Introduction à Optimisation

• Acquérir les bases de l'optimisation : variables de décision, fonction objectif, minimisation de problèmes non linéaires, problèmes de moindres carrés, minimisation sous contrainte

• Connaître et pratiquer les techniques d’optimisation numérique : méthodes itératives de gradients ; cas des problèmes de moindres carrés ; autres méthodes numériques telles que le recuit simulé (« simulated annealing »); problèmes de réseaux/graphes

1. Minimisation libre et sous contrainte, multiplicateurs de Lagrange, convexité

2. Application 1 : Régression non linéaire, calage de modèles,

3. Application 2 : Méthode de Newton pour la recherche des points d'équilibre

4. Optimisation fonctionnelle

5. Application : surfaces minimales