[PDF] Eléments danalyse et doptimisation convexe
Eléments d'analyse convexe Dans ce chapitre nous présentons quelques propriétés remarquables des fonctions convexes Elle permettront de construire des
[PDF] Mod`eles convexes et algorithmes doptimisation en imagerie
25 oct 2011 · Travail en collaboration avec Jérôme Fehrenbach (Institut de Mathématiques de Toulouse) et le cancéropole • L'existence de schémas efficaces
[PDF] Univ Batna 2
Contribution à l'étude de la dualité quasi-convexe en optimisation Option : Analyse Mathématiques Appliquée 1 1 Elements d'analyse convexe
[PDF] Polynômes et optimisation convexe en commande robuste
Laboratoire d'Analyse et d'Architecture des Syst`emes du CNRS `a Toulouse par Didier Henrion Docteur de l'Institut National des Sciences Appliquées
[PDF] optimisation Sp - mathuniv-paris13fr
8 mar 2020 · Institut Galilée Université Paris 13 Sorbonne Paris Cité Département de mathématiques Analyse numérique: optimisation
[PDF] Résolution dun problème quadratique non convexe avec - Thèses
1 Notions d'analyse convexe et optimisation D C et DCA En programmation mathématique la notion de convexité joue un rôle majeur
[PDF] Optimisation non-linéaire
Institut de Recherche Mathématique Avancée (IRMA) second chapitre est dédié à l'analyse des problèmes d'optimisation en dimension finie qu'il
[PDF] th`ese de doctorat es sciences - UMMTO
21 juil 2017 · 2 1 9 La dualité en programmation mathématique non convexe [17 34 81] en alg`ebre analyse mathématique ou l'optimisation globale
![[PDF] th`ese de doctorat es sciences - UMMTO [PDF] th`ese de doctorat es sciences - UMMTO](https://pdfprof.com/Listes/16/33579-16THESE_DOCTORAT___CHEBBAH0411202O.pdf.pdf.jpg)
Universit´e Mouloud Maameri de Tizi-Ouzou
Facult´e des Sciences
D´epartement de Math´ematiques
TH ESE DE DOC TO RAT ESSCIENCES
SP´ECIALISTE : Math´ematiques
Option : Recherche Op´erationnelle et OptimisationPr´esent´ee par :
Mr CHEBBAH MOHAMMED
Sujet dddddddddRESOLUTIONS ET
IMPLEMENTATIONS DE PROBLEMES
ENOPTIMISATION GLOBALE.e
eeeeeeeeSoutenue le : 07/07/2020.
Devant la commission d'examen compos´ee de :
HAMADOUCHE DJAMAL ProfesseurU.M.M.T.O Pr´esidentOUANES MOHANDProfesseurU.M.M.T.ORapporteur
MOULAI MUSTAPHA ProfesseurU.S.T.H.BExaminateur
BOUROUBI SADEK ProfesseurU.S.T.H.BExaminateur
AIDER MEZIANEProfesseurU.S.T.H.BExaminateur.
>Remerciements> Avant tout, je remercie Dieu de m'avoir donne le courage et la foie pour mener a bien ce travail, malgre tous les obstacles.Mes vifs et sinceres remerciements vont a M
rOUANES Mohand (professeur a UMMTO) qui, en acceptant de diriger ce travail, m'a permis de proter de ses conseils, son aide et ses encouragements, je lui temoigne ma respectueuse gratitude. Mes sinceres remerciements s'adressent egalement aux membres du jury pour avoir accepte d'examiner ce travail. En l'occurrence le professeur Hamadouche Djamal de l'UMMTO, les professeurs Moulai Mustapha, Bouroubi Sadek et Aider Meziane de l'USTHB.Je tiens egalement a remercier tous ceux qui ont contribue de pres ou de loin a la realisation et la reussite de ce travail.Merci beaucoup.
>Dedicaces> C'est avec un enorme plaisir que je dedie ce travail : Aux deux personnes les plus nobles et les plus cheres au monde : Mon defunt Pere et ma Mere qui ont sacrie les plus belles annees de leurs vies pour me voir un jour reussir, et qui m'ont soutenu jusqu'a la n.A mes freres et soeurs qui n'ont jamais
cesse de m'encourager.A mes chers granfs parents.
A toute ma famille.
A ma femme et mes enfants Rayan, Khadidja et Marya. A mon directeur de these qui m'a vraiment ete d'un grand soutien.A mes tres chers amis et camarades.
A tous ceux qui m'ont soutenu de pres ou de loin.
MOHAMMED.
Table des mati`eres
Table des mati`eres
iTable des figures
ivIntroduction g´en´erale
11 Convexit´e et Analyses Convexes
41.1 Introduction
41.2 Propri´et´es sur la convexit´e
51.2.1 Ensembles convexes
51.2.2 Propri´et´es des ensembles convexes
61.2.3 Polytopes et poly`edres convexes
61.3 Enveloppe convexe
71.4 Enveloppe affine
71.5 Enveloppe conique
71.6 Les fonctions convexes
81.6.1 Crit`eres de Sylvester
111.6.2 Exemple
122 Optimisation et Th´eories
142.1 Classification des programmes math´ematiques
152.1.1 Les programmes lin´eaires (la programmation lin´eaire) [
16 17 162.1.2 M´ethodes de r´esolution en programmation lin´eaire [
10081
16 34
17 16
2.1.3 Exemple Illustratif de la programmation lin´eaire non diff´erentiable
192.1.4 Exemple Illustratif (Impl´ementation) de la programmation lin´eaire
192.1.5 La programmation quadratique
242.1.6 Les programmes non lin´eaires (la programmation non lin´eaire) [
11 322.1.7 La programmation convexe [
17 3422
81
12 9 83
41
2.1.8 La dualit´e en programmation convexe [
17 3422
81
45
2.1.9 La dualit´e en programmation math´ematique non convexe [
17 3481
48
i
3 Optimisation Globale et Contribution `a l'Optimisation Globale50
3.0.10 Introduction : L'optimisation globale [
7886
50
3.0.11 Domaines d'application de l'optimisation globale [
3416 50
3.0.12 Les techniques d'optimisation dansR[
3416 17 51
3.1 Probl`emes pratiques en optimisation globale
563.2 Exemple
603.3 M´ethodes de r´esolution en optimisation globale [
68101
95
57
63
71
3.5 Background
723.5.1 Programmation factorable, am´elioration (relaxation)
723.5.2 La fonction borne inf´erieure dans la m´ethodeαBB [
11 743.5.3 La fonction quadratique borne inf´erieure [
5174
3.6 La nouvelle fonction borne inf´erieure
753.6.1 Test convexit´e/concavit´e
763.6.2 Pruning method
763.7 L'algorithme de Branch and Bound et sa convergence
783.7.1 Convergence
803.8 R´esultats des calculs num´eriques
813.9 Conclusion
853.10 Perspectives
8698
3.11.1 Motivations quant `a l'utilisation de l'optimisation globale unidimensionnelle
993.11.2 La borne inf´erieure dans la m´ethodeαBB [
11 1003.11.3 La borne inf´erieure quadratique [
51100
3.12 Nouvelle fonction borne inf´erieure
1013.12.1 Test convexit´e/concavit´e
1033.13 Algorithme et sa convergence
1043.13.1 Algorithme
1043.13.2 Convergence
1053.14 R´esultats num´eriques
1053.15 Conclusion
1064 Optimisation de syst`emes dynamiques en contrˆole optimal.
1154.1 Introduction
1154.2 Le cas discret
1164.2.1 Position du probl`eme
1164.2.2 Notion de commandabilit´e
1184.2.3 Accroissement de la fonctionnelle, crit`ere d'optimalit´e et de suboptimalit´e.
1194.2.4 Crit`ere de suboptimalit´e
1204.2.5 M´ethode de r´esolution
120ii iii
4.2.6 Exemple. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .120
4.3 Le cas continu [
8 9848
72
23
87
76
123
4.3.1 Position du probl`eme
1234.3.2 D´efinitions
1234.3.3 Support et support-contrˆole
1244.3.4 Accroissement de la fonctionnelle et crit`eres d'optimalit´e et suboptimalit´e.
1254.3.5 Th´eor`eme (crit`ere d'optimalit´e)
1254.3.6 Th´eor`eme (crit`ere de sub-optimalit´e)
1254.3.7 M´ethode de r´esolution
1264.3.8 Changement du contrˆole
1264.3.9 Changement du support
1274.3.10 Proc´edure finale
1294.3.11 Conclusions et perspectives
1304.3.12 Exemple
1304.3.13 Exemple
1304.3.14 Exemple
1314.4 Conclusion
135Conclusion g´en´erale
136A G´en´eralit´es sur les fonctions `a plusieurs variables 138
A.1 Introduction
138A.2 G´en´eralit´es sur les fonctions `a plusieurs variables et topologie. [ 16 34
38
39
70
138
A.2.1
´El´ements de la topologie
138A.2.2 Les espaces norm´es
139A.2.3 Les espaces m´etriques
140A.2.4
´El´ements de topologies surRn
140A.2.5 Les fonctions surRnet th´eories
141A.2.6 Limites et continuit´e
141A.2.7 D´eriv´ees partielles et directionnelles 141
A.2.8 Diff´erentiabilit´e des fonctions
142A.2.9 Matrice jacobienne
142A.2.10 Formule de Taylor
143A.2.11 Points critiques et extremas
144Bibliographie
146Table des figures
1.1 Ensembles convexes et ensembles non convexes.
51.2 Repr´esentation fonctionfconvexe.
91.3 Repr´esentation ´epigraphefconvexe.
93.1 Trajectoires et commandes optimales avec la m´ethode indirecte.
613.2 Trajectoires et commandes optimales avec la m´ethode directe.
623.3 Trajectoires optimales.
62iv
Introduction generale
L'optimisation globale est de nos jours un sujet d'actualit´e par excellence, elle est une branche
des math´ematiques appliqu´ees et de l'analyse num´erique qui exhibe les minimas ou maximasglobaux d'une fonction ou d'un ensemble de fonctions sur un ensemble donn´e avec multiplicit´e.
Cette discipline partie int´egrante de la recherche op´erationnelle.La recherche op´erationnelle (R.O) [
10081
17 ] peut ˆetre d´efinie comme l'ensemble des m´ethodes et
techniques rationnelles orient´ees vers la recherche du meilleur choix dans la fa¸con d'op´erer en vue
d'aboutir au r´esultat vis´e ou au meilleur r´esultat possible. Elle fait partie des ≪aides `a la d´ecision . Dans la mesure o`u elle propose des mod`eles conceptuels en vue d'analyser et de maˆıtriser des situations complexes pour permettre aux d´ecideurs de comprendre, d'´evaluer les enjeux et d'arbitrer ou de faire les choix les plus efficaces. Ce domaine fait largement appel au raisonnementmath´ematique (logique, probabilit´es, analyse des donn´ees,...etc.) et `a la mod´elisation des processus.
Il est fortement li´e `a l'ing´enierie des syst`emes, ainsi qu'au management du syst`eme d'information
entre autres.L'optimisation [
10081
17 16 34
] est une branche des math´ematiques (branche de la recherche
op´erationnelle) cherchant `a mod´eliser, `a analyser et `a r´esoudre analytiquement ou num´eriquement
les probl`emes qui consistent `a minimiser ou maximiser par exemple une fonction sur un ensemble 9872
87
23
8 62
]. L'optimisation joue un rˆole important en recherche op´erationnelle (domaine
`a la fronti`ere entre l'informatique, les math´ematiques et l'´economie). L'optimisation est dans les
math´ematiques appliqu´ees (fondamentales pour l'industrie et l'ing´enierie), en analyse et en analyse
num´erique, en statistique pour l'estimation du maximum de vraisemblance d'une distribution, pourla recherche de strat´egies dans le cadre de la th´eorie des jeux, ou encore en th´eorie du contrˆole et
de la commande. Beaucoup de syst`emes susceptibles d'ˆetre d´ecrits par un mod`ele math´ematique
sont optimis´es. La qualit´e des r´esultats et des pr´edictions d´epend de la pertinence du mod`ele, de
l'efficacit´e de l'algorithme et des moyens pour le traitement num´erique. L'optimisation globale a connu de nos jours, une avanc´ee fulgurante en ce sens que beaucoup de papiers ont vu le jour dans ce contexte. Il n' y a pas si longtemps que ce domaine (l'optimisationglobale) ´etait `a peine connu, d'ailleurs on peinait `a trouver la meilleure solution dans le cadre
de l'optimisation (programmation math´ematique) en g´en´eral. Donc pour chercher des solutions,
les m´ethodes ´etaient le lagrangien augment´e, la m´ethode SQP, m´ethodes type Newton avec ses
variantes, gradient r´eduit,...etc. Alors que la recherche de la multiplicit´e des solutions optimales
paraissaient utopiques en g´en´eral, cela occasionnant en outre des apports consid´erables en res-
sources (temps d'ex´ecution, quantit´e de m´emoires utilis´ees). 1 2 L'optimisation globale dans ce sens a ramen´e un nouveau souffle, de nouvelles orientations etsurtout de nouvelles m´ethodes et a permis en mˆeme temps de r´esoudre les probl`emes li´es `a l'opti-
misation cit´ee plus haut. Les travaux de l'´equipe de PHAM DINH Tao et LE THI Hoai An (Metz France) [ 101], celle de Floudas (USA) [ 51
], celle de Fr´ed´eric Messine et Jordan Ninin (Toulouse France) [ 78
86
quotesdbs_dbs29.pdfusesText_35
[PDF] Mecanique quantique Cours et exercices corriges - Numilog
[PDF] Correction de l 'examen de probabilités et statistiques - Julian Tugaut
[PDF] Examen final corrigé (janvier 2013)
[PDF] Série d 'exercices Finance Internationale - ResearchGate
[PDF] Cours de gestion financière (M1) Exercices corrigés Le cas
[PDF] Exercice n°1
[PDF] Réseaux de Petri
[PDF] Examen professionnel Informatique, système d 'information
[PDF] Graphes exercices et correction
[PDF] Correction examen théorie des jeux 2009-2010 - Ceremade
[PDF] Exercice n° HU 0601 - Corrigé
[PDF] 10
[PDF] 14
[PDF] Examen d analyse personnel technique (ANT) - carrieres gouv