Assas Recherche | Infeasibility detection and regularization strategies in nonlinear optimization

Infeasibility detection and regularization strategies in nonlinear optimization (Document en Anglais)

Accès au(x) document(s)

Accéder au(x) document(s) :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :

Thèse consultable sur internet, en texte intégral.

Informations sur les contributeurs

Auteur : Tran Ngoc Nguyen

Tran, Ngoc Nguyen

Nom

Tran

Prénom

Ngoc Nguyen

Nationalité

Français

Date de soutenance : 26-10-2018

Directeur(s) de thèse : Armand Paul

Armand, Paul

Nom

Armand

Prénom

Paul

Etablissement de soutenance : Limoges

Limoges

Nom

Limoges

Laboratoire : XLIM

XLIM

Nom

XLIM

Ecole doctorale : École doctorale Sciences et Ingénierie des Systèmes, Mathématiques, Informatique (Limoges ; 2018-2022)

École doctorale Sciences et Ingénierie des Systèmes, Mathématiques, Informatique (Limoges ; 2018-2022)

Nom

École doctorale Sciences et Ingénierie des Systèmes, Mathématiques, Informatique (Limoges ; 2018-2022)

Informations générales

Discipline : Mathematiques
Classification : Mathématiques

Mots-clés libres : Optimisation nonlinéaire, Détection de la non-réalisabilité, Regularisation, Dégénéré, Méthode lagrangienne augmentée, Méthode de point intérieur, Méthodes primales-duales, Borne d’erreur locale, Convergence superlinéaire/quadratique
Mots-clés :

Algorithmes
Optimisation mathématique
Programmation non linéaire
Pénalisation (optimisation mathématique)
Lagrange, Fonctions de
Convergence (mathématiques)

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.

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2018LIMO0059
Type de ressource : Thèse