Optimisation II
Description
Objectifs
At the end of this module, the student will have understood and be able to explain (main concepts):
- Deterministic differentiable optimisation :
Existence and unicity of optimisation problems, KKT points, Convergence of optimization algorithm, Lagrangian duality
- Discrete stochastic optimisation :
The Metropolis-Hastings algorithm, the simulated annealing algorithm, genetic algorithms.
The student will be able:
- To identify families of optimization problems
- To choose and implement suitable first and second order algorithms
- To implement a Metropolis-Hastings algorithm in order to simulate, approximately, a given discrete probability distribution on a huge finite space.
- To implement a simulated annealing algorithm in order to minimize a given function on a huge finite space.
Pré-requis
Optimisation I
Markov chains and applications
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…
En bref
Crédits ECTS : 4.0
Nombre d’heures : 54.0

INSA Toulouse
135 avenue de Rangueil
31077 Toulouse cedex 4
Tél : 05 61 55 95 13
Fax : 05 61 55 95 00

Dans un souci d'alléger le texte et sans aucune discrimination de genre, l'emploi du genre masculin est utilisé à titre épicène.