La Recherche Opérationnelle propose des méthodes scientifiques pour aider à la prise de meilleures décisions. L’idée est de développer et d’utiliser des outils mathématiques et informatiques pour maîtriser les problèmes complexes. Les applications pratiques sont historiquement dans la direction et la gestion de grands systèmes d’hommes, de machines et de matériaux dans l’industrie, le service, l’humanitaire, l’environnement...

A l'issue de ce cours, les étudiants seront aptes à proposer une modélisation et sauront mettre en oeuvre des solutions pratiques (outils dédiés ou industriels) pour traiter un problème  de décision ou d'optimisation.

Compétences

• Reconnaître une situation où la Recherche Opérationnelle est pertinente.
• Appréhender les principaux outils de la recherche opérationnelle.
• Disposer des éléments méthodologiques pour choisir, face à un problème pratique, les méthodes de résolution et les outils les plus adaptés.
• Savoir manipuler les outils informatiques pour résoudre un problème d'optimisation discrète.

Le cours couvre les thèmes suivants:

• Programmation linéaire (modélisation, résolution, dualité)
• Programmation linéaire en nombres entiers (techniques de modélisation, résolution avec Branch and Bound)
• Programmation dynamique
• Théorie des graphes

• Bonus (énigmes, ailleurs sur le web, nouvelles de la RO)

Operations Research offers scientific methods for better decisions. The idea is to develop and use mathematics and informatics tools to solve complex organization problems. Historical applications are in the management of large systems of humans, machines, materials in industry, service, humanitarian aid, environment... 

At the end of this course, students should be able to propose a modelization and implement practical solutions (dedicated or industrial tools) to solve a decision or optimization problem. 

Skills 

•  Recognize a situation where Operations Research is relevant.
• Know the main tools of Operations Research.
• Have the methodological elements to choose the solution methods and the tools the most adapted for a given practical problem.
• Know how to manipulate the software tools to solve a discrete optimization problem.

The course covers various topics:

• Linear Programming (modelling, solving, duality)
• Mixed Integer Linear Programming (modelling techniques, solving with Branch and Bound)
• Dynamic Programming
• Graph theory
• Bonus (riddles, elsewhere on the web, OR News)