Explore l'optimisation avec des contraintes en utilisant les conditions KKT et l'algorithme de point intérieur sur deux exemples de programmation quadratique.
Couvre les bases de la programmation non linéaire et ses applications dans le contrôle optimal, en explorant des techniques, des exemples, des définitions d'optimalité et les conditions nécessaires.
Couvre les méthodes primal-dual pour la minimisation composite, les algorithmes stochastiques, les problèmes non convexes et les techniques de pénalité quadratique.
Explore l'analyse de sensibilité locale dans la programmation linéaire, en examinant comment les changements ont un impact sur l'optimalité et la faisabilité.
Explore l'optimisation primaire-duelle, la conjugaison des fonctions, la dualité forte, et les méthodes de pénalité quadratique en mathématiques de données.
Introduit CALIPSO, un résolveur pour l'optimisation de trajectoire avec des contraintes dans la robotique, des méthodes de mise en valeur et des exemples.
