Aller au contenu principal

Recherche opérationnelle

Décider au mieux quand on ne peut pas tout essayer : modéliser, borner, puis chercher par heuristiques et métaheuristiques.

Une PME d'usinage doit choisir les commandes à lancer, l'ordre de perçage d'une plaque, la découpe de ses barres, les postes de ses opérateurs. Chaque décision a un nombre d'issues qui explose avec la taille, et l'exactitude coûte vite plus cher que ce qu'elle rapporte. Ce parcours apprend à modéliser une décision (une solution, un coût, des contraintes), à la borner pour savoir ce qu'on peut espérer, puis à la chercher par les méthodes qu'on emploie en pratique : règles gloutonnes, recherche locale, recuit simulé, recherche tabou, algorithmes génétiques et fourmis. Les mêmes cinq problèmes reviennent d'un chapitre à l'autre avec les mêmes données, pour que deux méthodes se comparent sur le même cas. On adapte des squelettes de méthodes plutôt qu'on n'en écrit, et on règle en mesurant.

13 chapitres et 1 pour s'entraînerExercices corrigés du parcours
  1. 1.Modéliser une décision

    S'appuie sur : ch. 15, Gloutons et programmation dynamique (Algorithmique)

  2. 2.Ce qui rend un problème difficile
  3. 3.La programmation linéaire
  4. 4.Bornes et méthodes exactes
  5. 5.D'autres modèles de calcul
  6. 6.Les heuristiques constructives
  7. 7.La recherche locale
  8. 8.Le recuit simulé
  9. 9.La recherche tabou
  10. 10.Les algorithmes génétiques
  11. 11.GRASP et colonies de fourmis
  12. 12.Mesurer et comparer des méthodes
  13. 13.L'ingénierie de la décision

Pour s'entraîner

Recueils d'exercices corrigés, ateliers et aide-mémoire. À prendre dans l'ordre voulu, une fois le cours lu.

  1. 1.Atelier : la programmation linéaire, chez Da Lambda

    S'appuie sur : Atelier (Python) et ch. 9, Optimiser sous contraintes (Mathématiques appliquées)