Optimisation primal-dual : méthodes et applications

Cette séance de cours couvre les méthodes d'optimisation primal-dual, en se concentrant sur la pénalité quadratique, les formulations lagrangiennes et les méthodes lagrangiennes augmentées. Il traite de divers algorithmes tels que la décomposition proximale, le gradient hybride primal-dual et la minimisation alternée. La séance de cours explore également la convergence et les inconvénients de ces méthodes, ainsi que des améliorations telles que des approches inexactes et des méthodes lagrangiennes augmentées linéarisées. Les exemples incluent les problèmes de poursuite de base et loptimisation non convexe avec des contraintes non linéaires, telles que la déconvolution dimage aveugle.