Dans ce papier, nous comparons la méthode BFGS à la méthode du gradient conjugué (CG) pour résoudre un problème d'optimisation sans contrainte avec un algori...

Statistical image reconstruction in X-Ray computed tomography yields large-scale regularized linear least-squares problems with nonnegativity bounds, where t...

Suite aux travaux de Estrin et al. (2019), nous développons une méthode pour l’optimisation avec contraintes générales basée sur une fonction de pénalité d...

La méthode des résidus minimaux (MINRES) de Paige et Saunders (1975), qui est souvent la méthode privilégiée pour les systèmes linéaires symétriques, est une...

Nous proposons une méthode itérative pour la résolution de systèmes de point de selle symétriques qui exploite la tridiagonalisation orthogonale de Saunders,...

Nous proposons une méthode de régularisation pour les problèmes aux moindres carrés non linéaires avec contraintes d'égalité. Notre appliquons les approches...

Nous proposons un algorithm pour les problèmes d’optimisation non linéaire avec contraintes d’égalité basé sur une fonction de pénalité lisse proposée par ...

We describe LNLQ for solving the least-norm problem \(\min\ \|x\|\) subject to \(Ax=b\). Craig's method is known to be equivalent to applying the conjug...

We propose an infeasible interior-point algorithm for constrained linear least-squares problems based on the primal-dual regularization of convex program...

Dans cet article, nous proposons une méthode d'optimisation sans factorisation pour les problèmes avec contraintes d'égalité pour lequel toutes les contrai...

For optimization problems involving many nonlinear inequality constraints, we extend the bound-constrained (BCL) and linearly-constrained (LCL) augmented-La...

Nous considérons les problèmes d'optimisation sans dérivées avec variables continues, entières, discrètes et de catégorie dans le contexte d'applications i...

We study X-ray tomograqphic reconstruction using statistical methods. The problem is expressed in cylindrical coordinates, which yield significant computatio...

La Programmation Dynamique Stochastique (PDS) est une puissante méthode applicable aux problèmes mutli-étapes non-convexes et stochastiques. Nous étudions ...

Nous proposons une méthode itérative pour les problèmes aux moindres carrés linéaires \(A x \approx b\) nommée LSLQ. La méthode repose sur le processus ...

La quadrature de Gauss-Radau nous permet d'obtenir une borne supérieure peu coûteuse sur l'erreur en norme Euclidienne associée aux itérés de SYMMLQ appliqu...

NLP.py constitue un écosystème de programmation simplifiant le développement d'algorithmes d'optimisation dans un langage de haut-niveau aussi puissant ...

Une collection de systèmes linéaires engendrés au cours des itérations d'une méthode de points intérieurs pour l'optimisation quadratique convexe est...

Adaptative cubic regularization (ARC) methods for unconstrained optimization compute steps from linear systems with a shifted Hessian in the spirit of the mo...

Dans de nombreuses applications réelles d'ingénierie, il est impossible de stocker les Jacobiens ou les Hessiens de manière explicite. L'implémentation de mé...