OPTIMISATION NUMERIQUE, année 2022-2023

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:

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, Krigeage, RBF)


Planning des cours:

Lundi 19 septembre 8h00-11h10 (Fermat 2205) :  cours

Vendredi 23 septembre 13h50-15h20 (Buffon 102) :  cours (1h30)

Lundi 26 septembre 8h00-11h10 (Fermat 2205) :  cours

Vendredi 30 septembre 13h50-17h00 (Buffon 102)  :  cours

Lundi 3 octobre 8h00-11h10 (Fermat 2205) :  cours

Vendredi 7 octobre 13h50-17h00 (Buffon 102)  pas de cours

Lundi 10 octobre 8h00-11h10 (Fermat 2205) :  cours

Vendredi 14 octobre 13h50-17h00 (Buffon 102) :  cours

Lundi 17 octobre 9h40-11h10 (Fermat 2205) :  CC1

Vendredi 21 octobre 13h50-17h00 (Buffon 102) :  pas de cours

Lundi 24 octobre 8h00-11h10 (Fermat 2205) :  cours

Vendredi 28 octobre 13h50-17h00 (Buffon 102) :  pas de cours

Lundi 7 novembre 8h00-11h10 (Fermat 2205) :  cours

Lundi 14 novembre 8h00-11h10 (Fermat 2205) :  cours

Vendredi 18 novembre 13h50-17h00 (Buffon 102) :  cours +TP

Vendredi 25 novembre 13h50-17h00 (Buffon 102) :  cours+ CC2

Vendredi 9 décembre 13h50-17h00 (Buffon 102) :  cours

Vendredi 16 décembre 13h50-17h00 (Buffon 102) :  cours

Vendredi 6 janvier 13h50-17h00 (Buffon 102) :  cours

Vendredi 20 janvier 13h50-17h00 (Buffon 103) :  TP+CC3

Travaux dirigés:

TD1 : introduction et rappels (énoncé)

TD2 : introduction et rappels (énoncé)

TD3 : algorithmes d'optimisation locale sans contraintes (énoncé)

TD4 : algorithmes d'optimisation locale avec contraintes (énoncé)

TD5 : algorithmes d'optimisation locale avec contraintes (partie 2) (énoncé)

TD6 : algorithmes d'optimisation sans gradient (énoncé)

Travaux pratiques:

TP1 : méthodes de descente sans contrainte (énoncé, script Jupyter 1 et script Jupyter 2, cas pas constant, corrigé partiel)

TP2 : méthodes de descente avec contrainte (énoncé, script Scilab)

TP3 : optimisation sans gradient (énoncé, script Jupyter 1, script Jupyter 2, codes Scilab)

 Evaluations :

CC1 : énoncé, corrigé

CC2 : énoncé, corrigé

CC3 : énoncé, corrigé

Documents en ligne :