Cours (en anglais, 2022) :
- Lesson 1: Introduction, environment, REPL, packages, working with Julia…
- Lesson 2: Values, variables, types, constants, print, input, comments…
- Lesson 3: Explicit optimization models with JuMP
- Lesson 4: Arrays (vectors, matrices, lists), tuples, dictionaries, sets…
- Lesson 5: Control flow (conditionals, loops), functions…
- Lesson 6: Implicit and advanced optimization models with JuMP
- Lesson 7: Special topics (random numbers, search and sort, plotting)
- Lesson 8: Data structures (composite)
- Lesson 9: Multi-objective optimisation models with vOptGeneric
Note technique (en français, 2019) :
Exposés :
- Miles Lubin
JuMP: A Modeling Language for Mathematical Optimization
Papier
- Mathieu Besançon.
LightGraphs, structure, abstractions and algorithms.
Exposé | https://github.com/JuliaGraphs
- François Vanderbeck.
Coluna.jl : une implémentation générique d’un algorithme de « branch-and-price-and-cut » accessible via l’interface de modélisation JuMP.
Exposé | https://github.com/atoptima/Coluna.jl
- Anthony Przybylski.
Optimisation combinatoire multi-objectif : méthodes de résolution exacte et solveur vOpt.
https://github.com/vOptSolver
- Pierre Navaro.
Résolution numérique du système de Vlasov-Poisson en Julia.
Exposé
- Benoît Legat.
L’extension de JuMP à la programmation Sum-of-Squares.
Exposé | JuMP — MathOptInterface — PolyJuMP — SumOfSquares
- Francois Pacaud.
Solving large-scale NLP problems with JuMP and Knitro.
Exposé | Knitro-Zoo
- François Févotte.
Quelques expériences autour de l’arithmétique flottante en Julia.
StochasticArithmetic.jl
- Charlie Vanaret.
Solving distillation column equilibrium using interval methods.
- Diego Javier Zea.
Analyzing protein structure and evolution using Julia with MIToS.jl
https://github.com/diegozea/MIToS.jl
- Rémi Garcia.
Heuristique Feasibility Pump pour problèmes en variables 01.
Poster
- Xavier Pillet.
Réseaux de neurones à valeurs complexes.
Poster
- Didier Robbes.
Algorithmes de chemins multi-objectif en Julia.
Poster