Optimisation (mathématiques)L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande.
Optimisation combinatoireL’optimisation combinatoire, (sous-ensemble à nombre de solutions finies de l'optimisation discrète), est une branche de l'optimisation en mathématiques appliquées et en informatique, également liée à la recherche opérationnelle, l'algorithmique et la théorie de la complexité. Dans sa forme la plus générale, un problème d'optimisation combinatoire (sous-ensemble à nombre de solutions finies de l'optimisation discrète) consiste à trouver dans un ensemble discret un parmi les meilleurs sous-ensembles (ou solutions) réalisables, la notion de meilleure solution étant définie par une fonction objectif.
Optimisation convexevignette|320x320px|Optimisation convexe dans un espace en deux dimensions dans un espace contraint L'optimisation convexe est une sous-discipline de l'optimisation mathématique, dans laquelle le critère à minimiser est convexe et l'ensemble admissible est convexe. Ces problèmes sont plus simples à analyser et à résoudre que les problèmes d'optimisation non convexes, bien qu'ils puissent être NP-difficile (c'est le cas de l'optimisation copositive). La théorie permettant d'analyser ces problèmes ne requiert pas la différentiabilité des fonctions.
Optimization problemIn mathematics, computer science and economics, an optimization problem is the problem of finding the best solution from all feasible solutions. Optimization problems can be divided into two categories, depending on whether the variables are continuous or discrete: An optimization problem with discrete variables is known as a discrete optimization, in which an object such as an integer, permutation or graph must be found from a countable set.
Optimisation de codeEn programmation informatique, l'optimisation de code est la pratique consistant à améliorer l'efficacité du code informatique d'un programme ou d'une bibliothèque logicielle. Ces améliorations permettent généralement au programme résultant de s'exécuter plus rapidement, de prendre moins de place en mémoire, de limiter sa consommation de ressources (par exemple les fichiers), ou de consommer moins d'énergie électrique. La règle numéro un de l'optimisation est qu'elle ne doit intervenir qu'une fois que le programme fonctionne et répond aux spécifications fonctionnelles.
Dodécaèdre rhombiqueEn géométrie, le dodécaèdre rhombique (aussi appelé granatoèdre) est un polyèdre convexe à 12 faces rhombiques identiques. Solide de Catalan, zonoèdre, il est le dual du cuboctaèdre. Pour le différencier du dodécaèdre de Bilinski, autre dodécaèdre rhombique à 12 faces identiques, on précise parfois dodécaèdre rhombique de première espèce. La grande diagonale de chaque face vaut exactement √2 fois la longueur de la petite diagonale, ainsi, les angles aigus de chaque face mesurent 2 tan(1/√2), ou approximativement 70,53°.
OctaèdreEn géométrie, un octaèdre (du grec oktô, huit et hedra, face) est un polyèdre à huit faces. Certains octaèdres satisfont des conditions de symétrie ou de régularité des faces : l'octaèdre régulier, le prisme hexagonal, la pyramide à base heptagonale, le tétraèdre tronqué, le trapézoèdre tétragonal. Un octaèdre dont toutes les faces sont triangulaires possède douze arêtes et six sommets. Fichier:Octahedron.svg | Octaèdre régulier Fichier:Hexagonal_prism.png | Prisme hexagonal Fichier:Truncated_tetrahedron.
DodécaèdreEn géométrie, un dodécaèdre est un polyèdre à douze faces. Puisque chaque face a au moins trois côtés et que chaque arête borde deux faces, un dodécaèdre a au moins 18 arêtes. Certains ont des propriétés particulières comme des faces régulières ou des symétries : le dodécaèdre régulier, seul solide de Platon à faces pentagonales régulières ; le grand dodécaèdre, le petit dodécaèdre étoilé et le grand dodécaèdre étoilé, trois solides de Kepler-Poinsot ; le dodécaèdre rhombique (de première espèce) et le dodécaèdre rhombique de seconde espèce (ou dodécaèdre de Bilinski) dont les faces, toutes identiques, sont des losanges (rhombes).
Polyèdre uniformeUn polyèdre uniforme est un polyèdre dont les faces sont des polygones réguliers et qui est isogonal, c'est-à-dire que pour tout couple de sommets, il existe une isométrie qui applique un sommet sur l'autre. Il en découle que tous les sommets sont congruents et que le polyèdre possède un haut degré de symétrie par réflexion et rotation. La notion de polyèdre uniforme est généralisée, pour un nombre de dimensions quelconque, par celle de . Les polyèdres uniformes peuvent être réguliers, quasi réguliers ou semi-réguliers.
Dualité (optimisation)En théorie de l'optimisation, la dualité ou principe de dualité désigne le principe selon lequel les problèmes d'optimisation peuvent être vus de deux perspectives, le problème primal ou le problème dual, et la solution du problème dual donne une borne inférieure à la solution du problème (de minimisation) primal. Cependant, en général les valeurs optimales des problèmes primal et dual ne sont pas forcément égales : cette différence est appelée saut de dualité. Pour les problèmes en optimisation convexe, ce saut est nul sous contraintes.
