Méthode d'analyse d'algorithmes d'optimisation stochastiques à l'aide d'algorithmes génétiques PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download Méthode d'analyse d'algorithmes d'optimisation stochastiques à l'aide d'algorithmes génétiques PDF full book. Access full book title Méthode d'analyse d'algorithmes d'optimisation stochastiques à l'aide d'algorithmes génétiques by Martin Krueger. Download full books in PDF and EPUB format.
Author: Martin Krueger
Publisher:
ISBN:
Category :
Languages : fr
Pages : 194
Get Book Here
Book Description
DANS NOTRE VIE QUOTIDIENNE NOUS RENCONTRONS CONSTAMMENT DES PROBLEMES D'OPTIMISATION COMBINATOIRE. TOUS CES PROBLEMES NECESSITENT LA RECHERCHE D'UNE SOLUTION OPTIMALE SELON UN CRITERE DONNE, PAR EXEMPLE MINIMISER UN COUT OU MAXIMISER UN PROFIT. SI LE PROBLEME D'OPTIMISATION DEVIENT TROP COMPLEXE, ET INTERDIT UNE RECHERCHE EXHAUSTIVE, ON UTILISE ALORS UN ALGORITHME QUI DONNE UNE SOLUTION APPROCHEE: UNE HEURISTIQUE. NOUS NOUS INTERESSONS PLUS PARTICULIEREMENT AUX HEURISTIQUES ALEATOIRES, QUI FONT UNE RECHERCHE GUIDEE PAR DES PROCESSUS STOCHASTIQUES. L'ANALYSE ET LA COMPARAISON DE L'EFFICACITE DE TELLES HEURISTIQUES (MESUREE PAR LA PERFORMANCE MOYENNE) EST PARTICULIEREMENT DIFFICILE, CAR CHACUNE POSSEDE PLUSIEURS PARAMETRES DE CONTROLE DONT LE REGLAGE PEUT AVOIR UNE GRANDE INFLUENCE SUR SON EFFICACITE. D'AUTANT PLUS QUE L'EFFICACITE DES HEURISTIQUES ALEATOIRES EST TRES DIFFICILE A MESURER DU FAIT DE LEURS PERFORMANCES VARIABLES D'UNE EXECUTION A L'AUTRE. DANS CETTE THESE NOUS PROPOSONS UN NOUVEL OUTIL POUR LE REGLAGE DE CES PARAMETRES DE CONTROLE: HARPE (HYPER-ALGORITHME DE RECHERCHE DES PARAMETRES DE CONTROLE). CELUI-CI EST FONDE SUR L'EMPLOI D'UN ALGORITHME GENETIQUE. EN EFFET, L'UTILISATION DES ALGORITHMES GENETIQUES DANS CE CADRE EST PARTICULIEREMENT BIEN ADAPTE, CAR ILS PEUVENT ETRE UTILISES DIRECTEMENT POUR L'OPTIMISATION DE FONCTIONS NON-DETERMINISTES. CETTE APPROCHE NOUS A PERMIS NOTAMMENT DE RETROUVER, POUR LE RECUIT SIMULE, DE MANIERE RAPIDE ET AUTOMATIQUE, DE BONS REGLAGES DES PARAMETRES DE CONTROLE, QUI AVAIENT ETE DECOUVERT AU FIL DES ANNEES DE MANIERE EMPIRIQUE. DE PLUS, HARPE NOUS A PERMIS D'ANALYSER LES MECANISMES MEMES DES ALGORITHMES D'OPTIMISATION ETUDIES: EVALUATION DE L'EFFICACITE DES DIFFERENTES COMPOSANTES DE L'ALGORITHME, PAR EXEMPLE. UNE AUTRE ORIGINALITE DE CE TRAVAIL CONSISTE EN UNE IMPLEMENTATION PARALLELE DE HARPE SUR UN RESEAU TRES HETEROGENE DE STATIONS DE TRAVAIL.
Author: Martin Krueger
Publisher:
ISBN:
Category :
Languages : fr
Pages : 194
Get Book Here
Book Description
DANS NOTRE VIE QUOTIDIENNE NOUS RENCONTRONS CONSTAMMENT DES PROBLEMES D'OPTIMISATION COMBINATOIRE. TOUS CES PROBLEMES NECESSITENT LA RECHERCHE D'UNE SOLUTION OPTIMALE SELON UN CRITERE DONNE, PAR EXEMPLE MINIMISER UN COUT OU MAXIMISER UN PROFIT. SI LE PROBLEME D'OPTIMISATION DEVIENT TROP COMPLEXE, ET INTERDIT UNE RECHERCHE EXHAUSTIVE, ON UTILISE ALORS UN ALGORITHME QUI DONNE UNE SOLUTION APPROCHEE: UNE HEURISTIQUE. NOUS NOUS INTERESSONS PLUS PARTICULIEREMENT AUX HEURISTIQUES ALEATOIRES, QUI FONT UNE RECHERCHE GUIDEE PAR DES PROCESSUS STOCHASTIQUES. L'ANALYSE ET LA COMPARAISON DE L'EFFICACITE DE TELLES HEURISTIQUES (MESUREE PAR LA PERFORMANCE MOYENNE) EST PARTICULIEREMENT DIFFICILE, CAR CHACUNE POSSEDE PLUSIEURS PARAMETRES DE CONTROLE DONT LE REGLAGE PEUT AVOIR UNE GRANDE INFLUENCE SUR SON EFFICACITE. D'AUTANT PLUS QUE L'EFFICACITE DES HEURISTIQUES ALEATOIRES EST TRES DIFFICILE A MESURER DU FAIT DE LEURS PERFORMANCES VARIABLES D'UNE EXECUTION A L'AUTRE. DANS CETTE THESE NOUS PROPOSONS UN NOUVEL OUTIL POUR LE REGLAGE DE CES PARAMETRES DE CONTROLE: HARPE (HYPER-ALGORITHME DE RECHERCHE DES PARAMETRES DE CONTROLE). CELUI-CI EST FONDE SUR L'EMPLOI D'UN ALGORITHME GENETIQUE. EN EFFET, L'UTILISATION DES ALGORITHMES GENETIQUES DANS CE CADRE EST PARTICULIEREMENT BIEN ADAPTE, CAR ILS PEUVENT ETRE UTILISES DIRECTEMENT POUR L'OPTIMISATION DE FONCTIONS NON-DETERMINISTES. CETTE APPROCHE NOUS A PERMIS NOTAMMENT DE RETROUVER, POUR LE RECUIT SIMULE, DE MANIERE RAPIDE ET AUTOMATIQUE, DE BONS REGLAGES DES PARAMETRES DE CONTROLE, QUI AVAIENT ETE DECOUVERT AU FIL DES ANNEES DE MANIERE EMPIRIQUE. DE PLUS, HARPE NOUS A PERMIS D'ANALYSER LES MECANISMES MEMES DES ALGORITHMES D'OPTIMISATION ETUDIES: EVALUATION DE L'EFFICACITE DES DIFFERENTES COMPOSANTES DE L'ALGORITHME, PAR EXEMPLE. UNE AUTRE ORIGINALITE DE CE TRAVAIL CONSISTE EN UNE IMPLEMENTATION PARALLELE DE HARPE SUR UN RESEAU TRES HETEROGENE DE STATIONS DE TRAVAIL.
Author: El-Ghazali Talbi
Publisher: John Wiley & Sons
ISBN: 0470496908
Category : Computers
Languages : en
Pages : 625
Get Book Here
Book Description
A unified view of metaheuristics This book provides a complete background on metaheuristics and shows readers how to design and implement efficient algorithms to solve complex optimization problems across a diverse range of applications, from networking and bioinformatics to engineering design, routing, and scheduling. It presents the main design questions for all families of metaheuristics and clearly illustrates how to implement the algorithms under a software framework to reuse both the design and code. Throughout the book, the key search components of metaheuristics are considered as a toolbox for: Designing efficient metaheuristics (e.g. local search, tabu search, simulated annealing, evolutionary algorithms, particle swarm optimization, scatter search, ant colonies, bee colonies, artificial immune systems) for optimization problems Designing efficient metaheuristics for multi-objective optimization problems Designing hybrid, parallel, and distributed metaheuristics Implementing metaheuristics on sequential and parallel machines Using many case studies and treating design and implementation independently, this book gives readers the skills necessary to solve large-scale optimization problems quickly and efficiently. It is a valuable reference for practicing engineers and researchers from diverse areas dealing with optimization or machine learning; and graduate students in computer science, operations research, control, engineering, business and management, and applied mathematics.
Author: Enrique Alba
Publisher: John Wiley & Sons
ISBN: 0471739375
Category : Technology & Engineering
Languages : en
Pages : 574
Get Book Here
Book Description
Solving complex optimization problems with parallel metaheuristics Parallel Metaheuristics brings together an international group of experts in parallelism and metaheuristics to provide a much-needed synthesis of these two fields. Readers discover how metaheuristic techniques can provide useful and practical solutions for a wide range of problems and application domains, with an emphasis on the fields of telecommunications and bioinformatics. This volume fills a long-existing gap, allowing researchers and practitioners to develop efficient metaheuristic algorithms to find solutions. The book is divided into three parts: * Part One: Introduction to Metaheuristics and Parallelism, including an Introduction to Metaheuristic Techniques, Measuring the Performance of Parallel Metaheuristics, New Technologies in Parallelism, and a head-to-head discussion on Metaheuristics and Parallelism * Part Two: Parallel Metaheuristic Models, including Parallel Genetic Algorithms, Parallel Genetic Programming, Parallel Evolution Strategies, Parallel Ant Colony Algorithms, Parallel Estimation of Distribution Algorithms, Parallel Scatter Search, Parallel Variable Neighborhood Search, Parallel Simulated Annealing, Parallel Tabu Search, Parallel GRASP, Parallel Hybrid Metaheuristics, Parallel Multi-Objective Optimization, and Parallel Heterogeneous Metaheuristics * Part Three: Theory and Applications, including Theory of Parallel Genetic Algorithms, Parallel Metaheuristics Applications, Parallel Metaheuristics in Telecommunications, and a final chapter on Bioinformatics and Parallel Metaheuristics Each self-contained chapter begins with clear overviews and introductions that bring the reader up to speed, describes basic techniques, and ends with a reference list for further study. Packed with numerous tables and figures to illustrate the complex theory and processes, this comprehensive volume also includes numerous practical real-world optimization problems and their solutions. This is essential reading for students and researchers in computer science, mathematics, and engineering who deal with parallelism, metaheuristics, and optimization in general.
Author: El-ghazali Talbi
Publisher: Springer
ISBN: 3642306713
Category : Technology & Engineering
Languages : en
Pages : 464
Get Book Here
Book Description
The main goal of this book is to provide a state of the art of hybrid metaheuristics. The book provides a complete background that enables readers to design and implement hybrid metaheuristics to solve complex optimization problems (continuous/discrete, mono-objective/multi-objective, optimization under uncertainty) in a diverse range of application domains. Readers learn to solve large scale problems quickly and efficiently combining metaheuristics with complementary metaheuristics, mathematical programming, constraint programming and machine learning. Numerous real-world examples of problems and solutions demonstrate how hybrid metaheuristics are applied in such fields as networks, logistics and transportation, bio-medical, engineering design, scheduling.
Author: COURO.. KANE
Publisher:
ISBN:
Category :
Languages : fr
Pages : 150
Get Book Here
Book Description
LE TRAVAIL PRESENTE ICI CONCERNE L'OPTIMISATION SOUS CONTRAINTES DANS LE CONTEXTE DE L'OPTIMISATION DES FORMES EN MECANIQUE DES SOLIDES. NOUS AVONS UTILISE DES METHODES D'OPTIMISATION STOCHASTIQUES QUE SONT LES ALGORITHMES GENETIQUES. L'OPTIMISATION DE FORMES RECHERCHE UNE CONFIGURATION GEOMETRIQUE D'UN OBJET REPONDANT A UN CAHIER DES CHARGES CONCERNANT SES PROPRIETES PHYSIQUES. LES FONCTIONS A OPTIMISER ET LES CONTRAINTES SONT GENERALEMENT OBTENUS A L'AIDE DE SIMULATIONS NUMERIQUES. D'AUTRE PART, LA DEFINITION DE L'ESPACE DE RECHERCHE LUI-MEME EST LE RESULTAT D'UN COMPROMIS: SI LES FORMES SONT DECRITES PAR UN PETIT NOMBRE DE PARAMETRES, LE PROBLEME D'OPTIMISATION EST PLUS FACILE, MAIS L'ENSEMBLE DES SOLUTIONS POSSIBLES EST LIMITE. SI PAR CONTRE ON ELARGIT L'ESPACE DE RECHERCHE, LE PROBLEME D'OPTIMISATION DEVIENT TRES DIFFICILE, VOIRE INSOLUBLE PAR DES METHODES DETERMINISTES. CERTAINS PROBLEMES D'OPTIMISATION DE FORMES DONNENT CEPENDANT NAISSANCE A DES PROBLEMES BIEN POSES, POUR LESQUELS LA SOLUTION EXISTE, EST UNIQUE DANS UN ESPACE SUFFISAMMENT GRAND, ET PEUT ETRE APPROCHEE PAR UNE METHODE DE TYPE GRADIENT. CEPENDANT, DANS DE NOMBREUX CAS, LES PROBLEMES MATHEMATIQUES POSES PAR LES PROBLEMES D'OPTIMISATION DE FORMES SONT DEFINIS SUR DES ESPACES NON-STANDARD, PAR DES FONCTIONS ET DES CONTRAINTES PEU REGULIERES ET POSSEDANT DE NOMBREUX OPTIMA LOCAUX. DANS CE CONTEXTE, LES METHODES STOCHASTIQUES SONT TOUT INDIQUEES. L'ORIGINALITE DE NOS TRAVAUX DU POINT DE VUE DES ALGORITHMES GENETIQUES RESIDE DANS LA PRISE EN COMPTE DES SPECIFICITES DU PROBLEME DE L'OPTIMISATION DE FORMES AU NIVEAU DE L'ALGORITHME LUI-MEME: AINSI, UNE ETUDE APPROFONDIE DU CODAGE ET DES OPERATEURS DE CROISEMENT A AMENE LA DEFINITION D'OPERATEURS SPECIFIQUES. DU POINT DE VUE DE L'OPTIMISATION DE FORME, CETTE UTILISATION DES ALGORITHMES GENETIQUES A PERMIS D'OBTENIR DE NOMBREUX RESULTATS ORIGINAUX, TELS LES PREMIERS RESULTATS D'OPTIMUM DESIGN EN ELASTICITE NON-LINEAIRE
Author: SAMY.. MISSOUM
Publisher:
ISBN:
Category :
Languages : fr
Pages : 170
Get Book Here
Book Description
LES ALGORITHMES UTILISES A L'HEURE ACTUELLE EN OPTIMISATION DE STRUCTURES PEUVENT ETRE CLASSES EN DEUX GROUPES PRINCIPAUX : LES METHODES DETERMINISTES, BASEES SUR LE CALCUL DES SENSIBILITES, ET LES METHODES STOCHASTIQUES QUI UTILISENT DES REGLES DE TRANSITION PROBABILISTES. AFIN DE DEVELOPPER DES OUTILS D'OPTIMISATION DE STRUCTURES GENERALISTES ET DE TIRER PROFIT DE LA PUISSANCE DES CODES DE CALCUL, DES METHODES ISSUES DES DEUX GRANDES CLASSES D'ALGORITHMES ONT ETE COUPLEES AU LOGICIEL ANSYS. LES METHODES CHOISIES SONT LES METHODES SEQUENTIELLES LINEAIRE, QUADRATIQUE ET LES ALGORITHMES GENETIQUES. CES OUTILS ONT ETE TESTES SUR DES EXEMPLES PERMETTANT DE LES VALIDER ET DE MONTRER LEUR CHAMP D'APPLICATION. PAR AILLEURS, DEUX METHODES ORIGINALES SONT PRESENTEES. ELLES VIENNENT EN REPONSE A DEUX PROBLEMES : _ LES TEMPS DE CALCUL IMPORTANTS INDUITS PAR LES METHODES CLASSIQUES, DUS AUX NOMBREUSES ANALYSES PAR ELEMENTS FINIS. _ L'INADAPTATION DES METHODES BASEES SUR LES SENSIBILITES A TRAITER LES PROBLEMES DE TOPOLOGIE BIDIMENSIONNELLE. LA MISE AU POINT D'UNE METHODE UTILISANT LES DEPLACEMENTS COMME VARIABLES D'OPTIMISATION EST UNE TENTATIVE DE REPONSE AU PREMIER PROBLEME. ELLE PERMET DE REMPLACER L'ENSEMBLE DES CALCULS PAR ELEMENTS FINIS NECESSAIRES A L'EVALUATION DES GRADIENTS, PAR UNE SERIE DE PROBLEMES PLUS SIMPLES. LA METHODE S'EST AVEREE EFFICACE POUR LES STRUCTURES TREILLIS, REDUISANT NOTABLEMENT LES TEMPS DE CALCUL. LA DIFFICULTE DU TRAITEMENT DES PROBLEMES MEMBRANES A AUSSI ETE MISE EN EVIDENCE DANS CE TRAVAIL. L'OBTENTION DE TOPOLOGIES DE STRUCTURES BIDIMENSIONNELLES PAR LES ALGORITHMES GENETIQUES CONSTITUE LA DEUXIEME APPROCHE DEVELOPPEE. L'ELIMINATION DE MATIERE D'UN DOMAINE MAILLE EST REALISEE PAR LE POSITIONNEMENT DE MASQUES. CES DERNIERS, QUI DEFINISSENT LES REGIONS D'OU LES ELEMENTS DOIVENT ETRE RETIRES, SONT POSITIONNES ET DIMENSIONNES GRACE A UN ALGORITHME GENETIQUE. LA METHODE A FOURNI DES RESULTATS ENCOURAGEANT SUR DES PROBLEMES STATIQUES ET DYNAMIQUES.
Author: Sophie Rochet
Publisher:
ISBN:
Category :
Languages : fr
Pages : 306
Get Book Here
Book Description
LES ALGORITHMES GENETIQUES SONT DES ALGORITHMES EVOLUTIFS INTRODUITS PAR JOHN HOLLAND DANS LES ANNEES 70. ILS SONT UTILISES POUR RESOUDRE LES PROBLEMES D'OPTIMISATION. LE TRAVAIL REALISE DANS CETTE THESE SE CONCENTRE AUTOUR DE L'IDEE DE CONVERGENCE DANS CES ALGORITHMES SUR LE PLAN THEORIQUE ET PRATIQUE. TOUT D'ABORD, DEUX MODELES SONT ELABORES DANS LE BUT D'ACCEDER A UNE DEMONSTRATION PUREMENT MATHEMATIQUE D'UN THEOREME ENONCE PAR HOLLAND, LE THEOREME DES SCHEMAS, CONCERNANT LES STRUCTURES PRESERVEES LORS D'UN CYCLE DE L'ALGORITHME GENETIQUE. EN CE QUI CONCERNE L'ACTION DE LA SELECTION, IL FAUT UTILISER LES DISTRIBUTIONS DE BERNOULLI AFIN D'ARRIVER A UN RESULTAT EN ACCORD AVEC CELUI DE HOLLAND. LE MEME MODELE N'ETANT PAS EXPLOITABLE POUR LES AUTRES OPERATEURS, UN MODELE DYNAMIQUE PLUS CLASSIQUE EST CONSTRUIT A L'AIDE DES CHAINES DE MARKOV. CE MODELE EST UTILISE AFIN D'APPROCHER LE THEOREME DES SCHEMAS SOUS UN AUTRE ANGLE, EN UTILISANT UNE GENERALISATION DE LA NOTION DE SCHEMA. L'ASPECT PRATIQUE DE LA CONVERGENCE EST AUSSI ETUDIE A L'AIDE D'UN OUTIL INTRODUIT PAR DAVIDOR : L'EPISTASIE. LA DEFINITION DE CELLE-CI ETANT ASSEZ OBSCURE AU DEPART, UNE ANALYSE EN DETAIL A ETE FAITE, GRACE A UNE DECOMPOSITION DANS LA BASE DE WALSH. CE TRAVAIL MET EN LUMIERE LA SIGNIFICATION PROFONDE DE L'EPISTASIE ET SA RELATION ETROITE AVEC UNE APPROXIMATION LINEAIRE. A L'AIDE DES RESULTAT THEORIQUES DEMONTRES, QUI PERMETTENT DE CALCULER L'EPISTASIE DE MANIERE ACCELEREE, UNE CAMPAGNE DE TESTS A ETE MENEE SUR DIVERS ASPECTS DE LA CONVERGENCE ET DE LA DIFFICULTE D'UN PROBLEME POUR L'ALGORITHME GENETIQUE. UNE ETUDE SUR LE CHOIX DE L'ESTIMATEUR DE L'EPISTASIE PERMET DE METTRE EN EVIDENCE L'IMPORTANCE DES RESULTATS OBTENUS POUR UNE ESTIMATION EFFICACE. ENFIN, LES RELATIONS ENTRE EPISTASIE ET PERFORMANCE DE L'OPERATEUR DE CROISEMENT SONT MISES EN LUMIERE.
Author: Albert Y. Zomaya
Publisher: Wiley-Interscience
ISBN:
Category : Computers
Languages : en
Pages : 296
Get Book Here
Book Description
Solving problems in parallel and distributed computing through the use of bioinspired techniques. Recent years have seen a surge of interest in computational methods patterned after natural phenomena, with biologically inspired techniques such as fuzzy logic, neural networks, simulated annealing, genetic algorithms, or evolutionary computer models increasingly being harnessed for problem solving in parallel and distributed computing. Solutions to Parallel and Distributed Computing Problems presents a comprehensive review of the state of the art in the field, providing researchers and practitioners with critical information on the use of bio-inspired techniques for improving software and hardware design in high-performance computing. Through contributions from top leaders in the field, this important book brings together current research results, exploring some of the most intriguing and cutting-edge topics from the world of biocomputing, including: Parallel and distributed computing of cellular automata and evolutionary algorithms How the speedup of bio-inspired algorithms will help their applicability in a wide range of problems Solving problems in parallel simulation through such techniques as simulated annealing algorithms and genetic algorithms Techniques for solving scheduling and load-balancing problems in parallel and distributed computers Applying neural networks for problem solving in wireless communication systems
Author: Laure Rigal
Publisher:
ISBN:
Category :
Languages : fr
Pages : 176
Get Book Here
Book Description
L'algorithme génétique (AG) est un algorithme qui imite le processus de la sélection naturelle de Darwin. Il est souvent utilisé comme outil d'optimisation. L'AG génère successivement des populations d'individus. Les individus représentent des solutions potentielles du problème d'optimisation. Pour générer des populations successives l'AG utilise trois opérateurs stochastiques : mutation, croisement, sélection. L'AG est un outil d'optimisation complexe. En effet il faut régler différents paramètres (la probabilité de mutation, la probabilité de croisement, la pression sélective, la taille de la population ...) qui interagissent entre eux. Très peu de résultats théoriques mesurent l'impact du contrôle de différents paramètres sur la performance d'un AG. La théorie des perturbations (développée par Freidlin et Wentzell dans Random perturbations of dynamical systems) permet de déterminer des contrôles ``adéquats'' de différents paramètres de l'AG. Dans cette thèse, nous utilisons et mettons au point des techniques de contrôle de paramètres d'AGs via la théorie des perturbations.
Author: Claire Tauvel
Publisher:
ISBN:
Category :
Languages : fr
Pages : 162
Get Book Here
Book Description
L’objet de cette thèse est l’étude d’algorithmes itératifs permettant de résoudre des problèmes d’optimisation convexe avec ou sans contraintes fonctionnelles, des problèmes de résolutions d’inégalités variationnelles à opérateur monotone et des problèmes de recherche de point selle. Ces problèmes sont envisagés lorsque la dimension de l’espace de recherche est grande et lorsque les valeurs des différentes fonctions étudiées et leur sous/sur-gradients ne sont pas connues exactement et ne sont accessibles qu’au travers d’un oracle stochastique.Les algorithmes que nous étudions sont des adaptations au cas stochastique de deux algorithmes : le premier inspiré de la méthode de descente en miroir de Nemirovski et Yudin et le second, de l’algorithme d’extrapolation duale de Nesterov. Pour chacun de ces deux algorithmes, nous donnons des bornes pour l’espérance et pour les déviations modérées de l’erreur d’approximation sous différentes hypothèses de régularité pour tous les problèmes sans contraintes fonctionnelles envisagées et nous donnons des versions adaptatives de ces algorithmes qui permettent de s’affranchir de connaître certains paramètres de ces problèmes non accessibles en pratique. Enfin nous montrons comment, à l’aide d’un algorithme auxiliaire inspiré de la méthode de Newton et des résultats obtenus lors de la résolution des problèmes de recherche de point selle, il est possible de résoudre des problèmes d’optimisation sous contraintes fonctionnelles.
