Séance de cours
Cette séance de cours plonge dans la deuxième condition de Wolfe, qui vise à éviter les étapes trop courtes le long d'une direction de descente. En exigeant une augmentation suffisante de la dérivée directionnelle, cette condition offre une flexibilité à l'algorithme, permettant différentes tailles de pas en fonction du paramètre beta_2. À travers des illustrations et des exemples, l'instructeur explique comment la deuxième condition Wolfe caractérise la progression de l'algorithme et influence l'acceptation ou le rejet des étapes, impactant finalement le processus d'optimisation.