Optimisation Locale Globale
Optimisation Locale Globale
Optimisation Locale Globale
1
Ecole des Mines de Saint-Etienne
2
Université de Technologie de Compiègne
3
CNRS
2010
5
Sommaire
2 II
III Les méthodes de gradient 82
III.1 Les méthodes de descente . . . . . . . . . . . . . . . . . . . . . . . 83
III.2 Les méthodes de gradient . . . . . . . . . . . . . . . . . . . . . . . . 86
Exemples du chapitre III . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
JJ 3 II
VIII Méthodes primales 196
VIII.1 Contraintes d’égalité linéaires . . . . . . . . . . . . . . . . . . . . . . 197
VIII.2 Contraintes d’inégalité linéaires . . . . . . . . . . . . . . . . . . . . . 204
VIII.3 Méthodes de pénalisation . . . . . . . . . . . . . . . . . . . . . . . . 208
VIII.4 Méthodes par résolution des équations de Kuhn et Tucker . . . . . . 216
Exemples du chapitre VIII . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 4
suivant I
Chapitre I
Préambule et généralités sur l’optimisation
I.1 Préambule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
I.2 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Exemples du chapitre I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
I.3 Formulations des problèmes d’optimisation . . . . . . . . . . . . . . . 26
Sommaire
I.4 Généralités sur les optimiseurs . . . . . . . . . . . . . . . . . . . . . . 33
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
5
chapitre N section suivante I
I.1 Préambule
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
6
section N suivant I
Ce cours est réalisé en format pdf avec des renvois par hyperliens. Pour ne pas accroitre inuti-
lement le nombre de liens, la navigation par historique (e.g., revenir à la page lue précédemment)
est laissée à la charge de votre lecteur de fichiers pdf. Il est donc conseillé de repérer cette fonction
maintenant.
TODO Gregory : explication sur la lecture des scripts Scilab et des vidéos sur les différents
systèmes d’exploitation.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
7
J précédent section N suivant I
I.1.2 Remerciements
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
8
J précédent section N suivant I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
9
J précédent section N
Voici quelques sous-parties du cours pouvant, parmi d’autres, constituer des cours d’optimisation
donnés à partir de ce support.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
10
J section précédente chapitre N section suivante I
I.2 Motivations
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
11
section N suivant I
Cours :
Formulation générale
Optimisation = activité de minimiser, maximiser des fonctions en vérifiant des relations annexes.
On peut distinguer trois grands usages.
1. La modélisation. Par exemple, la minimisation de l’énergie potentielle totale sert à trouver la
position d’un système en mécanique. Cf. Exemple de la position d’une corde.
2. La conception et le contrôle optimal : maximisation la performance d’un système sous des
contraintes de résistance, qualité, fabrication, coût . . .. Cf. Exemple du positionnement optimal
des antennes dans la Loire.
3. L’identification : réglage des paramètres d’un modèle par minimisation de la distance entre ses
réponses et des mesures expérimentales que le modèle est supposé reproduire. Cf. Exemple
d’identification par moindres carrés.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
12
J précédent section N suivant I
1.0
Ο
Ο
Ο
0.6 Ο Ο ΟΟ
Ο
Ο
ΟΟ
Ο Ο
0.2 Ο ΟΟ Ο Ο
Ο Ο ΟΟ ΟΟΟΟ ΟΟ Ο Ο ΟΟΟ Ο Ο ΟΟ
Ο Ο Ο Ο Ο ΟΟΟ Ο ΟΟΟ
Ο Ο Ο ΟΟΟ Ο
Ο
ΟΟ Ο ΟΟ Ο ΟΟ ΟΟ
Ο Ο Ο Ο
ΟΟ Ο Ο ΟΟ ΟΟ Ο
ΟΟΟΟΟ Ο Ο
Ο Ο Ο
Ο
-0.2 Ο
Ο ΟΟΟ
Ο
Ο
ΟΟ
-0.6
-1.0
0 20 40 60 80 100
Sommaire
Concepts
On considère un problème d’identification des paramètres a, b, c et c d’un signal du type Notions
Bibliographie
y(t) = a exp (−bt) cos (ct + d),
Exemples
à partir d’échantillons [ti , yi ]i=1...m du signal y(t) (ces échantillons sont représentés par les ronds sur Exercices
la figure ci-dessus). Documents
13 II
J précédent section N suivant I
Le choix d’élever au carré la distance entre yi et y(ti ) est bien sûr arbitraire : on aurait pu prendre
la valeur absolue, mais le carré permet d’obtenir une fonction f différentiable (ceci sera bien sûr
clarifié dans la suite). Si nous n’ajoutons pas de conditions sur les paramètres a, b, c, d le problème
posé est donc du type (P ), avec x = [a, b, c, d]> ∈ R4 . Ce problème est communément appelé un
problème de moindres carrés (non linéaire).
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 14
J précédent section N suivant I
u(x)
v(x)
On considère une corde horizontale de longueur 1 tendue à ses deux extrémités, avec une tension τ .
La déviation éventuelle de la corde par rapport à sa position d’équilibre est désignée par u(x), pour
x ∈ [0, 1].
[ Attention aux notations : nous utilisons dans cet exemple la notation usuelle de la mécanique où u
est un déplacement et x une coordonnée spatiale. En optimisation par contre, x désigne les variables
d’optimisation ].
Les extrémités étant fixées, on aura toujours u(0) = u(1) = 0. On négligera le poids propre de la
corde par rapport à la tension τ , cela permet d’affirmer qu’en l’absence d’action extérieure, la corde Sommaire
Concepts
est au repos et on a donc u(x) = 0, ∀x ∈ [0, 1]. Notions
Supposons maintenant que la corde est écartée de sa position d’origine. Alors on peut montrer Bibliographie
que l’énergie potentielle associée à cette déformation (supposée petite) est
Z 1 2 Exemples
1 du Exercices
E(u) = τ dx. (I.2.1)
2 0 dx Documents
15 II
J précédent section N suivant I
En l’absence d’obstacle, la position de repos u(x) = 0 minimise cette énergie. Il peut alors être Un exemple de
intéressant d’étudier un problème où un obstacle empèche la corde de prendre la position triviale modélisation
u(x) = 0. Intuitivement, on voit bien que la corde va toucher l’obstacle en certains points, mais pas en mécanique
forcément en tous les points de l’intervalle [0, 1] (cela va dépendre de la forme de l’obstacle)
Supposons par exemple que cet obstacle peut être représenté par une fonction v(x) ≥ 0. Alors la
présence de l’obstacle se traduit par la condition
Si on veut connaître la déformation u(x) de la corde lorsque l’obstacle est présent, on peut donc
penser qu’il est raisonnable de considérer le problème
2
1 1
Z
du
min τ dx,
u 2 0 dx (I.2.3)
u(0) = u(1) = 0,
u(x) ≥ v(x), x ∈]0, 1[.
Il s’agit, techniquement parlant, d’un problème de calcul des variations, et donc l’inconnue est
une fonction (la fonction u(x)). Il parait donc pour l’instant impossible de le mettre sous forme
standard. Cependant, on peut essayer de résoudre un problème approché, en utilisant la méthode des
éléments finis : Sommaire
Concepts
Approximation avec la méthode des éléments finis Notions
Bibliographie
Puisque l’on est en dimension 1 d’espace, la méthode est très simple à mettre en oeuvre. D’une
part, on discrétise l’intervalle [0, 1] : on considère les abscisses
Exemples
k Exercices
xk = , k = 0 . . . N. Documents
N
JJ 16 II
J précédent section N suivant I
On considère le vecteur U = [U1 , . . . , UN −1 ]> , ainsi que la fonction uN (x) définie par : Un exemple de
uN (xk ) = Uk , uN (0) = uN (1) = 0, de plus uN est continue et affine par morceaux. modélisation
On peut alors montrer que en mécanique
1
E(uN ) = U > AU,
2
où A est la matrice (définie positive)
2 −1 0
−1 2 −1
A = τN2
.. .. .. .
. . .
−1 2 −1
0 −1 2
On peut donc proposer la version approchée du problème (I.2.3) :
( 1
min U > AU,
U 2 (I.2.4)
v(xk ) − Uk ≤ 0 , k = 1 . . . N − 1.
Il s’agit donc d’un problème se mettant assurément sous la forme (P CI). De plus la fonction
f (U ) = 21 U > AU est assez particulière : il s’agit d’une forme quadratique (nous y reviendrons plus Sommaire
tard). La fonction g permettant d’exprimer les contraintes d’inégalité, définie par Concepts
Notions
v(x1 ) − U1 Bibliographie
g(U ) = ..
,
.
v(xN −1 ) − UN −1 ) Exemples
Exercices
est de plus linéaire. Nous aborderons des méthodes tenant compte de ces particularités. Documents
JJ 17
J précédent section N
Cours : Exemples :
A quoi sert l’optimisation ? Exemple I.1
Une station de radio veut positionner son antenne émétrice de façon à couvrir une surface maxi-
mum dans un département donné. On suppose que le département est plan, et que la surface couverte
par l’antenne est un disque de rayon donné ( voir figure). Le problème revient à chercher la posi-
tion d’un point P, centre d’un disque de rayon R, tel que la surface de l’intersection du disque et du
département soit maximale.
On pourra généraliser le problème avec plusieurs antennes sur le département.
On demande d’écrire un programme en Scilab qui sera capable de :
– calculer automatiquement la position optimale de l’antenne
– visualiser le résultat, ou mieux, l’évolution des itérations y conduisant
Le rayon étant donné, l’aire S est déterminée par la position du centre P du cercle dans le plan.
C’est un problème à deux dimension. Si on note (x,y) les coordonnées de P dans un repère, le pro-
Sommaire
bème revient à : Concepts
min −S(x, y) Notions
x,y
Bibliographie
Ici, S n’est pas une fonction analytique. S(x,y) devra être calculé numériquement à partir de la donnée
du contour du département et de la position du point P (cf. notes sur le calcul de la surface d’un
Exemples
polygone). Il en sera de même pour les gradients de S , et autres dérivées éventuellement nécéssaires Exercices
selon la méthode d’optimisation utilisée. Documents
18 II
J précédent section N
Le positionne-
ment
d’antennes :
un exemple de
conception
optimale
Exemples
Exercices
Documents
JJ 19 II
J précédent section N
Le positionne-
ment
d’antennes :
un exemple de
conception
optimale
Sommaire
Concepts
Notions
Bibliographie
JJ 20 II
J précédent section N
Le positionne-
ment
d’antennes :
un exemple de
conception
optimale
Sommaire
Concepts
Notions
F IG . I.2.3 – Avec deux antennes. Contrainte : pas d’intersection des disques. Bibliographie
Exemples
Exercices
Documents
JJ 21
J section précédente chapitre N section suivante I
Exemples du chapitre I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
22
section N
23 II
section N
Exemple I.1
Calcul de la
surface d’un
polygone
1 X
A(D) = (xi − x)(yi − y)
2
i=1,n
Sommaire
Concepts
Notions
Bibliographie
Exemples
Le lecteur se convaincra que les aires "négatives" contrebalancent exactement le "trop" d’aires Exercices
Documents
JJ 24 II
section N
positives provenant de la non convexité du polygone (si le point P est intérieur et le polygone convexe, Exemple I.1
toute les aires algébriques sont positives). Calcul de la
Le département D sera considéré comme un polygone donné par les coordonnées de points consé- surface d’un
cutifs sur sa frontière, numérotés en tournant dans le sens trigonométrique : Mi et fermé. polygone
Sommaire
Concepts
Notions
Bibliographie
F IG . I.2.5 – Calcul de surface
Exemples
Retour au grain Exercices
Documents
JJ 25
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
26
section N suivant I
minn f (x), (I.3.1)
x∈R
sous les contraintes
(P C)
g(x) ≤ 0, (I.3.2)
h(x) = 0, (I.3.3)
27 II
section N suivant I
Il va de soi que la plupart des problèmes réels ou industriels ne sont pas initialement sous une des Formulation
formes proposées. C’est pourquoi un des premiers travaux consiste en général à mettre le problème générale des
initial sous une forme standard. Par exemple, un problème donné sous la forme problèmes
d’optimisation
maxn g(x),
x∈R non linéaire
se mettra sous la forme standard (P) en posant f (x) = −g(x). La mise sous forme standard nécessite
en général un peu plus de travail, comme nous pouvons le voir dans les exemples moindres carrés,
positionnement d’antennes, ou équilibre d’une corde.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 28
J précédent section N suivant I
Cours :
Formulation générale
Les problèmes d’optimisation peuvent parfois être résolus analytiquement mais, le plus souvent,
on approche leur(s) solution(s) avec des méthodes numériques itératives programmées dans des
logiciels que nous appelerons optimiseurs.
Après t calculs des critères d’optimisation, l’optimiseur calcule le prochain itéré des variables
d’optimisation,
f (x1 ) f (xt )
Les critères d’optimisation f , g et h sont le plus souvent calculés à partir des sorties d’un logiciel,
le simulateur. Par exemple, le simulateur est un logiciel de calculs par éléments finis, volumes finis,
éléments frontières, simulations de Monte Carlo . . .. Notons y les sorties du simulateur. Alors, f (x) Sommaire
est en fait la notation contractée de f (x, y(x)) (idem avec g et h). Les itérations entre optimiseur et Concepts
Notions
simulateur peuvent être représentées graphiquement par
Bibliographie
Exemples
Exercices
Documents
29 II
J précédent section N suivant I
x
Optimiseurs et
? simulateurs
Optimiseur Simulateur
6
f (x) , g(x) , h(x)
Exemple :
x , dimensions d’une structure soumise à un chargement.
y , déplacements verticaux de la structure sous le chargement. Résultats d’une exécution du
simulateur.
f , volume de la structure avant chargement, donc ici f dépend de x mais pas de y.
g , limitation sur le déplacement vertical maximal, g(x) ≡ max(y(x)) − y maxi .
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 30
J précédent section N
Trouver la ou les solutions, x∗ , du problème (PC) (ou de ses versions simplifiées (P),(PCI),(PCE))
est, dans l’absolu, un problème d’optimisation globale.
Ce problème peut être arbitrairement compliqué, typiquement quand il y a des solutions isolées :
Exemples
Exercices
Documents
31 II
J précédent section N
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 32
J section précédente chapitre N
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
33
section N suivant I
Les difficultés pratiques de l’optimisation sont en général liées aux éléments suivants.
Exemples
Exercices
Documents
34 II
section N suivant I
Pourquoi, en
pratique,
La multimodalité, qui génère des op- l’optimisation
tima locaux (cf. optimisation locale vs. est souvent
globale). Exemple d’une fonction liée difficile ?
à la conception de stratifiés composites
(de [1]).
Exemples
Exercices
Documents
JJ 35
J précédent section N suivant I
Le support écrit nous contraint parfois à dessiner les fonctions que l’on minimise en une ou deux
dimensions. Par exemple, dessinons la fonction en deux dimensions
La solution peut être ici directement lue sur le graphe de la fonction (x∗ = [−4, ±π]) et dans ce
cas l’utilisation d’un algorithme itératif d’optimisation n’a pas d’intérêt. Il ne s’agit là que d’une Exemples
Exercices
représentation à des fins pédagogiques. Dans les vrais problèmes d’optimisation, l’évaluation de Documents
36 II
J précédent section N suivant I
la fonction coût est numériquement coûteuse ou le nombre de variables d’optimisation est grand Mise en garde
(problème en haute dimension) ce qui rend de telles représentations impossibles. au sujet des re-
De manière plus réaliste, un algorithme d’optimisation ne connait que quelques évaluations de présentations
points pendant l’exécution, ce qui sur la fonction précédente pourrait donner : graphiques
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 37
J précédent section N
Cours :
Formulation générale
Les optimiseurs globaux quantifient et manipulent deux propriétés définies en tout point de l’es-
pace de recherche (en tout x), une connaissance des critères d’optimisation (f , g et h) et une
l’incertitude sur les critères d’optimisation. Les optimiseurs locaux s’affranchissent du traitement
explicite de l’incertitude sur les critères en ne considérant que des voisinages de points explorés,
donc supposés suffisament bien connus.
Les optimiseurs déterministes construisent des fonctions qui approchent connaissance et incerti-
tude de critères. Ces fonctions sont utilisées pour décider des prochains itérés de l’optimiseur.
Par exemple les méthodes newtoniennes appliquées au problème (P) réalisent une approximation
de Taylor à l’ordre 2 autour du point courant,
1
f (x) ≈ f (xt ) + ∇f (xt )(x − xt ) + (x − xt )T ∇2 f (xt )(x − xt ) (I.4.1) Sommaire
2
Concepts
TODO Rodolphe, lien avec newton en exo Notions
Bibliographie
Exemples
Exercices
Documents
38
J précédent suivant I
Chapitre II
Notions fondamentales d’optimisation convexe
Exemples
Exercices
Documents
39
chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
40
section N suivant I
Cours :
exemple en mécanique
L’exemple précédent nous donne une idée, à partir d’un problème particulier, de la forme que peut
prendre la fonction f . Une telle fonction s’appelle une forme quadratique. Nous allons maintenant
étudier leurs propriétés.
Définition II.1.1. Soit A une matrice symétrique n × n et b ∈ Rn . On appelle forme quadratique la
fonction f : Rn → R définie par
1
f (x) = x> Ax − b> x.
2
Lorsque la matrice A possède certaines propriétés, la fonction f peut prendre un nom particulier.
La propriété à laquelle nous allons nous intéresser est la positivité :
Définition II.1.2. Soit A une matrice symétrique n × n et b ∈ Rn . On dit que A est semi-définie
Sommaire
positive et on note A ≥ 0, quand
Concepts
x> Ax ≥ 0, ∀x ∈ Rn . Notions
Bibliographie
On dit que A est définie positive et on note A > 0, quand
41 II
section N suivant I
Propriété II.1.3. Soit A une matrice symétrique n × n. On note {λi }i=1...n ses valeurs propres Définition
(réelles). On a les équivalences suivantes : d’une forme
quadratique
A ≥ 0 ⇐⇒ λi ≥ 0, i = 1 . . . n,
A > 0 ⇐⇒ λi > 0, i = 1 . . . n.
Lorsque la matrice A est définie positive (resp. semi-définie positive), on dira que f (x) est une
forme quadratique définie positive (resp. semi-définie positive). Dans le cas où A est définie positive
la fonction f possède un certain nombre de propriétés. Nous nous intéressons dans un premier temps
aux surfaces f (x) = c où c ∈ R.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 42
J précédent section N
Exemples :
Exemple II.1
γc = {x ∈ Rn , f (c) = c},
Ax̂ = b.
Sommaire
Alors γc est définie de la façon suivante : Concepts
– Si c < f (x̂) alors γc = ∅. Notions
– Si c = f (x̂) alors γc = {x̂}. Bibliographie
– Si c > f (x̂) alors γc est un ellipsoïde centré en x̂.
Exemples
Exercices
Documents
43 II
J précédent section N
Démonstration : La matrice A étant diagonalisable, il existe une matrice P (la matrice des Propriétés des
vecteurs propres) orthogonale telle que formes
quadratiques
P > AP = D,
définies
où D = diag (λ1 , . . . , λn ) avec λi > 0. On fait le changement de variable y = x − x̂ : cela donne positives
1
f (x̂ + y) = f (x̂) + (Ax̂ − b)> y + y > Ay,
2
et puisque Ax̂ = b, on a
1
f (x) = f (x̂) + (x − x̂)> A(x − x̂).
2
On fait maintenant le changement de variable (x − x̂) = P z, ce qui donne
1
f (x) = f (x̂) + z > P > AP z,
2
1 >
= f (x̂) + z Dz,
2
n
1X
= f (x̂) + λi zi2 .
2 Sommaire
i=1
Concepts
La surface γc est donc définie par Notions
Bibliographie
n
( )
1 X
γc = z ∈ Rn , λi zi2 = c − f (x̂) . Exemples
2
i=1 Exercices
Documents
JJ 44 II
J précédent section N
Si c − f (x̂) < 0 il est clair qu’il n’y a pas de solution à l’équation Propriétés des
n formes
1X
λi zi2 = c − f (x̂), quadratiques
2 définies
i=1
positives
puisque le second membre est toujours positif ! Si c = f (x̂) la seule solution est z = 0, c’est à dire
x = x̂. Si c > f (x̂) l’équation définit bien un ellipsoïde, puisque les λi sont positifs. 2
Nous avons en fait démontré un résultat très intéressant qui caractérise la valeur minimale prise
par f (x) quand x parcourt Rn :
Théorème II.1.5. Soit A une matrice symétrique n × n définie positive et b ∈ Rn , et soit f la forme
quadratique associée, définie par
1
f (x) = x> Ax − b> x.
2
Soit x̂ le vecteur (unique) vérifiant Ax̂ = b, alors x̂ réalise le minimum de f , c’est à dire
f (x̂) ≤ f (x), ∀ x ∈ Rn .
Exemples
Exercices
Documents
JJ 45
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
46
section N suivant I
xn
n
!1
X 2
kxk = x2k .
k=1
47 II
section N suivant I
continue en a ∈ Rn . On dit que f est différentiable en a s’il existe une application linéaire, notée Définition de la
f 0 (a), telle que pour tout h ∈ Rn on ait différentiabilité
f (a + h) = f (a) + f 0 (a)h + khk (h), (II.2.2)
où (.) est une fonction continue en 0 vérifiant limh→0 (h) = 0. On appelle f 0 (a) dérivée de f au
point a.
La notation f 0 (a)h doit être prise au sens “f 0 (a) appliquée à h”. Cette notation devient assez
naturelle lorsque l’on représente f 0 (a) par sa matrice dans les bases canoniques de Rn et Rm , comme
le montre plus bas la proposition II.2.2.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 48
J précédent section N suivant I
Exemples : Exercices :
Exemple II.3 Exercice II.2
Exemple II.2 Exercice II.1
Exemple II.4
On peut d’ores et déja donner un résultat ”pratique” permettant de calculer directement la dérivée
à partir du développement (II.2.2) :
Proposition II.2.1. Soit f : Rn → Rm différentiable en a, alors
f (a + th) − f (a)
lim = f 0 (a)h.
t→0 t
f (a + th) − f (a)
f 0 (a)h = ± khk (th). Sommaire
t Concepts
Notions
Il suffit de noter que limt→0 (th) = 0 pour conclure. 2 Bibliographie
Cette méthode d’estimation du gradient est souvent appelée différences finies. La quantité f 0 (a)h
est la dérivée directionnelle de f au point a dans la direction h. La proposition suivante fait le lien Exemples
Exercices
entre la matrice de f 0 (a) et les dérivées partielles de f au point a : Documents
49 II
J précédent section N suivant I
Proposition II.2.2. Soit f : Rn → Rm différentiable en a, alors on peut représenter f 0 (a) par sa Calcul de la
matrice dans les bases canoniques de Rn et de Rm et on a dérivée
∂fi première
[f 0 (a)]ij = (a)
∂xj
JJ 50
J précédent section N
Exemples : Exercices :
Exemple II.5 Exercice II.4
Exercice II.3
Définition II.2.3. L’application f : Rn → R est dite deux fois différentiable s’il existe une matrice
symétrique ∇2 f (a) telle que
On appelle ∇2 f (a) matrice hessienne de f au point a. Comme l’énonce le théorème suivant (non
démontré), cette matrice s’obtient à partir des dérivées secondes de f :
Théorème II.2.4. Soit f : Rn → R une fonction deux fois différentiable en un point a. Si on note
g(x) = ∇f (x) alors la matrice hessienne est définie par ∇2 f (a) = g 0 (a), soit
Sommaire
∂2f Concepts
[∇2 f (a)]ij = . Notions
∂xi ∂xj
Bibliographie
Exemples
Exercices
Documents
51
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
52
section N suivant I
Exemples :
Exemple II.6
La convexité est à la base une propriété géométrique, assez intuitive d’ailleurs, qui permet de
caractériser certains objets. On voit assez bien ce qu’est un objet convexe dans un espace à deux
ou trois dimensions. Nous allons maintenant montrer comment cette propriété peut aussi s’appliquer
aux fonctions de Rn dans R.
x x y
Sommaire
y Concepts
Notions
Bibliographie
Définition II.3.1. Un ensemble K ⊂ Rn est dit convexe si pour tout couple (x, y) ∈ K 2 et ∀ λ ∈
Exemples
[0, 1] on a
Exercices
λx + (1 − λ)y ∈ K. Documents
53 II
section N suivant I
Cette définition peut s’interpréter en disant que le segment reliant x et y doit être dans K. Elle Définition de la
se généralise de la façon suivante : on dira qu’un vecteur y est une combinaison convexe des points convexité
{x1 , . . . , xp } si on a
Xp
y= λ i xi ,
i=1
Pp
avec λi ≥ 0 et i=1 λi = 1.
On peut citer quelques cas particuliers : Rn tout entier est un ensemble convexe, de même qu’un
singleton {a}.
Propriété II.3.2. Soit une famille {Ki }i=1...p d’ensembles convexes et S = pi=1 Ki . Alors S est
T
convexe.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 54
J précédent section N suivant I
x y x y
Définition II.3.3. On dit qu’une fonction f : K → R, définie sur un ensemble convexe K, est
convexe si elle vérifie
Lorsque n = 1 cette définition s’interprète bien géométriquement : le graphe de la fonction est Exemples
toujours en dessous du segment reliant les points (x, f (x)) et (y, f (y)). Exercices
Documents
55 II
J précédent section N suivant I
Corollaire II.3.4. On définit pour (x, y) ∈ K 2 , où K est un ensemble convexe, la fonction ϕ : Fonctions
[0, 1] → R par convexes
ϕ(t) = f (tx + (1 − t)y).
Alors on a l’équivalence
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 56
J précédent section N suivant I
Exemples :
Exemple II.7
Démonstration : La démonstration fait appel à un résultat obtenu dans l’exercice II.1 : si on Sommaire
définit ϕ(t) = f (x + ty) alors on a Concepts
Notions
ϕ00 (t) = y > ∇2 f (x + ty)y, Bibliographie
et on sait grâce a la propriété II.3.5 que f convexe si ϕ00 (t) ≥ 0, ∀t. On aura donc f convexe si et
Exemples
seulement si Exercices
y > ∇2 f (x + ty)y ≥ 0, ∀(x, y) ∈ K 2 , Documents
57 II
J précédent section N suivant I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 58
J précédent section N
Dans le cas où la fonction f n’est supposée qu’une fois différentiable, on a le résultat suivant :
Théorème II.3.8. Soit f : K ⊂ Rn → R une fonction une fois différentiable, alors f est convexe si
et seulement si
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
59
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
60
section N suivant I
Considérons notre problème d’optimisation I.3.1 introduit au début du cours, que l’on écrira pour
l’occasion un peu différemment, en mettant les contraintes sous la forme x ∈ K ⊂ Rn :
Nous allons donner deux résultats très généraux d’existence d’une solution au problème (II.4.1).
Auparavant nous avons besoin de la définition d’un ensemble compact :
Définition II.4.1. Un ensemble K ⊂ Rn est dit compact si, de toute suite {xk }, où xk ∈ K, ∀k, on
peut extraire une sous-suite convergente.
Dans R, les intervalles fermés du type [a, b] (ou des reunions de tels intervalles) sont compacts.
La notion de fermeture signifie qu’une suite {xk }, où xk ∈ K, ∀k, doit converger vers une limite
x ∈ K. Pour illustrer sur un exemple qu’un intervalle ouvert dans R ne peut pas être compact, on Sommaire
peut considérer l’exemple suivant. Concepts
Soit K =]0, 1] et la suite xk = 1/k, on a bien xk ∈ K mais limk→∞ = 0 6∈ K. Notions
Bibliographie
Voici maintenant deux résultats d’existence, dont les démonstrations peuvent ètre consultées dans
les documents. Exemples
Exercices
Documents
61 II
section N suivant I
Théorème II.4.3. Si f : K ∈ Rn → R est continue et si de plus K est un ensemble compact, alors Théoremes
le problème (II.4.1) admet une solution optimale x̂ ∈ K, qui vérifie donc généraux
d’existence
f (x̂) ≤ f (x), ∀x ∈ K.
lim f (x) = ∞,
kxk→∞
Puisque x̂ est caractérisé par f (x̂) ≤ f (x), ∀x ∈ Rn , on a donc forcément kx̂k ≤ M . Donc x̂ est
solution du problème
Sommaire
min f (x), Concepts
kxk≤M
Notions
et le théorème précédent s’applique, la boule {x ∈ Rn , kxk ≤ M } étant compacte. 2 Bibliographie
Exemples
Exercices
Documents
JJ 62
J précédent section N
II.4.2 Unicité
Démonstration : Soit donc x̂ ∈ K tel que f (x̂) ≤ f (x), ∀x ∈ K. Supposons qu’il existe
ŷ 6= x̂ tel que f (ŷ) ≤ f (x), ∀x ∈ K. Formons pour λ ∈]0, 1[ le vecteur
u = λŷ + (1 − λ)x̂.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
63
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
64
section N suivant I
f (x̂) ≤ f (x), ∀x ∈ Rn ,
alors on a nécessairement
∇f (x̂) = 0.
On a donc
f (x̂) − f (x̂ + th)
limt→0+ = ∇f (x̂)> h ≤ 0,
t
et Sommaire
f (x̂) − f (x̂ + th) Concepts
limt→0− = ∇f (x̂)> h ≥ 0, Notions
t
Bibliographie
donc ∇f (x̂)> h = 0, ∀h ∈ Rn , donc ∇f (x̂) = 0 (prendre par exemple h = ∇f (x̂)). 2
Exemples
Exercices
Documents
65
J précédent section N
∇f (x̂) = 0,
66 II
J précédent section N
Lorsque la fonction n’est pas convexe, on ne peut donner qu’une condition nécessaire et suffi- Conditions
sante d’optimalité locale. On désignera par minimum local (que l’on oppose au minimum global) un nécessaires et
vecteur vérifiant les conditions suivantes : suffisantes
Définition II.5.3. On appellera x∗ minimum local de f , s’il existe δ > 0 tel que
f (x∗ ) ≤ f (x), ∀x, kx − x∗ k ≤ δ.
Dans le cas où f est deux fois différentiable on peut alors donner le résultat suivant :
Théorème II.5.4. Soit f : Rn → R deux fois différentiable. Si
∇f (x∗ ) = 0,
∇2 f (x∗ ) > 0,
alors x∗ est un minimum local de f .
Démonstration : On a
t2 > 2
f (x∗ + th) = f (x∗ ) + t∇f (x∗ )> h + h ∇ f (x∗ )h + t2 khk2 ε(th),
2
t2 > 2
= f (x∗ ) + h ∇ f (x∗ )h + t2 khk2 ε(h). Sommaire
2
Concepts
On a donc pour t > 0 Notions
Bibliographie
f (x∗ + th) − f (x∗ ) 1
2
= h> ∇2 f (x∗ )h + khk2 ε(th).
t 2
Exemples
Donc si t est suffisamment petit on aura bien f (x∗ + th) − f (x∗ ) > 0 puisque ∇2 f (x∗ ) > 0. 2 Exercices
Documents
JJ 67
J section précédente chapitre N section suivante I
Exemples du chapitre II
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
68
section N suivant I
On considère la fonction f (x) = 12 x> Ax − b> x où A est une matrice symétrique 2 × 2 définie
positive. On note P la matrice des vecteurs propres et λ1 > λ2 > 0 les deux valeurs propres. Notons
x̂ la solution du système linéaire Ax̂ = b. On a montré que les courbes iso-valeurs sont définies par
l’équation
1
(λ1 z12 + λ2 z22 ) = c − f (x̂),
2
où on a effectué le changement de variable z = P (x − x̂). Si on a c − f (x̂), l’équation ci-dessus
définit une ellipse dans le repère (z1 , z2 ), dont l’équation “canonique” est donnée par
z1 2 z2 2
+ = 1,
a b
avec s s
2(c − f (x̂)) 2(c − f (x̂))
a= , b= .
λ1 λ2
On sait que l’on peut décrire cette ellipse par la courbe paramétrique z(t), t ∈ [0, 2π] avec
Sommaire
a cos t
z(t) = , Concepts
b sin t Notions
Bibliographie
donc l’équation paramétrique de la courbe x(t) dans le repère original est
Exemples
a cos t
x(t) = x̂ + P . Exercices
b sin t Documents
69 II
section N suivant I
Exemple II.1
10.16
Courbes de
8.10
niveau d’une
forme
6.03 quadratique
Lancer la simulation +
dans R2
3.97
1.90
-0.16
-4.31 -2.48 -0.65 1.17 3.00 4.83 6.65 8.48 10.31
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 70
J précédent section N suivant I
On considère la fonction f (x) = 12 x> Ax − b> x où A est une matrice carrée symétrique n × n.
On a
1 > 1
f (x + th) = x Ax + t2 h> Ah + tx> Ah + b> (x + th),
2 2
1
= f (x) + t(x A − b> )h + t2 h> Ah,
>
2
on a donc
f (x + th) − f (x) 1
= (Ax − b)> h + th> Ah.
t 2
Puisque limt→0 21 th> Ah = 0, on a donc ∇f (x) = Ax − b.
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
71
J précédent section N suivant I
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
72
J précédent section N suivant I
Voici un exemple de fonction Scilab calculant le gradient d’une fonction nommée "nomfonc" de
n
R dans R.
0 function Cg=calgrad(nomfonc,x,epsi)
1 // nomfonc: fonction de Rn dans R
2 // x: point de Rn ou le gradient est calcule
3 // epsi : parametre du calcul discret des derivees
4 ndim=length(x);
5 val0=nomfonc(x);
6 for i=1:ndim
7 y=x;
8 y(i)=y(i)+epsi;
9 Cg(i)= (nomfonc(y)-val0)/epsi;
10 end
11 endfunction
Sommaire
Concepts
Retour au grain Notions
Bibliographie
Exemples
Exercices
Documents
73
J précédent section N suivant I
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
74
J précédent section N suivant I
1.57 Ο
.
. .
1.03 . ..... .... . . . . . ..
..... ... ........ . .. ..
Ο .. .. . ................................................................................. .... .
. .. .. . . ........................ ... . .
. . ...... ..........................................................................Ο ............ ...... .. . Ο
. . . . ..................................................................................................................................... .
. . . . . . . .. .
. .. ................................................................................................................................... ...........
. ............................................................................................................................................................................... ..... .
0.49 . .. .................................................................................................................... . . .
. . . . . . .
. .. ........................................... . . . . . . .............................................................. . .
. . .
. ...................................................................... ...................... . .
.
. ............................................................... ..................................................................... .
......... ...... . . . . . Ο
. ..... ................................................................................................... .. .
Lancer la simulation . ... ................... ........................................... ..
. .. .... . . ..... . .. ... . . . .
. . . . . .. .. . . . . . ..
-0.05 . . . . . . . .. .. .
. .
. . . ..... .
.
. .
.
-0.59
Ο
-1.13
-1.87 -1.10 -0.34 0.43 1.19 1.96
Considérons un ensemble de points du plan {x1 , . . . , xp }. La simulation qui est proposée ici permet
de générer aléatoirement un très grand nombre de points de la forme
p
X
yk = λi xi ,
Sommaire
i=1
Concepts
en tirant aléatoirement les coefficients {λi }i=1...p suivant une loiP
uniforme sur [0, 1], renormalisés en Notions
les divisant par leur somme, de façon à ce que l’on ait toujours pi=1 λi = 1. Le polygone “limite” Bibliographie
contenant tous les points générés s’appelle l’enveloppe convexe des points {x1 , . . . , xp }.
Exemples
Retour au grain Exercices
Documents
75
J précédent section N
On considère la fonction f (x) = 21 x> Ax − b> x où A est une matrice carrée symétrique. Puisque
∇2 f (x) = A (voir l’exemple précédent), f est convexe si et seulement si A ≥ 0, strictement convexe
lorsque A > 0
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
76
J section précédente chapitre N
Exercices du chapitre II
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
77
section N suivant I
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
78
J précédent section N suivant I
On considère la fonction f (x) = 21 x> Ax − b> x où A est une matrice n × n. Montrer que l’on a
1
∇f (x) = (A + A> )x − b.
2
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
79
J précédent section N suivant I
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
80
J précédent section N
On considère la fonction f (x) = 21 x> Ax − b> x où A est une matrice n × n. Montrer que l’on a
1
∇2 f (x) = (A + A> ).
2
Retour au grain
Aide 1
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
81
J précédent suivant I
Chapitre III
Les méthodes de gradient
Exemples
Exercices
Documents
82
chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
83
section N
84 II
section N
Le pas t̂k obtenu ainsi s’appelle le pas optimal. La fonction ϕ(t) = f (xk + tdk ) étant différentiable,
on a alors nécessairement
ϕ0 (t̂k ) = ∇f (xk + t̂k dk )> dk = 0.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 85
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
86
section N suivant I
Exemples :
Exemple III.1
On cherche à déterminer la direction de descente qui fait décroitre ϕ(t) = f (x + td) le plus vite
possible (au moins localement). Pour cela on va essayer de minimiser la dérivée de ϕ(t) en 0. On a
ϕ0 (0) = ∇f (x)> d,
min
n
ϕ0 (0).
d∈R ,kdk=1
87 II
section N suivant I
Sous certaines hypothèses de régularité (f deux fois différentiable) cette méthode converge si ρ Principe des
est choisi assez petit. méthodes de
gradient
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 88
J précédent section N suivant I
d>
k+1 dk = 0.
89
J précédent section N
Exemples : Exemples :
Exemple III.2 Exemple III.3
On a f (x) = 12 x> Ax − b> x avec A > 0 et on note ϕ(t) = f (xk + tdk ). Le pas optimal tk est
caractérisé par
ϕ0 (tk ) = 0,
on a donc
∇f (xk + tk dk )> dk = (A(xk + tk dk ) − b)> dk = 0,
soit
(∇f (xk ) + tk Adk )> dk = 0,
on obtient donc
∇f (xk )> dk
tk = − ,
d>k Adk
qui est bien positif car dk est une direction de descente et d>
k Adk > 0 (car A > 0). Sommaire
Concepts
La méthode du gradient à pas optimal peut donc s’écrire (dans le cas quadratique)
Notions
Bibliographie
dk = b −
Axk ,
d> d
tk = d>kAdk , (III.2.3) Exemples
k k
xk+1 = xk + tk dk . Exercices
Documents
90
J section précédente chapitre N
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
91
section N suivant I
Dans le cas où f (x) = 21 x> Ax − b> x la méthode du gradient simple peut s’écrire
dk = b − Axk ,
(III.2.4)
xk+1 = xk + ρdk ,
où ρ > 0 est fixé a priori. Il existe bien sûr des conditions sur ρ pour que la méthode converge. Nous
illustrons ici le fonctionnement de la méthode dans le cas n = 2 sur une petite simulation.
11
3
Ο
ΟΟ
ΟΟΟΟ
+ ΟΟ
Lancer la simulation Ο
Ο
-1 Ο
-5
Sommaire
-9 Concepts
-13.2 -7.5 -1.8 3.8 9.5 15.2
Notions
Bibliographie
Exemples
Retour au grain Exercices
Documents
92
J précédent section N suivant I
dk = b −
Axk ,
d>
k dk
tk = d> Ad , (III.2.5)
k k
xk+1 = xk + tk dk ,
Nous illustrons ici le fonctionnement de la méthode dans le cas n = 2 sur une petite simulation.
Ο Ο
6.13
5.11 Ο Ο
4.09 Ο Ο
Ο Ο
Lancer la simulation ΟΟ
ΟΟΟ
Ο
Ο
3.06 +Ο
Ο
2.04
Sommaire
Concepts
1.02
-1.74 -0.30 1.15 2.60 4.05 5.50 Notions
Bibliographie
Exemples
Retour au grain Exercices
Documents
93
J précédent section N
Exemple III.3 Méthode du gradient à pas optimal pour l’exemple des antennes
TODO Eric : application de la méthode du gradient à pas optimal pour résoudre le problème du
positionnement optimal des antennes (présenté ici).
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
94
J précédent suivant I
Chapitre IV
La méthode du gradient conjugué
IV.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
IV.2 La méthode du gradient conjugué . . . . . . . . . . . . . . . . . . . . . 102
IV.3 Interprétation de la méthode du gradient conjugué . . . . . . . . . . . 108
Exemples du chapitre IV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
95
chapitre N section suivante I
IV.1 Introduction
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
96
section N suivant I
Définition IV.1.1. Soit A une matrice symétrique n × n, définie positive. On dit que deux vecteurs x
et y de Rn sont A−conjugués (ou conjugués par rapport à A) s’il vérifient
x> Ay = 0. (IV.1.1)
La matrice A étant définie positive, la forme bilinéaire a(x, y) = x> Ay définit un produit sca-
laire et la relation (IV.1.1) traduit l’orthogonalité des vecteurs x et y pour ce produit scalaire. La
démonstration du théorème suivant est laissée en exercice.
Théorème IV.1.2. Si {d0 , d1 , . . . , dk } sont des directions A−conjuguées deux à deux, soit
d>
i Adk = 0, ∀ i, j, i < j ≤ k,
x1 = x0 + ρ0 d0 ,
Sommaire
x2 = x1 + ρ1 d1 , Concepts
Notions
avec d0 et d1 deux directions A−conjuguées et ρ0 et ρ1 déterminés de façon optimale. On a donc les Bibliographie
relations suivantes :
Exemples
∇f (x1 )> d0 = (Ax1 − b)> d0 = 0,
Exercices
∇f (x2 )> d1 = (Ax2 − b)> d1 = 0, Documents
97 II
section N suivant I
On a
Définition IV.1.3. Soit {d0 , d1 , . . . , dn } une famille de vecteur A−conjugués. On appelle alors mé-
thode de directions conjuguées la méthode
x0 donné
xk+1 = xk + ρk dk , ρk optimal
Exemples
Exercices
Documents
JJ 98
J précédent section N
Ek = Vect(d0 , d1 , . . . , dk−1 ),
le sous-espace vectoriel engendré par les vecteurs d0 , d1 , . . . , dk−1 . Par construction, l’algorithme de
directions conjugué
x0 donné,
(IV.1.2)
xk+1 = xk + ρk dk , ρk optimal,
construit itérativement un vecteur xk vérifiant
xk ∈ x0 + Ek .
99 II
J précédent section N
x1 = x0 + ρ0 d0 ,
avec ρ0 optimal, c’est à dire ∇f (x1 )> d0 = 0. Puisque d0 ∈ E1 la propriété est donc vérifiée pour
k = 1. Supposons maintenant que la propriété est vérifiée à l’ordre k :
Sommaire
∇f (xk )> di = 0, ∀ i = 0, . . . , k − 1. Concepts
Notions
D’une part ρk est optimal donc ∇f (xk+1 )> dk = 0. D’autre part on a pour 0 ≤ i < k Bibliographie
∇f (xk+1 )> di = (A(xk + ρk dk ) − b)> di ,
Exemples
= (Axk − b)> di + ρk d>
k Adi Exercices
= 0, Documents
JJ 100 II
J précédent section N
Un corollaire direct est donc que la méthode de directions conjuguées converge en n itérations
au plus, puisque En−1 = Rn .
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 101
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
102
section N suivant I
103 II
section N suivant I
> (g
gk+1 k+1 − gk )
βk = (IV.2.6) Algorithme de
gk> gk la méthode du
> g
gk+1 gradient
k+1
, = , (IV.2.7) conjugué
gk> gk
JJ 104 II
section N suivant I
> g = 0 car g = d − β
ce qui démontre (IV.2.6). On a de plus gk+1 k k k k−1 dk−1 appartient à Ek+1 et Algorithme de
que gk+1 est orthogonal à ce sous-espace (les directions d0 , . . . , dk sont conjuguées, par hypothèse la méthode du
de récurrence), ceci démontre (IV.2.7). gradient
conjugué
- Montrons maintenant que d>
k+1 Adi = 0, pour i = 0, . . . , k. On a d’une part
d> >
k+1 Adk = (−gk+1 + βk dk ) Adk = 0,
d> >
k+1 Adi = −gk+1 Adi + βk dk >Adi ,
> 1 >
gk+1 Adi = g (gi+1 − gi ),
ρi k+1
et si l’on note que
gi+1 − gi = −di+1 + (βi + 1)di − βi−1 di−1 ,
on a bien
> Sommaire
gk+1 (gi+1 − gi ) = 0,
Concepts
> d
car gk+1 > > Notions
i+1 = gk+1 di = gk+1 di−1 = 0, en vertu du fait que gk+1 est orthogonal à Ek+1 et que
Bibliographie
>
i < k. On a donc bien dk+1 Adi = 0, ce qui achève la démonstration. 2
Exemples
Exercices
Documents
JJ 105
J précédent section N
Exemples :
Exemple IV.1
Exemple IV.2
La méthode de Fletcher et Reeves est une extension directe de la méthode du Gradient conjugué
pour les fonction quelconques. Appliquée à une fonction quadratique, elle se comporte comme cette
dernière :
La variante dite de Polak-Ribière consiste à définir βk par la formule (IV.2.6). On peut démontrer
Exemples
la convergence de la méthode de Fletcher-Reeves pour une classe assez large de fonctions f , ce Exercices
qu’on ne peut pas faire pour la variante de Polak-Ribière. Par contre on peut montrer que cette Documents
106 II
J précédent section N
dernière converge plus rapidement (quand elle converge effectivement !), c’est donc la méthode qui La méthode du
est utilisée en général. gradient
conjugué dans
L’efficacité de la méthode du gradient conjugué repose essentiellement sur deux points :
le cas général
– La recherche linéaire (détermination du pas optimal) doit être exacte,
– Les relations de conjugaison doivent être précises.
La recherche du pas optimal doit être réalisée à l’aide d’un algorithme spécifique (c’est l’objet du
prochain chapitre) puisque f est quelconque. Par contre la notion de conjugaison n’a pas de sens
dans le cas non-quadratique (sauf près de l’optimum, mais on ne le connaît pas. Il faut donc tester
au cours des itérations si l’hypothèse d’approximation quadratique est vérifiée. On peut surveiller les
indicateurs suivants
– |∇f (xk+1 )> ∇f (xk )| doit être petit
– On doit avoir
∇f (xk+1 )> dk+1
≤ −α,
k∇f (xk+1 )kkdk+1 k
avec 0 < α ≤ 0 pas trop petit, c’est à dire que dk+1 doit être une direction de descente
«raisonnable».
Dans le cas où ces conditions ne sont pas vérifiées, on rompt la conjugaison et on redémarre
l’algorithme avec dk+1 = −∇f (xk+1 ). On peut aussi décider de faire ce redémarrage arbitrairement
Sommaire
toutes les p itérations (p fixé de l’ordre de n par exemple). Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 107
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
108
section N suivant I
dk+1 = A(xk + ρk dk ) − b + βk dk ,
= gk + ρk Adk + βk dk ,
= dk − βk−1 dk−1 + ρk Adk + βk dk , Sommaire
Concepts
ce qui permet de conclure que dk+1 ∈ Kk+1 . La propriété est donc vérifiée pour tout k > 0. 2 Notions
Bibliographie
Comme dans le cas de l’algorithme du gradient à pas optimal, nous choisissons maintenant de
mesurer la distance séparant xk du vecteur x̂ = A−1 b à l’aide de la fonction définie par Exemples
Exercices
E(x) = kx − x̂k2A = (x − x̂)> A(x − x̂). Documents
109 II
section N suivant I
Minimiser E(x) est équivalent à minimiser f (x) = 21 x> Ax − b> x comme le montre la proposition Interprétation
suivante (à démontrer en exercice) de la méthode
Proposition IV.3.2. Soit f (x) = 12 x> Ax − b> x une forme quadratique définie positive et x̂ = du gradient
A−1 b. On a conjugué
E(x) = (x − x̂)> A(x − x̂) = f (x) + c,
où c est une constante.
où le polynôme Sommaire
k−1
X Concepts
p(z) = 1 + γj z j+1 Notions
Bibliographie
j=0
JJ 110 II
section N suivant I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 111
J précédent section N
Le résultat suivant va nous permettre de retrouver d’une autre manière la propriété de conver-
gence finie de l’algorithme du GC :
Proposition IV.3.3. Soit A une matrice définie positive et xk le vecteur obtenu à l’étape k de
l’algorithme du GC. Alors on a
Démonstration : Puisque la matrice A est définie positive il existe une matrice orthogonale
U telle que A = U DU > avec D =diag(λ1 , . . . , λn ), où σ(A) = {λi }i=1...n sont les valeurs propres
de A. Si on définit A1/2 = U D1/2 U > on a
2
kxk2A =
A1/2 x
,
donc
2
Sommaire
x̂)k2A =
A p(A)(x0 − x̂)
≤ kp(A)k2 kx0 − x̂k2A ,
1/2
kp(A)(x0 −
Concepts
Notions
où on a utilisé la propriété que p(A) et A1/2 commutent (ces deux matrices ont les mêmes vecteurs Bibliographie
propres). Puisque l’on a aussi Aj = U Dj U > les valeurs propres de p(A) sont données par les
nombres p(λi ) pour i = 1 . . . n, et donc Exemples
2 2 Exercices
kp(A)k = max p(λi ) . Documents
i=1...n
112 II
J précédent section N
Théorème IV.3.2. Soit A une matrice définie positive. L’algorithme du GC converge en n itéra-
tions au plus. Plus précisément, si la matrice A possède k ≤ n valeurs propres distinctes, alors
L’algorithme du GC converge en k itérations au plus.
E(xk ) = 0,
Sommaire
soit xk = x̂. 2 Concepts
Notions
La méthode du gradient conjugué étant en général utilisée comme une méthode itérative, il est Bibliographie
intéressant de la comparer à la méthode du gradient à pas optimal. Le résultat suivant sera admis (la
démonstration repose sur la détermination d’un polynôme particulier p(z) solution d’un problème de Exemples
moindre carrés). Exercices
Documents
JJ 113 II
J précédent section N
Théorème IV.3.3. Soit A une matrice définie positive et xk le vecteur obtenu à l’étape k de l’algo- Convergence
rithme du GC. Alors on a !2k de la méthode
p
χ(A) − 1 du gradient
E(xk ) ≤ 4E(x0 ) p ,
χ(A) + 1 conjugué
où on a noté χ(A) = λn /λ1 le conditionnement de A pour la norme euclidienne.
on voit donc que pour une même matrice A, la méthode du gradient conjugué convergera plus rapide-
ment. Cependant cette estimation peut être très pessimiste car dans le cas où les valeurs propres sont
groupées autour de valeurs distinctes, on peut être très proche du cas ou certaines valeurs propres
sont multiples (et ou le nombre théorique d’itérations est inférieur à n) tout en ayant un mauvais
conditionnement.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 114
J section précédente chapitre N
Exemples du chapitre IV
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
115
section N suivant I
Nous donnons ici une implémentation du gradient généralisé de type Polak-Ribière. Les grandes
étapes de l’algorithme sont :
– faire un premier pas de descente suivant la direction opposée au gradient ( c’est à dire un
gradient simple : on n’a pas au premier pas de "direction précédente" avec laquelle conjuguer
la nouvelle direction)
– tant que le critère d’arrêt n’est pas atteint
– calculer une nouvelle direction de descente au point P0 suivant la méthode de Polak-Ribière
– minimiser dans cette direction
– tester le critère d’arrêt
– réinitialiser le point P0
Ceci donne le code Scilab :
116 II
section N suivant I
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 117
J précédent section N
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
118
J précédent suivant I
Chapitre V
Méthodes de recherche linéaire
Exemples
Exercices
Documents
119
chapitre N section suivante I
V.1 introduction
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
120
section N suivant I
xk+1 = xk + tk dk , tk > 0,
f (xk + tk dk ) ≤ f (xk ).
On définit comme précedemment la fonction ϕ(t) = f (xk + tdk ). Rappellons que si f est différen-
tiable, le pas optimal t̂ peut être caractérisé par
0
ϕ (t̂) = 0,
ϕ(t̂) ≤ ϕ(t), pour 0 ≤ t ≤ t̂,
autrement dit, t̂ est un minimum local de ϕ qui assure de plus la décroissance de f . En fait, dans
la plupart des algorithmes d’optimisation modernes, on ne fait jamais de recherche linéaire exacte,
car trouver t̂ signifie qu’il va falloir calculer un grand nombre de fois la fonction ϕ, et cela peut être
dissuasif du point de vue du temps de calcul. En pratique, on recherche plutot une valeur de t qui Sommaire
Concepts
assure une décroissance suffisante de f . Cela conduit à la notion d’intervalle de sécurité. Notions
Bibliographie
Exemples
Exercices
Documents
121
J précédent section N
Algorithme de base
Initialement, on part de [α, β] contenant I = [a, b], par exemple en prenant α = 0 et β tel que
ϕ(β) > ϕ(0) (une telle valeur de β existe avec un minimum d’hypothèses, par exemple f coercive).
On fait ensuite les itérations suivantes :
1. On choisit t dans l’intervalle [α, β].
2. Si t est trop petit on prend α = t et on retourne en 1. Sommaire
Concepts
3. Si t est trop grand on prend β = t et on retourne en 1. Notions
4. Si t convient on s’arrète. Bibliographie
Il faut maintenant préciser quelles sont les relations sur ϕ qui vont nous permettre de caractériser
Exemples
les valeurs de t convenables, ainsi que les techniques utilisées pour réduire l’intervalle (point nř1 Exercices
ci-dessus). Documents
122
J section précédente chapitre N
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
123
section N suivant I
Cette méthode, utilisée pour la recherche monodimensionnelle, est relativement simple. Elle est
de type "dichotomie". Elle supose le minimum initialement encadré dans un intervale I0 , et la fonc-
tion uni-modale sur cette intervalle. Elle consiste ensuite à réduire itérativement l’intervalle, noté Ik
à l’étape k, dans un rapport γ < 1 constant (assurant alors une convergence linéaire) , en reduisant si
possible à une le nombre d’évaluations de la fonction coût à chaque étape.
Pour cela, on est amené à diviser l’intervalle Ik en trois. On note Iik = [xk0 , xk3 ] et xk1 et xk2 les
points divisant l’intervalle en trois
xk0 < xk1 < xk2 < xk3
124 II
section N suivant I
Méthode de la
section dorée
D’autre part, lorsque x0k ou x3k sont supprimés à l’étape suivante, on désire n’avoir qu’un seul
point à rajouter pour minimiser le nombre d’évaluations de la fonction coût. Il faut donc que le point
restant à l’intérieur de l’intervalle le divise dans le mêm rapport à l’étape suivante :
(1 − γ)Lk = γ(γLk )
γ est √donc la solution positive de γ 2 − γ + 1 = 0
γ = 5−1 2 Sommaire
Exemple de procédure : Concepts
Etape 1 : recherche d’un encadrement du minimum Notions
Etape2 : section dorée pour converger vers ce minimum. Bibliographie
Exemples
Exercices
Documents
JJ 125
J précédent section N suivant I
Dans la règle d’Armijo on prend α = 0, un réel 0 < m < 1. La règle est la suivante :
ϕ(t)
m1 ϕ0 (0)
a b t
Sommaire
Concepts
ϕ0 (0) Notions
Bibliographie
Règle d’Armijo
– Si ϕ(t) ≤ ϕ(0) + mϕ0 (0)t, alors t convient.
Exemples
– Si ϕ(t) > ϕ(0) + mϕ0 (0)t, alors t est trop grand. Exercices
Documents
126 II
J précédent section N suivant I
Puisque α = 0, t n’est jamais considéré trop petit, c’est pourquoi la règle d’Armijo est peu utilisée
seule.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 127
J précédent section N suivant I
ϕ(t)
m1 ϕ0 (0)
Sommaire
a b t
Concepts
Notions
Bibliographie
ϕ0 (0) m2 ϕ0 (0)
Règle de Goldstein
Exemples
– Si ϕ(t) < ϕ(0) + m2 ϕ0 (0)t, alors t est trop petit. Exercices
– Si ϕ(t) > ϕ(0) + m1 ϕ0 (0)t, alors t est trop grand. Documents
128 II
J précédent section N suivant I
JJ 129
J précédent section N suivant I
La règle de Wolfe fait appel au calcul de ϕ0 (t), elle est donc en théorie plus coûteuse que la règle
de Goldstein. Cependant dans de nombreuses applications, le calcul du gradient ∇f (x) représente
un faible coût additionnel en comparaison du coût d’évaluation de f (x) (par exemple en contrôle
optimal), c’est pourquoi cette règle est très utilisée. Le calcul des dérivées de ϕ permet de plus
d’utiliser une méthode d’interpolation cubique dans la phase de réduction de l’intervalle, comme
nous le verrons plus loin.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
130 II
J précédent section N suivant I
La règle de
Wolfe
ϕ(t)
m1 ϕ0 (0)
a b t
ϕ0 (0) m2 ϕ0 (0)
Règle de Wolfe
Sommaire
– Si ϕ(t) > ϕ(0) + m1 ϕ0 (0)t, alors t est trop grand.
Concepts
– Si ϕ(t) ≤ ϕ(0) + m1 ϕ0 (0)t et ϕ0 (t) < m2 ϕ0 (0), alors t est trop petit. Notions
– Si ϕ(t) ≤ ϕ(0) + m1 ϕ0 (0)t et ϕ0 (t) ≥ m2 ϕ0 (0), alors t convient. Bibliographie
Dans cette règle, on s’assure que t n’est pas trop petit en assurant que ϕ0 (t) a suffisamment augmenté.
Exemples
Exercices
Documents
JJ 131
J précédent section N suivant I
132
J précédent section N
Comme nous l’avons évoqué, un choix judicieux de t peut être fait en faisant une approximation
cubique de ϕ(t) sur l’intervalle [α, β] et à prendre t réalisant le minimum de cette cubique : on
considère le polynôme p(t) vérifiant
p(t0 ) = ϕ(t0 ) = f0 ,
p(t1 ) = ϕ(t1 ) = f1 ,
p0 (t0 ) = ϕ0 (t0 ) = g0 ,
p0 (t1 ) = ϕ0 (t1 ) = g1
où t0 et t1 sont quelconques (on peut bien sûr prendre t0 = α et t1 = β). On passe en variables
réduites sur [0, 1] ce qui conduit à définir le polynôme q(s) par
q(0) = f0 , Sommaire
q(1) = f1 , Concepts
Notions
q 0 (0) = τ g0 , Bibliographie
q 0 (1) = τ g1 .
Exemples
Si on cherche q de la forme Exercices
q(s) = as3 + bs2 + cs + d, Documents
133 II
J précédent section N
t = t0 + ŝτ,
sinon, cela ne permet pas de choisir t, et on peut en dernier recours faire appel à la dichotomie.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 134
J précédent suivant I
Chapitre VI
Méthodes de Quasi-Newton
Exemples
Exercices
Documents
135
chapitre N section suivante I
VI.1 Introduction
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
136
section N suivant I
où g 0 (x) est la dérivée (ou jacobienne) de g au point x. L’application de cette méthode au problème
d’optimisation
minn f (x), (VI.1.2)
x∈R
consiste à l’utiliser pour résoudre le système d’optimalité du problème (VI.1.2), c’est à dire que l’on
pose g(x) = ∇f (x) dans (VI.1.1) : on obtient les itérations
La méthode de Newton est intéressante car sa convergence est quadratique au voisinage de la solu- Sommaire
tion, c’est à dire que l’on a Concepts
Notions
Bibliographie
kxk+1 − x̂k ≤ γ kxk − x̂k2 , γ > 0,
mais la convergence n’est assurée que si x0 est suffisamment proche de x̂, ce qui en limite l’intérêt. Exemples
Exercices
Documents
137 II
section N suivant I
Pour résoudre le problème de convergence locale de la méthode de Newton, on peut penser à lui La méthode de
ajouter une phase de recherche linéaire, dans la direction Newton
dk = −∇2 f (xk )−1 ∇f (xk ).
ce qui sera le cas si ∇2 f (xk ) est une matrice définie positive, ce qui n’est pas garanti (on sait tout au
plus que ∇2 f (x̂) > 0).
Le principe des méthodes que nous allons voir maintenant consiste à remplacer le Hessien
∇2 f (xk ) par une approximation Hk (si possible définie positive), construite au cours des itérations.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 138
J précédent section N
On peut poser x = Cy où C est une matrice inversible (changement de variable). Notons alors
f˜(y) = f (Cy). On a
∇f˜(y) = C > ∇f (Cy).
Un pas de la méthode du gradient appliquée à la minimisation de f˜(y) est donné par
yk+1 = yk − ρk C > ∇f (Cyk ), Sommaire
Concepts
soit en revenant à la variable originale et en posant xk = Cyk
Notions
xk+1 = xk − ρk CC > ∇f (xk ). Bibliographie
On obtient bien une méthode du type (VI.1.4) avec B = CC > > 0. Dans le cas où f est une
Exemples
forme quadratique, on voit assez facilement comment l’introduction de B permet d’accélérer la Exercices
convergence de la méthode. Documents
139 II
J précédent section N
Théorème VI.1.2. Soit f (x) = une forme quadratique définie positive et B une matrice définie Méthodes à
positive. L’algorithme du gradient préconditionné métrique
x0 = donné, variable
xk+1 = xk − ρk Bgk , ρk optimal
avec
χ(BA) − 1
γ= .
χ(BA) + 1
Dans cette méthode, on voit bien comment influe la matrice B sur la vitesse de convergence : plus
le conditionnement de BA sera faible, plus l’accélération sera grande. On ne peut bien sûr pas poser
B = A−1 , puisque cela sous-entendrait que l’on a déjà résolu le problème ! Cependant, l’idée est tout
de même assez bonne, en ce sens qu’elle indique que B soit être une approximation de A−1 si l’on
veut effectivement accélérer la méthode. Enfin, et pour terminer cette introduction avant d’étudier de
plus près les méthodes de quasi-Newton pour f quelconque, on peut d’ores et déjà dire qu’un critère
de bon fonctionnement de la méthode (VI.1.4) serait que l’on ait au moins Sommaire
Concepts
lim Bk = A−1 , Notions
k→∞
Bibliographie
dans le cas quadratique.
Exemples
Exercices
Documents
JJ 140
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
141
section N suivant I
Exemples :
Exemple VI.1
142 II
section N suivant I
Définition VI.2.1. On dit que les matrice Bk+1 et Hk+1 vérifient une relation de quasi-Newton si on Relation de
a quasi-Newton
Hk+1 (xk+1 − xk ) = ∇f (xk+1 ) − ∇f (xk ),
ou
xk+1 − xk = Bk+1 ∇f (xk+1 ) − ∇f (xk ).
Il reste un problème à résoudre : comment mettre à jour Bk tout en assurant Bk > 0 ? C’est ce
que nous allons voir maintenant.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 143
J précédent section N suivant I
Exemples
Exercices
Documents
144
J précédent section N suivant I
On peut chercher à déterminer une formule de correction de rang 1 de la façon suivante. On écrit
Bk+1 sous la forme
Bk+1 = Bk + vv > ,
et on cherche v tel que la relation de quasi-Newton
Bk+1 yk = sk ,
Bk yk + vv > yk = sk ,
et en prenant le produit scalaire des deux membres de l’égalité précédente avec yk on obtient
145 II
J précédent section N suivant I
Théorème VI.2.2. Soit f une forme quadratique définie positive. Considérons la méthode itérative Formule de
qui, partant d’un point x0 arbitraire engendre sucessivement les points Broyden
xk+1 = xk + sk ,
où les sk sont des vecteurs linéairement indépendants. Alors la suite de matrices générée par B0 ,
une matrice symétrique quelconque et la formule
Bk+1 yk = sk , Sommaire
Concepts
montrons que l’on a aussi Notions
Bibliographie
Bk+1 yi = si , i = 0 . . . k − 1.
On raisonne par récurrence en supposant que cette propriété est vraie pour Bk , à savoir Exemples
Exercices
Bk yi = si , i = 0 . . . k − 2. Documents
JJ 146 II
J précédent section N suivant I
JJ 147
J précédent section N suivant I
148 II
J précédent section N suivant I
Le premier terme du second membre est positif ou nul d’après l’inégalité de Cauchy-Schwartz. Quant Formule de
au deuxième terme on peut faire l’analyse suivante : puisque le pas est optimal, on a la relation Davidon,
> Fletcher et
gk+1 dk = 0,
Powell
et donc
s> > >
k yk = +ρk (gk+1 − gk ) dk = ρk gk Bk gk > 0,
on a donc x> Bk+1 x ≥ 0. Les deux termes dans (VI.2.8) étant positifs, cette quantité ne peut s’an-
nuler que si les deux termes sont simultanément nuls. Le premier terme ne peut s’annuler que si
x = λyk pour un scalaire λ 6= 0. Dans ce cas le deuxième terme est non nul car s> >
k x = λsk yk . On
a donc bien Bk+1 > 0. 2
Remarque VI.2.4. La propriété s>k yk > 0 est vérifiée également par des méthodes de recherche li-
néaire approchées comme par exemple la règle de Wolfe de Powell : en effet dans ce cas on détermine
un point xk+1 tel que
d’où
> xk+1 − xk xk+1 − xk
gk+1 > gk> , Sommaire
ρk ρk Concepts
et donc (gk+1 − gk )> (xk+1 − xk ) > 0. Notions
Bibliographie
Exemples
Exercices
Documents
JJ 149
J précédent section N suivant I
Algorithme de Davidon-Fletcher-Powel
1. Choisir x0 et B0 définie positive quelconque (par exemple B0 = I)
2. A l’itération k, calculer la direction de déplacement
dk = −Bk ∇f (xk ),
déterminer le pas optimal ρk et poser
xk+1 = xk + ρk dk .
3. Poser sk = ρk dk et yk = ∇f (xk+1 ) − ∇f (xk ) puis calculer
sk s>
k Bk yk yk> Bk
Bk+1 = Bk + − .
s>
k yk yk> Bk yk
4. Faire k ← k + 1. Retourner en 1 sauf si le critère d’arrêt est vérifié.
Comme critère d’arrêt on retiendra par exemple kgk+1 k < . Sommaire
Cet algorithme a un comportement remarquable dans le cas où f est une forme quadratique : Concepts
Notions
Théorème VI.2.5. Appliqué à une forme quadratique f , l’algorithme DFP engendre des directions Bibliographie
s0 , . . . , sk vérifiant
s>
i Asj = 0, 0 ≤ i < j ≤ k + 1, (VI.2.9) Exemples
Exercices
Bk+1 Asi = si , 0 ≤ i ≤ k. (VI.2.10) Documents
150 II
J précédent section N suivant I
B1 As0 = s0 .
On a aussi
s> >
0 As1 = −ρ1 s0 AB1 g1 ,
= −ρ1 s>
0 AB1 g1 ,
= −ρ1 s>
0 g1 ,
= 0,
puisque B1 As0 = s0 et que x1 est obtenu par un pas optimal dans la direction s0 . Donc (VI.2.10)
est vérifiée pour k = 0.
Supposons maintenant que (VI.2.9) et (VI.2.10) sont vérifiées à l’ordre k − 1. On peut écrire
d’une part pour i = 0 . . . k − 1.
Sommaire
gk+1 − gi+1 = yi+1 + yi + . . . yk , Concepts
= A(si+1 + si + . . . sk ) Notions
Bibliographie
car f est une forme quadratique de hessien A. D’autre part, puisque xi+1 est obtenu par un pas
optimal dans la direction si on a s>
i gi+1 = 0 et donc Exemples
Exercices
s> >
i (gk+1 − gi+1 ) = si A(si+1 + si + . . . sk ), i = 0 . . . k − 1, Documents
JJ 151 II
J précédent section N suivant I
JJ 152 II
J précédent section N suivant I
La méthode DF P se comporte donc, dans le cas quadratique, comme une méthode de directions Algorithme de
conjuguées. Dans ce cas l’algorithme converge en au plus n itérations. On peut aussi remarquer que Davidon-
l’on a pour k = n − 1 la relation Fletcher-Powel
Bn Asi = si , i = 0, . . . n − 1,
et comme les si sont linéairement indépendants (car mutuellement conjugués) on en déduit que
Bn = A−1 .
Remarque VI.2.6. On peut montrer que dans le cas général (non quadratique), sous les mêmes
réserves que pour la méthode de Fletcher-Reeves (réinitialisation périodique dk = −gk ), cet algo-
rithme permet de converger vers un minimum local x̂ de f , et que l’on a
lim Bk = ∇2 f (x̂)−1 ,
k→∞
ce qui montre que près de l’optimum x̂, si la recherche linéaire est exacte, la méthode se comporte
asymptotiquement comme la méthode de Newton. Cette remarque permet de justifier le choix d’une
estimation du pas de déplacement donnée par
ρk = 1, Sommaire
Concepts
Notions
dans les méthodes de recherche linéaire approchée. Bibliographie
Exemples
Exercices
Documents
JJ 153
J précédent section N
La formule de mise à jour de Broyden, Fletcher, Goldfarb et Shanno est une formule de correction
de rang 2 qui s’obtient à partir de la formule DFP en intervertissant les rôles de sk et yk . La formule
obtenu permet de mettre à jour une approximation Hk du hessien possédant les mêmes propriétés, à
savoir Hk+1 > 0 si Hk > 0 et vérifiant la relation de quasi-Newton
yk = Hk sk .
154 II
J précédent section N
Remarque VI.2.7. La méthode BFGS possède les mêmes propriétés que la méthode DFP : dans
le cas quadratique les directions engendrées sont conjuguées et on a Hn = A. Cette méthode est
reconnue comme étant beaucoup moins sensible que la méthode DF P aux imprécisions dans la
recherche linéaire, du point de vue de la vitesse de convergence. Elle est donc tout à fait adaptée
quand la recherche linéaire est faite de façon économique, avec par exemple la règle de Goldstein
ou la règle de Wolfe et Powell. Elle est par exemple utilisée dans la fonction fminu de Matlab.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 155
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
156
section N suivant I
Si l’on se place près de l’optimum, où on supposera que les fi (x) sont petis, le deuxième terme peut Sommaire
alors être négligé. La matrice obtenue Concepts
m Notions
Bibliographie
X
H(x) = ∇fi (x)∇fi (x)> ,
i=1
Exemples
possède une propriété intéressante : elle est semi-définie positive. De plus dans la plupart des cas Exercices
m est très supérieur à n et la matrice est la plupart du temps définie positive (nous reviendrons sur Documents
157 II
section N suivant I
ce point). La méthode originale que l’on obtient à partir de la méthode de Newton en remplacant La méthode de
∇2 f (x) par H(x) est la méthode de Gauss-Newton : Gauss-Newton
x0 donné,
Pm >
Hk = i=1 ∇fi (xk )∇fi (xk ) ,
−1
xk+1 = xk − Hk ∇f (xk ).
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 158
J précédent section N
Exemples :
Exemple VI.2
dk = −Hk−1 ∇f (xk )
xk+1 = xk + ρk dk ,
cependant, il n’y a aucune garantie que Hk reste défine positive, et en général on fait appel à une
méthode modifiée, qui est la méthode de Levenberg-Marquardt : l’idée consiste à remplacer, dans
la méthode précédente, la matrice Hk par la matrice Hk + λI où λ est un réel positif. Si λ est très
grand, on retombe alors sur la méthode du gradient.
Méthode de Levenberg-Marquardt
Sommaire
x0 donné,
Pm Concepts
>
Notions
Hk = i=1 ∇fi (xk )∇fi (xk ) ,
Bibliographie
dk = −(Hk + λI)−1 ∇f (xk )
xk+1 = xk + ρk dk ,
Exemples
Exercices
Documents
159
J section précédente chapitre N
Exemples du chapitre VI
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
160
section N suivant I
TODO Eric : application d’une méthode de quasi-Newton pour résoudre le problème du posi-
tionnement optimal des antennes (présenté ici).
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
161
J précédent section N
TODO Eric ou Rodolphe : application d’une méthode de LVM à la régression non linéaire (pré-
senté ici).
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
162
J précédent suivant I
Chapitre VII
Conditions d’optimalité en optimisation avec
contraintes
Exemples
Exercices
Documents
163
chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
164
section N suivant I
VII.1.1 Introduction
où les fonctions f , g et h sont différentiables au moins une fois, et f est typiquement non-linéaire.
Cependant nous étudierons le cas où g et h sont linéaires avec un intérêt tout particulier. Dans ce cha-
pitre nous allons nous efforcer d’obtenir les conditions d’optimalité associées au problème (PC). Les
chapitres suivants mettront ensuite l’accent sur les méthodes numériques permettant de le résoudre.
Nous nous intéresserons précisément dans ce chapitre aux problèmes
(PCE) problème avec contraintes d’égalité,
Sommaire
(PCI) problème avec contraintes d’inégalité,
Concepts
et les résultats s’étendront facilement aux problème général (PC). Notions
Bibliographie
Exemples
Exercices
Documents
165
J précédent section N suivant I
On va tout d’abord s’intéresser au problème suivant, dit problème d’optimisation avec contraintes
d’égalité seulement :
minn f (x), (VII.1.4)
x∈ R
(P CE) sous les contraintes
h(x) = 0. (VII.1.5)
La raison majeure justifiant que l’on s’intéresse en premier au problème (PCE) est que (PC) est un
problème du type (PCI) dont on ne sait pas quelles sont les contraintes actives (nous reviendrons
sur cette terminologie plus tard). Nous allons dans un premier temps nous intéresser au cas où les
contraintes sont linéaires.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
166
J précédent section N suivant I
S = {x ∈ Rn , Ax − b = 0}.
167 II
J précédent section N suivant I
∇f (x̂) + A> λ = 0.
Démonstration : Soit d une direction admissible, vérifiant donc d ∈ Ker A. Pour tout t ∈ R
on a
f (x̂) ≤ f (x̂ + td),
soit
f (x̂ + td) − f (x̂)
≥ 0, t > 0,
t
f (x̂ + td) − f (x̂)
≤ 0, t < 0.
t
Si on prend la limite de ces deux expressions quand t tend vers 0 en en déduit que Sommaire
Concepts
Notions
∇f (x̂)> d = 0, ∀d ∈ Ker A Bibliographie
soit ∇f (x̂) ∈ (Ker A)⊥ , donc ∇f (x̂) ∈ Im A> . Il existe donc un vecteur λ tel que
Exemples
> Exercices
∇f (x̂) = −A λ,
Documents
JJ 168 II
J précédent section N suivant I
ce qui démontre le résultat. Pour l’unicité, supposons qu’il existe deux vecteurs λ1 et λ2 vérifiant Contraintes
d’égalité
∇f (x̂) = −A> λ1 = −A> λ2 .
linéaires
On a donc
A> (λ1 − λ2 ) = 0,
et donc λ1 − λ2 = 0 si A est de rang p. 2
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 169
J précédent section N suivant I
170 II
J précédent section N suivant I
Définition VII.1.4. On dit que y ∈ Rn est une direction admissible en x̂ ∈ S s’il existe α > 0 et Contraintes
une courbe x(t) vérifiant d’égalité
x(t) ∈ S, ∀t ∈ [−α, α], non-linéaires
x(0) = x̂,
ẋ(0) = y.
JJ 171 II
J précédent section N suivant I
Proposition VII.1.1. Si x̂ est un point régulier pour la contrainte h(x) = 0, alors Contraintes
>
∇h(x̂) y = 0 ⇒ y ∈ T (x̂). d’égalité
non-linéaires
Démonstration : Soit y ∈ Rn vérifiant ∇h(x̂)> y = 0. On considère la courbe x(t) donnée
par
x(t) = x̂ + ty + ∇h(x̂)u(t).
p
La fonction u(t) ∈ R , pour l’instant inconnue, va être déterminée de telle façon que h(x(t)) = 0.
On va pour cela poser le problème de la détermination de u(t) sous la forme d’une équation implicite.
On définit la fonction F : R × Rp → Rp par
F (t, u) = h(x̂ + ty + ∇h(x̂)u).
Le problème de la détermination de u(t) se ramène donc à la résolution de l’équation
F (t, u) = 0,
au voisinage du point (0, 0). On a d’une part F (0, 0) = h(x̂) = 0 et
∂
F (t, u) = ∇h(x̂)> ∇h(x̂ + ty + ∇h(x̂)u),
∂u
soit Sommaire
∂ Concepts
F (0, 0) = ∇h(x̂)> ∇h(x̂). Notions
∂u
Bibliographie
∂
La matrice ∂u F (0, 0) est inversible puisque par hypothèse ∇h(x̂) est de rang p. On peut alors appli-
quer le théorème des fonctions implicites : il existe un voisinage du point (0, 0) et une fonction u(t)
Exemples
tels que Exercices
F (t, u) = 0 ⇔ u = u(t). Documents
JJ 172 II
J précédent section N suivant I
d
h(x(t)) = ∇h(x(t))> (y + ∇h(x̂)u̇(t)) = 0,
dt
puisque h(x(t)) = 0, et donc en t = 0 la relation précédente prend la forme
d
= ∇h(x̂)> y + ∇h(x̂)> ∇h(x̂)u̇(0) = 0.
h(x(t))
dt t=0
Le premier terme du second membre est nul par hypothèse, et donc u̇(0) = 0 puisque ∇h(x̂)> ∇h(x̂)
est inversible. Donc
ẋ(0) = y,
soit y ∈ T (x̂), ce qui démontre le résultat annoncé. 2 Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 173
J précédent section N
∇f (x̂) + ∇h(x̂)λ = 0,
soit encore
p
X
∇f (x̂) + λi ∇hi (x̂) = 0.
i=1
174 II
J précédent section N
ce qui signifie que ∇f (x̂) se trouve dans l’orthogonal de T (x̂) le plan tangent à S en x̂. Si l’on utilise Le théorème
l’équivalence de Lagrange
T (x̂) = Ker ∇h(x̂)> ⇔ T (x̂)⊥ = Im ∇h(x̂),
il existe donc un vecteur λ ∈ Rp tel que
∇f (x̂) = −∇h(x̂)λ.
L’unicité résulte du fait que ∇h(x̂) est de rang p et se montre comme dans le cas linéaire. 2
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 175
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
176
section N suivant I
où g : Rn → Rm , est différentiable (il n’y a ici aucune condition sur m). On notera K l’ensemble
des points admissibles, c’est à dire
K = {x ∈ Rn , g(x) ≤ 0}.
Au point solution de (P CI) il va de soi que les contraintes effectivement actives vérifieront
gi (x̂) = 0. Cependant, puisque l’on ne sait pas a priori quelles sont ces contraintes, le passage de
(P CI) a un problème du type (P CE) n’est pas direct.
Sommaire
Définition VII.2.1. On appelle contraintes saturées en x̂ l’ensemble des indices i tel que gi (x̂) = 0, Concepts
et on note Notions
Bibliographie
I(x̂) = {i | gi (x̂) = 0}.
On note alors S(x̂) l’ensemble Exemples
n Exercices
S(x̂) = {x ∈ R , gi (x) = 0, i ∈ I(x̂)}. Documents
177 II
section N suivant I
Comme gi (x̂) < 0 pour i 6∈ I(x̂), on aura toujours gi (x(t)) < 0 pour t suffisamment petit. Par contre,
pour i ∈ I(x̂) on doit avoir gi (x(t)) ≤ 0 pour t suffisamment petit. Si on utilise le développement Sommaire
de Taylor de gi (x(t)) en t = 0 on doit donc avoir Concepts
Notions
gi (x̂) + t∇gi (x̂)> y + t(t) ≤ 0. Bibliographie
JJ 178 II
section N suivant I
2 Comme dans le cas des contraintes d’égalité, on doit définir la notion de point régulier, qui est Problème avec
nécessaire pour que la condition précédente soit suffisante : contraintes
Définition VII.2.4. On dit que x̂ est un point régulier pour la contrainte g(x) ≤ 0 si d’inégalité
– g(x̂) ≤ 0,
– Les vecteurs {∇hi (x̂)}i∈I(x̂) sont linéairement indépendants.
Sous l’hypothèse de régularité de x̂ on aura, comme dans le cas des contraintes d’égalité
∇gi (x̂)> y ≤ 0, i ∈ I(x̂) ⇒ y ∈ C(x̂).
La proposition suivante permet d’effectuer le premier pas vers les conditions de Kuhn et Tucker.
Proposition VII.2.1. Soit x̂ la solution du problème (P CI). Il existe η > 0 tel que
∀x ∈ B(x̂, η), gi (x) < 0, i 6∈ I(x̂),
où on a noté B(x̂, η) la boule de centre x̂ et de rayon η. Alors x̂ est la solution du problème
(
min f (x), (VII.2.3)
x∈B(x̂,η)
gi (x) = 0, i ∈ I(x̂). (VII.2.4)
Ce résultat est uniquement dû à la continuité de g, et montre que l’on est localement ramené à un Sommaire
problème avec contraintes d’égalité. On peut donc maintenant énoncer le résulat principal : Concepts
Notions
Théorème VII.2.5. Soit x̂ ∈ K un point régulier solution du problème (P CI). Alors il existe un Bibliographie
unique vecteur λ ∈ Rm tel que
m
X Exemples
∇f (x̂) + λi ∇gi (x̂) = 0, (VII.2.5) Exercices
i=1 Documents
JJ 179 II
section N suivant I
et que x̂ est un point régulier. Il existe donc une courbe x(t) ∈ Sk et vérifiant de plus x(t) ∈ K, pour
t ∈ [α, α], telle que ẋ(0) = y. On a donc
Sommaire
d
= ∇f (x̂)> y,
f (x(t)) (VII.2.8) Concepts
dt t=0 Notions
Bibliographie
X
= − λi ∇gi (x̂)> y, (VII.2.9)
= −λk ∇gk (x̂)> y = λk < 0, (VII.2.10) Exemples
Exercices
ce qui est impossible car f est minimum en x̂. 2 Documents
JJ 180
J précédent section N
On considère un cas où I(x̂) = {1, 2}. Au point x̂, l’ensemble des directions admissibles C(x̂)
forme un cône qui est l’intersections des demi-espaces d’équation
∇gi (x̂)> y ≤ 0, i = 1, 2.
Pour que x̂ soit un optimum local, il faut que le vecteur −∇f (x̂) forme un angle obtus avec les
∇g2 (x̂)
−∇f (x̂)
∇g1 (x̂)
x̂
g2 (x) = 0
C(x̂)
Sommaire
K
Concepts
Notions
Bibliographie
g1 (x) = 0
Exemples
Exercices
F IG . VII.2.1 – Illustration des conditions de Kuhn et Tucker sur un exemple à deux dimensions. Documents
181 II
J précédent section N
directions admissibles. On vérifie aussi que −∇f (x̂) est combinaison linéaire (à coefficients positifs) Interprétation
des vecteurs ∇gi (x̂), i = 1, 2. géométrique
des conditions
de Kuhn et
Tucker
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 182
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
183
section N suivant I
184
J précédent section N suivant I
x̂ = A† b,
Ax = b.
Il suffit de substituer x̂ dans la deuxième équation et puisque AAt op est de rang p on obtient Exemples
Exercices
x̂ = A> (AA> )−1 b, Documents
185 II
J précédent section N suivant I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 186
J précédent section N
x1 ≥ 0,
x2 ≥ 0,
x1 + x2 ≤ 1,
où x0 = (1, 21 ). Il s’agit d’un problème avec contraintes d’inégalité se mettant sous la forme g(x) ≤ 0
avec
−x1
g(x) = −x2 .
x1 + x2 − 1
Sur le dessin, on peut s’assurer que très probablement seule la contrainte numéro 3 est active. On
peut s’en persuader par le calcul de la façon suivante : on peut tenter de résoudre le système
∇f (x) + λ3 ∇g3 (x) = 0, Sommaire
Concepts
g3 (x) = 0, Notions
soit ici Bibliographie
1
x − x0 + λ3 = 0, Exemples
1 Exercices
x1 + x2 = 1, Documents
187 II
J précédent section N
x2 Exemple de
programme
quadratique
x0
K
x̂
g1 (x) = 0 x1
g2 (x) = 0 g3 (x) = 0
JJ 188 II
J précédent section N
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 189
J section précédente chapitre N
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
190
section N suivant I
où h : Rn → Rp .
Exemples
Exercices
Documents
191
J précédent section N suivant I
Théorème VII.4.2. Soit x̂ un point régulier solution de (P CE). Alors il existe λ̂ tel que
∇x L(x̂, λ̂) = 0,
Démonstration : Soit y ∈ T (x̂). On sait qu’il existe une courbe x(t) définie pour t ∈ [−α, α]
vérifiant
x(t) ∈ S, ∀t ∈ [−α, α], α > 0
x(0) = x̂,
ẋ(0) = y.
192 II
J précédent section N suivant I
et donc Condition
d2 nécéssaire du
f (x(t)) = ẋ(t)> ∇2 f (x(t))ẋ(t) + ∇f (x(t))> ẍ(t), (VII.4.1) second ordre
dt2
d2
= y > ∇2 f (x̂)y + ∇f (x̂)> ẍ(0) ≥ 0
2
f (x(t)) (VII.4.2)
dt t=0
d2
= y > ∇2 hi (x̂)y + ∇hi (x̂)> ẍ(0) = 0, i = 1, . . . , p.
2
h(x(t))
dt t=0
On peut multiplier chacune de ces égalités par λ̂i et en faire la somme, ce qui donne
p p
! !
X X
y> λ̂i ∇2 hi (x̂) y + λ̂i ∇hi (x̂)> ) ẍ(0) = 0.
i=1 i=1
JJ 193 II
J précédent section N suivant I
p
Condition
X
∇f (x̂) + λ̂i ∇hi (x̂) = 0,
i=1 nécéssaire du
y > ∇2xx L(x̂, λ̂)y ≥ 0 , ∀y ∈ T (x̂), y 6= 0, second ordre
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 194
J précédent section N
g(x̂) ≤ 0,
p
X
∇f (x̂) + λ̂i ∇gi (x̂) = 0,
i=1
λ̂i ≥ 0, i = 1 . . . m,
λ̂i gi (x̂) = 0, i = 1 . . . m,
> 2
y ∇xx L(x̂, λ̂)y ≥ 0 , ∀y ∈ T + (x̂), y 6= 0,
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
195
J précédent suivant I
Chapitre VIII
Méthodes primales
Exemples
Exercices
Documents
196
chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
197
section N suivant I
198 II
section N suivant I
où y ∈ Ker A et z ∈ ( Ker A)⊥ , ces deux sous-espaces étant complémentaires dans Rn . On a donc La méthode du
gradient
−∇f (x)> d = −y > d.
projeté
Comme d est un vecteur unitaire quelconque y > d sera maximal pour
y
d= ,
kyk
d’où le résultat. On remarquera que si y 6= 0, le vecteur d est bien une direction de descente car on a
2
Pour former la matrice de projection sur Ker A on utilise en général la factorisation QR de la
matrice A> , qui s’exprime sous la forme
R
A> = Q ,
0
JJ 199 II
section N suivant I
d’inégalité lineéaires, on sera amené à considérer une succession de problèmes avec contraintes La méthode du
d’égalité, et la matrice A pourra évoluer à chaque itération, par ajout ou supression d’une ligne. gradient
Le choix de la factorisation QR est tout indiqué car il existe des techniques de mise à jour par- projeté
ticulièrement économiques, ce qui n’est pas le cas quand on exprime la matrice P sous la forme
classique
P = I − A> [AA> ]−1 A.
La méthode du gradient projeté consiste tout simplement à mettre en oeuvre une méthode de
descente utilisant à chaque pas la direction dk = −V V > ∇f (xk ). Les itérations sont poursuivies
jusqu’à ce que dk = 0. Cela signifie alors que ∇f (x) ∈ Im A> et donc qu’il existe λ tel que
∇f (xk ) = −A>λ.
On peut utiliser la factorisation de A> pour obtenir λ par résolution du système linéaire
Rλ = −U > ∇f (x).
JJ 200
J précédent section N
La méthode du gradient projeté souffrant des mêmes problèmes que la méthode du gradient
(vitesse de convergence très sensible au conditionnement), on lui préfère souvent les méthodes de
quasi-Newton adaptées au cas des contraintes linéaires. Il est plus facile de comprendre comment
fonctionnent ces méthodes en faisant l’analyse suivante
Supposons que l’on dispose d’un point x0 admissible. L’idée est de poser x = x0 + V z et de
considérer une nouvelle fonction f˜ définie par
où les colonnes de V forment une base orthogonale de Ker A (on a vu comment obtenir une telle
matrice). Alors par construction le problème (VIII.1.2) est équivalent au problème sans contraintes
puisque
A(x0 + V z) − b = Ax0 − b + AV z = 0.
Sommaire
On peut donc appliquer n’importe quelle méthode de descente à la résolution de (VIII.1.7). Notons Concepts
que l’on a Notions
∇f˜(z) = V > ∇f (x0 + V z), Bibliographie
201 II
J précédent section N
Si la matrice Gk est définie positive alors pk sera une direction de descente pour f˜ et le vecteur V pk
sera une direction de descente pour f puisque
∇f (xk )> V pk = ∇f˜(zk )> pk < 0.
Remarque VIII.1.2. On sait que dans le cas général un optimum local du problème (P CE) est
caractérisé par
y > ∇2xx L(x̂, λ̂)y ≥ 0, ∀y ∈ T (x̂), y 6= 0.
Or dans le cas des contraintes linéaires on a
Sommaire
∇2xx L(x, λ) 2
= ∇ f (x), (VIII.1.8) Concepts
Notions
et le sous espace T (x̂) n’est autre que Ker A. Et donc si l’on dispose d’une matrice V dont les Bibliographie
colonnes forment une base orthogonale de Ker A, tout vecteur y ∈ T (x̂) s’exprime sous la forme
y = V z et la condition (VIII.1.8) s’écrit Exemples
Exercices
zV > ∇2 f (x̂)V z > 0, ∀ z. Documents
JJ 202 II
J précédent section N
On est donc assuré que le hessien projeté est défini positif à l’optimum, ce qui justifie l’utilisation La méthode de
des méthodes de quasi-Newton. Newton
On peut donc envisager une méthode de quasi-Newton ou la mise à jour opère non pas sur le projetée
hessien de f mais sur le hessien projeté. Voici l’algorithme correspondant pour la méthode BFGS :
JJ 203
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
204
section N
I0 = {i | Ai x0 − bi = 0}.
On peut chercher une direction de descente d qui permette, au moins pour un petit déplacement, de
rester dans K. Si on note A0 ∈ Mpn la matrice composée des lignes i ∈ I0 on doit donc avoir
AI0 d = 0. (VIII.2.3)
R
Après calcul de la factorisation (U V ) de A>I0 , une direction admissible d peut être obtenue
0 Sommaire
par d = −V V > ∇f (x0 ). Concepts
Notions
Il y a ensuite deux cas à envisager : Bibliographie
1. Si d 6= 0, il faut déterminer le déplacement maximal autorisé par les contraintes non saturées,
c’est à dire ρmax tel que Exemples
Exercices
ρmax = {ρ |ρ ≥ 0, Ai (x0 + ρd) − bi ≤ 0, i 6∈ I0 }. Documents
205 II
section N
Ensuite, on cherche le pas optimal ρopt dans direction d. Ce pas pouvant faire sortir du domaine Méthode de
admissible, on prendra donc toujours directions
réalisables
ρ = min(ρopt , ρmax ),
en notant bien que lorsque ρ = ρmax , cela signifie qu’une nouvelle contrainte sera saturée.
2. Si d = 0 cela signifie que ∇f (x) ∈ Im A>
I0 et donc qu’il existe λ tel que
∇f (x) = −A>
I0 λ,
Rλ = −U > ∇f (x),
JJ 206 II
section N
1. Poser k = 0 et choisir x0 .
Méthode de
2. Déterminer Ik = {i | Ai xk − bi = 0}. directions
3. Former la matrice AIk = {Ai }i∈Ik . réalisables
Rk
A>
4. Calculer ou mettre à jour la factorisation Ik = [Uk Vk ]
0
5. Calculer la projection dk = −Vk Vk> ∇f (xk )
6. Si dk = 0
– Calculer λ = −(Rk )−1 Uk> ∇f (xk )
– Si λ ≥ 0 alors on s’arrète
– Sinon, choisir j tel que λj ≤ λi , ∀i, faire Ik = Ik − {j} et retourner en 3.
7. Calculer ρmax = {ρ |ρ ≥ 0, Ai (xk + ρdk )a − bi ≤ 0, i 6∈ Ik }.
8. Déterminer ρk réalisant le minimum de f (xk + ρdk ) sur [0, ρmax ].
9. Poser xk+1 = xk + ρk dk , faire k ← k + 1 et retourner en 2.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 207
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
208
section N suivant I
Exemples :
Exemple VIII.1
Le but des méthodes de pénalisation est de résoudre (P CI) de façon approchée de la façon suivante :
on définit la fonction ϕ(x) par
Xm
ϕ(x) = (gi+ (x))2 ,
i=1
Sommaire
où [.]+ est la fonction partie positive définie par Concepts
Notions
y + = max(0, y). Bibliographie
209 II
section N suivant I
f (x ) ≤ f (x) ∀x ∈ RN .
Le nom de pénalité extérieure provient du fait que x est toujours à l’extérieur (au sens large) de K
comme le montre le résultat suivant :
Proposition VIII.3.1. S’il existe au moins une contrainte saturée à l’optimum x̂ du problème
(P CI) alors le vecteur solution du problème pénalisé (P ) verifie nécessairement
∃ i0 , gi0 (x ) ≥ 0.
mais commme x ∈ K et x̂ ∈ K on a
Exemples
ϕ(x ) = ϕ(x̂) = 0, Exercices
Documents
JJ 210 II
section N suivant I
et donc Méthode de
f (x ) ≤ f (x̂). pénalisation
D’où x = x̂. On a donc gi (x̂) < 0, ∀i et aucune contrainte n’est saturée en x̂. 2 En général, on a externe
toujours x 6∈ K comme le montre l’exemple de la pénalisation mais sous des hypothèses assez peu
restrictives, x tend vers une solution du problème (P CI) quand tend vers 0.
Lorsqu’on met en oeuvre cette méthode de façon pratique, on ne peut pas prendre tout de suite
k très petit, à cause des problèmes de conditionnement que cela peut causer. On commence donc Sommaire
Concepts
avec une valeur du type 0 = 1, et chaque solution xk est prise comme vecteur initial pour résoudre
Notions
le problème avec k+1 = k /100 (par exemple). On peut bien sûr utiliser n’importe quelle méthode Bibliographie
pour résoudre le problème minx fk (x) (BFGS, gradient conjugué, ...).
Exemples
Exercices
Algorithme de la méthode de pénalisation
Documents
JJ 211 II
section N suivant I
1. Choisir x0 , 1 = 1 et poser k = 1
Méthode de
2. Trouver xk solution du problème minn fk (x) en partant de xk−1 . pénalisation
x∈R
externe
3. Poser k+1 = k /100
4. faire k ← k + 1 et retourner en 2
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 212
J précédent section N suivant I
Dans le cas des méthodes internes, en général, x n’est jamais dans K (sauf cas particulier) : cela
peut poser des problèmes si par exemple la fonction f n’est pas définie hors de K. Les méthodes
internes permettent d’éviter cet inconvénient. Leur principe est le même que pour les méthodes ex-
ternes : on considère une fonction
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
213
J précédent section N
Sous les hypothèses du théorème VIII.3.1 xk → x̂ et donc pour les contraintes non saturées, puisque
gi (x̂) < 0, il existe k0 tel que
k > k0 ⇒ gi (xk ) < 0, i 6∈ I(x̂).
Si on suppose que x̂ est régulier, les conditions de Kuhn et Tucker sont vérifiées et on a Sommaire
X Concepts
∇f (x̂) + λi ∇gi (x̂) = 0. Notions
i∈I Bibliographie
Si on note maintenant que pour k > k0 ,
2X + Exemples
∇f (xk ) + gi (xk )∇gi (xk ) = 0, Exercices
Documents
i∈I
214 II
J précédent section N
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 215
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
216
section N suivant I
217 II
section N suivant I
Une méthode basée sur la résolution itérative de (VIII.4.3) présentera les inconvénients habituels de la Cas des
méthode de Newton : la convergence est locale. De plus, les équations de Kuhn et Tucker sont aussi contraintes
vérifiées pour les maximums. Si on veut remédier à ces inconvénients il faut diposer d’une bonne d’égalité
estimation initiale de (x̂, λ̂), qui peut par exemple être fournie par une méthode de pénalisation.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 218
J précédent section N suivant I
Dans la méthode précédente, pour éviter les points stationnaires qui ne sont pas des minimum,
on peut faire l’analyse suivante : si on note sk = xk+1 − xk on observe que le système (VIII.4.3)
s’écrit
Hk yk + Jk> λk+1 = −∇f (xk ).
Le vecteur yk est la solution du problème d’optimisation quadratique suivant :
et λk+1 est le multiplicateur associé. Au lieu de résoudre le système (VIII.4.3) on peut donc résoudre
le problème (VIII.4.4), ce qui permet d’éviter les points stationnaires qui ne sont pas des minima.
La résolution de ce problème peut se faire avec toute méthode adaptée aux problèmes quadratiques.
Cette extension de la méthode de Newton est due à Wilson.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
219
J précédent section N
La méthode de Wilson vue au grain précédent se généralise très facilement au cas des contraintes
d’inégalité. Si le problème original est de la forme :
minn f (x),
x∈R (VIII.4.5)
gi (x) ≤ 0, i = 1 . . . m,
On peut alors utiliser une méthode consistant à résoudre itérativement le problème quadratique
Remarque VIII.4.1. Comme on l’a déjà dit la méthode de Wilson (pour les contraintes d’égalité et
d’inégalité) ne converge que localement. La globalisation de cette méthode peut se faire en utilisant
Sommaire
une approximation de quasi-Newton pour la matrice Hk = ∇2x L(xk , λk ) et en faisant une recherche Concepts
linéaire dans la direction sk pour définir xk+1 = xk +ρk sk . Lors de la recherche linéaire, on cherche Notions
alors à minimiser une fonction de mérite du type Bibliographie
p
Exemples
X
θ(x) = f (x) + c |hi (x)|,
Exercices
k=1 Documents
220 II
J précédent section N
dans le cas des contraintes d’inégalité (dans ce dernier cas c doit être un majorant des multiplica-
teurs optimaux). Les fonctions σ(x) et θ(x) sont des fonctions de pénalisation exacte : cette termi-
nologie traduit le fait que contrairement aux fonctions de pénalisation différentiables que l’on a vu
précédemment, le minimum de θ ou σ peut coïncider avec x̂ pour des valeurs finies de c.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 221
J section précédente chapitre N
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
222
section N suivant I
On considère le problème
min 21 x2 ,
x ≥ 1.
La fonction pénalisée s’écrit
1 1
f (x) = x2 + ([1 − x]+ )2 .
2
Pour x 6∈ K on a
2
∇f (x) = x − (1 − x).
Si on fait l’hypothèse a priori que x 6∈ K alors on a
2
x − (1 − x ) = 0,
et donc x = (1 + /2)−1 . On a bien x 6∈ K et
lim x = 1. Sommaire
→0
Concepts
Notions
Bibliographie
Retour au grain
Exemples
Exercices
Documents
223
J précédent section N
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
224
J précédent suivant I
Chapitre IX
Méthodes utilisant la notion de dualité
Exemples
Exercices
Documents
225
chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
226
section N suivant I
minn f (x),
x∈R (IX.1.1)
g(x) ≤ 0,
et on note comme d’habitude K = {x ∈ Rn , g(x) ≤ 0}. Le problème (IX.1.1) est appellé problème
primal par opposition au problème dual que l’on va maintenant définir.
Soit ϕ(x) une fonction indicatrice de K :
ϕ(x) = 0, si x ∈ K, (IX.1.2)
ϕ(x) = +∞, sinon. (IX.1.3)
227 II
section N suivant I
j tel que gj (x) > 0, et donc λ> g(x) peut être rendu arbitrairement grand en faisant tendre λj vers Le problème
+∞. dual
Le problème primal est donc équivalent au problème
>
minn f (x) + max λ g(x) ,
x∈R λ≥0
et si on utilise le lagrangien L(x, λ) = f (x) + λ> g(x), on peut alors noter que le problème primal
s’écrit
minn max L(x, λ). (IX.1.4)
x∈R λ≥0
JJ 228 II
section N suivant I
2 Ce qui est remarquable dans cette propriété est que le résultat ne suppose absolument rien sur la
convexité des fonctions f et gi .
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 229
J précédent section N
On a donc
max w(λ) ≤ minn max L(x, λ),
λ≥0 x∈R λ≥0
230 II
J précédent section N
Lorsque ce point existe, on peut donc résoudre le problème dual à la place du problème primal :
l’intérêt principal est la concavité de la fonction duale ainsi que la simplicité des contraintes. On
voit aussi que même lorsqu’il n’existe pas de point col, le maximum de la fonction duale fournit un
minorant de f (x̂), ce qui peut être utile dans certaines circonstances. On appelle alors la différence
f (x̂) − w(λ̂) le saut de dualité.
Théorème IX.1.3. Si f est strictement convexe, si les gi sont convexes et si K est d’intérieur non-
vide, l’existence de x̂ est équivalente à l’existence de λ̂ et on a
w(λ̂) = L(x̂, λ̂) = f (x̂).
Il existe cependant des cas où il existe un point-col et les conditions précédentes ne sont pas
vérifiées. Quand il n’y a pas de point-col, on peut faire alors appel à des techniques où on utilise un Sommaire
lagrangien augmenté du type Concepts
m Notions
X Bibliographie
L(x, λ, r) = f (x) + λ> g(x) + r (gi+ (x))2 ,
i=1
Exemples
pour définit la fonction duale. Ce type d’approche permet de généraliser les méthodes duales pour
Exercices
les cas typiquement non-convexes. Documents
JJ 231
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
232
section N suivant I
L’utilisation de cette méthode suppose que la fonction duale est différentiable (au moins a l’opti-
mum). Ce sera le cas si le minimum en x de L(x, λ̂) est unique. Dans ce cas si on note x(λ) le
vecteur tel que
w(λ) = L(x(λ), λ),
on peut écrire que
dx(λ)
∇w(λ) = ∇x L(x(λ), λ) + ∇λ L(x(λ), λ),
dλ
= g(x(λ)),
puisque x(λ) est par définition le minimum en x de L(x, λ). L’algorithme de la méthode est donc le
suivant : Sommaire
Concepts
Notions
Algorithme d’Uzawa Bibliographie
Exemples
Exercices
Documents
233 II
section N suivant I
1. Poser k = 0 et λ0 = 0.
Méthode
2. Déterminer xk solution du problème minn f (x) + λ>
k g(x)
d’Uzawa
x∈R
3. Si maxi gi (xk ) < alors on s’arrête.
4. Sinon, calculer λk+1 = [λk + ρk g(xk )]+
5. Faire k ← k + 1 et retourner en 2.
Au point 4 on peut choisir ρk fixe ou bien faire une recherche linéaire. Lorsque la fonction duale
est mal conditionnée, on peut aussi utiliser une méthode de quasi-Newton. Dans le test d’arrêt choisi
la valeur de > 0 devra être choisie prudemment : en effet, s’il n’existe pas de point-col on ne peut
avoir xk ∈ K et donc si est trop petit l’algorithme ne s’arrêtera pas.
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 234
J précédent section N
Cette méthode est très voisine de la méthode d’Uzawa. Au lieu de déterminer xk comme le
minimum de L(x, λk ) on se contente d’un pas dans la direction −∇x L(x, λk ) : on définit xk+1 par
xk+1 = xk − αk ∇x L(xk , λk ),
et λk+1 par
λk+1 = [λk + ρk g(xk )]+ .
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
235
J section précédente chapitre N
Exemples du chapitre IX
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
236
section N
Retour au grain
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
237
J précédent
Chapitre X
Méthodes d’optimisation globale
Exemples
Exercices
Documents
238
chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
239
section N
TODO Rodolphe
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
240
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
241
section N
TODO Rodolphe
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
242
J section précédente chapitre N section suivante I
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
243
section N
TODO Rodolphe
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
244
J section précédente chapitre N
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
245
section N
TODO Rodolphe
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
246
Index des concepts
D
C Difficultés pratiques . . . . . . . . . . . . . . . . . . . . . . . 34
Exemples
Exercices
Calcul du pas optimal (cas quadratique) . . . . . 90 différentiabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 Documents
247 II
DIRECT (intro) . . . . . . . . . . . . . . . . . . . . . . . . . . 241 H
Direction admissible . . . . . . . . . . . . . . . . . . . . . . 166 Historique du cours . . . . . . . . . . . . . . . . . . . . . . . . . 9
Distance d’un point à un plan . . . . . . . . . . . . . . 183
Dérivée directionnelle . . . . . . . . . . . . . . . . . . . . . 49
I
interpolation cubique . . . . . . . . . . . . . . . . . . . . . 132
E Intervalle de sécurité . . . . . . . . . . . . . . . . . . . . . . 121
EGO (intro) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
Estimation des multiplicateurs . . . . . . . . . . . . . 213
exemple en mécanique . . . . . . . . . . . . . . . . . 15, 41 K
existence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 Kuhn et Tucker - interprétation géométrique 180
F L
Forme quadratique (définition) . . . . . . . . . . . . . . 41 La méthode de Newton projetée . . . . . . . . . . . 200
forme quadratique définie positive (propriétés)43 Lagrangien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
Formulation générale . . . . . . . . . . . . 12, 27, 29, 38 Les grands mécanismes des optimiseurs . . . . . 38
Levenberg-Marquardt . . . . . . . . . . . . . . . . . . . . . 158
Linéarisation du lagrangien . . . . . . . . . . . . . . . . 216
G
Gauss-Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 Sommaire
Globalité (intro) . . . . . . . . . . . . . . . . . . . . . . . . . . 239 M Concepts
Matrice Hessienne . . . . . . . . . . . . . . . . . . . . . . . . . 51 Notions
Gradient conjugué : algorithme . . . . . . . . . . . . 103
Bibliographie
Gradient conjugé : étude de convergence. . . .112 Mise à jour de l’approximation du hessien . . 143
Gradient conjugé, Interprétation, sous espace de moindres carrés . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Méthode d’Arrow et Hurwicz. . . . . . . . . . . . . .234 Exemples
Krylov . . . . . . . . . . . . . . . . . . . . . . . . . . 109 Exercices
Gradient projeté . . . . . . . . . . . . . . . . . . . . . . . . . . 197 Méthode d’Uzawa . . . . . . . . . . . . . . . . . . . . . . . . 232 Documents
JJ 248 II
Méthode de directions réalisables . . . . . . . . . . 204 Problème avec contraintes d’égalité . . . . . . . . 165
Méthode de Fletcher-Reeves et variante de Polak- problème dual . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
Ribière . . . . . . . . . . . . . . . . . . . . . . . . . . 106 Problème standard (avec contraintes) . . . . . . . 164
Méthode de la section dorée . . . . . . . . . . . . . . . 123 Programme quadratique (exemple) . . . . . . . . . 186
méthode de Newton . . . . . . . . . . . . . . . . . . . . . . 136 Propriété de minimisation . . . . . . . . . . . . . . . . . . 99
Méthode de Wilson . . . . . . . . . . . . . . . . . . . . . . . 218 Préconditionnement . . . . . . . . . . . . . . . . . . . . . . 138
Méthode de Wilson (contraintes d’inégalité) 219 Pseudo-inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
Méthode du gradient simple . . . . . . . . . . . . . . . . 87 Pénalisation externe . . . . . . . . . . . . . . . . . . . . . . 208
Méthode du gradient à pas optimal . . . . . . . . . . 89 Pénalisation interne . . . . . . . . . . . . . . . . . . . . . . . 212
N R
navigation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 Recherche linéaire . . . . . . . . . . . . . . . . . . . . . . . . 120
Relation de quasi-Newton . . . . . . . . . . . . . . . . . 141
Remerciements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
O Règle d’Armijo . . . . . . . . . . . . . . . . . . . . . . . . . . 125
Optimisation et dessins de fonctions . . . . . . . . . 36 Règle de Goldstein . . . . . . . . . . . . . . . . . . . . . . . 127
Optimisation locale vs. globale . . . . . . . . . . . . . 31 Règle de Wolfe . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Optimiseurs et simulateurs . . . . . . . . . . . . . . . . . 29 Réduction de l’intervalle, principe . . . . . . . . . 131
Sommaire
P T Concepts
Notions
Parcours dans le cours . . . . . . . . . . . . . . . . . . . . . 10 Théorème de Lagrange . . . . . . . . . . . . . . . . . . . 173 Bibliographie
Point-col . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
Positionnement optimal d’antennes . . . . . . . . . . 18
Principe des méthodes de descente . . . . . . . . . . 84 U
Exemples
Exercices
Problème avec contraintes d’inégalité . . . . . . 176 Unicité (lien avec la convexité) . . . . . . . . . . . . . 63 Documents
JJ 249
Index des notions
Symbols F
x∗ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Fonction coût . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Formulation générale . . . . . . . . . . . . . . . . . . . . . . 27
C
continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 G
Contraintes d’inégalité . . . . . . . . . . . . . . . . . . . . . 27 gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Contraintes d’égalité . . . . . . . . . . . . . . . . . . . . . . . 27
Critères d’optimisation . . . . . . . . . . . . . . . . . . . . . 27
I
Itération d’optimiseur . . . . . . . . . . . . . . . . . . . . . . 29
D Sommaire
Différences finies . . . . . . . . . . . . . . . . . . . . . . . . . . 49 Concepts
Dérivée directionnelle . . . . . . . . . . . . . . . . . . . . . 49 J Notions
jacobienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 Bibliographie
E Exemples
enveloppe convexe . . . . . . . . . . . . . . . . . . . . . . . . 75 O Exercices
Optimiseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 Documents
250 II
P
p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
S
Simulateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
V
Variable d’optimisations . . . . . . . . . . . . . . . . . . . 27
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
JJ 251
Bibliographie
Sommaire
Concepts
Notions
Bibliographie
Exemples
Exercices
Documents
252
Aide 1, Exercice II.4
Retour à l’exercice N