Optimisation globale : Algorithmes et applications
| dc.contributor.author | Ben Mohand Said, Souhila | |
| dc.date.accessioned | 2024-12-16T09:55:26Z | |
| dc.date.available | 2024-12-16T09:55:26Z | |
| dc.date.issued | 2023 | |
| dc.description | 109f.:ill.;30cm | |
| dc.description.abstract | Ce mémoire traite l'optimisation globale : algorithmes et applications. L'optimisation globale attirent l'attention des chercheurs non seulement parce qu'elle survienne dans plusieurs applications réelles, mais parce que ses problèmes admettent une extension au cas multidimensionnel. Aussi, elle fournie une meilleure solution, que personne ne peut trouver meilleure que cette dernière (meilleure solution). Dans ce mémoire, nous avons rappelé les notions de base de l'optimisation convexe et non convexe. Donner les généralités, les méthodes (définition, principe, algorithme, théorèmes et preuves de convergence). Simuler, et donner des exemples pratiques qui prouvent l'efficacité et la convergence de la méthode BB avec une fonction borne inférieure quadratique [21], de l'algorithme de la méthode Branch and Bound avec une nouvelle fonction borne inférieure [37], par rapport à l'algorithme étudié dans l'article [59]. | |
| dc.identifier.citation | Recherche opérationnelle | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/25805 | |
| dc.language.iso | fr | |
| dc.publisher | ummto | |
| dc.subject | Simulation numérique | |
| dc.subject | Méthodes stochastiques | |
| dc.subject | Optimisation globale | |
| dc.subject | Optimisation convexe et non convexe | |
| dc.subject | Méthode déterministes | |
| dc.subject | Méthodes hybrides | |
| dc.title | Optimisation globale : Algorithmes et applications | |
| dc.title.alternative | Etude de la décomposition modulaire dans les graphes | |
| dc.type | Thesis |