[{"command":"insert","method":null,"selector":".course-modal-ajax-placeholder-953352","data":"\u003Cdiv class=\u0022container content-rte\u0022\u003E\n  \u003Cdiv class=\u0022row\u0022\u003E\n    \u003Cdiv class=\u0022box col-md-6 bg-primary text-white\u0022\u003E\n      \u003Ch2 class=\u0022h1 text-left\u0022\u003E  Recherche Op\u00e9rationnelle\n\u003C\/h2\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EECTS :\n          4\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ESemester:\n          Semestre 2\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ED\u00e9tail du volume horaire\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ELecture:\u003C\/span\u003E\n                                      \u003Cspan\u003E8\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003EPractical study :\u003C\/span\u003E\n                                      \u003Cspan\u003E12\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003EDirected study:\u003C\/span\u003E\n                                      \u003Cspan\u003E10\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                                            \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ELangue d\u0026#039;enseignement\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EFran\u00e7ais\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EEnseignement \u00e0 distance\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003Enon\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n    \u003Cdiv class=\u0022box col-md-6\u0022\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EPr\u00e9requis\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cul\u003E\n\u003Cli\u003EBases de mod\u00e9lisation math\u00e9matique\u003C\/li\u003E\n\u003Cli\u003EMath\u00e9matiques appliqu\u00e9es (alg\u00e8bre lin\u00e9aire, optimisation)\u003C\/li\u003E\n\u003Cli\u003EAlgorithmique et programmation\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003EConnaissance de Python\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EProgramme \/ plan \/ contenus\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003E1. Introduction \u00e0 la Recherche Op\u00e9rationnelle\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003ECycle de d\u00e9cision\u003C\/li\u003E\n\u003Cli\u003ETypologie des probl\u00e8mes (d\u00e9terministes, combinatoires)\u003C\/li\u003E\n\u003Cli\u003ERO et syst\u00e8mes complexes\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E2. Programmation lin\u00e9aire\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EMod\u00e9lisation (variables, contraintes, objectif)\u003C\/li\u003E\n\u003Cli\u003EM\u00e9thode du simplexe\u003C\/li\u003E\n\u003Cli\u003EDualit\u00e9 et interpr\u00e9tation \u00e9conomique\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E3. Programmation en nombres entiers\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EMod\u00e8les PLNE\u003C\/li\u003E\n\u003Cli\u003EM\u00e9thodes exactes : Branch and Bound\u003C\/li\u003E\n\u003Cli\u003EApplications logistiques, affectations, production\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E4. Programmation dynamique\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EPrincipe de Bellman\u003C\/li\u003E\n\u003Cli\u003EPlanification multi-\u00e9tapes\u003C\/li\u003E\n\u003Cli\u003EExemples : chemin optimal, sac \u00e0 dos, allocation s\u00e9quentielle\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E5. Graphes et r\u00e9seaux\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EPlus courts chemins (Dijkstra, Bellman-Ford)\u003C\/li\u003E\n\u003Cli\u003EFlots maximum (Ford\u2013Fulkerson, Edmonds\u2013Karp)\u003C\/li\u003E\n\u003Cli\u003EProbl\u00e8me d\u2019affectation\u003C\/li\u003E\n\u003Cli\u003EApplications aux syst\u00e8mes num\u00e9riques et immersifs\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E6. Th\u00e9orie des jeux\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EJeux statiques et dynamiques\u003C\/li\u003E\n\u003Cli\u003EJeux \u00e0 information parfaite \/ imparfaite\u003C\/li\u003E\n\u003Cli\u003E\u00c9quilibres de Nash\u003C\/li\u003E\n\u003Cli\u003EApplications : agents intelligents, strat\u00e9gies comp\u00e9titives\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E7. M\u00e9taheuristiques (Introduction)\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003ERecuit simul\u00e9\u003C\/li\u003E\n\u003Cli\u003EAlgorithmes g\u00e9n\u00e9tiques\u003C\/li\u003E\n\u003Cli\u003EColonies de fourmis\u003C\/li\u003E\n\u003Cli\u003EInt\u00e9r\u00eat face aux probl\u00e8mes NP-difficiles\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E8. \u00c9tudes de cas et mini-projets\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EOptimisation de r\u00e9seaux logistiques\u003C\/li\u003E\n\u003Cli\u003EPlanification sous contrainte\u003C\/li\u003E\n\u003Cli\u003EAllocation de ressources dans les syst\u00e8mes complexes\u003C\/li\u003E\n\u003Cli\u003ESimulation num\u00e9rique (Python + biblioth\u00e8ques)\u003C\/li\u003E\n\u003C\/ul\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EObjectifs d\u0026#039;apprentissage\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003E\u00c0 l\u2019issue du module, les \u00e9tudiants seront capables de :\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EComprendre les fondements de la Recherche Op\u00e9rationnelle (RO).\u003C\/li\u003E\n\u003Cli\u003EIdentifier, structurer et formaliser un probl\u00e8me d\u2019optimisation.\u003C\/li\u003E\n\u003Cli\u003EMettre en \u0153uvre :\n\u003Cul\u003E\n\u003Cli\u003Ela programmation lin\u00e9aire,\u003C\/li\u003E\n\u003Cli\u003Ela programmation en nombres entiers,\u003C\/li\u003E\n\u003Cli\u003Ela programmation dynamique.\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003C\/li\u003E\n\u003Cli\u003ER\u00e9soudre des probl\u00e8mes de graphes et r\u00e9seaux : plus courts chemins, flots, affectations.\u003C\/li\u003E\n\u003Cli\u003EAppliquer des concepts de th\u00e9orie des jeux \u00e0 la d\u00e9cision strat\u00e9gique.\u003C\/li\u003E\n\u003Cli\u003EManipuler des outils num\u00e9riques : Python, OR-Tools, NetworkX.\u003C\/li\u003E\n\u003Cli\u003EInterpr\u00e9ter des r\u00e9sultats, analyser leur robustesse et produire des recommandations op\u00e9rationnelles.\u003C\/li\u003E\n\u003Cli\u003EMobiliser ces m\u00e9thodes dans les syst\u00e8mes complexes, num\u00e9riques et immersifs.\u003C\/li\u003E\n\u003C\/ul\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EOrganisation g\u00e9n\u00e9rale et modalit\u00e9s p\u00e9dagogiques\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003ECours magistraux (8h)\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EPrincipes fondamentaux de la RO\u003C\/li\u003E\n\u003Cli\u003EClassification des probl\u00e8mes d\u2019optimisation\u003C\/li\u003E\n\u003Cli\u003ETh\u00e9orie des graphes\u003C\/li\u003E\n\u003Cli\u003ETh\u00e9orie des jeux\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003ETravaux dirig\u00e9s (10h)\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EMod\u00e9lisation math\u00e9matique\u003C\/li\u003E\n\u003Cli\u003ER\u00e9solution manuelle d\u2019exemples\u003C\/li\u003E\n\u003Cli\u003EAnalyse de probl\u00e8mes classiques\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003ETravaux pratiques (12h)\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EInitiation et utilisation de OR-Tools, NetworkX et Python\u003C\/li\u003E\n\u003Cli\u003ER\u00e9solution de cas concrets\u003C\/li\u003E\n\u003Cli\u003EMini-projets en groupe (logistique, r\u00e9seaux, allocation de ressources\u2026)\u003C\/li\u003E\n\u003C\/ul\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EModalit\u00e9s p\u00e9dagogiques particuli\u00e8res\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cul\u003E\n\u003Cli\u003EMini-projets en TP (groupes de 2\u20134).\u003C\/li\u003E\n\u003Cli\u003EUtilisation intensive de Python pour la mod\u00e9lisation et la r\u00e9solution.\u003C\/li\u003E\n\u003Cli\u003EExercices pratiques align\u00e9s avec des cas r\u00e9els d\u2019ing\u00e9nierie des syst\u00e8mes complexes.\u003C\/li\u003E\n\u003C\/ul\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EComp\u00e9tences\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003ELes \u00e9tudiants seront capables de :\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EMod\u00e9liser un probl\u00e8me de d\u00e9cision complexe\u003C\/li\u003E\n\u003Cli\u003EChoisir une m\u00e9thode d\u2019optimisation appropri\u00e9e\u003C\/li\u003E\n\u003Cli\u003EMettre en \u0153uvre des mod\u00e8les lin\u00e9aires, entiers et dynamiques\u003C\/li\u003E\n\u003Cli\u003ER\u00e9soudre des probl\u00e8mes de graphes et de r\u00e9seaux\u003C\/li\u003E\n\u003Cli\u003EUtiliser OR-Tools, NetworkX, NumPy pour des applications r\u00e9elles\u003C\/li\u003E\n\u003Cli\u003EAppliquer les concepts de th\u00e9orie des jeux\u003C\/li\u003E\n\u003Cli\u003EInterpr\u00e9ter les r\u00e9sultats, mener une analyse critique et formuler des recommandations\u003C\/li\u003E\n\u003C\/ul\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EBibliographie\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Col\u003E\n\u003Cli\u003EHillier, F. S., et Lieberman, G. J. (2015). \u003Cem\u003EIntroduction to Operations Research\u003C\/em\u003E (10\u1d49 \u00e9d.).\u0026nbsp;McGraw-Hill Education..\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003EFaure, R., Lemaire, B., et \u0026nbsp;Picouleau, C. (2014). \u003Cem\u003EPr\u00e9cis de recherche op\u00e9rationnelle : m\u00e9thodes et exercices d\u2019application\u003C\/em\u003E.\u0026nbsp;Dunod.\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003ENemhauser, G. L., et Wolsey, L. A. (1999). \u003Cem\u003EInteger and Combinatorial Optimization\u003C\/em\u003E. Wiley.\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003EGondran, M., et Minoux, M. (1993). \u003Cem\u003EGraphes et algorithmes\u003C\/em\u003E. Eyrolles \/ Technique \u0026amp; Documentation (plusieurs r\u00e9\u00e9ditions).\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003EOsborne, M. J., et Rubinstein, A. (1994). \u003Cem\u003EA Course in Game Theory\u003C\/em\u003E. MIT Press.\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003ETalbi, E.-G. (2009). \u003Cem\u003EMetaheuristics: From Design to Implementation\u003C\/em\u003E. Wiley.\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003EKorte, B., et \u0026nbsp;Vygen, J. (2012). \u003Cem\u003ECombinatorial Optimization: Theory and Algorithms\u003C\/em\u003E (4\u1d49 \u00e9d.).\u0026nbsp;Springer.\u003C\/li\u003E\n\u003C\/ol\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ENature de l\u0026#039;\u00e9valuation\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EEvaluation Continue non Int\u00e9grale\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n  \u003C\/div\u003E\n\u003C\/div\u003E\n","settings":null}]