R6.06 - Techniques d'optimisation

Plan des savoirs optimisation étudiés

• Cours 1 - Introduction générale
• Cours 2 - Déterminer le minimum d'une fonction - Comparaison de la desccente de gradient et du recuit simulé
  • Lien vers un programme à compléter si besoin
  • Paramètres à utiliser pour tester la descente de gradient et le recuit simulé
    • Descente de gradient => convergence vers le minimum local x₁ : x^k = 1.369 avec f(x^k) = -1.379
      • x⁰ = 0
      • Gamma = 0.01
      • max Iterations = 20
    • Recuit simulé => convergence vers le minimum global x₂ : x^k = 4.326 avec f(x^k) = -6.914
      • x⁰ = 0
      • T⁰ = 100
      • longuer Palier Température = 25
      • alpha = 0.75
      • max Températures = 100 (nombre de paliers de température)
    • Vidéo de l'animation montrant l'exploration faite par le recuit simulé
• Cours 3 - Déterminer le minimum d'une fonction - Optimisation par essaims particulaires
• Cours 4 - Un perceptron linéaire pour classifier - Apprentissage par descente de gradient
  • Lien vers un programme à compléter
  • Lien vers programme complert
• Cours 5 - Résoudre le problème du voyageur de commerce avec un algorithme génétique