COURS OPTIMISATION Cours en Master M1 SITN Ionel Sorin
COURS OPTIMISATION. Cours en Master M1 SITN. Ionel Sorin CIUPERCA 4.2.3 Applications de la théorie du point selle à l'optimisation . . . . . . 51.
Cours-Optimisation.pdf
Jean-Baptiste Hiriart-Urruty Optimisation et analyse convexe (exercices cor- rigés). Cependant
Résumé dOptimisation
Résumé d'Optimisation. MI5 Master Pro 1`ere année 6 Optimisation avec contraintes ... Ceci un résumé des principaux résultats du cours d'optimisation.
COURS DOPTIMISATION [.2pc] ISIMA – F4 3ème année – Master
Dualité. Algorithmes. COURS D'OPTIMISATION. ISIMA – F4 3ème année – Master Recherche Maths. Jonas Koko. ISIMA. J. Koko. Cours d'Optimisation Convexe
Optimisation cours
Optimisation (MML1E31). Notes de cours. Master 1 Mathématiques et Modélisation (MM). 2017-2018. Bruno GALERNE. Bureau 812-F bruno.galerne@parisdescartes.fr
M1 MApI3 - UE OPTIMISATION Support de cours
cours ”Fondamentaux de la recherche opérationnelle” du Master 2 MApI3. Algorithmique de l'optimisation. Un algorithme associé au probl`eme (PX) consiste `a
Optimisation et programmation dynamique
Ces notes sont un support pour le cours. Optimisation et programmation dynamique du Master 1 de mathématiques appliquées de l'Université Paris Dauphine.
Cours Optimisation
Cours Optimisation. Cours destiné aux étudiants de première année Master TP 4 : Résolution d'un problème d'optimisation linéaire sans contraintes.
D03-MI-2015-Optimisation et Contrôle
Etablissement : Université Sétif 1 Intitulé du master : Optimisation et Contrôle Cours TD
Exercices sur le cours “Optimisation et programmation dynamique” 1
Exercices sur le cours. “Optimisation et programmation dynamique”. 2020-2021. Master mention Mathématiques appliquées 1`ere année. Université Paris Dauphine.
[PDF] Cours-Optimisationpdf
L'optimisation consiste en la recherche du minimum (ou du maximum) d'une cer- taine quantité appelée coût ou objectif Dans ce cours on supposera que le
[PDF] Cours en Master M1 SITN
Pour décrire (et éventuellement résoudre) un problème d'optimisation nous utilisons la modélisation mathématique La démarche de modélisation comporte 3
[PDF] Manuel de Cours Optimisation - univ-ustodz
Ce manuscrit traite les notions de base de l'optimisation et s'adresse essen- tiellement au étudiants de Master 1 spécialité Automatique et Informatique
[PDF] Cours Optimisationpdf
Département de Génie Mécanique Cours Optimisation Cours destiné aux étudiants de première année Master Filière : Génie Mécanique Option : Construction
[PDF] Résumé du cours doptimisation
13 sept 2005 · Dans ce cours tous les résultats sont établis sur les problèmes de minimisation 1 1 Théorème de Weierstrass Théorème 1 1 Si K est un compact
[PDF] Cours doptimisation ENSAI Rennes
11 déc 2019 · dessins en cours 1 2 1 Contraintes d'égalité et d'inégalité Si K = ? il s'agit d'un probl`eme d'optimisation sans contrainte L'en-
[PDF] Introduction `a loptimisation
2 Page 3 Nous étudierons dans ce cours uniquement des probl`emes d'optimisation non linéaire 1 2 2 Optimisation non linéaire On distingue trois types de
[PDF] M1 MApI3 - UE OPTIMISATION Support de cours
cours ”Fondamentaux de la recherche opérationnelle” du Master 2 MApI3 Algorithmique de l'optimisation Un algorithme associé au probl`eme (PX) consiste `a
[PDF] Résumé dOptimisation
Résumé d'Optimisation MI5 Master Pro 1`ere année 6 Optimisation avec contraintes Ceci un résumé des principaux résultats du cours d'optimisation
[PDF] Cours doptimisation
- Représentation 3D (cf pdf ) - Courbes de niveau : La courbe de niveau ? d'une fonction f est défini par l'ensemble des points (
Quelles sont les méthodes d'optimisation ?
La fonction à optimiser s'écrit sous la forme z=ax+by+c, z = a x + b y + c , où x et y sont les variables et où z représente la quantité qu'on cherche à maximiser ou à minimiser.Comment calculer l'optimisation ?
Théorème 2.1 Un fonction f est convexe si et seulement si, pour tout (x, y) ? (dom(f))2 et ? ? 0 tels que y + ?(y ? x) ? dom(f), f satisfait : f(y + ?(y ? x)) ? f(y) + ?(f(y) ? f(x)).
![COURS DOPTIMISATION [.2pc] ISIMA – F4 3ème année – Master COURS DOPTIMISATION [.2pc] ISIMA – F4 3ème année – Master](https://pdfprof.com/Listes/17/48729-17tConvOpt.pdf.pdf.jpg)
Motivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesCOURS D"OPTIMISATION
ISIMA - F4 3ème année - Master Recherche MathsJonas Koko
ISIMAJ. KokoCours d"Optimisation Convexe
Motivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesPlan
1Ensembles convexes
2Fonctions convexes
3Dualité
4Algorithmes
J. KokoCours d"Optimisation Convexe
Motivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesMotivations
Régularisations de problèmes de type "moindres carrés"Applications :
Programmation quadratique
Restauration d"images
least absolute deviationskAxbk1`1Loss minimization minl(x) +kxk1LASSOkAxbk22+kxk1...
J. KokoCours d"Optimisation Convexe
Motivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesNormek k2
f(x) =kxk2J. KokoCours d"Optimisation Convexe
Motivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesNormek k1
f(x) =kxk1J. KokoCours d"Optimisation Convexe
Motivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesQuelques Rappels
Définition (Boule unité)
B=fx2Rnjkxk1gDéfinition
C un ensemble
Fermeture :cl(C) =\
>0(C+B)Intérieur :int(C) =fx2Cj 9" >0;x+BCgCest un cône si8x2C,x2C,80.J. KokoCours d"Optimisation Convexe
Motivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesRappels II
Définition (Hyperplan)
DansRn, un sous-espace de dimensionn1. Par exemple, x i=X j6=ia jxjDéfinition (Opérateur monotone)Aest monotone si
hA(u)A(v);uvi 0;8u;vSiAest linéaire
hA(u);ui 0;8u SiAest une matrice()Asémi-définie positive.J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesEnsemble convexe
Définition (Ensemble convexe)
Cest convexe six+ (1)y2C,8x;y2Cet82(0;1).Exemples :Les boulesB(x0;r) =fx:kxx0krgCônes
Sous-espaces vectoriels, sous-espaces affines
Propriétes :C
1,C2convexes, alorsC1\C2convexeC
1,C2convexes, alors1C1+1C2convexe,81;2Définition (Combinaison convexe)
m X i=1 ixi; i0;mX i=1 i=1:J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesEnsembles convexes II
Définition (Enveloppe convexe)
Sensemble convexe
conv(S) =( x2Rn;:x=mX i=1 iai; i0;mX i=1 i=1;ai2S) conv(S)est convexe.J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesProjection
Définition (Projection)
Censemble convexe deRn,u2Rn. Le vecteurpest meilleure approximation deusurCsi kupk2=minx2Ckuxk2Théorème Cconvex fermé non vide.u2Rnpossède un uniqueptel que kupk2=minx2Ckuxk2 hpu;pxi 0;8x2C:J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesProjection II
Théorème (monotonie)
Cprojection surCalors
h'C(u)'C(v);uvi 0;8u;v2C(monotone) k'C(u)'C(v)k kuvk;8u;v2C(non-expansive)J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesFonctions convexes
Définition
Domaine : Dom(f) =fxjf(x)<+1gfpropre si Dom(f)6=;etf(x)>1Epigraphe epi(f) =f(x;z)2Rn+1jf(x)zgDéfinition (Fonction convexe)
f:C!Rconvexe si82(0;1) f(x+ (1)y)f(x) + (1)f(y);8x;y2C: ffortement convexe si9 >0 f(x+(1)y)f(x)+(1)f(y)2(1)kxyk2;8x;y2C:J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesExemples de fonctions convexes
Remarque
Sifconvexe, la fonctiong=fest concaveFonctions affines (linéaires)f(x) = (1=2x>Qxb>x,Qsemi-définie positivef(x) =x2f(x) =exf(x) =log(x),x>0f(x) =px,x0f(x) =1=x,x>0f(x) =jxjJ. KokoCours d"Optimisation Convexe
Motivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesPropriétés
Théorème (caractérisation fondamentale)
fest convexe si, et seulement si, epi(f)est convexe.f1,f2convexes et Dom(f1)[Dom(f2)6=;f
1+f2convexeaf
1convexe,8a0supff1;f2gconvexef
1f2(x) :=infzf1(z) +f2(xz)(inf-convolution) est convexefconvexe etAaffine,(fA)(x) =f(Ax)convexef
i(i2I)affines,f(x) =supi2Ifi(x)convexe.J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesContinuité
Définition (Continuité)
Cconvexe ouvert deRn,f:C!R.fsemi-continue inférieurement (sci) en x2Csi8fxkg C,xk!x f(x)limxk!xinff(xk):Définition (Dérivée directionnelle) f:C!R, La dérivée directionnell defenx2Cdans la direction d2Rn(si elle existe) est f0(x;d) =limt!01t
(f(x+td)f(x))) fdifférentiable enxsif0(x;d)existe dans toutes les directions.J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesPropriétés
Théorème
Couvert convexe etfdiférentiable surC, alors les affirmations suivantes sont équivalentes fconvexe surC8x;y2C;hrf(x);yxi f(y)f(x)
8x;y2C;hrf(x) rf(y);yxi 0:Théorème
ffortement convexe surCconvexe ouvert deRn, alors8x;y2C;hrf(x) rf(y);yxi kxyk22:r2f(x)semi-définie positiveJ. KokoCours d"Optimisation Convexe
Motivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesFonction conjuguée
Définition (Fonction support)
Csous-ensemble deRn,
C(y) =sup
x2Chy;xiLa fonctionCest convexe sci.Définition (Fonction conjuguée)La conjuguée d"une fonctionfdeRndansRest
f (y) =sup x2Dom(f)hx;yi f(x)Inégalité de Fenchel f(x) hx;yi f(y);8y2Dom(f)et8x2Dom(f)J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesFonction conjuquée : exemple de calcul f(x) =jxj xy jxjjyj )yxjxj (jyj1)jj )f(y) =0 sijyj 1 +1sinonf(x) =C,Cconvexe f (y) =suphx;yi C(x) =sup x2Chx;yi=C(y)J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesSous-différentiabilité
Définition (Sous-gradient)
2Rnsous-gradient defenx0si
f(x)f(x0) +h ;xx0i;8x2Dom(f): @f(x0)ensemble des sous-gradient enx0(sous-différentiel).Conditions équivalentes y02@f(x0)
x02@f(y0)
f(x0) +f(y0) =hx0;y0ifdifférentiable enx0,@f(x0) =frf(x0)gJ. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesDualité de Fenchel
X,YR-espaces vectoriels normés complets de dualX,Y2L(X;Y),2L(Y;X)(adjoint)
F:X!Rconvexe,G:Y!Rconvexe
F ,GconjuguéesDéfinition (Problème primal) (P)infx2XF(x) +G(x)Définition (Problème dual) (P)sup y2YF(y)G(y)J. KokoCours d"Optimisation Convexe
Motivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesConditions d"optimalités
Theorem (Fenchel)
F,Gconvexes sci propres
9x02X,F(x0<+1,G(x0)<+1,Gcontinue enx0.
Alors(P)et(P)admettent au moins une solutionxety
=infx2XF(x) +G(x) =sup y2YF(y)G(y)Theorem
Sijj<+1alors
y2@F(x) y2@G(x) xsolution de(P),ysolution de(P)J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesDescente du gradient
Gradient Descent (GD)
1Fork=0;:::;K1
g k2@f(xk) x k+1=xktkgk2ReturnxKorxm= (x0+xK1)=KMarche aussi pour le cas avec contrainte,x2C: x k+1=ProjC(xktkgk)J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesDescente du Gradient 2
Hypothèse (HL) (Lipschitz)
9L>0;8x;g2@f(x)tel quekgkLThéorème
Si (HL) ettk=R=(LpK)alors
f 1K K1X k=0x k! f(x)RLpK Rem : Pour une précision",K=R2L2="2J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesDescente du Gradient 3
Hypothèse (L) (-Lipschitz)
8x;y;k rf(x) rf(y)kkxykThéorème
Si (L) ettk=1=alors
f(xK)f(x)2kx0xk2K+4Rem : Pour une précision",K=2="J. KokoCours d"Optimisation ConvexeMotivations
Ensembles convexes
Fonctions convexes
Dualité
AlgorithmesDescente du Gradient 4
Hypothèse (C)ffortement convexe
8x;y;gx2@f(x);f(y)f(x) +hg;yxi+2
kyxk2ThéorèmeSi (L), (C) ettk=1=((k+1))alors
f 1K K1X k=0x k!quotesdbs_dbs32.pdfusesText_38[PDF] exercices corrigés doptimisation pdf
[PDF] cours doptimisation pour économistes
[PDF] cours optimisation sans contrainte
[PDF] resume cours optique geometrique
[PDF] cours de physique optique cours et exercices corrigés pdf
[PDF] examen corrigé optique ondulatoire
[PDF] résumé cours optique ondulatoire
[PDF] physique optique cours complet
[PDF] controle optique 1ere s
[PDF] orientation scolaire et professionnelle définition
[PDF] oxydoréduction cours bac pro
[PDF] programme daeu b physique
[PDF] programme daeu a
[PDF] cours physique daeu b pdf