Outils mathmatiques pour la performance

Responsable : Laurent Houssin (laurent.houssin@laas.fr, 05.61.33.68.15)

Objectifs
Cette UE vis sensibiliser les tudiants l'utilisation d'outils mathmatiques afin de choisir et appliquer une
mthode doptimisation ou dvaluation suivant le contexte du systme.
Dans le cas de lingnierie des systmes, en particulier pour effectuer l'valuation de performances et
l'analyse de fiabilit des systmes, le cours sappuiera sur les notions de processus markoviens et la thorie
des files d'attente.
Les outils mathmatiques pour lvaluation de performances dvelopps dans le cours sont les processus
markoviens (l'indice de popularit d'une page Web, appel PageRank , utilis par Google, le bonus-malus
pour une assurance automobile, la bio-informatique en sont des exemples), et les modles de systmes
dattente. L'tude de ces notions sera illustre par des exemples issus des systmes de production et de
communication.

D'autre part, les problmes d'optimisation (minimisation ou maximisation) se rencontrent frquemment dans
le domaine de lingnierie. Plus prcisment, le but de ces problmes est de fournir une solution, qui peut
tre considr comme un ensemble de dcisions ou un ensemble de valeurs numriques, qui optimise une
fonction objectif. Les domaines d'application de l'optimisation demeurent trs varis, on peut cependant citer
en exemple le calcul d'un plus court chemin dans un graphe ou encore le calcul de la commande des
actionneurs d'une fuse afin de minimiser l'nergie consomme. Ce cours sera consacr l'tude des
conditions doptimalit et des principaux algorithmes de rsolution de tels problmes.

Contenu (C : 18h TP : 12h)
Partie I : valuation de performance
1. Introduction: Gnralits ; Modlisation ; valuation de performance ; Exemple d'tude de
performances sur le rseau RENATER (Rseau National de tlcommunications pour la Technologie
l'Enseignement et la Recherche).
2. Modlisation alatoire : Processus stochastiques ; Processus de Poisson ; Processus et chane de
Markov temps discret et continu ; Processus de naissance et de mort ; Formule de Little; Modle
fluide.
3. Modles markoviens de files d'attente et non markoviens : dfinitions et analyses.
4. Modle de rseaux de files dattente : Rseaux Markoviens forme produit.
5. Simulations et valuations de rseaux de files dattente: applications aux systmes de production et
de communication.
Partie II : Optimisation
1. Introduction loptimisation. Classification des problmes.
2. Programmation linaire : Mise en quation dun problme; Dfinitions et thormes fondamentaux ;
Algorithme du simplexe ; Introduction ltude de la sensibilit.
3. Programmation non linaire : Cas sans contrainte ; Contraintes galits : paramtres de Lagrange ;
Contraintes ingalits : paramtres de Kuhn Tucker ; Algorithmes de base.

Pr-requis
Processus stochastiques (bases), Processus de Poisson, dveloppement en srie, algbre linaire