Analyse prescriptive (AP)

Objectifs

Ce cours adresse des modèles de traitement efficace des données rencontrées dans des problèmes industriels à caractère combinatoire. Les modèles sont basés sur l'inférence logique et l'optimisation : les problèmes de satisfaction de contraintes (CSP), les modèles à base de clauses disjonctives booléennes (SAT) et la programmation linéaire en nombres entiers (PLNE).
Pour la partie CSP, les étudiants doivent connaître les principales techniques de propagation et stratégies de résolution et se familiariser à travers les travaux pratiques avec des outils de programmation intégrant des algorithmes de propagation de contraintes et des stratégies générales de (ex d'outil : CPLEX).
Dans la partie modélisation SAT, les étudiants appliquent différentes techniques et heuristiques de propagation de contraintes sur des modèles SAT. Différents problèmes combinatoires classiques (coloration, affectation de ressources, ordonnancement) servent de cas pratiques pour s'entraîner sur l'encodage SAT.
Pour la partie PLNE, les étudiants doivent modéliser des problèmes industriels sous forme de programme linéaire en nombre entiers, et les résoudre via des algorithmes de branchement ou des méthodes de décomposition en utilisant des outils de programmation (CPLEX).

Pré-requis

Algorithmics & programming (I2MIIF11, I2MIIF21).
Fundamentals in Computer Science (I4IRIF11),
Intelligent Systems (I4IRSD11)

Évaluation

L’évaluation des acquis d’apprentissage est réalisée en continu tout le long du semestre. En fonction des enseignements, elle peut prendre différentes formes : examen écrit, oral, compte-rendu, rapport écrit, évaluation par les pairs…