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

1.5.2 L'algorithme du paquet

On considère le problème (1.8) en y = y0 et on suppose que les assertions (MFCQ), (SSOC) et (CRCQ) sont satisfaites en x0 E SP(y0) . Alors (1.12) est un problème de minimisation d'une fonction Lipschtz-continue.

Nous présentons l'algorithme dans le cas où la contrainte G(y) < 0 est absente.

Soit v(y) le gradient généralisé au sens de Clarke de F ; la méthode du paquet s'inspire de la méthode dite de découpage de plan (cutting plane method) pour la minimisation de fonctions convexes.

Soit {yi}ki=1 ; {zi}ki=1 des points d'essaie et des itérées déjà évalués. La méthode de découpage du plan consiste à minimiser la fonction :

mia k nv(yi)d + v(yi)(zk - yi) + F(yi)o (1.13)

La direction d qui minimise ce modèle est une direction de descente si y n'est pas un point stationnaire. Mais il s'avère que l'utilisation du modèle (1.13) pour trouver une direction de descente à une vitesse de convergence très lente; c'est pourquoi à (1.13) on ajoute le terme de

régularisation quadratique (2tkjdT d pour obtenir le modèle

e1<rm

1

nv(yi)d - áik > + F(zk) + (2t )dTd (1.14)

-- = J k

Avec áik = F(zk) - v(yi)(zk - yi) - F(yi)

La solution optimale d de (1.14) est une direction de descente pour F(y) en y = zk sous réserve que le modèle donne une approximation suffisamment bonne de F(y) dans un voisinage du point non stationnaire zk. Une nouvelle itérée est zk+1 = zk + d est calculée de manière à faire décroître de façon considérable la fonction modèle ; i.e F(zk + d) < F(zk).

Genéralités sur la programmation mathématique à deux niveaux 16

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

Si dans le voisinage de zk la direction de descente n'est pas assez bonne, alors aucune nouvelle itérée n'est calculée mais les nouveaux points d'essaie yk+1 et zk seront utilisés pour rechercher une nouvelle direction de descente dans (1.14) après ajout d'un gradient généralisé ?..F(yk+1).

Algorithme du paquet

Entrée : Suite d'itérée {zi}k i=1 et des points d'essaie {yi}k i=1, le paramètre de régularisation tk

Sortie : Une meilleure itérée zk+1 ou un modèle amélioré.

1. Calculer une solution optimale dk de (1.14); initialiser : yk+1 := zk + dk

2. Si ..F(yk+1) est suffisamment petit comparé à ..F(zk) alors :

a) Agrandir tk et retourner à 1 ou

b) Poser zk = yk+1 . Si ..F(yk+1) n'est pas suffisamment petit comparé à ..F(zk) alors

c) réduire tk et retourner à 1 ou

d) poser zk+1 = zk calculer v(yk+1) E ?..F(yk+1)

Il existent plusieurs critères pour le choix de tk à l'étape 2; ils peuvent être trouvés dans [11].

Pour terminer ce chapitre , nous allons présenter quelques unes des nombreuses applications de la PBN.

précédent sommaire suivant






Extinction Rebellion





Changeons ce systeme injuste, Soyez votre propre syndic





"I don't believe we shall ever have a good money again before we take the thing out of the hand of governments. We can't take it violently, out of the hands of governments, all we can do is by some sly roundabout way introduce something that they can't stop ..."   Friedrich Hayek (1899-1992) en 1984