Groupe d’études et de recherche en analyse des décisions

Recherche directe pour l'optimisation de fonctions données comme des boîtes noires

Charles Audet Professeur titulaire, Département de mathématiques et de génie industriel, Polytechnique Montréal, Canada

Dans un très grand nombre de cas, les problèmes d'optimisation rencontrés par l’industrie n'ont pas la structure nécessaire pour être abordés par les méthodes traditionnelles d'optimisation. En effet, les fonctions et les contraintes définissant le problème sont souvent données sous forme de boîte noire (habituellement un programme informatique dont on donne les variables d'entrée et qui calcule les variables de sortie). L'utilisation de ces boîtes noires peut être coûteuse, imprécise, peut échouer pour des raisons internes à la boîte, et ne permet pas le calcul de dérivées. Ce genre de problème d’optimisation intervient fréquemment en ingénierie et dans l’industrie.

Nous présenterons à la fois le côté algorithmique et une analyse de convergence basée sur les conditions nécessaires d'optimalitée au sens des dérivées généralisées de Clarke.