suivant: Algorithme de type quasi-Newton
monter: Algorithmes de descente
précédent: Algorithmes de descente
Table des matières
Supposons que l'on veuille minimiser une fonctionnelle
dépendant
d'un paramètre
. L'algorithme de Newton consiste en la méthode
suivante :
- Initialisation : choix d'un point de départ de la minimisation
.
- Itérations :
- À partir de
, on construit la direction de descente
qui minimise l'approximation quadratique locale
- On calcule alors un pas de descente
le long de la direction
de descente
par recherche linéaire (on minimise la fonctionnelle
le long de
) de sorte que
et
avec
(conditions de Wolfe, [54]).
- On pose alors
.
- On réitère ce procédé jusqu'à convergence de la suite
vers le minimum de la fonctionnelle
.
Cet algorithme est très efficace, mais dans un cas d'assimilation de
données opérationnelles sur un système complexe, il est très
coûteux à mettre en uvre puisqu'il nécessite à chaque
étape le calcul de la hessienne inverse de la fonctionnelle au point
considéré.
suivant: Algorithme de type quasi-Newton
monter: Algorithmes de descente
précédent: Algorithmes de descente
Table des matières
Retour à la page principale