2.12.24 (891)

Enseignement scientifique & technique - FMA_4TC11_TP : Optimisation continue : approche par les travaux pratiques

Domaine > Informatique.

Descriptif

Cours de tronc commun, (un choix obligatoire parmi 4TC10, 4TC11, 4TC12).

Ce cours est divisé en 3 grandes parties :
- analyse numérique avec la résolution de systèmes linéaires et le calcul de valeurs propres
- optimisation linéaire avec l'algorithme du simplexe et la dualité
- optimisation linéaire sans puis avec contraintes
 
Chaque séance est organisé avec un cours magistral suivi d'une séance de travaux pratiques.

Objectifs pédagogiques

Acquis d'apprentissage
À l'issue de l'UE, l'élève sera capable de:
- Résoudre les systèmes linéaires, déterminer la décomposition LU des matrices.
- Déterminer les valeurs propres et les vecteurs propres des matrices symétriques.
- Modéliser et résoudre les problèmes d'optimisation linéaire à l'aide de l'algorithme du simplexe. Exprimer le problème dual d'un problème d'optimisation linéaire et utiliser les liens existant entre problème primal et problème dual.
- Concevoir et appliquer des méthodes de gradient pour résoudre des problèmes d'optimisation non linéaire avec ou sans contraintes, unidimensionnels ou multidimensionnels.
- Identifier les points du domaine considéré satisfaisant des conditions nécessaires ou suffisantes d'optimalité locale ou, dans le cas de convexité, d'optimalité globale.

Compétences de rattachement (et justification)
- BC1.3 – Elaborer une ou plusieurs solutions technologiques, en s’appuyant sur la modélisation théorique et la méthode scientifique de manière à faire ressortir la pertinence desdites solutions permettant une prise de décision; Justification : L'UE présente des méthodes algorithmiques permettant d'élaborer des solutions logicielles destinées à résoudre des problèmes d'optimisation continue, avec ou sans contraintes.
- BC10.2 – Analyser et résoudre des problèmes mathématiques et algorithmiques nécessaires dans des étapes de réalisation d’un projet en s’appuyant, si besoin est, sur des simulations et dans l’objectif d’implémenter des solutions compétitives; Justification : L’UE amène les élèves à analyser et résoudre divers problèmes mathématiques relevant de l'analyse numérique ou de l'optimisation continue.

24 heures en présentiel (16 blocs ou créneaux)

20 heures de travail personnel estimé pour l’étudiant.

effectifs minimal / maximal:

10/140

Diplôme(s) concerné(s)

UE de rattachement

Pour les étudiants du diplôme Echange international non diplomant

Notions de base en algèbre linéaire et en calcul différentiel. Programmation en python.

Pour les étudiants du diplôme Diplôme d'ingénieur

Notions de base en algèbre linéaire (systèmes linéaire, pivot de Gauss, valeur propre, diagonalisation) et en calcul différentiel (dérivée, différentielle). Programmation en python. 

Pour les étudiants du diplôme Diplôme d'ingénieur

Notions de base en algèbre linéaire (systèmes linéaire, pivot de Gauss, valeur propre, diagonalisation) et en calcul différentiel (dérivée, différentielle). Programmation en python. 

Format des notes

Numérique sur 20

Pour les étudiants du diplôme Diplôme d'ingénieur

Vos modalités d'acquisition :

Examen écrit en salle de TP (avec accès à un ordinateur de l'école, sans accès à internet). L'examen comporte la résolution de problèmes mathématiques, l'utilisation de Python (et NumPy) afin de réaliser des calculs mathématiques et l'écriture de programme en Python, notamment pour implémenter des méthodes d'analyse numérique. 

Le rattrapage est autorisé (Note de rattrapage conservée)
  • le rattrapage est obligatoire si :
    Note initiale < 10

Le coefficient de l'UE est : 1

L'UE est évaluée par les étudiants.

Pour les étudiants du diplôme Echange international non diplomant

Vos modalités d'acquisition :

Examen écrit en salle de TP (avec accès à un ordinateur de l'école, sans accès à internet). L'examen comporte la résolution de problèmes mathématiques, l'utilisation de Python (et NumPy) afin de réaliser des calculs mathématiques et l'écriture de programme en Python, notamment pour implémenter des méthodes d'analyse numérique. 

Le rattrapage est autorisé (Note de rattrapage conservée)
  • le rattrapage est obligatoire si :
    Note initiale < 10

Le coefficient de l'UE est : 1

L'UE est évaluée par les étudiants.

Programme détaillé

 

Mots clés

Analyse numérique : systèmes linéaires, valeurs et vecteurs propres ; optimisation continue : optimisation linéaire, dualité linéaire, algorithme du simplexe, optimisation non linéaire, méthodes de gradient, convexité

Méthodes pédagogiques

Les séances programmées à l'emploi du temps consistent en 7 demi-journées : elles intègrent chacune une TH de cours magistral et une TH de travaux pratique. Les travaux pratiques peuvent être terminés à la maison. Des exercices mathématique sont à disposition afin de compléter le cours. Ressources : polycopié + bibliographie. Les annales corrigées du cours 4TC10 peuvent être utiles.
Veuillez patienter