 | | |
| MQGE0002-3 | Advanced Operations Research
|
|
| Durée : | 30h Th |
|
| Nombre de crédits : |
| Master en ingénieur de gestion, à finalité spécialisée en Performance Management and Control, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée en Financial Engineering, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée en intrapreneuriat, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée en Modélisation et technologie, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée en Supply Chain Management, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée en Performance Management Systems, 1re année | | 5 |
|
|
|
| Nom du professeur : | Yves Crama |
|
| Suppléant(s) : | Yasemin Arda |
|
Langue(s) du cours :
|
| Langue anglaise |
|
Organisation et évaluation :
|
| Enseignement au deuxième quadrimestre |
|
Contenus du cours :
|
| Le but du cours est d'approfondir différents aspects de la modélisation mathématique et des stratégies de résolution de problèmes réalistes et complexes telles qu'elles sont utilisées en recherche opérationnelle.
Le cours comporte plusieurs parties indépendantes:
*Problèmes d'optimisation en nombres entiers et problèmes de flots. Procédures de séparation et évaluation. Modélisation et résolution de modèles de grande taille.
* Stratégies d'optimisation heuristiques génériques pour les problèmes d'optimisation combinatoire, comme la relaxation Lagrangienne, l'exploration tabou ou la recherche à voisinage variable; la mise en œuvre de ces méthodes est illustrée sur des problèmes d'optimisation variés.
* Eventuellement, en fonction du temps disponible: autres méthodes numériques, comme la méthode de Newton, les méthodes du gradient, les réseaux de neurones, etc. |
|
Acquis d'apprentissage (objectifs d'apprentissage) du cours :
|
| Au terme de ce cours, les étudiants seront à même de modéliser des problèmes de décision complexes et de mettre en oeuvre des méthodes appropriées pour leur résolution. Ils comprendront mieux les opportunités offertes par les méthodes d'optimisation, ainsi que leurs limitations intrinsèques.
Par ailleurs, le cours leur donnera également l'occasion de développer des compétences de programmation informatique avancées, transposables dans d'autres contextes de gestion. |
|
Prérequis et corequis / Modules de cours optionnels recommandés :
|
| Prérequis:
- Mathématiques: analyse et algèbre matricielle.
- Recherche opérationnelle: un cours introductif couvrant au moins les modèles et méthodes de programmation linéaire.
- Familiarité avec la micro-informatique.
- La maîtrise d'un langage de programmation (MathLab, SciLab, Pascal, C, Visual Basic, ...). |
|
Activités d'apprentissage prévues et méthodes d'enseignement :
|
| Projets de groupes et individuels: développements informatiques et rapports écrits. |
|
Mode d'enseignement (présentiel ; enseignement à distance) :
|
| Cours ex-cathedra et labos informatiques. Projets de groupes et individuels: développements informatiques et rapports écrits. Présence obligatoire. |
|
Lectures recommandées ou obligatoires et notes de cours :
|
| Syllabus:
Y. Crama, Advanced Operations Research, ULg. |
|
Modalités d'évaluation et critères :
|
| La note finale sera basée sur:
- l'évaluation des projets (rapports écrits), 90 %,
- et l'examen écrit, 10%.
Pondération relative de l'évaluation individuelle : 10% |
|
Stage(s) :
|
| |
|
Remarques organisationnelles :
|
| This course is taught in English.
Voir le site Web
http://lola.hec.ulg.ac.be/index.php
pour toute information additionnelle. |
|
Contacts :
|
| Y.ARDA
(yasemin.arda@ulg.ac.be)
H. KUCUKAYDIN
(hkucukaydin@ulg.ac.be)
Assistant:
R. SADRABADI
(M.Rezaei@ulg.ac.be) |
|
