Méthodes de descente et recherche de ligne: Première condition Wolfe

Cette séance de cours se concentre sur l'identification d'un pas le long d'une direction de descente pour générer une nouvelle itération, caractérisant un bon pas avec l'état First Wolfe. La condition assure que la diminution de la fonction objectif est proportionnelle à la longueur du pas, avec le facteur de proportionnalité gamma. La séance de cours illustre la condition avec des exemples, soulignant l'importance de choisir une valeur appropriée pour gamma en fonction de la pente locale de la fonction. Le concept de beta_1, strictement compris entre zéro et un, est introduit pour définir l'exigence de diminution de la fonction, en fonction de la dérivée directionnelle. La séance de cours conclut en démontrant comment différentes valeurs de beta_1 ont un impact sur l'acceptabilité des étapes, en soulignant l'importance de sélectionner une valeur proche de zéro à des fins pratiques.

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.

Concepts associés (10)

Optimization: principles and algorithms - Linear optimization

Introduction to linear optimization, duality and the simplex algorithm.

Optimization: principles and algorithms - Linear optimization

Introduction to linear optimization, duality and the simplex algorithm.

Optimization: principles and algorithms - Network and discrete optimization

Introduction to network optimization and discrete optimization

Optimization: principles and algorithms - Network and discrete optimization

Introduction to network optimization and discrete optimization

Optimization: principles and algorithms - Unconstrained nonlinear optimization

Introduction to unconstrained nonlinear optimization, Newton’s algorithms and descent methods.

Dérivée directionnelle

En analyse mathématique, la notion de dérivée directionnelle permet de quantifier la variation locale d'une fonction dépendant de plusieurs variables, en un point donné et le long d'une direction donnée dans l'espace de ces variables. Dans la version la plus simple, la dérivée directionnelle généralise la notion de dérivées partielles, dans le sens où l'on retrouve ces dernières en prenant comme directions de dérivation les axes de coordonnées. Le concept de dérivée directionnelle est fondamental en analyse.

Dérivée

En mathématiques, la dérivée d'une fonction d'une variable réelle mesure l'ampleur du changement de la valeur de la fonction (valeur de sortie) par rapport à un petit changement de son argument (valeur d'entrée). Les calculs de dérivées sont un outil fondamental du calcul infinitésimal. Par exemple, la dérivée de la position d'un objet en mouvement par rapport au temps est la vitesse (instantanée) de l'objet. La dérivée d'une fonction est une fonction qui, à tout nombre pour lequel admet un nombre dérivé, associe ce nombre dérivé.

Dérivée covariante

En géométrie différentielle, la dérivée covariante est un outil destiné à définir la dérivée d'un champ de vecteurs sur une variété. Dans le cas où la dérivée covariante existe, il n'existe pas de différence entre la dérivée covariante et la connexion, à part la manière dont elles sont introduites. (Cela est faux quand la dérivée covariante n'existe pas en revanche ).

Fréchet derivative

In mathematics, the Fréchet derivative is a derivative defined on normed spaces. Named after Maurice Fréchet, it is commonly used to generalize the derivative of a real-valued function of a single real variable to the case of a vector-valued function of multiple real variables, and to define the functional derivative used widely in the calculus of variations. Generally, it extends the idea of the derivative from real-valued functions of one real variable to functions on normed spaces.

Dérivée extérieure

En mathématiques, la dérivée extérieure, opérateur de la topologie différentielle et de la géométrie différentielle, étend le concept de la différentielle d'une fonction aux formes différentielles de degré quelconque. Elle permet de définir les formes différentielles fermées et exactes. Elle est importante dans la théorie de l'intégration sur les variétés, et elle est la différentielle employée pour définir la cohomologie de De Rham et celle d'Alexander-Spanier. Sa forme actuelle fut inventée par Élie Cartan.