Couvre les méthodes de recherche de ligne de gradient et les techniques d'optimisation en mettant l'accent sur les conditions Wolfe et la définition positive.
Présente des algorithmes en tant que procédures de résolution de problèmes, couvrant la complexité, l'exactitude et la mise en œuvre dans divers langages.
Discute des techniques de réduction de la variance dans la simulation stochastique, en se concentrant sur les stratégies d'allocation et les algorithmes de génération de répliques.
