Méthodes primales-duales pour la programmation non linéaire non convexe

La modélisation sous forme de systèmes non linéaires avec ou sans contrainte apparaît régulièrement dans les problèmes de mathématiques appliqués en optimisation. Dans ce mémoire, nous décrivons en premier lieu le principe de base de certaines méthodes de résolution de problèmes d'optimisation dans le cas non linéaire. La différence principale entre ces méthodes se situe au niveau de la technique de globalisation adoptée, à savoir la technique de région de confiance ou la technique de recherche linéaire. Les deux approches de globalisation utilisent des fonctions de mérite ou un filtre pour renforcer la convergence globale vers des points critiques. Nous établissons ensuite un cadre général qui permet de calculer la direction de recherche pour ces méthodes. Enfin, nous présentons un algorithme primal-dual de pénalité mixte qui utilise la technique de globalisation de recherche linéaire et une fonction de mérite primale-duale pour renforcer la convergence globale vers un point stationnaire de première ordre.

Name thesis:degree_name

M. Sc.

Level thesis:degree_level

Maîtrise

Discipline thesis:degree_discipline

Mathématiques

Grantor dc:publisher

Université de Sherbrooke

Year dc:date.issued

2003

Author dc:creator

• El Ouafdi, Ahmed Fouad

Advisors dc:contributor.advisor

• Benchakroun, Abdelhamid
• Dussault, Jean-Pierre

Language dc:language.iso

fr

Handle dc:identifier.uri

https://hdl.handle.net/11143/4589

OAI identifier oai:identifier

oai:usherbrooke.scholaris.ca:11143/4589