Description
Nous présenterons une revue de résultats récents concernant la complexité (dans le pire des cas) pour des algorithms d’optimisation non-convexes qui utilisent des modèles de degré potentiellement élevé. Les résultats obtenus sont donc valides quelque soit le degré du modèle et l’ordre d’optimalité requis, ce qui généralise les théorèmes connus pour les ordres un et deux. Après avoir considéré les problèmes sans contraintes et sans bruit, nous examinerons ce qui peut être dit des problèmes bruités et des problèmes avec contraintes.Period | 3 Jun 2021 |
---|---|
Held at | Séminaire Français d'Optimisation, France |
Degree of Recognition | International |
Keywords
- Nonlinear optimization
- complexity theory
Documents & Links
Related content
-
Research output
-
Adaptive regularization algorithms with inexact evaluations for nonconvex optimization
Research output: Contribution to journal › Article › peer-review
-
A concise second-order complexity analysis for unconstrained optimization using high-order regularized models
Research output: Contribution to journal › Article › peer-review
-
An algorithm for the minimization of nonsmooth nonconvex functions using inexact evaluations and its worst-case complexity
Research output: Contribution to journal › Article › peer-review
-
Projects
-
ADALGOPT - Advanced algorithms in nonlinear optimization
Project: Research Axis
-
Complexity in nonlinear optimization
Project: Research