Optimisation conjuguée des gradients

Cette séance de cours couvre la méthode d'optimisation du gradient conjugué, en se concentrant sur le cas quadratique et l'optimisation contrainte non linéaire. Il explique les conditions de Wolfe, l'utilisation des algorithmes BFGS et CG, et l'importance du préconditionnement. L'instructeur discute de la vitesse de convergence, de l'application de la méthode du gradient conjugué et de la signification des matrices symétriques en optimisation.