Minbp-algo est un outil académique dédié à la résolution du problème de bin-packing, un défi d'optimisation où l'objectif est de répartir des objets de tailles variables dans le nombre minimal de conteneurs. Développé dans un cadre universitaire, il permet de tester et comparer des algorithmes de répartition comme Next Fit ou First Fit Decreasing. Le programme prend en entrée des instances de données structurées et génère des solutions optimisées pour des applications logistiques ou industrielles.

Ce projet propose une série de travaux pratiques (TP) en algorithmique et programmation Python, accompagnés de corrigés détaillés. Destiné aux étudiants, il couvre des concepts fondamentaux comme les structures de données, les algorithmes de tri, les graphes et la récursivité. Chaque TP inclut des exercices progressifs pour renforcer les compétences en résolution de problèmes et en analyse algorithmique.

Plateforme en ligne proposant des défis de programmation annuels sous forme d'énigmes à résoudre en code. Chaque année, du 1er au 25 décembre, les participants reçoivent quotidiennement un nouveau problème à coder. L'objectif est de renforcer les compétences en algorithmie et en résolution de problèmes tout en s'amusant. Le projet est open source et encourage la participation de développeurs de tous niveaux.

ScaSearch est une bibliothèque open source développée en Scala qui implémente des algorithmes avancés de résolution de problèmes inspirés de l'intelligence artificielle. Elle permet de modéliser et résoudre des défis complexes comme les puzzles, les jeux de stratégie ou les problèmes de satisfaction de contraintes. Basée sur des principes théoriques modernes, elle offre des outils pour automatiser la prise de décision et l'optimisation dans divers domaines techniques et scientifiques.

Projet personnel visant à résoudre les défis proposés par l'événement annuel The Advent of Code. Il s'agit d'une série de problèmes de programmation conçus pour tester et améliorer les compétences en algorithmique et en résolution de problèmes. Chaque année, de nouveaux défis sont publiés pour stimuler la créativité et la rigueur des participants.

Plateforme en ligne proposant des défis de programmation annuels sous forme d'énigmes à résoudre. Chaque année, 25 défis sont publiés quotidiennement en décembre, permettant aux participants de s'entraîner en algorithmie et en résolution de problèmes. Les défis sont accessibles gratuitement et adaptés à tous les niveaux.

DM1 est un projet éducatif dédié à l'enseignement des concepts fondamentaux de la programmation. Il propose des ressources pédagogiques structurées pour initier les apprenants aux bases de l'algorithmique, des structures de données et de la résolution de problèmes. Le contenu est conçu pour être accessible et adapté à un public débutant, avec une approche progressive et des exemples concrets.

Projet pédagogique visant à illustrer des concepts algorithmiques à travers la résolution du problème des tours de Hanoï. Il permet aux apprenants de visualiser et de comprendre les étapes de déplacement des disques entre les piquets, facilitant ainsi l'apprentissage des principes de récursivité et de stratégie algorithmique.

BinPack est un projet académique et technique dédié à l'étude et à la résolution du problème classique de bin packing, un problème d'optimisation combinatoire NP-difficile. Il explore les propriétés des problèmes NP, les réductions polynomiales entre problèmes algorithmiques, et propose des implémentations pour valider ces concepts théoriques. Le projet sert de support pédagogique pour comprendre les liens entre complexité algorithmique, certificats de solutions et réductions entre problèmes.

Ce projet propose une implémentation en C++ de l'algorithme Benders by batch, conçu pour résoudre des programmes stochastiques linéaires à deux étages. Il permet d'optimiser des problèmes complexes en découpant les sous-problèmes et en appliquant des techniques de stabilisation pour améliorer la convergence. Initialement développé pour des applications dans la gestion de réseaux électriques, il est également utilisé dans des contextes nécessitant une résolution efficace de problèmes d'optimisation sous incertitude.