Aller à : contenu haut bas recherche
 
 
EN     FR
Vous êtes ici:   UNIL > HEC Inst. > HEC App. > SYLLABUS
 
 

Optimization Methods in Management Science

  • Enseignant(s):   R.Oeuvray  
  • Titre en français: Méthodes d'optimisation en management
  • Cours donné en: anglais
  • Crédits ECTS: 6 crédits
  • Horaire: Semestre d'automne 2019-2020, 2.0h. de cours + 2.0h. d'exercices (moyenne hebdomadaire)
  •  séances
  • Formations concernées:
    Maîtrise universitaire ès Sciences en finance, Orientation finance d'entreprise

    Maîtrise universitaire ès Sciences en finance : Entrepreneuriat financier et science des données

    Maîtrise universitaire ès Sciences en finance, Orientation gestion des actifs et des risques

    Maîtrise universitaire ès Sciences en management, Orientation comportement, économie et évolution

    Maîtrise universitaire ès Sciences en management, Orientation stratégie, organisation et leadership

    Maîtrise universitaire ès Sciences en management, Orientation marketing

    Maîtrise universitaire ès Sciences en management, Orientation business analytics

 

Objectifs

Ce cours présente la théorie, les algorithmes et les applications de l'optimisation. Applications en logistique, production, transports, allocation de ressources, théorie moderne du portetfeuille et machine learning avec un intérêt particulier pour le SVM et le kernel machine. Les exercices et la théorie sont d'importance égale. Des exemples sont fournis en Python.

A la fin de ce cours, les étudiants seront capables de :

1. comprendre les méthodes d'optimisation et les algorithmes utilisés pour résoudre différents types de problèmes,

2. appliquer ces méthodes à des problèmes rencontrés en "management science".

Contenus

1. Programmation linéaire

2. Graphes et réseaux

3. Les différents problèmes de plus court chemin

4. Le problème du transbordement

5. Optimisation combinatoire et l'algorithme de séparation et évaluation

6. Programmation dynamique et le problème du sac à dos

7. Optimisation non-linéaire et conditions d'optimalité

8. La méthode du gradient conjugué

9. Les méthodes Quasi-Newton

10. Optimisation numérique en Python avec SciPy

11. Optimisation de portefeuille

12. SVM et kernel machine

Références

- Luenberger, D. G., Ye, Y., Linear and Nonlinear Programming, Fourth Edition, Springer, 2016.

- Bierlaire, M., Optimization : Principles and Algorithms, PPUR, 2015.

- Nocedal, J.; Wright, S. J., Numerical Optimization, Second Edition, Springer, 2006.

- Bertsekas, D. P., Dynamic Programming and Optimal Control, Fourth Edition, Springer, 2017.

Pré-requis

- Algèbre linéaire

- Certains concepts basiques en analyse multivariée (gradient et hessien d'une fonction)

Evaluation

1ère tentative

Examen:
Ecrit 2h00 heures
Documentation:
Non autorisée
Calculatrice:
Autorisée avec restrictions
Evaluation:

[ 4 function calculator according to HEC directive ]

Rattrapage

Examen:
Ecrit 2h00 heures
Documentation:
Non autorisée
Calculatrice:
Autorisée avec restrictions
Evaluation:

[ 4 function calculator according to HEC directive ]



[» page précédente]           [» liste des cours]
 
Recherche


Internef - CH-1015 Lausanne - Suisse  -   Tél. +41 21 692 33 00  -   Fax +41 21 692 33 05
Swiss University