Acquis d'apprentissage

A l'issue du cours, l'étudiant doit être capable de

  • modéliser un problème d'optimisation;
  • écrire un problème d'optimisation linéaire;
  • résoudre graphiquement un problème simple d'optimisation linéaire;
  • utiliser l'algorithme du simplexe pour résoudre un problème d'optimisation linéaire;
  • analyser de façon critique les résultats d'un problème d'optimisation linéaire.


Il doit aussi pouvoir faire preuve d'une compréhension des différents thèmes abordés (cf. contenu), c'est-à-dire être capable d'exprimer avec ses propres mots la théorie et les méthodes vues au cours et expliquer dans quel contexte celles-ci sont utiles.

 

Contenu

Le but de cours est d'introduire l'étudiant à l’intelligence artificielle, en mettant l’accent sur les aspects liés à la recherche opérationnelle, l’optimisation et le raisonnement sous incertitude.  La première partie (Prof. Benoît Frénay) aborde l'optimisation linéaire en détails, mais d'autres domaines connexes seront abordés, tels que la théorie des jeux, l’optimisation non-linéaire, la programmation en nombres entiers, la prise de décision sous incertitude, etc.  Dans la seconde partie, (Prof. Elio Tuci) aborde la logique floue, les métaheuristiques (optimisation par ensembles, évolutionnaire, par essaims, par colonies de fourmis…) et la vision par ordinateur.

 

Méthode d'évaluation

L’examen oral porte sur la théorie du cours et les exercices.

 

Langue d'instruction

Formation Programme d’études Bloc Crédits Obligatoire
Bachelier en sciences informatiques Standard 0 5
Bachelier en sciences informatiques Standard 2 5