Programme d’études 2020-2021English
Graphes et optimisation combinatoire
Unité d’enseignement du programme de Master en sciences informatiques à la Faculté des Sciences

Les étudiants sont invités à consulter les fiches ECTS des AA pour prendre connaissance des modalités d’évaluation spéciales Covid-19 éventuellement prévues pour la fin du Q3

CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-MC-INFO60-006-MUE ObligatoireTUYTTENS DanielF151 - Mathématique et Recherche opérationnelle
  • TUYTTENS Daniel

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Français
Français361200055.001er quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
I-MARO-011Graphes et optimisation combinatoire3612000Q1100.00%

Unité d'enseignement

Objectifs par rapport aux acquis d'apprentissage du programme

  • Réaliser des travaux de développement ou d'innovation en informatique
    • -Etre capable d'appliquer, de mobiliser, d'articuler et de valoriser les connaissances et les compétences acquises en vue de contribuer à la réalisation d'un travail de développement ou d'innovation
    • -Pouvoir maîtriser la complexité d'un tel travail et tenir compte des objectifs et des contraintes qui le caractérisent
  • Maîtriser les techniques de communication
    • -Pouvoir communiquer de façon claire, structurée et argumentée, tant à l'oral qu'à l'écrit, ses conclusions, ses propositions originales ainsi que les connaissances et principes sous-jacents
  • Appliquer une méthodologie scientifique
    • -Avoir la capacité de mener une réflexion critique sur l'impact de l'informatique en général et, en particulier, lors de la contribution à des projets
    • -Faire preuve de rigueur, d'autonomie, de créativité, d'honnêteté intellectuelle, de sens éthique et déontologique

Acquis d'apprentissage UE

Faire comprendre et connaître les notions et problèmes fondamentaux de la théorie des graphes;Etudier les algorithmes correspondants; approfondir les notions d'algorithmique acquises par ailleurs en s'intéressant à l'efficacité des algorithmes (familiarisation avec les calculs de complexité algorithmique);Faire comprendre et connaîre les problèmes fondamentaux et les méthodes de base de l'optimisation combinatoire;Illustrer quelques méthodes sur quelques problèmes;Montrer l'utilité des notions et algorithmes pour la résolution de problèmes pratiques de gestion de production, logistique, etc.
 

Contenu de l'UE

Notions de base de la théorie des graphes et structures de données; étude de problèmes de la théorie des graphes: arbres, plus court chemin, connexité, flots;introduction à la complexité : classes P et NP; étude de problèmes classiquesde l'optimisation combinatoire : sac-à-dos, couverture, voyageur de commerce; introduction aux méta-heuristiques

Les modalités d'enseignement sont susceptibles d'être ajustées en fonction
du contexte d'enseignement imposé par les mesures sanitaires.



 

Compétences préalables

Programmation linéaire; dualité, notion d'algorithme
 

Types d'évaluations Q1 pour l'UE

  • Présentation et/ou travaux
  • Examen écrit

Commentaire sur les évaluations Q1 de l'UE

Rapport du projet/challenge : 20%.  Examen écrit sans notes portant sur les deux parties du cours.  Partie 1 : Théorie des graphes  (théorie et exercices)  40 %. Partie 2 : Optimisation combinatoire (théorie et exercices)  40 %  


Les modalités d'évaluation sont susceptibles d'être ajustées en fonction
du contexte d'enseignement/évaluation imposé par les mesures sanitaires.
 

Types d'évaluation Q3 pour l'UE

  • Présentation et/ou travaux
  • Examen écrit

Commentaire sur les évaluations Q3 de l'UE

Rapport du projet/challenge : 20%.  Examen écrit sans notes portant sur les deux parties du cours.  Partie 1 : Théorie des graphes  (théorie et exercices)  40 %. Partie 2 : Optimisation combinatoire (théorie et exercices)  40 %  

Les modalités d'évaluation sont susceptibles d'être ajustées en fonction
du contexte d'enseignement/évaluation imposé par les mesures sanitaires.

 

Types d'évaluation rattrapage BAB1 (Q1) pour l'UE

  • Néant

Commentaire sur les évaluations rattr. Q1 de l'UE

Sans objet

Types d'activités

AATypes d'activités
I-MARO-011
  • Cours magistraux
  • Travaux pratiques

Mode d'enseignement

AAMode d'enseignement
I-MARO-011
  • Face à face

Supports principaux

AA
I-MARO-011

Supports principaux non reproductibles

AASupports principaux non reproductibles
I-MARO-011Sans objet

Supports complémentaires

AA
I-MARO-011

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
I-MARO-011Sans objet

Autres références conseillées

AAAutres références conseillées
I-MARO-011P. Lacomme, C. Prins & M. Sevaux Algorithmes de graphes, Editions Eyrolles, 2003. J. Dréo, A. Pétrowski, P. Siarry & E. taillard Métaheuristiques pour l'optimisation difficile, Editions Eyrolles, 2003.

Reports des notes d'AA d'une année à l'autre

AAReports des notes d'AA d'une année à l'autre
I-MARO-011Autorisé
(*) HT : Heures théoriques - HTPE : Heures de travaux pratiques encadrés - HTPS : Heures de travaux pratiques supervisés - HD : Heures diverses - HR : Heures de remédiation - Dans la colonne Pér. (Période), A=Année, Q1=1er quadrimestre et Q2=2e quadrimestre
Date de génération : 09/07/2021
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be