Diplômes intégrant cet élément pédagogique :
Descriptif
Ce cours présente les notions de base en optimisation mathématique. La notion de problème linéaire, quadratique, et de convexité seront étudiées en particulier.
Résolution de problèmes d’optimisation en Python à l’aide de solveurs standards en Python.
En complément du cours, une introduction générale au langage de programmation Julia sera proposée. Ensuite quelques exemples d’optimisation seront traités à l’aide de packages Julia.
Pré-requis recommandés
Algèbre linéaire, Python (bases)
Compétences visées
Formuler un problème d’optimisation. Reconnaitre la faisabilité et l’optimalité d’une solution.
Reconnaitre les problèmes linéaires, quadratiques, et non-linéaires.
Formuler un problème mathématique pour un solveur en Python et en Julia.
Savoir interpréter les sorties d’un solveur.
Bibliographie
- Boyd, Stephen, Stephen P. Boyd, and Lieven Vandenberghe. Convex optimization. Cambridge university press, 2004.
- CVXPY package https://www.cvxpy.org/
Informations complémentaires
Méthode d'enseignement : En présenceLangue(s) : Français
Enseignement proposé par :
En bref
Période : Semestre 9Crédits : 3
Volume horaire
- CM : 12h
- TP : 12h
Contact(s)
Anatoli Iouditski
Franck Lutzeler
Remy Drouilhet
Etudiants internationaux
Crédits : 3.0