PRESENTATION

  • Le mot du directeur
  • Organigramme
  • Annuaire
  • Contacts & Accés
  • Intranet

RECHERCHE

  • Géométrie & Images
  • Algorithmes, Modèles, Analyse et Calcul
  • Données & Aléatoire :Théorie & Applications

PRODUCTION

  • Séminaires & Colloquiums
  • Soutenances de thèses
  • Faits Marquants
  • Publications
  • Logiciels
  • Galerie

EMPLOIS & FORMATIONS

  • Formation à la Recherche
  • Offres d'Emplois
  • UFR-IM2AG
  • ENSIMAG

LIENS

  • Platforme Gricad Gitlab
  • INRIA Rhône-Alpes
  • Maimosine
  • AMIES
  • LSI
  • Persyval-lab

Séminaire LJK-Modèles et Algorithmes Déterministes: CASYS

 

Le Jeudi 22 Octobre 2009 à 9h45 en Salle 1 - Tour IRMA

 

Séminaire de Mr Marc FUENTES (BIPOP)

 

Un algorithme proximal inexact pour l'optimisation différentiable

 

Résumé:

 

Nous étudions la mise en oeuvre pratique d'un algorithme proximal pour résoudre des problèmes d'optimisation mal conditionnés. La méthode proximale est classique en optimisation convexe; elle consiste à résoudre une suite de problèmes régularisés x_k+1 = argmin f + |x_k - .|^2/(2t_k) (Pk) plutôt que de résoudre directement le problème initial : minimiser f. Ici, nous supposons que f est différentiable, mais dégénerée à l'ordre deux ; par exemple, le hessien peut avoir des valeurs propres nulles à l'optimum.
Les propriétés de l'algorithme proximal sont assez bien connues d'un point de vue théorique, mais sa mise en oeuvre soulève certaines questions, notamment :
* Quel algorithme choisir pour résoudre le sous-problème (Pk) ?
* Quel critère d'arrêt utiliser pour la résolution du problème interne ?
* Comment mettre à jour le paramètre tk ?
C'est à la seconde question que nous nous proposons de répondre dans cet exposé. Nous exposerons succintement notre test d'arrêt, les résultats théoriques de convergence, ainsi qu'une illustration numérique sur différents problèmes tests.

 

Mentions légales - contact: Webmaster