Abstract

Partie intÈgrante des mathÈmatiques appliquÈes, lí Optimisation se veut de rÈsoudre
des problËmes scientiÖques et industriels
Dë un point de vue mathÈmatique, lë optimisation consiste ‡ rechercher le minimum
ou le maximum dí une fonction avec ou sans contraintes.
Parmi les plus anciennes mÈthodes utilisÈes pour rÈsoudre les problËmes du type (P),
on peut citer la mÈthode du Gradient conjuguÈ. Cette mÈthode est surtout utilisÈe pour
les problËmes de grande taille.
Dans ce travailler on va essayer de prÈsenter une synthËse sur les di§Èrents
rÈsultats de convergence des mÈthodes du gradient conjuguÈ pour la minimisation des
fonctions sans contraintes. Ces mÈthodes seront utilisÈes avec une recherche linÈaire
inexacte (Wolfe forte ou faible). Lí analyse couvre quatre classes de mÈthodes qui sont
globalement convergentes pour des fonctions rÈguliËres non nÈcessairement convexes.
Dans la premiËre famille, ce sont certaines propriÈtÈs de la mÈthode de Fletcher-Reeves
qui jouent un rÙle crucial, tandis que la seconde famille partage avec la mÈthode de
Polak-RibiËre-Polyak une propriÈtÈ importante. La troisiËme concerne la mÈthode de
la descente conjuguÈe et la dans derniËre famille on va prÈsenter quelques propriÈtÈs de
la nouvelle mÈthode du gradient conjuguÈ non linÈaire dite de Dai-Yuan.

Information

Item Type:	Conference
Divisions:	» Faculty of Science and Technology
ePrint ID:	136
Date Deposited:	2014-11-22
Further Information:	Google Scholar
URI:	https://www.univ-soukahras.dz/en/publication/article/136

BibTex