Portail nationalFormationRechercher par discipline

Complexité paramétrée et Approximation Polynomiale

Code UE : US331Q

  • Cours
  • 2 crédits

Responsable(s)

Safia KEDAD SIDHOUM

Public, conditions d’accès et prérequis

Cours de complexité de base (classes P et NP, algorithmes polynomiaux et pseudo-polynomiaux, etc.)

Présence et réussite aux examens

Pour l'année universitaire 2022-2023 :

  • Nombre d'inscrits : 20
  • Taux de présence à l'évaluation : 30%
  • Taux de réussite parmi les présents : 83%

Objectifs pédagogiques

  • Apprendre les notions de base en approximation polynomiale, et en conception d'algorithmes approchés.
  • Apprendre à analyser le ratio d'approximation d'un algorithme approché.
  • Apprendre les notions de base en complexité paramétrée, et en conception d'algorithmes FPT.
  • Apprendre les notions de base en calcul de noyau pour les problèmes paramétrés, et en analyse de la taille des noyaux obtenus.

Compétences visées

Savoir concevoir des algorithmes approchés simples, combinatoires ou à l'aide de techniques de programmation mathématique, et analyser leur ratio d'approximation
Savoir établir des résultats d'inapproximabilité simples (sous certaines hypothèses de complexité).
Savoir concevoir des algorithmes FPT simples, et savoir montrer qu'un problème n'admet pas d'algorithmes FPT (sous certaines hypothèses de complexité).
Savoir calculer des noyaux à l'aide de règles de réduction simples.

Contenu

  • Panel d'exemples d'algorithmes d'approximation polynomiale sur des problèmes classiques. Classes des problèmes d'optimisation et de leur approximabilité (en particulier PO, NPO, APX, PTAS, FPTAS, EPTAS, AAPX, APX$infty$, PTAS$infty$). Relation entre l'appartenance à la classe FPTAS et la NP-complétude au sens fort des problèmes d'optimisation.
  • Approximabilité et programmation linéaire. Conception d'algorithmes d'approximation probabilistes. Technique d'arrondi, arrondi probabiliste, déterminisation, dual fitting et schéma primal-dual pour la conception d'algorithmes approchés.
  • Inapproximabilité, et notion de rapport serré. Réductions préservant les rapports d'approximation, et réductions GAP. Notion et exemples de complétude. Introduction au théorème PCP.
  • Paramétrisation de problèmes de NP. Définition des classes de base en complexité paramétrée : hiérarchie des classes W[t], classes FPT et XP. Notion de FPT-réduction, et conséquences basées sur la W[1]-difficulté du problème de clique. Conception d'algorithmes FPT via les arbres de recherche bornés. Liens avec l'approximation polynomiale, et notamment avec l'existence d'EPTAS.
  • Notion de (calcul de) noyau en complexité paramétrée. Équivalence entre l'existence d'un noyau et celle d'un algorithme FPT. Exemples de calcul de noyaux, quadratiques ou linéaires, pour une sélection de problèmes (transversal minimum, $k$-MAX 3-SAT, $k$-MAX SAT, etc.), à l'aide de règles de réduction. Calcul de noyaux linéaires pour l'existence de certaines structures dans les graphes planaires (des stables, par exemple).

Modalité d'évaluation

  • Examen final

Cette UE apparaît dans les diplômes et certificats suivants

Chargement du résultat...
Patientez
Intitulé de la formation
Type
Modalité(s)
Lieu(x)
Intitulé de la formation Master Sciences, technologies, santé mention Informatique Parcours Recherche opérationnelle
Type Diplôme national (DEUST, licence, master, doctorat, diplôme d'Etat)
Lieu(x) Package
Lieu(x) Paris
Entrée Niveau 6 (Bac+3 et 4)
Intitulé de la formation Type Modalité(s) Lieu(x)

Contact

Recherche opérationnelle
2D4P20, 33-1-10, 2 rue Conté
75003 Paris
Tel :01 40 27 22 67
secretariat.ro@cnam.fr
Voir le site

Voir le calendrier, le tarif, les conditions d'accessibilité et les modalités d'inscription dans le(s) centre(s) d'enseignement qui propose(nt) cette formation.

Enseignement non encore programmé