Conception et analyse d’algorithmes efficaces.
- Algorithmes randomisés.
- Complexité des algorithmes, classes P et NP.
- Algorithmes d’approximation.
Prérequis
Bases de l’algorithmique et des probabilités.
Acquis d’apprentissage
- Méthode de construction d’algorithmes: Diviser pour Régner, Algorithmes Gloutons, Programmation Dynamique.
- Algorithmes probabilistes: type Monte-Carlo, Las Vegas, temps attendu.
- Classes P et NP : définitions, conséquences algorithmiques de P = NP, NP-complétude, réduction polynomiale.
- Algorithmes d’approximation: rapport d’approximation, qualité d’un algorithme d’approximation.
Compétences visées
- Concevoir des algorithmes et évaluer leur complexité.
- Modéliser des problèmes complexes.
- Proposer des solutions informatiques à des problèmes complexes.