Analyse prescriptive (AP)

Description

Problèmes de satisfaction de contraintes : satisfaisabilité et consistance. Formulation des contraintes en intension et en extension. Réseaux de contraintes : algorithmes de nœud, arc et chemin-consistance. Arc-consistance généralisée. Bornes-consistance. Contraintes globales : Alldiff, Sum, Cardinality, Disjunctive, Cumulative.

Modélisation SAT: satisfaisabilité booléenne, Algorithme DPLL, Graphes d’implication, Analyse de conflits, Algorithme TWL.  Solveurs SAT basés sur l’apprentissage de clauses dirigé par les conflits (CDCL). Satisfiability Modulo Theories (SMT). 

Programmation Linéaire en Nombres Entiers : modélisation et résolution. Modélisation de problèmes industriels en PLNE.
Algorithmes de résolution standards : branch & bound, branch & Cut. Méthodes de décomposition : génération de colonnes, décomposition de Benders

Objectifs

Ce cours adresse des modèles de traitement efficace des données rencontrées dans des problèmes industriels à caractère combinatoire. Les modèles sont basés sur le raisonnement logique et l'optimisation : les problèmes de satisfaction de contraintes (PPC), les problèmes de satisfiabilité booléenne (SAT/SMT) et la programmation linéaire en nombres entiers (PLNE). Pour la partie PPC, les étudiants doivent connaître les principales techniques de propagation et 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 de branchement ainsi que d'autres techniques avancées de résolution (ex d'outil : CPLEX, CPMpy). Dans la partie SAT, les étudiants implémentent un solveur SAT basé sur l'algorithme d'apprentissage de clauses dirigé par les conflits (CDCL) et découvrent les modèles à base de 'satisfiabilité modulo théories' (SMT). 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…

En bref

Crédits ECTS :

Nombre d’heures :

EN 1 Clic

Annuaire

ENT

Rejoindre
les équipes

Marchés publics

Soutenir l'excellence

Fondation
INSA
Taxe
apprentissage

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

Logo Communauté d'universités et établissements de Toulouse
Logo Bienvenue En France

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

INSA Toulouse
Résumé de la politique de confidentialité

Ce site utilise des cookies afin que nous puissions vous fournir la meilleure expérience utilisateur possible. Les informations sur les cookies sont stockées dans votre navigateur et remplissent des fonctions telles que vous reconnaître lorsque vous revenez sur notre site Web et aider notre équipe à comprendre les sections du site que vous trouvez les plus intéressantes et utiles.
En cliquant sur "Accepter", vous acceptez l'utilisation de cookies en provenance de ce site ainsi que notre politique de protection des données personnelles.