Optimisation sous contraintes - Fabrice Rossi

More documents

Recommendations

Info

– on définit l(u) = max(0, u) 2 . Il est clair que l est C 1 en dehors de 0, avec l ′ (u) = 0 pour u < 0 et l ′ (u) = 2u pour u > 0 – en 0, on a |l(h) − l(0)| ≤ h 2 , et donc l ′ (0) = 0, ce qui achève de montrer que l est C 1 sur R. En outre, on a – J k est donc clairement C 1 et on a l ′ (u) = 2 max(0, u) ∇ ( g + j (x)2) = 2g + j (x)∇g j(x) – comme J k est continue sur le compact B(x ∗ , ρ), elle y atteint son minimum en x k . On montre alors que lim k→∞ x k = x ∗ : – par hypothèse J k (x k ) ≤ J k (x ∗ ) = J(x ∗ ), et donc J(x k ) k + 1 2 p∑ h i (x k ) 2 + 1 2 i=1 q∑ g + j (x k) 2 + ‖x∗ − x k ‖ 2 k j=1 ≤ J(x∗ ) k – soit u ∗ une valeur d’adhérence de (x k ) k . En passant à la limite sur k sur la suite extraite dans la majoration au dessus, on a et donc u ∗ ∈ C. – comme on a 1 2 p∑ h i (u ∗ ) 2 + 1 2 i=1 q∑ g + j (u∗ ) 2 ≤ 0, j=1 J(x k ) + ‖x ∗ − x k ‖ 2 ≤ J(x ∗ ), J(u ∗ ) + ‖x ∗ − u ∗ ‖ 2 ≤ J(x ∗ ), et donc ‖x ∗ − u ∗ ‖ 2 = 0, ce qui donne la conclusion. – pour k suffisamment grand, x k est dans la boule ouverte B(x ∗ , ρ), et on peut donc utiliser l’équation d’Euler, ce qui donne – on pose ∇J(x k ) + k p∑ h i (x k )∇h i (x k ) + k i=1 √ s k = √1 + k 2 q∑ g + j (x k)∇g j (x k ) + 2(x ∗ − x k ) = 0 j=1 p∑ h i (x k ) 2 + k 2 i=1 et on divise l’équation précédente par s k . On pose µ k 0 = 1 s k , µ k i = kg+ j (x k) s k , λ k i = kh i(x k ) s k . q∑ g + j (x k) 2 , j=1 4
– Les vecteurs (λ k , µ k ) T sont de norme 1 et on peut donc considérer une valeur d’adhérence (λ ∗ , µ ∗ ) T de la suite. En passant à la limite, on obtient µ ∗ 0∇J(x ∗ ) + p∑ λ ∗ i ∇h i (x ∗ ) + i=1 q∑ µ ∗ j ∇g j (x ∗ ) = 0. – En outre : – (λ ∗ , µ ∗ ) T est de norme 1, donc les coefficients ne sont pas tous nuls. – µ k i ≥ 0 et donc µ∗ i ≥ 0. – si g j (x ∗ ) < 0, g j (x k ∗ ) < 0 à partir d’un certain rang et donc µ k i = 0, puis µ∗ i = 0. j=1 Qualification – condition utile si µ 0 ≠ 0 – problème de qualification des <strong>contraintes</strong> : – conditions (locales) sur le problème qui garantissent que µ 0 ≠ 0 – très nombreuses variantes plus ou moins sophistiquées – contrainte active : g j est active (ou saturée) en x ∗ si g j (x ∗ ) = 0 ; I(x ∗ ), ensemble des indices des <strong>contraintes</strong> actives en x ∗ – régularité : x ∗ est régulier pour g et h si – x ∗ est admissible – les ∇h i (x ∗ ) sont linéairement indépendants – il existe d ≠ 0 tel que 〈∇h i (x ∗ ), d〉 = 0 pour tout i et 〈∇g j (x ∗ ), d〉 < 0 pour tout j ∈ I(x ∗ ) (ou 〈∇g j (x ∗ ), d〉 = 0 si g j est affine) – régularité de Mangasarian-Fromowitz Conditions qualifiées – Conditions nécessaires qualifiées du 1er ordre de KKT (Karush, Kuhn et Tucker) – Hypothèses : – J, h et g C 1 – x ∗ solution de (P) – x ∗ est régulier pour g et h – Alors il existe λ ∗ = (λ ∗ 1, . . . , λ ∗ p) et µ ∗ = (µ ∗ 1, . . . , µ ∗ q) tels que – h i (x ∗ ) = 0, 1 ≤ i ≤ p – g j (x ∗ ) ≤ 0, 1 ≤ j ≤ q – µ ∗ j ≥ 0, 1 ≤ j ≤ q – µ ∗ j g j(x ∗ ) = 0, 1 ≤ j ≤ q – et p∑ q∑ ∇J(x ∗ ) + λ ∗ i ∇h i (x ∗ ) + µ ∗ j ∇g j (x ∗ ) = 0 i=1 Notes Preuve : – par l’absurde à partir des conditions non qualifiées µ ∗ 0∇J(x ∗ ) + p∑ λ ∗ i ∇h i (x ∗ ) + i=1 j=1 q∑ µ ∗ j ∇g j (x ∗ ) = 0 – on suppose µ ∗ 0 = 0 : – alors au moins un des µ ∗ j pour j ≥ 1 est non nul car sinon ∑ p i=1 λ∗ i ∇h i(x ∗ ) = 0 et donc λ ∗ = 0 par indépendance j=1 5
Page 1 and 2: Optimisation Fabrice Rossi Décembr
Page 3: - remarques : - intuitivement : on
Page 7 and 8: - pour µ ≥ 0 g(λ, µ) ≤ inf x
Page 9 and 10: Projection - π C est une contracti
Page 11: - toute famille (x r ) r>0 de solut

Optimisation sous contraintes - Fabrice Rossi

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?