Séance de cours
Programmation linéaire: Résoudre les LP
Description
Cette séance de cours couvre le processus de résolution des programmes linéaires (LP) à l'aide de la méthode simplex originale du XIXe siècle, y compris les étapes de l'algorithme, les itérations et les prises de décisions clés sur la proximité des variables. L'instructeur démontre comment de petits changements dans les variables peuvent mener à des résultats significatifs, ce qui est prouvé en deux étapes. La séance de cours souligne l'importance de petits accroissements de variables pour obtenir des résultats optimaux.
Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.
Regarder sur MediaspaceSource officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Séances de cours associées (121)
Méthodes d'optimisation : discussion théorique
Explore les méthodes d'optimisation, y compris les problèmes sans contraintes, la programmation linéaire et les approches heuristiques.
Optimisation des systèmes énergétiques
Explore l'optimisation dans la modélisation des systèmes énergétiques, couvrant les variables de décision, les fonctions objectives et les différentes stratégies avec leurs avantages et leurs inconvénients.
Simplex Algorithme: Bases
Introduit l'algorithme Simplex pour résoudre les problèmes de flux et gérer les cycles de coûts négatifs.
Définir la couverture : Integrality Gap
Explore le concept d'écart d'intégralité dans les algorithmes de couverture et de pondérations multiplicatives.
Optimisation avec contraintes: Algorithme de point d'intérieur
Explore l'optimisation avec des contraintes en utilisant les conditions KKT et l'algorithme de point intérieur sur deux exemples de programmation quadratique.