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
  • site web du cours site web du cours
  • Formations concernées:
    Maîtrise universitaire ès Sciences en finance, Orientation gestion des actifs et des risques

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

    Maîtrise universitaire ès Sciences en finance, Orientation finance d'entreprise

    Maîtrise universitaire ès Sciences en management, Orientation marketing

    Maîtrise universitaire ès Sciences en management, Orientation business analytics

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

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

 

Objectifs

Ce cours présente la théorie et les algorithmes de l'optimisation. Applications en logistique, production, transports, allocation de ressources, théorie moderne du portefeuille et machine learning en particulier le "Support Vector 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 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. Multiplicateurs de Lagrange et dualité

9. La méthode du gradient conjugué

10. Les méthodes Quasi-Newton

11. Optimisation numérique en Python avec SciPy

12. Optimisation de portefeuille

13. 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