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 l'analyse de sensibilité locale dans la programmation linéaire, en examinant comment les changements ont un impact sur l'optimalité et la faisabilité.
Explique le processus de recherche d'une solution réalisable de base initiale pour les problèmes d'optimisation linéaire à l'aide de l'algorithme Simplex.
Explore les problèmes d'optimisation convexe, les critères d'optimalité, les problèmes équivalents et les applications pratiques dans le transport et la robotique.
Couvre les bases de la programmation non linéaire et ses applications dans le contrôle optimal, en explorant des techniques, des exemples, des définitions d'optimalité et les conditions nécessaires.
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 la dualité dans la programmation linéaire, la dualité forte, le relâchement complémentaire et l'interprétation économique des variables doubles en tant que prix.
Explore les conditions KKT dans l'optimisation convexe, couvrant les problèmes doubles, les contraintes logarithmiques, les moindres carrés, les fonctions matricielles et la sous-optimalité de la couverture des ellipsoïdes.
Explore des algorithmes de graphes comme BFS et DFS, en discutant des chemins les plus courts, des arbres couvrants et du rôle des structures de données.
Couvre les sujets de construction avancés du compilateur sur les techniques d'optimisation telles que l'élimination du code mort, le pliage constant et l'allocation des registres.
Explore des solutions d'équations linéaires, d'espaces nuls, de sous-espaces, d'espaces vectoriels, d'indépendance linéaire, de bases et de dimensions.
