Optimisation robuste : faire face au pire cas

Branche de l'optimisation mathématique, l'optimisation robuste (OR) est une approche d'aide à la décision dans l'incertain. Alors que l'optimisation stochastique cherche à déterminer des solutions d'un problème qui seront de bonne qualité en moyenne sur un ensemble de scénarios connus, l'OR vise à déterminer des solutions qui seront réalisables quelque soit le scénario qui advient parmi cet ensemble, et dont le coût dans le pire des cas sera le moins élevé possible. Nous survolerons les différents types de modèles (avec ou sans recours...) à notre disposition actuellement, ainsi que quelques techniques offertes par la programmation mathématique pour résoudre ce type de problèmes, illustrés sur quelques problèmes épurés.

Télécharger les slides

Revoir le live :

SESSION #4.3.2 Ecoutez le talk ‘Optimisation robuste: faire face au pire cas’ par Boris Detienne de IMB Inria RealO… https://t.co/Rb8r4McQlk

— ROADEF (@roadef) February 7, 2019