Scribd Logo
Importer

Bienvenue sur Scribd !

  • 86 vues

    TP1

    Transféré par

    Ismail Ameskour
    Ce document présente 5 exercices de modélisation mathématique à résoudre avec des algorithmes d'optimisation sous Python. Les exercices consistent à calculer le gradient, l'approximation de gradient, le Hessien et les valeurs propres d'une fonction, ainsi qu'à implémenter les algorithmes de Newton, de bisection et de descente de gradient.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    TP1

    Transféré par

    Ismail Ameskour
    86 vues1 page
    Ce document présente 5 exercices de modélisation mathématique à résoudre avec des algorithmes d'optimisation sous Python. Les exercices consistent à calculer le gradient, l'approximation de gradient, le Hessien et les valeurs propres d'une fonction, ainsi qu'à implémenter les algorithmes de Newton, de bisection et de descente de gradient.

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Ce document présente 5 exercices de modélisation mathématique à résoudre avec des algorithmes d'optimisation sous Python. Les exercices consistent à calculer le gradient, l'approximation de gradient, le Hessien et les valeurs propres d'une fonction, ainsi qu'à implémenter les algorithmes de Newton, de bisection et de descente de gradient.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    86 vues1 page

    TP1

    Transféré par

    Ismail Ameskour
    Ce document présente 5 exercices de modélisation mathématique à résoudre avec des algorithmes d'optimisation sous Python. Les exercices consistent à calculer le gradient, l'approximation de gradient, le Hessien et les valeurs propres d'une fonction, ainsi qu'à implémenter les algorithmes de Newton, de bisection et de descente de gradient.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 1

    Université Ibn Zohr FPO Ouarzazate SMI-S6

    Modélisation Année 2019/2020 TP no 1


    Prof. A. EL MOUATASIM

    Exercice 1

    Soit la fonction
    5
    X 5 X
    X 5 5
    X
    f (x) = di x3i + cij xj xi + ej xj
    i=1 i=1 j=1 j=1

    avec
       
    30 −20 −10 32 −10 4

     −20 39 −6 −31 32 


     8 

    C=
     −10 −6 10 −6 −10 
     d=
     10 ,

     32 −31 −6 39 −20   6 
    −10 32 −10 −20 30 2

    et =
    
    −15 −27 −36 −18 −12 .
    Écrire un programme sous Python pour calculer :
    1. le gradient ∇f (x).
    2. l’approximation de gradient.
    3. le Hessien de f .
    4. les valeurs propres de H et tester la convexité de f .
    Exercice 2
    Écrire un programme sous Python de l’algorithme de bisection.
    Tester
    1
    min f (x) = x2 − x
    2
    Exercice 3
    Écrire un programme sous Python de l’algorithme de Newton avec un variable.
    Tester
    1
    min f (x) = x2 − x
    2
    Exercice 4
    Écrire un programme sous Python de l’algorithme de Newton avec multi va-
    riables.
    Tester
    1
    min f (x, y) = (x2 + y 2 )
    2
    Exercice 5
    Écrire un programme sous Python de l’algorithme de gradient du descente.
    Tester
    1
    min f (x, y) = (x2 + y 2 )
    2

    Vous aimerez peut-être aussi