Séance de cours
Problèmes d'optimisation de convex : théorie et applications
Dans cours
DEMO: non in nulla
Enim excepteur ullamco voluptate cupidatat minim. Aliquip nostrud proident officia duis do elit est nulla adipisicing id Lorem voluptate eiusmod enim. Adipisicing dolor esse tempor mollit proident sunt elit.
Description
Cette séance de cours de l'instructeur couvre les problèmes d'optimisation convexe, y compris la forme standard, les techniques de transformation, l'optima local et global, les critères d'optimalité, les problèmes équivalents, et divers types de problèmes d'optimisation tels que LP, QP, QCQP, et SOCP. La séance de cours se penche également sur des applications pratiques comme les problèmes de transport, le calendrier des projets et l'optimisation de la force dans la robotique.
Enseignant
consequat et
Excepteur id officia ullamco eiusmod est Lorem minim deserunt minim anim. Est officia elit nisi veniam labore enim qui non veniam id. Laboris quis occaecat laborum ipsum culpa dolor. Cupidatat ipsum ex ea enim consequat occaecat. Magna sint quis cillum commodo non anim.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Séances de cours associées (42)
Problèmes d'optimisation : recherche des voies et affectation des portefeuilles
Couvre les problèmes d'optimisation dans la recherche de chemin et l'allocation de portefeuille.
Programmation non linéaire: Partie I
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.
Programmation linéaire : correspondance bipartite pondérée
Couvre la programmation linéaire, la correspondance bipartite pondérée et les problèmes de couverture de sommet en optimisation.
Prise de décision optimale : analyse de sensibilité
Couvre l'analyse de sensibilité dans la programmation linéaire, en mettant l'accent sur les solutions optimales et leurs sensibilités aux changements.
Méthodes d'optimisation : discussion théorique
Explore les méthodes d'optimisation, y compris les problèmes sans contraintes, la programmation linéaire et les approches heuristiques.