The potential of quantum algorithms for solving optimization problems has been explored since the early days of quantum computing. This course introduces some of the key ideas and algorithms developed in this context, along with their fundamental limitations. Depending on the available time, topics covered may include: quantum optimization algorithms inspired by physics (adiabatic algorithms, variational algorithms, QAOA, quantum annealing, etc.), quantum algorithms for convex optimization (acceleration of first- and second-order methods, oracular problems, etc.), applications to combinatorial optimization (graph problems, quadratic binary optimization, etc.).[-]

The potential of quantum algorithms for solving optimization problems has been explored since the early days of quantum computing. This course introduces some of the key ideas and algorithms developed in this context, along with their fundamental limitations. Depending on the available time, topics covered may include: quantum optimization algorithms inspired by physics (adiabatic algorithms, variational algorithms, QAOA, quantum annealing, etc.), quantum algorithms for convex optimization (acceleration of first- and second-order methods, oracular problems, etc.), applications to combinatorial optimization (graph problems, quadratic binary optimization, etc.).[-]

Le problème Graph Motif est défini comme suit : étant donné un graphe sommet colorié G=(V,E) et un multi-ensemble M de couleurs, déterminer s'il existe une occurrence de M dans G, c'est-à-dire un sous ensemble V' de V tel que
(1) le multi-ensemble des couleurs de V' correspond à M,
(2) le sous-graphe G' induit par V' est connexe.
Ce problème a été introduit, il y a un peu plus de 10 ans, dans le but de rechercher des motifs fonctionnels dans des réseaux biologiques, comme par exemple des réseaux d'interaction de protéines ou des réseaux métaboliques. Graph Motif a fait depuis l'objet d'une attention particulière qui se traduit par un nombre relativement élevé de publications, essentiellement orientées autour de sa complexité algorithmique.
Je présenterai un certain nombre de résultats algorithmiques concernant le problème Graph Motif, en particulier des résultats de FPT (Fixed-Parameter Tractability), ainsi que des bornes inférieures de complexité algorithmique.
Ceci m'amènera à détailler diverses techniques de preuves dont certaines sont plutôt originales, et qui seront je l'espère d'intérêt pour le public.[-]

Le problème Graph Motif est défini comme suit : étant donné un graphe sommet colorié G=(V,E) et un multi-ensemble M de couleurs, déterminer s'il existe une occurrence de M dans G, c'est-à-dire un sous ensemble V' de V tel que
(1) le multi-ensemble des couleurs de V' correspond à M,
(2) le sous-graphe G' induit par V' est connexe.
Ce problème a été introduit, il y a un peu plus de 10 ans, dans le but de rechercher des motifs fonctionnels dans des réseaux biologiques, comme par exemple des réseaux d'interaction de protéines ou des réseaux métaboliques. Graph Motif a fait depuis l'objet d'une attention particulière qui se traduit par un nombre relativement élevé de publications, essentiellement orientées autour de sa complexité algorithmique.
Je présenterai un certain nombre de résultats algorithmiques concernant le problème Graph Motif, en particulier des résultats de FPT (Fixed-Parameter Tractability), ainsi que des bornes inférieures de complexité algorithmique.
Ceci m'amènera à détailler diverses techniques de preuves dont certaines sont plutôt originales, et qui seront je l'espère d'intérêt pour le public.[-]