Explore le tri topologique, les graphes acycliques, les composants fortement connectés, l'algorithme magique, le graphe des composants, les réseaux de flux et leurs applications.
Couvre les paradigmes algorithmiques pour les problèmes de graphique dynamique, y compris la connectivité dynamique, la décomposition de l'expansion et le regroupement local, brisant les barrières dans les problèmes de connectivité k-vertex.
Explore les relations entre les événements, les contraintes disjonctives et la modélisation avec des variables binaires dans les problèmes d'optimisation.
Couvre les bases de l'optimisation contrainte, y compris les directions tangentes, les sous-problèmes de la région de confiance et les conditions d'optimalité nécessaires.
Explore les matrices de projection dans le contexte d'algorithmes de déclivité et de coupe-minute, en mettant l'accent sur leur rôle dans l'optimisation.
Explore le théorème de Markov, la liaison de Chernoff et les fondamentaux de la théorie des probabilités, y compris une bonne coloration, des graphiques à 2 couleurs et des événements rares.
Introduit l'algorithme de Girvan-Newman pour la décomposition de réseau basée sur l'entrelacement de bord et démontre son application dans les collaborations de physique.
Présente les concepts de programmation Python, en se concentrant sur les dictionnaires et les classes, y compris leurs définitions, leur utilisation et des exemples pratiques.
