Couvre les bases de l'optimisation, y compris les perspectives historiques, les formulations mathématiques et les applications pratiques dans les problèmes de prise de décision.
Explore les programmes entiers, l'optimisation non convexe, les contraintes et les aspects géométriques de la programmation linéaire pour des solutions optimales.
Explore la dualité dans la programmation linéaire, la dualité forte, le relâchement complémentaire et l'interprétation économique des variables doubles en tant que prix.
Couvre la modélisation du système énergétique, l'optimisation, les scénarios, les prédictions, les complexités et les controverses dans les modèles énergétiques.
Couvre les fondamentaux de l'optimisation d'entier, y compris la programmation d'entier, la programmation dynamique et les algorithmes d'approximation.
Couvre les techniques d'optimisation dans l'apprentissage automatique, en se concentrant sur la convexité, les algorithmes et leurs applications pour assurer une convergence efficace vers les minima mondiaux.
Explore les arbres de recherche binaires optimaux pour minimiser les coûts de recherche en utilisant la programmation dynamique et les formulations récursives.