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.Période | 3 juin 2021 |
---|---|
Tenu à | Séminaire Français d'Optimisation, France |
Degré de reconnaissance | International |
Documents et liens
Contenu connexe
-
Projets
-
ADALGOPT - Algorithmes avancés en optimisation non-linéaire
Projet: Axe de recherche
-
Complexity in nonlinear optimization
Projet: Recherche
-
Résultat de recherche
-
A concise second-order complexity analysis for unconstrained optimization using high-order regularized models
Résultats de recherche: Contribution à un journal/une revue › Article › Revue par des pairs
-
An algorithm for the minimization of nonsmooth nonconvex functions using inexact evaluations and its worst-case complexity
Résultats de recherche: Contribution à un journal/une revue › Article › Revue par des pairs
-
Adaptive regularization algorithms with inexact evaluations for nonconvex optimization
Résultats de recherche: Contribution à un journal/une revue › Article › Revue par des pairs