Les méthodes numériques d'optimisation sans contraintes
Loading...
Date
2024
Authors
Rezaiguia, Douaa
Bourki, Amel
Bentimama, Wiam
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
ce mémoire a abordé les principales méthodes numériques utilisées
pour résoudre des problèmes d’optimisation sans contraintes. Nous avons
présenté les concepts fondamentaux, les conditions d’optimalité ainsi que les
algorithmes les plus courants tels que les méthodes de descente, de la plus forte
pente, de Newton et la méthode quasi-Newtonienne.
Il convient de noter que les théories liées à l’optimisation sans contraintes
constituent une pierre angulaire pour des domaines plus avancés et complexes tels
que l’optimisation sans contraintes, l’optimisation non linéaire et l’optimisation
multi-objectifs. Par conséquent, une compréhension approfondie des fondements
théoriques de ce domaine est essentielle pour tout chercheur aspirant à s’engager
dans ces domaines spécialisés.
Les méthodes d’optimisation sans contraintes constituent un outil puissant avec
de nombreuses applications dans divers domaines tels que l’ingénierie,
l’économie, la finance ou encore le machine learning. Avec l’avènement du Big
Data et de l’intelligence artificielle, leur rôle est amené à prendre encore plus
d’importance dans la résolution de problèmes complexes de grande dimension.