5.1 Problème quadratique
(PQ)min f(x) = 1
2hQx, xi−hb, xi
s.c. x∈Rn
avec Q∈Mn(R)symétrique définie positive et b∈Rn.
=⇒ ∇f(x) = −(Qx −b)∇2f(x) = Q
d1, d2sont Q-conjuguées ⇐⇒ hd1, Qd2i= 0
5.2 Pas de recherche ni trop court, ni trop long : pas de Wolf
αopt le pas optimal : solution de min
α>0f(xk+αdk) =⇒long à calculer
Conditions de Wolf (dkune direction de descente de fen xket 0< β1< β2<1)
Condition de diminution suffisante f(xk+αkdk)6f(xk) + β1αkh∇f(xk), dki
Condition de progrès suffisant h∇f(xk+αkdk), dki>β2h∇f(xk), dki
dk=direction de descente
0< β1< β2<1, λ > 1Algorithme de Fletcher-Lemaréchal
=⇒pas de Wolf
fminorée dans la direction dk=⇒algorithme de Fletcher-Lemaréchal converge
6 Algorithme de région de confiance
méthodes de recherche linéaire : recherche suivant un direction donnée
méthode de région de confiance : recherche sur toutes les directions mais remplace-
ment de fpar un modèle mkplus simple
•Initialisation :¯
∆,∆0,x0donnés, 0< η < 1
4.
•Etape courante :xket ∆kconnus.
(a) Résoudre le sous-problème de région de confiance : problème approché
mk(x)≈f(x)dans la région de confiance Rk={xk+d| kdk6∆k},
min
x∈Rk
mk(x) = min
kdk6∆mk(xk+d)
soit ˜xk+1 =xk+dksa solution.
(b) Calculer le ratio de réduction ρk
ρk=réduction réelle
réduction prédite par le modèle =f(xk)−f(˜xk+1 )
mk(xk)−mk(˜xk+1 )
(c) Si ρk> η alors xk+1 =xk+dkmodèle acceptable : point accepté
sinon xk+1 =xkpoint rejeté
(d) Mise à jour du rayon ∆k
∗Si ρk<1
4alors ∆k+1 =1
4kdkk: modèle mauvais, &rayon
∗Si 1
46ρk63
4alors ∆k+1 = ∆k: modèle moyen, on continue
∗Si ρk>3
4: modèle très bon
Si kdkk= ∆kalors ∆k+1 = min(2∆k,¯
∆) sinon ∆k+1 = ∆k.
•Test d’arrêt.
4