Optimisation et convexité

C. Lemaréchal
{"title":"Optimisation et convexité","authors":"C. Lemaréchal","doi":"10.51257/a-v1-af1253","DOIUrl":null,"url":null,"abstract":"L’optimisation peut se voir appliquer deux methodes bien differentes, le continu et le discret. L'optimisation continue et non differentiable se situe entre les deux : les methodes appartiennent au monde continu mais cependant 90 % des problemes relevent de l'optimisation discrete, il en est ainsi de la decoupe industrielle, des tournees de vehicules, et les problemes de grande taille. Apres avoir introduit la theorie de base et le probleme dual, cet article expose les algorithmes d’optimisation convexe avec notamment l’utilisation des methodes de sous-gradients puis de plans secants. Pour terminer, une petite digression est faite avec des cas non convexes.","PeriodicalId":276511,"journal":{"name":"Mathématiques","volume":"39 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2008-04-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Mathématiques","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.51257/a-v1-af1253","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

L’optimisation peut se voir appliquer deux methodes bien differentes, le continu et le discret. L'optimisation continue et non differentiable se situe entre les deux : les methodes appartiennent au monde continu mais cependant 90 % des problemes relevent de l'optimisation discrete, il en est ainsi de la decoupe industrielle, des tournees de vehicules, et les problemes de grande taille. Apres avoir introduit la theorie de base et le probleme dual, cet article expose les algorithmes d’optimisation convexe avec notamment l’utilisation des methodes de sous-gradients puis de plans secants. Pour terminer, une petite digression est faite avec des cas non convexes.
优化与凸性
优化可以应用两种非常不同的方法,连续和离散。连续优化和不可微分优化介于两者之间:方法属于连续世界,但90%的问题属于离散优化,如工业切割、车辆转弯和大型问题。在介绍了基本理论和对偶问题之后,本文介绍了凸优化算法,特别是次梯度法和分切面法。最后,对非凸情况做了一个小的离题。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信