ressources ?

Le but de l'enseignement est de montrer, à travers l'étude de problème concrets liés à la protection de la biodiversité, l'aide que peut apporter la recherche opérationnelle aux décideurs de ce domaine. Le cours est structuré en 6 projets distincts dont l'objectif est de:

L'existence de couplages parfaits et les problèmes de coloration ont des intérêts théoriques et applicatifs. L'objectif est de fournir les principaux résultats de nature structurelle ou algorithmique concernant ces problèmes.

1. Apprendre les notions de base en approximation polynomiale, et en conception d'algorithmes approchés.

2. Apprendre à analyser le ratio d'approximation d'un algorithme approché.

Le but de ce cours de fin de cycle est d'appliquer différents concepts, vus dans les cours de début d'année de M2, à un domaine d'application, ici la localisation discrète

• Modélisation et mise en oeuvre de problèmes relatifs aux réseaux et transport.

• Etude des modèles et algorithmes de résolution.

• Réalisation de projet.

Les graphes planaires constituent une classe de graphes étudiée d'une part pour leur cadre applicatif, conception de circuits électroniques notamment, et pour leur aspects plus théoriques liés notamment à la topologie.

Connaitre les spécificités de la programmation par contraintes ; Savoir modéliser un problème sous forme de CSP ; Reconnaitre les situations où la PPC peut être utile ; Comprendre les mécanismes sous-jacents de résolution (consistances, apprentissage par erreur notamment).

Le cours vise à découvrir la théorie de l'ordonnancement à travers l'étude et l'analyse de différents modèles et algorithmes du domaine. Il permet également d'assimiler les concepts fondamentaux à la démonstration des propriétés des méthodes de résolution.

Présenter les principales applications de la recherche opérationnelle aux sciences des données

Former les étudiants aux notions et outils fondamentaux de l'optimisation combinatoire théorique. Leur donner en particulier les connaissances élémentaires sur les fonctions sous-modulaires, qui jouent un rôle central en économie et en machine learning.

Tour d'horizon des concepts fondamentaux en optimisation discrète

L'utilisation de couches d'optimisation combinatoire dans les pipelines d'apprentissage profond constitue un domaine récent et très dynamique à la frontière de la recherche opérationnelle et de l'apprentissage automatique.

Le cours vise à découvrir et étudier les modèles classiques de gestion de stocks tant deterministes que stochastiques, ainsi que ceux en lot-sizing en mettant en relief les propriétés structurelles des solutions optimales et les principes des méthodes proposées pour les résoudre.

Ce cours a pour objectif de former les apprenants à l'informatique quantique.

Ce cours enseigne les fondements de l'optimisation conique, et notamment l'optimisation conique du second ordre et l'optimisation semi-définie (dualité et algorithmes de base). On y introduit également quelques bases de l'optimisation polynomiale.