Séances de cours associées à Sans titre

Optimisation avec contraintes : conditions KKT

Couvre les conditions KKT pour l'optimisation avec des contraintes, essentielles pour résoudre efficacement les problèmes d'optimisation.

Méthodes d'optimisation : discussion théorique

Explore les méthodes d'optimisation, y compris les problèmes sans contraintes, la programmation linéaire et les approches heuristiques.

Optimisation des systèmes énergétiques

Explore la modélisation, l'optimisation et l'analyse des coûts des systèmes énergétiques pour des opérations efficaces.

Optimisation avec contraintes : conditions KKT

Couvre l'optimisation avec des contraintes, en se concentrant sur les conditions de Karush-Kuhn-Tucker (KKT).

Stratégies d'optimisation de l'énergie

Couvre les options de brainstorming pour les changements de fonctionnement intelligents, la récupération de chaleur, et les performances du panneau PV.

Techniques d'optimisation : Convexity in Machine Learning

Couvre les techniques d'optimisation dans l'apprentissage automatique, en se concentrant sur la convexité et ses implications pour une résolution efficace des problèmes.

Dualité : la dualité dans l’optimisation linéaire MOOC: Optimisation : principes et algorithmes - Optimisation linéaire

Couvre le concept d'optimisation linéaire et la relation de dualité entre les problèmes primaires et duaux.

Algorithmes : Résumé de la semaine

Couvre les algorithmes de recherche, de tri, d'optimisation et le problème d'arrêt.

Programmation linéaire : correspondance bipartite pondérée

Couvre la programmation linéaire, la correspondance bipartite pondérée et les problèmes de couverture de sommet en optimisation.

Algorithme de Simplex : Tableau initial et Cas général MOOC: Optimisation : principes et algorithmes - Optimisation linéaire

Couvre l'algorithme simplex, du tableau initial au cas général.

Stratégies d’optimisation : Modélisation et optimisation des systèmes énergétiques

Explore les stratégies de résolution des problèmes d'optimisation des systèmes énergétiques et les différents types d'approches d'optimisation.

Algorithmes d'approximation

Couvre les algorithmes d'approximation pour les problèmes d'optimisation, la relaxation LP et les techniques d'arrondi aléatoire.

Modélisation du système énergétique : indicateurs d’optimisation et de performance

Explore la modélisation des systèmes énergétiques à l'aide de techniques d'optimisation et d'indicateurs de performance.

Modèle MILP et jours typiques par FM

Discute du modèle MILP, des jours typiques, du regroupement et de l'analyse des périodes extrêmes dans l'optimisation des systèmes énergétiques.

Optimisation des systèmes énergétiques

Explore l'optimisation dans la modélisation des systèmes énergétiques, couvrant les variables de décision, les fonctions objectives et les différentes stratégies avec leurs avantages et leurs inconvénients.

Simulation et optimisation : Processus de Poisson et nombres aléatoires

Explore les pièges de simulation, les nombres aléatoires, les distributions discrètes et continues, et l'intégration Monte-Carlo.

Techniques d'optimisation linéaire: approches de résolution de problèmes

Fournit un aperçu des techniques d'optimisation linéaire, en mettant l'accent sur les méthodes de résolution de problèmes et l'importance des contraintes et des fonctions objectives.

Optimisation : principes et algorithmes mathématiques MOOC: Optimisation : principes et algorithmes - Optimisation discrète et en réseau MOOC: Optimisation : principes et algorithmes - Optimisation non linéaire sans contrainte MOOC: Optimisation : principes et algorithmes - Optimisation linéaire

Couvre les principes mathématiques et les algorithmes d'optimisation, en utilisant des exemples du monde réel et l'implémentation de Python.

Architecture informatique : Algorithmes aux programmes (Compilation)

Explore la transition des algorithmes aux programmes par la compilation, en mettant l'accent sur les contraintes et les pratiques de codage compréhensibles par la machine.

Optimisation linéaire: Dérivés directionnels

Explore les dérivés directionnels dans l'optimisation linéaire et leur impact sur les fonctions objectives.