WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Approche de résolution par régularisation des problèmes de programmation mathématique à  deux niveaux dans le cas de la non unicité de la solution du problème du suiveur

( Télécharger le fichier original )
par Francisque FOUODJI DEDZO
Université de Yaoundé I - Diplôme d'étude approfondie en mathématiques appliquées 2007
  

précédent sommaire suivant

Extinction Rebellion

3.3 Algorithme de résolution d'un PBN dans le cas de la non unicité

Nous allons présenter l'algorithme lorsque le problème du suiveur n'est pas soumis à la contrainte h(x, y) = 0. Le problème du suiveur régularisé est alors donné par

{ }

min f(x, y) + ákxk2 : g(x, y) = 0 (3.12)

x

On suppose que les assertions (C), (MFCQ) et (CRCQ) sont satisfaites. Ceci nous garanti que la fonction x.(.) qui à (á,y) associe la solution de (3.10) pour le paramètre á > 0 et y fixé est une PC-function; et par conséquent est Lipschitz-continue. Le problème consiste donc à minimiser la fonction Lipschitz-continue Fá(y).

3.3.1 La methde du paquet

L'algorithme que nous présentons dans cette section est un algorithme du paquet. Cet algorithme se construit à partir de la méthode du paquet, qui est une généralisation de la méthode de descente (connue en optimisation diérentiable) à des fonctions qui ne sont pas diérentiables, mais au moins Lipschitz-continue.

F(y)

Rappelons qu'une méthode de descente pour la recherche de y telle que F(y) = min

y

consiste à construire la suite (yn)n vérifiant :

1. initialisation : y0 donné;

2. nime itération : on suppose y1, y2, ..., yn connus;

a) chercher dn une direction de descente stricte en yn ; i.e chercher dn tel que ? p0 > 0 avec

F(yn + pdn) < F(yn) ?p ?]0, p0]

b) prendre yn+1 = yn + pdn (avec p bien choisi). On a le Lemme suivant :

Lemme 3.3.1. Soit y ? Rm.

Si F ? C1(Rm, R) et si ?F(y) =6 0; alors w = -?F(y) est une direction de descente stricte en

y.

Preuve :

Soit ? la fonction de R dans R définie par

?(p) = F(y + pw)

Puisque F est C1,

? ? C1(R,R) et ?'(p) = w.?F(y + pw)

.

Supposons que ?F(y) =6 0.

On veut montrer que ?p0 > 0 tel que si p ?]0, p0] alors F(y + pw) < F(y); ou encore que ?(p) < ?(0).

On a

?'(0) = w.?F(y) = - |?F(y)|2 < 0

Approche de résolution par régularisation des PBN dans le cas de la non unicité. 44

Mémoire de DEA * Laboratoire d'analyse numérique * UYI Francisque.D.Fouodji (c)UYI 2007-2008

d'où comme ?' est continue, il existe ä0 > 0 tel que si ñ E [0,ä0] alors ?'(ñ) < 0.

Soit ñ E]0, ä0]. Alors f

?(ñ) - ?(0) = J

cp'(t)dt < 0 (car Vt E]0, ñ], ?'(t) < 0)

o

donc on a

?(ñ) < ?(0) Vñ E]0, ä0]

Il suffit donc de prendre ñ0 = ä0 pour conclure.
·

Ce lemme nous montre que lors de la minimisation d'une fonction différentiable F, pour trouver une direction de descente stricte en un point y il suffit de considerer la direction

d = -VF(y). Le prototype de l'algorithme de descente pour la minimisation des fonctions différentiables est donc :

Entrée : y0 donné ;

Sortie : la suite (yn)n

On suppose y1, y2, ..., yn connus ;

a) calculer dn = -VF(yn)

b) prendre yn+1 = yn + ñdn (avec ñ bien choisi).

Supposons à présent que F est juste Lipschitz-continue ; alors le gradient de F n'existe pas en tous points y, mais on peut calculer en ces points un gradient généralisé (par exemple le gradient généralisé au sens de Clarke). On montre [30] que si v(y) est le gradient généralisé au sens de Clarke de F en y, alors d = -v(y) n'est pas forcément une direction de descente stricte de F en y.

Dans la méthode du paquet, on commence par calculer le gradient généralisé de F en y; si la direction opposée à celle de ce gradient (d = -v(y)) est une direction de descente stricte, on construit un nouveau point z = y + ñd qui améliore la fonction F.

Sinon on cherche une autre direction de descente. On montre [11] qu'en général, si {yi}ki=1 et {zi}ki=1 sont des points d'éssaie et des itérées déjà évalués, la direction d qui minimise le modèle

max1

ik {v(yi)d - áik} + F(zk) + (2t )dT d (3.13)

1< k

Avec áik = F(zk) - v(yi)(zk - yi) - F(yi) est une direction de descente stricte de F en zk. Nous avons déjà présenté le prototype de l'algorithme du paquet à la section 1.5.1 du chapitre un.

précédent sommaire suivant






Extinction Rebellion





Changeons ce systeme injuste, Soyez votre propre syndic





"Un démenti, si pauvre qu'il soit, rassure les sots et déroute les incrédules"   Talleyrand