Explore les bases de la programmation linéaire, y compris les solutions de base, les solutions réalisables, les solutions optimales et les défis dans la résolution de problèmes de programmation entière.
Couvre la régression MAE, la coque convexe, les avantages de la reformulation et les problèmes pratiques liés aux variables et aux contraintes de décision.
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.
Explore les problèmes d'optimisation convexe, les critères d'optimalité, les problèmes équivalents et les applications pratiques dans le transport et la robotique.
Explore la dualité forte, le relâchement complémentaire, l'interprétation économique et les scénarios de problèmes stochastiques dans la programmation linéaire.
Explore des outils pour optimiser l'intégration de l'énergie et minimiser les pertes d'exercice dans les systèmes, en aidant à réduire les coûts énergétiques et à améliorer l'efficacité.
