L'objectif de ce mémoire est d'élaborer des méthodes de réduction de potentiel à grands pas pour des problèmes de programmation convexe conique dont le cône est "self-scaled". Nous montrons que l'extension à la programmation convexe conique des méthodes de réduction de potentiel primales et primale-duale symétrique utilisées en programmation linéaire, donne lieu à des algorithmes à grands pas lorsque les cônes considérés sont "self-scaled". Notre démarche est la suivante. Nous établissons, dans une première partie, différentes propriétés des cônes "self-scaled". Une seconde partie qui détaille l'extension à la programmation convexe conique "self-scaled" des méthodes de réduction de potentiel utilisées en programmation linéaire, exploite ces propriétés afin de garantir la convergence des extensions obtenues ainsi que la possibilité de progresser à chaque itération d'une grande fraction de la distance séparant l'itéré actuel de la frontière de la région admissible.
"Extension à la programmation convexe conique ""self scaled"" des méthodes de réduction de potentiel utilisées en programmation linéaire."
Vanderbecken, N. (Auteur). juin 1998
Student thesis: Master types › Master en sciences mathématiques