"183578723"^^ . . . "L'optimisation en ligne est un domaine de l'optimisation math\u00E9matique, de plus en plus populaire dans les sciences de l'informatique et dans la recherche op\u00E9rationnelle, qui traite les probl\u00E8mes d'optimisation ayant une connaissance incompl\u00E8te de l'avenir, donc l'optimisation se fait d'une mani\u00E8re en ligne. Ces types de probl\u00E8mes sont identifi\u00E9s comme des probl\u00E8mes en ligne et sont consid\u00E9r\u00E9s comme oppos\u00E9s aux probl\u00E8mes d'optimisation classiques o\u00F9 l'information est compl\u00E8te dont l'optimisation se fait d'une mani\u00E8re hors ligne."@fr . . . "L'optimisation en ligne est un domaine de l'optimisation math\u00E9matique, de plus en plus populaire dans les sciences de l'informatique et dans la recherche op\u00E9rationnelle, qui traite les probl\u00E8mes d'optimisation ayant une connaissance incompl\u00E8te de l'avenir, donc l'optimisation se fait d'une mani\u00E8re en ligne. Ces types de probl\u00E8mes sont identifi\u00E9s comme des probl\u00E8mes en ligne et sont consid\u00E9r\u00E9s comme oppos\u00E9s aux probl\u00E8mes d'optimisation classiques o\u00F9 l'information est compl\u00E8te dont l'optimisation se fait d'une mani\u00E8re hors ligne. L'optimisation en ligne peut se distinguer en deux types. Dans le premier type, le probl\u00E8me est de trouver plusieurs d\u00E9cisions de mani\u00E8re s\u00E9quentielle, en se basant sur un flux s\u00E9quentiel de donn\u00E9es. Dans le deuxi\u00E8me type, le probl\u00E8me est de trouver une seule d\u00E9cision optimale. Un c\u00E9l\u00E8bre exemple du deuxi\u00E8me type est le probl\u00E8me de la location de skis. En g\u00E9n\u00E9ral, la sortie d'un algorithme en ligne est compar\u00E9e \u00E0 la solution d'un algorithme hors ligne qui est toujours optimale et qui conna\u00EEt l'ensemble des donn\u00E9es en avance. Dans de nombreuses situations, les d\u00E9cisions du pr\u00E9sent (par exemple, l'allocation des ressources) doit \u00EAtre faite avec une connaissance partielle de l'avenir ou avec des hypoth\u00E8ses sur l'avenir qui ne sont pas fiables. Dans de tels cas, l'optimisation en ligne peut \u00EAtre utilis\u00E9e, ce qui est diff\u00E9rent des autres approches telles que l'optimisation robuste, et les ."@fr . . . . . . . . . . . . . . . . "Optimisation en ligne"@fr . "3109"^^ . . "11448409"^^ . . . "Online optimization"@en . . . . . . . .