Série · Mathématiques
Algorithmes d'optimisation
Dans Sciences
50 cartes5 joueurs l'ont commencée
Série « Algorithmes d'optimisation » sur Wikicard : 50 cartes tirées de Wikipédia, dont Méthode de Newton, Algorithme glouton, Algorithme du simplexe. Terminée, elle donne un badge brodé « Argent », dessiné pour elle.
Ses cartes
Méthode de NewtonÉpiqueLa méthode de Newton fut décrite par le mathématicien anglais Isaac Newton dans De analysi per aequationes numero terminorum infinitas, écrit en 1669 et publié en 1711 par William…- Programmation dynamiqueÉpiqueLa programmation dynamique est une méthode algorithmique pour résoudre des problèmes d'optimisation.
Algorithme du simplexeÉpiqueL'algorithme du simplexe est un algorithme de résolution des problèmes d'optimisation linéaire.
Algorithme gloutonÉpiqueUn algorithme glouton (greedy algorithm en anglais, parfois appelé aussi algorithme gourmand, ou goulu) est un algorithme qui suit le principe de réaliser, étape par étape, un…- Algorithme minimaxÉpiqueL'algorithme minimax (aussi appelé algorithme MinMax) est un algorithme qui s'applique à la théorie des jeux pour les jeux à deux joueurs à somme nulle (et à information complète)…
Algorithme du gradientÉpiqueL'algorithme du gradient, ou de descente de gradient, est une méthode d'optimisation mathématique sans contrainte.
Élagage alpha-bêtaÉpiqueL’élagage alpha-bêta (abrégé élagage αβ), en intelligence artificielle et en théorie des jeux, est une technique permettant de réduire le nombre de nœuds évalués par l'algorithme…- Algorithme de Gauss-NewtonRareL'algorithme de Gauss-Newton est une méthode de résolution des problèmes de moindres carrés non linéaires.
- Algorithme de Levenberg-MarquardtRareL'algorithme de Levenberg-Marquardt est d'approcher cette équation, en l'« amortissant » un peu.
- Algorithme du gradient stochastiqueRareL'algorithme du gradient stochastique est une méthode de descente de gradient (itérative) utilisée pour la minimisation d'une fonction objectif qui est écrite comme une somme de…
- Optimisation non linéaireRareL'optimisation non linéaire (en anglais : nonlinear programming – NLP) s'occupe principalement des problèmes d'optimisation dont les données, i.e., les fonctions et ensembles…
- Méthodes de points intérieursRareLes méthodes de points intérieurs forment une classe d’algorithmes qui permettent de résoudre des problèmes d’optimisation mathématique.
Algorithme de Ford-FulkersonRareL'algorithme de Ford-Fulkerson est un algorithme pour le problème de flot maximum, un problème d'optimisation classique dans le domaine de la recherche opérationnelle.
Méthode du gradient conjuguéRareLa méthode du gradient conjugué est un algorithme pour résoudre des systèmes d'équations linéaires dont la matrice est symétrique définie positive.
Méthode de Nelder-MeadRareLa méthode de Nelder-Mead est un algorithme d'optimisation non linéaire qui a été publiée par John Nelder et Roger Mead (en) en 1965.- Méthode de Broyden-Fletcher-Goldfarb-ShannoRareLa méthode de Broyden-Fletcher-Goldfarb-Shanno (BFGS) est une méthode permettant de résoudre un problème d'optimisation non linéaire sans contraintes.
- Séparation et évaluationRareSéparation et évaluation, ou branch and bound en anglais, est une méthode générique de résolution de problèmes d'optimisation combinatoire.
- Commande H-infiniRareLa commande H-infini a pour principal avantage de synthétiser des concepts liés : à la commande classique, typiquement par son interprétation fréquentielle au contrôle moderne,…
- Méthode du nombre d'orRareLa méthode du nombre d'or est un algorithme d'optimisation, c'est-à-dire de recherche de l'extremum d'une fonction, dans le cas d'une fonction unimodale, c'est-à-dire dans lequel…
- Génération de colonnesRareLa génération de colonnes est une méthode pour résoudre efficacement les problèmes d'optimisation linéaire de grande taille.
- Algorithme d'optimisationRareLes algorithmes d’optimisation cherchent à déterminer le jeu de paramètres d’entrée d’une fonction donnant à cette fonction la valeur maximale ou minimale.
- Optimisation quadratique successivePeu communeL'optimisation quadratique successive est un algorithme de résolution d'un problème d'optimisation non linéaire.
- Algorithme à régions de confiancePeu communeUn algorithme à régions de confiance est un algorithme d'optimisation différentiable (l'optimisation dont il est question ici est une branche des mathématiques), destiné à…
- Pénalisation (optimisation)Peu communeLa pénalisation est une technique permettant d'analyser et de résoudre analytiquement ou numériquement des problèmes d'optimisation avec contraintes.
- Algorithme de Frank-WolfePeu communeL'algorithme de Frank-Wolfe, ou algorithme du gradient conditionnel, est une méthode itérative du premier ordre permettant de résoudre des problèmes d'optimisation convexe…
- Méthode de l'entropie croiséePeu communeLa méthode de l'entropie-croisée (CE) attribuée à Reuven Rubinstein est une méthode générale d'optimisation de type Monte-Carlo, combinatoire ou continue, et d'échantillonnage…
Méthode de l'ellipsoïdePeu communeLa méthode de l'ellipsoïde est une méthode itérative utilisée pour minimiser des fonctions convexes.- Algorithme du lagrangien augmentéPeu communeLes algorithmes du lagrangien augmenté sont une certaine classe d'algorithmes pour résoudre des problèmes d'optimisation sous contraintes.
- DSATURPeu communeDSATUR est un algorithme de coloration de graphes créé par Daniel Brélaz en 1979 à l'EPFL.
Méthode hill-climbingPeu communeLa méthode hill-climbing ou méthode d'escalade est une méthode d'optimisation permettant de trouver un optimum local parmi un ensemble de configurations.- Commande H2Peu communeDans le domaine de l'automatique et de la théorie du contrôle, la synthèse H2 est une méthode qui sert à la conception de commandes optimales, imposant des contraintes sur la…
- Moindres carrés non linéairesPeu communeLes moindres carrés non linéaires est une forme des moindres carrés adaptée pour l'estimation d'un modèle non linéaire en n paramètres à partir de m observations (m > n).
- Algorithme de Josephy-NewtonCommuneL'algorithme de Josephy-Newton est une méthode de linéarisation pour résoudre une inclusion fonctionnelle, c'est-à-dire un problème de la forme ( P I F ) F ( x ) + N ( x ) ∋ 0 ,…
- Algorithme à directions de descenteCommuneUn algorithme à directions de descente est un algorithme d'optimisation différentiable (l'optimisation dont il est question ici est une branche des mathématiques), destiné à…
- Algorithme de NagleCommuneL'algorithme de Nagle est un algorithme important pour le fonctionnement de TCP défini par John Nagle dans la RFC 896 (RFC 896).
- 2-optCommune2-opt est un algorithme de recherche locale proposé par Georges A.
- Problème du vendeur de journauxCommuneProblème du vendeur de journaux » est un modèle mathématique simple en recherche opérationnelle (microéconomie) concernant le volume économiquement optimal du stock d’un bien qui…
- Algorithme de KarmarkarCommuneL’algorithme de Karmarkar est un algorithme introduit par Narendra Karmarkar en 1984 pour résoudre les problèmes d'optimisation linéaire.
- Heuristique de Lin-KernighanCommuneL'heuristique de Lin-Kernighan est une heuristique pour le problème du voyageur de commerce.
- Mesh de navigationCommuneUn mesh de navigation (Navigation mesh en anglais souvent abrégé en navmesh) est une structure de donnée utilisée en intelligence artificielle permettant de représenter les zones…
- Algorithme des directions alternéesCommuneL'algorithme des directions alternées (l'ADA ou l'algorithme des DA) est un algorithme de résolution de problèmes d'optimisation décomposables, qui cherche à adapter l'algorithme…
- Algorithme proximal (optimisation)CommuneL'algorithme proximal (ou algorithme du point proximal) est un algorithme itératif de calcul d'un minimum d'une fonction convexe semi-continue inférieurement propre.
- Fonction de hachage de ZobristCommuneLe hachage Zobrist (également appelé clés Zobrist ou signatures Zobrist) est une fonction de hachage utilisée dans les programmes informatiques qui jouent à des jeux de société…
- Stratégie d’évolution avec adaptation de la matrice de covarianceCommuneLa stratégie d’évolution avec adaptation de la matrice de covariance, souvent désignée par l’acronyme anglais CMA-ES pour Covariance Matrix Adaptation Evolution Strategy, est une…
Méthode du gradient proximalCommuneLes méthodes de gradient proximal sont une forme généralisée de projection utilisée pour résoudre des problèmes d'optimisation convexe non différentiables.
- Schéma d'approximation en temps entièrement polynomialCommuneUn schéma d'approximation en temps entièrement polynomial (FPTAS, pour « Fully Polynomial-Time Scheme ») est un algorithme permettant de trouver des solutions approximatives aux…
- Fonction auto-concordanteCommuneUne fonction auto-concordante est une fonction satisfaisant une inégalité différentielle, facilitant ainsi son optimisation par la méthode de Newton.
- Optimisation aléatoireCommuneL'optimisation aléatoire (OA) est une famille de méthodes d'optimisation numérique qui ne nécessite pas de connaître le gradient du problème pour être utilisée, comme dans le cas…
- Differentially Private Stochastic Gradient DescentCommuneDifferentially Private Stochastic Gradient Descent (DP-SGD) est une technique d'optimisation qui combine des caractéristiques de la descente de gradient stochastique et de la…
- Recherche locale à grand voisinageCommuneRecherche locale à grand voisinage est un algorithme de recherche locale dont la définition de voisinage est potentiellement de taille exponentielle.
Ouvrez des paquets de cartes tirées de Wikipédia, terminez vos collections pour gagner leur badge brodé, défiez d'autres joueurs en Joute. Gratuit, sans avantage payant.