OPTIMISATION NUMERIQUE, année 2023-2024

Université Versailles Saint Quentin en Yvelines
Master AMS et Math&AS


Laurent Dumas (cours et TD) 

Several problems in industry, in physics and in economics consist to minimize or to maximize an objective function. The objective of this course is to provide a number of theorical and practical methods for handling these issues. The focus is made on numerical deterministic and stochastic optimization methods. The course could combine conceptual presentations with practical hands-on computer sessions. 


Archives

cours 2015-16, cours 2016-17, cours 2017-18, cours 2018-2019, cours 2019-2020, cours 2020-2021, cours 2021-2022, cours 2022-2023


Cours:

1 Introduction et rappels

2 Algorithmes d'optimisation locale sans contraintes

3 Algorithmes d'optimisation locale avec contraintes

4 Algorithmes d'optimisation sans gradient (Pattern Search, Nelder Mead)

5. Métaheuristiques (recuit simulé, stratégie d'évolution, PSO)


Planning des cours:

Lundi 18 septembre 8h00-11h10 (Fermat 2102) :  cours/TD

Vendredi 22 septembre 13h50-17h00 (Fermat 2106) :cours/TD

Lundi 25 septembre 8h00-11h10 (Fermat 2102) : cours /TD

Vendredi 29 septembre 13h50-17h00 (Fermat 2106) : cours/TD

Lundi 2 octobre 8h00-11h10 (Germain G103) : cours/TD

Vendredi 6 octobre 13h50-15h20 (Germain G204) : TP Python

Lundi 9 octobre 8h00-11h10 (Germain G103) : cours/TD

Vendredi 13 octobre 13h50-15h20 (Germain G204) : CC1

Lundi 16 octobre 8h00-11h10 (Buffon 101) : cours/TD

Vendredi 20 octobre 13h50-17h00 (Germain G103): cours/TD

Lundi 23 octobre 8h00-11h10 (Buffon 101): cours/TD

Lundi 6 novembre 8h00-11h10 (Buffon 101): : cours/TD

Vendredi 10 novembre 13h50-17h00 (Germain 204): TP

Lundi 13 novembre 9h40-11h10 (Buffon 101) : CC2

Vendredi 17 novembre 13h50-17h00 (Descartes 122) : cours/TD

Vendredi 24 novembre 13h50-17h00 (Descartes 122) : cours/TD

Vendredi 1er décembre 13h50-17h00 (Buffon 104) : cours/TD

Vendredi 15 décembre 13h50-15h20 (Buffon 104) : CC3


Poly de cours (Max Cerf):

paragraphe 1. : partie 1,  partie 2

paragraphe 2. : partie 3,  partie 4

paragraphe 3: partie 5

paragraphe 4: partie 6

paragraphe 5: partie 7

Travaux dirigés:

TD1 : introduction et rappels (énoncé)

TD2 : introduction et rappels, partie 2 (énoncé)

TD3 : algorithmes d'optimisation sans contraintes (énoncé)

TD4 : algorithmes d'optimisation avec contraintes (énoncé)

TD5 : algorithmes d'optimisation sans gradient (énoncé)

TD6 : algorithmes d'optimisation par métaheuristique (énoncé)

Travaux pratiques:

TP1 : méthodes de descente (énoncé, corrigé)

TP2 : algorithmes de pénalisation avec ou sans gradient (énoncé corrigé)

TP3 : stratégie d'évolution et adaptativité des paramètres (énoncé)

 Evaluations :

CC1 : énoncé, corrigé

CC2 : énoncé, corrigé

CC3 : énoncé, corrigé

Documents en ligne :