Mise à niveau

Public Concerné

Aucun

Objectifs pédagogiques

Etre capable de suivre les cours du master MPRO (M2)

Contenu de la formation

Complexité des algorithmes :
  • Définition d'un algorithme, évaluation des algorithmes, complexité des algorithmes.
Probabilités et chaînes de Markov
  • Séance 1 : Probabilité d'une expérience aléatoire, dénombrement, variables aléatoires.
  • Séance 2 : Processus aléatoires (markoviens, stationnaires, poisson, naissance, naissance et mort), les chaînes de Markov (Définition, matrice associée à une chaîne de Markov, matrice stochastique, graphe associé à une chaîne de Markov, distribution limite dans une chaîne de Markov).
Graphes
  • Séance 1 : (Notions de base - Arbres)
    Graphes orienté et non orienté, représentations matricielles, sous-graphe, graphe partiel, graphe complet, clique, stable.
  • Séance 2 : (Problèmes de plus courts chemins)
    Algorithmes de plus courts chemins: Moore- Dijkstra, Bellman-Ford et Bellman.
  • Séance 3 : (Flots dans les réseaux)
    Problème de transport, propriétés des coupes dans un graphe, graphe d'écart, algorithme de Ford & Fulkerson, extensions.
Programmation linéaire
  • Séance 1 : rappels sur la forme générale d'un PL, les égalités linéaires, convexité et solutions de base, caractérisation des bases et solutions de base optimales, changement de bases, algorithme du simplexe.
  • Séance 2 : problèmes soulevés par la dégénérescence, initialisation de l'algorithme du simplexe (résolution en 2 phases avec la méthode des variables artificielles), notion de dualité.
Méthode de séparation et d'évaluation et programmation dynamique
  • Séance 1 : Procédures Branch & Bound : généralités et définitions, concepts de séparation et d' évaluation, algorithme de séparation et évaluation, illustration sur le problème du sac à dos.
  • Séance 2 : Programmation dynamique déterministe illustrée sur le problème du sac à dos.
Modèles stochastiques
  • Partie 1 : Espérance conditionnelle d'un couple de variables aléatoires (espace de probabilités, variables aléatoires, couple de variables aléatoires - cas discret.
  • Partie 2 : Optimisation continue : optimisation sans contraintes, optimisation sous contraintes d'égalité et d'inégalité, conditions d'optimialité.

Description des modalités de validation

  • Contrôle continu

Prévisions d'ouverture

Groupe Semestre Modalité État d'ouverture Date du premier cours Lieux
US331N Mise à niveau 0 Cours de Jour - - - -

Voir les dates et horaires, les lieux d'enseignement et les modes d'inscription sur les sites internet des centres régionaux qui proposent cette formation

    Code : US331N
    0
    crédits
    Contactez-nous