Introduction aux Méthodes dOptimisation sans Gradient pour l
Les algorithmes génétiques diffèrent des autres méthodes d'optimisation car ils utilisent un codage des variables de contrôle plutôt que les variables de
Introduction à loptimisation aspects théoriques et numériques
Méthodes de type gradient. 2. Algorithmes pour l'optimisation SANS contrainte. Les méthodes de Newton en dimension supérieure. 3. Introduction `a
Introduction à lOptimisation Numérique
2.3.1 Algorithmes de gradient à pas fixe/pas optimal . solution de problèmes d'optimisation sans contrainte (cf chapitre 2) puis avec contraintes (cf.
Introduction à loptimisation Aspects théoriques et numériques
III.3 Méthodes de gradient . III.4 Les méthodes de Newton et quasi-Newton . ... Si K = V on dit que (I.1) est un problème d'optimisation sans ...
Méthodes Numériques : Optimisation
La première et principale partie du cours concerne les problèmes d'optimisation sans contraintes. Nous abordons les algorithmes de type descente de gradient
Introduction à loptimisation Aspects théoriques et numériques
III.3 Méthodes de gradient . III.4 Les méthodes de Newton et quasi-Newton . ... Si K = V on dit que (I.1) est un problème d'optimisation sans ...
Introduction à lOptimisation Numérique
Ces informations sont fournies en “boite noire” i.e. par un sous-programme indépendant de l'algorithme d'optimisation choisi : routine de calcul du gradient
Comparaison de différentes méthodes doptimisation sans
Dans ce TP d'introduction `a l'optimisation pour l'image nous allons introduire un gradient comment chercher le minimum d'une fonction par descente de ...
Méthodes numériques : optimisation
Apr 19 2015 chapitre portera sur les méthodes de gradient conjugué
Notes de cours - Préparation à lagrégation - Introduction à l
3 Conditions d'optimalité - optimisation sans contrainte L'interpolation de Lagrange et les algorithmes de gradients seront étudiés ultérieurement au.
[PDF] Introduction aux Méthodes dOptimisation sans Gradient pour l - Inria
Introduction aux Méthodes d'Optimisation sans Gradient pour l'Optimisation et le Contrôle en Mécanique des Fluides R Duvigneau
[PDF] Méthodes doptimisation sans gradient pour des probl`emes
18 avr 2013 · Méthodes d'optimisation sans gradient pour des probl`emes inverses en ingénierie pétroli`ere Laurent DUMAS avec F Delbos D Ding (IFPEN)
[PDF] Introduction à lOptimisation Numérique
Dans les chapitres suivants nous entrons dans le vif du sujet en nous intéressant à la ré- solution de problèmes d'optimisation sans contrainte (cf chapitre 2)
[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] Méthodes Numériques : Optimisation - ceremade
La première et principale partie du cours concerne les problèmes d'optimisation sans contraintes Nous abordons les algorithmes de type descente de gradient
[PDF] Méthodes numériques : optimisation - ceremade
19 avr 2015 · chapitre portera sur les méthodes de gradient conjugué et s'il reste un pour résoudre des problèmes d'optimisation avec contraintes
[PDF] optimisationpdf
Plan du cours • Introduction • Analyse de la fonction objectif • Conditions d'optimalité sans contrainte • Résolution d'équations • Optimisation sans
[PDF] aspects théoriques numériques et algorithmes
1 3 6 Le gradient d'un champ scalaire 4 Quelques algorithmes pour l'optimisation sans contraintes 4 6 Les méthodes de Newton et quasi-Newton
[PDF] Introduction à loptimisation Aspects théoriques et numériques
Même pour le gradient à pas optimal qui est en principe la meilleure de ces méthodes d'un point de vue de la rapidité de convergence celle-ci peut être lente
[PDF] Résumé dOptimisation
Et donc le gradient de f en uk+1 lui est orthogonal 5 2 Méthode de Newton Si f est une fonction réguli`ere dont on sait calculer le gradient et la matrice
Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conanceMethodes d'optimisation sans gradient pour des problemes inverses en ingenierie petroliereLaurent DUMAS
avec F. Delbos, D. Ding (IFPEN), E. Echague, B. Marteau (doctorants IFPEN)Laboratoire de Mathematiques de Versailles (LMV)
Universite de Versailles Saint Quentin en Yvelines (UVSQ)18 avril 2013
Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 1/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePlan de l'expose1Problemes inverses en ingenierie petroliere
2Une nouvelle methode de type surface de reponse
Principe des sparse grids
Methode d'optimisation associee
Resultats numeriques
3Une nouvelle methode de type region de conance
Principe general
Adaptation au cas des fonctions partiellement separablesUn resultat de convergence
Resultats numeriques
Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 2/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conance1Problemes inverses en ingenierie petroliere2Une nouvelle methode de type surface de reponse
3Une nouvelle methode de type region de conance
Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 3/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conanceLe calage d'historique Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 4/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conanceCaracteristiques du probleme inverse L'evaluation de la fonction objectif (x1;;:::;xn)7!f(x1;:::;xn) a optimiser necessite la simulation d'ecoulements complexesdans un modele de reservoir, processus tres couteux.Les caracteristiques principales du probleme a resoudre sont :
Dependance en de nombreux parametres
Evaluation co^uteuse de la fonction objectif
Fonction objectif partiellement separable
Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 5/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conanceSeparabilite partielle de la fonction objectif La fonction objectif peut s'ecrire sous la forme : f(x1;:::;xn) =12 P n1i=1! PiN P(i)P NP(i) j=1Pobsi;j(x)Psimi;j(x)
Pi;j 2 Pp i=1fi(x1;:::;xn) Pp i=1fi(x1i;:::;xni) avec8i,ninLaurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 6/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conanceObjectifs Le probleme general a resoudre peut se formuler de la maniere suivante :obtenir le meilleur calage d'historique a partir d'un nombre maximal xe de simulations d'ecoulement.Plusieurs questions se posent alors :Parametrisation :determiner les parametres les plus pertinents.Initialisation du probleme :proposer la meilleure initialisation
possible.Optimisation :exploiter au mieux les connaissances sur la fonction.Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 7/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conanceComparaisons des methodes d'optimisation De nombreux tests ont ete realises dans la litterature et a l'IFPEN pour le domaine petrolier.Il en ressort que les methodes sans derivees sont en general aprivilegier en l'absence d'estimation simple du gradient.Quatre grandes familles de methodes d'optimisation sans
gradient sont disponibles :Methodes directes de type simplexe (Nelder Mead) Methodes de type evolutionnaires (recuit simule, algorithmes genetiques, CMA-ES)Methodes de type surfaces de reponse (RBF, krigeage)Methodes de type region de conance (SQP, NEWUOA)
Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 8/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriques1Problemes inverses en ingenierie petroliere2Une nouvelle methode de type surface de reponse
Principe des sparse grids
Methode d'optimisation associee
Resultats numeriques
3Une nouvelle methode de type region de conance
Principe general
Adaptation au cas des fonctions partiellement separablesUn resultat de convergence
Resultats numeriques
Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 9/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesPrincipe des methodes de type surface de reponse Une methode de type surface de reponse consiste a construire de maniere iterative un modele approche de la fonction objectif.Les surfaces de reponse classiques consistent en des combinaisons lineaires de fonctions de base (methode RBF, krigeage).On choisit d'utiliser ici une methode d'interpolation, appelee sparse grid, appliquee initialement pour le calcul d'integrale en grande dimension ou l'etude de sensibilite. Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 10/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesConstruction hierarchique en dimension 1On cherche ici a interpoler la fonction
f: [0;1]!R: Pouri2N, on noteXil'ensemble des points de Chebychev sur [0;1] de niveaui. Plus precisement,xij2Xiest tel que : x ij=( 12 pourj= 1 eti= 1 12 (cos(j1ni1) + 1) pourj= 1;:::;2i1+ 1 eti>1:Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 11/41
Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesConstruction hierarchique en dimension 1 Soitaijla famille des polyn^omes de Lagrange associes a chaque x ij2Xi: a ij(x) =8 :1 pourj= 1 eti= 1Qnik=1;k6=jxxikx ijxikpourj= 1;:::;nietni>1:: Le modele d'interpolation de niveauidef, notemi(f), s'ecrit : m i(f) =X x ij2Xif(xij)aij:(1)Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 12/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesConstruction hierarchique en dimension 1 Soit il'ecart entre les modeles de niveauieti1 : i=mi(f)mi1(f) =P x ij2Xi(f(xij)mi1(f)(xij)) .aij:En notantXi=XinXi1, on a
i=X x ij2Xi(f(xij)mi1(f)(xij))|{z} w ij.aij;(2) On obtient alors la construction hierarchique demi(f) : m i(f) =mi1(f) + i =Pi k=1k:Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 13/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesConstruction hierarchique en dimension n Dans le cas general ou on cherche a interpoler la fonction f: [0;1]n!R, on obtient par tensorisation : m (i1;i2;:::in)(f) =X x i1j12Xi1:::X x injn2Xinf(xi1j1;:::;xinj
n)(ai1j 1 ainj n): De m^eme, l'expression hierarchique en dimensionnsur une grille pleine s'ecrit : m (i1;i2;:::in)(f) =i 1X k1=1:::i
lX k l=1:::i nX k n=1( k1 kl kn)|{z} k; Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 14/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesApproximation par sparse grids L'interpolation par sparse grids, proposee par Smolyak , consiste a negliger les fonctions de base aux supports les plus "petits" : SGN(f) =X
jkj1d+N1( k1 kd):soit par exemple en dimension 2 et pour le niveauN= 4 :Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 15/41
Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesApproximation par sparse grids La methode d'interpolation par sparse grids permet de reduire considerablement le nombre de points d'interpolation utilises touten gardant une tres bonne approximation de la fonctionf:NiveauNPoints d'interpolation erreur en normeL2Grille pleineO(Nn)O(N2)
Sparse GridO(N(logN)n1)O(N2(logN)n1)Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 16/41
Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesRanement local
Un procede de ranement local, toujours par interpolation de type sparse grid, permet d'ameliorer le modele localement en des points d'inter^et : Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 17/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesPrincipe de la methode d'optimisation La methode d'optimisation associee a la surface de reponse de type sparse grid consiste a construire de maniere hierarchique le modele d'interpolation.Un ranement local autour des points d'inter^et au niveauhierarchiqueN(minimum du modele) est auparavant realise.Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 18/41
Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesResultats numeriques sur des fonctions classiques La methode precedente, nommee GOSGrid, a ete testee sur des benchmarks de fonctions classiques comme les fonctions deMichalewicz et de Schwefel :
Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 19/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesResultats sur la fonction de Michalewicz, n=5 La gure ci-dessous presente une comparaison de la methode GOSGrid avec une methode de krigeage (EGO) et un algorithme evolutionnaire (CMA-ES) : Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 20/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesResultats sur la fonction de Schwefel, n=10 La gure ci-dessous presente une comparaison de la methode GOSGrid avec une methode de krigeage (EGO) et un algorithme evolutionnaire (CMA-ES) : Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 21/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesResultat numerique sur un cas test reservoir La methode GOSGrid a egalement ete appliquee sur un cas test de reservoir synthetique, avec des donnees de production bruitees (7 parametres geologiques a determiner et 6 puits de mesure) : Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 22/41Problemes inverses en ingenierie petroliere
Une nouvelle methode de type surface de reponse
Une nouvelle methode de type region de conancePrincipe des sparse gridsMethode d'optimisation associee
Resultats numeriquesResultat numerique sur un cas test reservoir Les resultats obtenus sont meilleurs que ceux issus du calcul avec une methode evolutionnaire lorsque la structure particuliere de la fonction (somme de carres) est utilisee : Laurent DumasSeminaire Analyse Numerique Orsay, 18 avril 2013 23/41quotesdbs_dbs4.pdfusesText_8[PDF] Introduction aux microcontrôleurs et à leur assembleur Illustration - Gestion De Projet
[PDF] Introduction aux mondes de l`Islam
[PDF] Introduction aux Neurosciences Cognitives Licence 1ère année de - Avantages Et Compensation
[PDF] Introduction aux nombres complexes - Commercial Et Industriel
[PDF] Introduction aux Objets et à Java - Espèces En Voie De Disparition
[PDF] Introduction aux objets répartis Java RMI - membres - Espèces En Voie De Disparition
[PDF] Introduction aux outils CAO en architecture - Moodle
[PDF] Introduction aux PDA - De L'Automobile Et Des Véhicules
[PDF] Introduction aux pompes à chaleur géothermique
[PDF] Introduction aux principales théories des organisations
[PDF] Introduction aux problèmes philosophiques du langage - Parcs Nationaux
[PDF] Introduction aux réseaux de neurones artificiels
[PDF] INTRODUCTION AUX REVÊTEMENTS DE NYLON Prétraitement du
[PDF] Introduction aux Sciences de la Terre et de l`Univers - Assurance-Vie