Programmation par contraintes et apprentissage automatique pour l'optimisation
Objectifs
Ce cours aborde des techniques avancées d'optimisation issues de l'IA et couplées avec la RO.
Plan du cours
Techniques de modélisation avancées : coordination entre production et transport
- Généralisation des méthodes d'optimisation issues du transport pour la logistique
- Introduction aux problèmes très contraints
- Application avancées des tehniques de Int. Artificielle pour l'optimisation
- Comparaison avec la programmation linéaire
- Notions de techniques de branchement (choix de variables et de domaines)
- Utitilisation de la PPC avec des metaheuristiques
- Application aux problèmes de transport et d'ordonnancement
- Traitement statistique de données orienter des méthodes de type recherche locale : prédiction de résultat, réglage de paramètres (réseau de neurones…), classification de solution
Description des TP
TD/TP avec Choco et NetBeans en Java et Tensor Flow et Keras