UNIVERSITE VIRTUELLE DE CÔTE D’IVOIRE

www.uvci.edu.ci

SYLLABUS MASTER 1
OPT2107 - Optimisation
Semestre 1 - Tronc Commun
Spécialités : CIO – BC – BDA

1. Informations générales
- Code et Titre de l’UE : OPT2107 - Optimisation
- Auteur : Dr KOUAME Euloge François
- Nombre de crédits : 3 Crédits
- Charge de travail : Enseignement : 15 H ; apprentissage : 15 H ; Travail Personnel de l’Etudiant : 45
H, Charge Total de travail : 75 H
- Organisation de la formation : 1er semestre
- Début du cours : à consulter sur le calendrier pédagogique

2. Démarche pédagogique : Approche Projet

Dans ce cours, les apprenants réalisent des travaux à rendre en se basant sur des lectures et des vidéos qui
leur seront recommandées. Les travaux rendus sont évalués par l’enseignant et éventuellement par leurs
pairs à la fin de chaque leçon. Des travaux seront réalisés par groupe.
La participation aux forums et aux activités collaboratives est exigée.

3. Description du Cours
Ce cours est une présentation des différents types de problèmes d’optimisation et une initiation aux
algorithmes de résolution de ces problèmes. Il est obligatoire et s’adresse à tout apprenant qui sera amener
à utiliser ou développer un algorithme d’apprentissage machine (Machine Learning).

4. Prérequis
Cours suppose acquises les notions d’Analyse réelle et d’algèbre linéaire de niveau premier cycle universitaire

5. Objectifs du cours
Ce cours vise à donner aux apprenants les outils leur permettant de formuler un problème d’optimisation et
de le résoudre à l’aide des méthodes appropriées.
De façon spécifique, ce cours vise à :
1. Modéliser un problème d’optimisation ;
2. Résoudre un problème d’optimisation ;
3. Implémenter la solution d’un problème d’optimisation par des algorithmes

6. Compétences acquises

1
A la fin de cours, l’apprenant est capable de :

Formuler un problème sous la forme d'un modèle d'optimisation ;

Analyser un modèle d'optimisation, en particulier déterminer s'il est linéaire ou s'il est convexe ;
Caractériser les solutions optimales d'un problème d'optimisation
Implémenter un algorithme de résolution d'un problème d'optimisation

7. Contenus du cours

Ce cours est structuré en 4 leçons et se déroule sur 4 semaines :

- Leçon I : Rappels de calcul différentiel, analyse convexe et optimisation (1ère semaine)

- Leçon II : Optimisation sans contrainte (2ème semaine)
- Leçon III : Optimisation avec contrainte (3ème semaine).
- Leçon IV : Méthodes de résolution et algorithme (4ème semaine).

8. Encadrement
L'encadrement est par le tuteur et l’enseignant. Les communications se font sur les forums de la plateforme
ou par courriel. La participation aux forums sur la plateforme est obligatoire.

9. Évaluation
L'évaluation repose sur quatre travaux (projets) à rendre. La contribution à la note finale des projets est
repartie comme suit : Projet 1 : 20% ; Projet 2 : 20% ; Projet 3 : 20 % ; Projet 4 : 40%.
Des groupes de travail seront constitués pour la réalisation des certains de ces travaux qui sont évalués par
l’enseignant.

10. Renseignements technologiques

Ce cours nécessite :

- un équipement informatique (Smartphone, Tablette, Ordinateur);

- une connexion internet;
- l’un des systèmes d’exploitation suivants : Linux, Windows, Mac OS, Android;
- l’un des navigateurs suivants : Mozilla, Google Chrome;
- pour les calculs, les apprenants pourront utiliser le logiciel de leur choix : SCILAB, MATLAB,
MATHEMATICA, Python, R etc.

11. Ressources bibliographiques

1. Optimisation et analyse convexe (exercices corrigés), Jean-Baptiste Hiriart-Urruty, 2009, EDP sciences.
2. Optimisation appliquée, Yadolah Dodge, 2005, Springer.
3. Introduction à l’analyse numérique matricielle et a l’optimisation, Philippe G. Ciarlet.
4. Analyse numérique et optimisation, (chap. 9 et 10), Grégoire Allaire.
5. Calcul scientifique et symbolique, Alain Yger ,2015, Ellipses
6. Cours de Optimisation locale et globale de Rodolphe Le Riche, Stephane Mottelet et Eric Touboul
http://www.unit.eu/cours/optimisation_locale_globale.pdf
NB : le cours contient des fichiers PDF, des liens vers des vidéos Youtube et des pages à consulter et à
exploiter.