Introduction à la théorie de l'optimisation
Département de mathématiques et de statistique
________________________________________________________________________
Professeur et ses coordonnées
Michel Delfour Bureau 5151, pavillon André-Aisenstadt
Téléphone 514-343-7265
courriel delfour@dms.umontreal.ca
toile http://www.dms.umontreal.ca/~delfour/
disponibilité mardi à partir de 14h30 et vendredi de 10h30
________________________________________________________________________
Heures et lieux du cours
mardi 13h30-14h30 local 1411 pavillon André-Aisenstadt
vendredi 8h30-10h30 local 1411 pavillon André-Aisenstadt
Relâche 22-28 octobre 2007
Dernier cours mardi 7 décembre 2007
Intra vendredi 19 octobre 2005 8h30-10h30
1411 pavillon André-Aisenstadt
Examen final vendredi 14 décembre 2007 8h30-11h30
1411 pavillon André-Aisenstadt
________________________________________________________________________
Adoption du barème: mardi 11 septembre 2007
Quiz 1 10% vendredi 28 septembre 2007 à remettre
Intra 30% vendredi 19 octobre 2007 2 heures
Quiz 2 10% vendredi 23 novembre 2007 à remettre
Final 50% vendredi 14 décembre 2007 3 heures
________________________________________________________________________
Notes de cours
M. Delfour, Introduction à la théorie de l'optimisation, 1 septembre 2007 (219+x pages)
- distribuées aux étudiant(e)s inscrit(e)s
________________________________________________________________________
Plan du cours
Il correspond à la table des matières des notes de cours.
Chapter 1. Minimisation d'une fonction numérique : existence et unicité
1. Introduction
1.1. Quelques définitions et notations
2. Rappel du théorème de Weierstrass
3. Semi-continuité
4. Existence d'un point minimisant
5. Ensemble des points minimisants
5.1. Propriétés : fermeture, compacité et convexité
5.2. Stricte convexité et unicité
6. Exercices sur le Chapitre 1
Chaptitre 2. Semi-dérivabilité, dérivabilité, continuité et convexité
1. Introduction
2. Fonction numérique d'une variable réelle
2.1. Continuité des fonctions dérivables
2.2. Théorème de la moyenne
2.3. Propriété de la dérivée d'une fonction dérivable partout
2.4. Théorème de Taylor
3. Fonction numérique de plusieurs variables réelles
3.1. Semi-dérivées directionnelles et dérivée de Gâteaux
3.1.1. Définitions et exemples
3.1.2. Dérivée au sens de Gâteaux
3.2. Les opérations sur les fonctions semi-dérivables
3.2.1. Les opérations algébriques, les enveloppes inférieure et supérieure
3.2.2. La composition de deux fonctions
3.3. Fonctions lipschitziennes
3.4. Dérivée de Fréchet
3.5. Semi-dérivée de Hadamard, dérivée de Fréchet et continuité
3.6. Théorème de la moyenne pour les fonctions de plusieurs variables
3.7. Dérivées partielles continues et fonctions de classe C(1)
3.8. Fonctions de classe C(p) et matrice hessienne
4. Fonctions convexes
4.1. Fonctions convexes dérivables
4.2. Semi-dérivabilité et continuité d'une fonction convexe
4.2.1. Convexité et semi-dérivabilité
4.2.2. Convexité et continuité
4.2.3. Sous-différentiel d'une fonction convexe
5. Exercices sur le Chapitre 2
Chapitre 3. Optimisation différentiable sans contraintes
1. Introduction
2. Quelques résultats d'optimisation sans contraintes
3. Méthodes numériques de minimisation faisant appel au gradient
3.1. Gradient
3.2. Méthode de “Steepest descent”
3.3. Méthode du gradient à pas ajustés ou optimaux (optimum gradients)
3.4. Critères d'arrêt
3.5. Directions conjuguées
3.6. Méthode du gradient conjugué
4. Méthodes numériques de minimisation faisant appel aux dérivées secondes
4.1. Difficultés numériques des méthodes de gradient
4.2. Méthode du type Newton
4.3. Adaptation de la méthode de Newton
4.4. Méthode de Fletcher et Powell
5. Méthodes numériques de minimisation sans dérivées
5.1. Minimisation par rapport à une seule variable
5.2. Interpolation cubique
5.3. Interpolation quadratique
5.4. Méthode de Fibonacci
5.4.1. L'unimodalité
5.4.2. La méthode
5.4.3. L'optimalité minimax
Chapitre 4. Conditions d'optimalité
1. Introduction
2. Sous-espaces linéaire et affine et cônes
2.1. Sous-espaces linéaire et affine
2.2. Cônes
3. Conditions d'optimalité pour un convexe U
3.1. Fonction objectif convexe Gâteaux dérivable
3.2. Fonction objectif semi-dérivable
4. Condition nécessaire d'optimalité pour U arbitraire
4.1. Ensemble des directions admissibles
4.2. Condition nécessaire d'optimalité
4.3. Propriétés de CU(x) et du cône tangent TU(x)
5. Orthogonalité, transposition et cônes duaux
5.1. Orthogonalité et transposition
5.2. Cônes duaux
6. Condition nécessaire duale d'optimalité
7. Exercices sur le Chapitre 4
Chapitre 5. Optimisation différentiable avec contraintes
1. Problèmes avec contraintes
2. Cône des directions admissibles avec contraintes du type égalité
3. Matrice jacobienne, théorème de la fonction implicite et ses implications
3.1. Dérivabilité et matrice jacobienne
3.2. Théorème de la fonction inverse et théorème de la fonction implicite
4. Théorème des multiplicateurs de Lagrange
5. Théorème de Kuhn-Tucker
6. Généralisation aux contraintes d'égalité et d'inégalité simultanées
7. Exercices sur le Chapitre 5
Ouvrages de référence