Couvre les bases de l'optimisation, y compris les perspectives historiques, les formulations mathématiques et les applications pratiques dans les problèmes de prise de décision.
Explore les problèmes d'optimisation classiques de modélisation en tant que problèmes linéaires mixtes, en se concentrant sur le problème du sac à dos et ses applications.
Explore l'optimisation de la programmation linéaire avec des contraintes, l'algorithme de Dijkstra et les formulations LP pour trouver des solutions réalisables.
Couvre l'algorithme Branch & Bound pour une exploration efficace des solutions possibles et discute de la relaxation LP, de l'optimisation du portefeuille, de la programmation non linéaire et de divers problèmes d'optimisation.
Explore la dualité forte, le relâchement complémentaire, l'interprétation économique et les scénarios de problèmes stochastiques dans la programmation linéaire.
