Section outline

  • Dans de nombreux problèmes réels d’optimisation, les variables ne peuvent pas varier librement et doivent satisfaire un ensemble de contraintes traduisant des limitations physiques, économiques ou techniques. Les méthodes d’optimisation avec contraintes visent à déterminer les solutions optimales tout en respectant ces restrictions, qu’elles soient des contraintes d’égalité ou d’inégalité.

    L’introduction des contraintes modifie profondément la nature du problème et nécessite des outils théoriques et algorithmiques spécifiques. Parmi ceux-ci figurent les conditions d’optimalité, telles que les conditions de Karush–Kuhn–Tucker, ainsi que des méthodes numériques adaptées comme les multiplicateurs de Lagrange, les méthodes de pénalisation ou les méthodes de projection. Ce chapitre présente les principes fondamentaux de l’optimisation sous contraintes, les principales approches de résolution et les hypothèses garantissant l’existence et la convergence des solutions.

    • Un lien youtube concernant l'optimisation avec contraintes, commencant par : 

      • Existence et unicité.
      • Condition necessaire d'optimalité.
      • Condition suffisante d'optimalité.
      • Résolution par théorème de Lagrange.
      • Résolution par Kuhn-Karuch-Tucker (KKT).
      • Quelques exemples avec solutions.