Cette séance de cours introduit l'algorithme Metropolis, visant à fournir une solution approximative et probabiliste aux problèmes d'optimisation discrète en cherchant le minimum d'une fonction. L'algorithme implique l'évolution d'une chaîne Markov avec un espace d'état et une distribution limitative. Différentes idées sont explorées, comme définir une distribution sur l'espace d'état et rendre la chaîne paresseuse. L'instructeur explique le processus de création d'une chaîne à partir d'un état de base, en la laissant évoluer vers une distribution approximative d'une cible. Diverses stratégies sont discutées pour rendre la chaîne paresseuse et explorer efficacement l'espace d'état à différentes températures, conduisant à la fois à des minima locaux et mondiaux.