Détection de la non-réalisabilité et stratégies de régularisation en optimisation non linéaire

Résumé : Dans cette thèse, nous nous étudions des algorithmes d’optimisation non linéaire. D’une part nous proposons des techniques de détection rapide de la non-réalisabilité d’un problème à résoudre. D’autre part, nous analysons le comportement local des algorithmes pour la résolution de problèmes singuliers. Dans la première partie, nous présentons une modification d’un algorithme de lagrangien augmenté pour l’optimisation avec contraintes d’égalité. La convergence quadratique du nouvel algorithme dans le cas non-réalisable est démontrée théoriquement et numériquement. La seconde partie est dédiée à l’extension du résultat précédent aux problèmes d’optimisation non linéaire généraux avec contraintes d’égalité et d’inégalité. Nous proposons une modification d’un algorithme de pénalisation mixte basé sur un lagrangien augmenté et une barrière logarithmique. Les résultats théoriques de l’analyse de convergence et quelques tests numériques montrent l’avantage du nouvel algorithme dans la détection de la non-réalisabilité. La troisième partie est consacrée à étudier le comportement local d’un algorithme primal-dual de points intérieurs pour l’optimisation sous contraintes de borne. L’analyse locale est effectuée sans l’hypothèse classique des conditions suffisantes d’optimalité de second ordre. Celle-ci est remplacée par une hypothèse plus faible basée sur la notion de borne d’erreur locale. Nous proposons une technique de régularisation de la jacobienne du système d’optimalité à résoudre. Nous démontrons ensuite des propriétés de bornitude de l’inverse de ces matrices régularisées, ce qui nous permet de montrer la convergence superlinéaire de l’algorithme. La dernière partie est consacrée à l’analyse de convergence locale de l’algorithme primal-dual qui est utilisé dans les deux premières parties de la thèse. En pratique, il a été observé que cet algorithme converge rapidement même dans le cas où les contraintes ne vérifient l’hypothèse de qualification de Mangasarian-Fromovitz. Nous démontrons la convergence superlinéaire et quadratique de cet algorithme, sans hypothèse de qualification des contraintes.
Type de document :
Thèse
Optimization and Control [math.OC]. Université de Limoges, 2018. English. 〈NNT : 2018LIMO0059〉
Liste complète des métadonnées

Littérature citée [4 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01930327
Contributeur : Abes Star <>
Soumis le : mercredi 21 novembre 2018 - 18:06:07
Dernière modification le : jeudi 22 novembre 2018 - 01:06:30

Fichier

2018LIMO0059.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01930327, version 1

Collections

Citation

Ngoc Nguyen Tran. Détection de la non-réalisabilité et stratégies de régularisation en optimisation non linéaire. Optimization and Control [math.OC]. Université de Limoges, 2018. English. 〈NNT : 2018LIMO0059〉. 〈tel-01930327〉

Partager

Métriques

Consultations de la notice

275

Téléchargements de fichiers

35