Advanced Algorithms for Optimization

linfo2266  2025-2026  Louvain-la-Neuve

Advanced Algorithms for Optimization
5.00 crédits
30.0 h + 15.0 h
Q1
Enseignants
Thèmes abordés
  • exploration d'arbres de recherche
  • branch and bound
  • relaxation (lagrangienne) et calcul de bornes
  • la recherche locale
  • la programmation mathématique
  • la programmation par contrainte
  • algorithmes de graphes,
  • les recherches à voisinage large
  • la programmation dynamique
  • les algorithmes gloutons et algorithmes approchés
  • l'optimisation multicritères
  • l'optimisation sans dérivée
  • comparaison d'algorithmes
Ces méthodes seront appliquées sur des problèmes réels de type routing de véhicules, rostering et confection d' horaires, design de réseau, ordonnancement et scheduling, etc.
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

Eu égard au référentiel AA du programme « Master ingénieur civil en informatique », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
  • AA1.1: Confronté à un problème informatique, il identifie les concepts, algorithmes et structures de données applicables pour le résoudre; et il en tire parti pour décomposer le problème en sous-problèmes et élaborer des méthodes de résolution informatique de ces derniers.
  • AA1.3: Confronté aux résultats obtenus par le raisonnement et la mise en oeuvre des outils et concepts qu’il a mobilisés, il prend le recul nécessaire pour en vérifier la pertinence, en ce qui concerne les fonctionnalités et la qualité de la solution recherchée. Dans ce contexte, il développera des tests et des vérifications pertinents qui peuvent garantir la qualité de la solution développée.
  • AA2.4: Dans la phase d’implémentation de la solution, il démontre sa maîtrise des principes, techniques et outils de développement à sa disposition. Il crée un prototype du logiciel à concevoir pour vérifier que le logiciel correspond bien aux attentes du client. Il crée un environnement et une batterie de tests pour s’assurer que la solution développée répond aux fonctionnalités du cahier des charges. En appliquant les techniques de validation et de vérification de programme, il identifie, localise les bugs (bogues) et y remédie.
  • AA5.4: Il sait se servir d’un ouvrage de référence ou d’un manuel relatif à l’emploi d’un langage informatique ou d’un logiciel, tant en anglais qu’en français. Il comprend un exposé technique fait en anglais.
  • AA5.5: Au cours du développement d’une application informatique, il en assure la traçabilité et la documentation dans un langage concis et précis : cahier des charges, structure du logiciel et des données qui y sont liées, mode opératoire. Il fait de même quand il s'agit de rédiger un rapport de synthèse décrivant et argumentant les choix (design et technologie) opérés dans le développement d’un projet.
Eu égard au référentiel AA du programme « Master [120] en sciences informatiques », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
  • AA1: démontrer la maîtrise d’un solide corpus de connaissances en informatique, lui permettant de résoudre les problèmes qui relèvent de sa discipline
  • AA2.1: Analyser le problème à résoudre ou les besoins fonctionnels à rencontrer et formuler le cahier des charges correspondant.
  • AA2.2: Modéliser le problème et concevoir une ou plusieurs solutions techniques originales répondant à ce cahier des charges.
  • AA2.4: Implémenter et tester la solution retenue.
  • AA3.2: Proposer une modélisation et/ou un dispositif expérimental permettant de simuler et de tester des hypothèses relatives au problème étudié dans toute sa complexité.
  • AA6.5: S’autoévaluer et développer de manière autonome les connaissances nécessaires pour rester compétent dans son domaine.
Les étudiants ayant suivi avec fruit ce cours seront capables de:
  • expliquer les algorithmes de résolution des problèmes d'optimisation discrets en les décrivant précisément, en précisant les problèmes qu'ils permettent de résoudre, en indiquant leurs avantages, inconvénients et limites (temps de calcul, exactitude, problèmes de passage à l'échelle, etc);
  • identifier les algorithmes qui s'appliquent à un problème d'optimisation discret auquel on est confronté et faire un choix argumenté parmi ceux-ci;
  • implémenter les algorithmes permettant de résoudre des problèmes d'optimisation discrets;
  • évaluer et comparer les différents algorihtmes d'optimisation.
 
Contenu
Ce cours présente une série de techniques pour des solutions exactes et approximatives aux problèmes d'optimisation combinatoire. Parmi les techniques :
  • programmation dynamique
  • branch and bound
  • programmation linéaire
  • relaxation Lagrangienne
  • génération de colonnes
  • recherche locale
  • programmation par contrainte
  • algo de graphes: problème de max flow
  • A* et ses variantes pour l'optimisation
  • comparaison d'algoritthmes d'optimisation
Utilisation de ces méthodes sur des problèmes réels: tournées de véhicules, ordonnancement, confection d'horaire, design de réseau, etc.
 
 
Méthodes d'enseignement
La présentation des algorithmes sera soit proposée sous forme de cours magistraux, de vidéos ou de lecture et sera accompagnée de travaux pratiques (devoirs/micro-projets) sollicitant la mise en œuvre d'algorithmes pour résoudre un problème pratique d'optimisation et la rédaction de rapports.
 
Modes d'évaluation
des acquis des étudiants
Janvier:
Pour la première session, la note globale du cours est uniquement basée sur les notes des projets informatiques, soumis et évalués pendant le semestre.
Août:
Pour la deuxième session, les projets précédemment soumis ne seront pas réévalués et ne pourront pas être resoumis. La note des projets comptera sur 10 points en seconde session et un nouveau projet sera proposé sur 10 points pour faire remonter la note. Ce nouveau projet sera un projet de programmation individuel. Ce projet nécessitera un rapport écrit, et, si le professeur le juge nécessaire, un entretien sur le projet pourra également être organisé pour vérifier que tous les concepts théoriques sont bien compris.
Bonus
Un concours d’optimisation sera proposé durant le quadrimestre. Selon le classement de l’étudiant, celui-ci pourra obtenir 0, 1, 2, 3, 4 ou 5 points. Un étudiant qui obtient X points aura donc la note finale suivante : (score_sur_20 / 20 * (20 - X) + X). Une note de zéro au concours n’entraîne donc aucune perte de points sur la note finale, mais une note de 5 peut vous permettre d’améliorer votre score. En effet, en supposant que vous obteniez 12/20 au projet et 5 points au concours, vous atteindrez la note finale de 12/20 * 15 + 5 = 14/20.
Utilisation de l'IA générative dans les devoirs du cours (# Source : Rédigé avec l'aide de ChatGPT et des Prof. Schaus & Dupont pour la formulation)
Les projets sont individuels (aucun échange de code n'est toléré) . Néanmoins, dans ce cours, nous reconnaissons l'évolution de la technologie et les avantages potentiels de l'utilisation des outils d'IA générative dans le processus de programmation. Cependant, l'honnêteté académique et l'originalité restent primordiales. À cet effet :
  • Utilisation de l'IA générative : Les étudiants sont autorisés à utiliser les outils d'IA générative pour les aider dans leurs devoirs. Ces outils peuvent fournir de l'inspiration, suggérer des approches de codage ou aider à résoudre des problèmes.
  • Travail original : Bien que l'IA puisse être un outil, elle ne doit pas être le seul auteur de votre devoir. Votre soumission doit être principalement votre propre travail. Copier et coller directement des solutions issues des résultats de l'IA sans compréhension ni modification est déconseillé. De même, collaborer avec d'autres étudiants est une partie précieuse du processus d'apprentissage, mais copier directement le travail d'un autre étudiant est considéré comme du plagiat.
  • Indication de la source : Chaque fois que vous utilisez l'IA générative pour aider dans votre devoir, vous devez l'indiquer en fournissant un bref commentaire dans votre code sur la manière dont l'IA a été utilisée. Par exemple:
    # IA utilisée pour suggérer une optimisation pour cette boucle. 
     for i in range(10): ...
Le non-respect de ces directives peut entraîner une réduction des notes ou d'autres sanctions académiques.
Les mêmes conséquences s'appliqueront à un étudiant qui partage volontairement son code ou le rend disponible à d'autres étudiants (y compris en partageant votre code sur un dépôt public ou privé). Si le professeur le juge nécessaire, un entretien sur les projets pourra également être organisé.
 
 
 
Autres infos
Préalables: un background solide en algorithmique et structure de données (par exemple acquis via le cours LINFO1121) et un bonne maitrise du langage Java
 
 
 
Faculté ou entité
en charge


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] en science des données, orientation statistique

Master [120] : ingénieur civil en informatique

Master [120] en sciences informatiques

Master [120] : ingénieur civil en science des données

Master [120] en science des données, orientation technologies de l'information