Initiation Recherche

But

S'initier au domaine de recherche de l'optimisation stochastique. Cet enseignement présente de nombreuses méthodes de résolution de problèmes et s'appuie sur des exemples pratiques.

Evaluation

L'évaluation comprend :

• TP noté, 50%,
• 1 écrit terminal, 50%.

Équipe d'enseignants

Sébastien Verel

Pour contacter un des intervenants : contacts. Vous pouvez contacter l'équipe pour tout ce qui concerne cet enseignement et votre orientation.

Objectifs

Ils sont mis à jour régulièrement :

1. Savoir définir un problème d'optimisation combinatoire
2. Connaitre des exemples de problème d'optimisation (maxSAT, TSP, QAP, knapsack, etc.)
3. Savoir modéliser un problème en un problème d'optimisation.
4. Connaitre le principe d'une recherche locale à solution unique.
5. Connaitre la recherche aléatoire
6. Savoir comparer statistiquement deux algorithmes de recherche stochastiques.
7. Savoir définir une marche aléatoire
8. Connaitre les heuristiques "Hill-Climbing"
9. Connaitre la notion d'optimum local
10. Connaitre le dilemme exploration / exploitation
11. Savoir définir les métaheuristiques classiques (recuit simulé, recherche taboue, iterated local search)
12. Savoir définir les principes des algorithmes évolutionnaires
13. Connaitre les différents types d'algorithmes évolutionnaires
14. Savoir coder dans un langage les algorithmes d'optimisation précédents
15. Savoir définir un problème d'optimisation numérique
16. Connaitre l'algorithme de descente de gradient à pas fixe
17. Connaitre les algorithmes de stratégie d'évolution : (1+1) et (mu/mu,lambda)
18. Connaitre l'influence du step-size (sigma) dans ces algorithmes
19. Connaitre le principe du réglage du step-size à l'aide de la rêgle du 1/5 success rule.
20. Savoir coder dans un langage les algorithmes de stratégies d'évolution précédents
21. Connaitre la notion d'optimum local pour l'optimisation numérique

Supports de Cours et de TP

Voici l'ensemble des supports de cours et des émoncés des TP.

Bibliographie

Quelques repères biblio- /webo- graphiques qui vont se complèter au fur et à mesure :

• Métaheuristiques pour l'optimisation difficile, Johann Dréo, Alain Pétrowski, Patrick Siarry, Eric Taillard, 2003.
• Aide mémoire R, Aymeric Duclert, 2011.
• Comment rédiger un rapport ou une publication scientique., Alexandre Buttler, Université de France-Comté, 2002.