Explore les méthodes de gradient adaptatif comme AdaGrad, AcceleGrad et UniXGrad, en se concentrant sur leurs taux d'adaptation et de convergence locaux.
Explore les critères de convergence dans les algorithmes d'optimisation, en soulignant l'importance des conditions d'arrêt et de l'attention portée aux grandes valeurs.
Explore l'auto-organisation dans les systèmes naturels et les stratégies de recherche de nourriture des fourmis, y compris les algorithmes Traveling Salesman Problem et Ant Colony Optimization.
Se penche sur la formulation d'optimisation linéaire, l'expansion de la capacité, l'investissement sous fiscalité et la gestion des revenus dans diverses industries.
Couvre l'algorithme Branch & Bound pour une exploration efficace des solutions possibles et discute de la relaxation LP, de l'optimisation du portefeuille, de la programmation non linéaire et de divers problèmes d'optimisation.