Académique Documents
Professionnel Documents
Culture Documents
o
La quantit f(x) est un critre minimiser, appel aussi fonction objectif. Il
peut y avoir plusieurs critres.
Le vecteur x est constitu de n variables xj qui reprsentent les paramtres du
problme.
Les fonctions Gi(x) reprsentent les contraintes dgalit et dingalit.
Les valeurs x min
et x max
dsignent les contraintes de domaine.
j
j
avec
0 y1 2
0 y2 2
Ce problme possde 1 minimum global f 2 (1.36864,0.01548) = -12.73956 et 3 minima locaux
f 2 (0.56434,0.01548) = -12.64671 , f 2 (1.36864,0.86648) = -11.92323 et f 2 (0.56434,0.86648) = -11.83038 .
Optimisation :
- La commande Optimisation permet de lancer loptimisation dun problme
doptimisation laide dun optimiseur.
Analyse :
- La commande Outil danalyse permet danalyser la ou les solutions et permet
aussi de visualiser graphiquement les fonctions.
4. Exprimentation sur le problme de Rosenbrock
Dans cette premire exprimentation, nous allons utiliser le problme de Rosenbrock
(rechercher sur internet) pour mettre en vidence le fonctionnement des algorithmes
doptimisation mis notre disposition.
- Crer un nouveau projet (lui associer par exemple le nouveau fichier
Rosenbrock.gotit).
- Dcrire les paramtres continus x1 et x2 (prendre 1/10000 comme taille de
grille pour x1 x2, ne pas dfinir dunit) et la fonction de Rosenbrock f1 (la
nommer F1) (loprateur lvation la puissance est **, par exemple
( x1 1) 2 se code (x1-1)**2 ).
- Visualiser la fonction F1 (essayer "Traceur courbes", "Evaluateur", "Traceur
isovaleurs", "Traceur surface" disponibles dans Outil danalyse).
- Passer du contexte Paramtrique au contexte Optimisation.
- Dans le menu Rglage , cocher la case Vider le cache .
- Dans Fonction doptimisation crer OF1, le But de minimisation, avec F1 pour
fonction et 5E-5 pour cible (le but atteindre est F1 infrieur ou gal 5E-5).
- Dcrire le Problme doptimisation (le nommer Rosenbrock) dont le but
unique est OF1.
Sauvegarder ce projet et son journal de bord (le fichier journal de bord est un
document HTML consultable avec un navigateur) et sortir du logiciel.
Ici, quelles sont les forces et les faiblesses de lalgorithme dterministe ? Mme
question pour lalgorithme stochastique ?
Slectionner un algorithme de nichage (le nommer Niching) et lancer une
optimisation avec cet algorithme. Etudier les solutions retournes par lalgorithme.
f 3 ( z1 , z 2 ) =
(1 u )
(1 + u )
f 31 +
f 32
2
2
avec
1 u +1
Dans cette partie nous dcouvrirons en premier lieu les outils notre
pour tudier la sensibilit et la robustesse dune solution (Traceur de
Evaluateur stochastique, Evaluateur dintervalles, Pire dviation,
probabiliste), puis nous les utiliserons pour dterminer une solution
problme de Belledonne.
disposition
variations,
Dviation
robuste au
Evaluateur dintervalles :
- Lancer un Evaluateur sur la fonction F2 en centrant lanalyse autour de la
solution dindex 0 (voir astuce ci-dessous) et en demandant une analyse
dintervalles (option de lvaluateur configurer). Relever les rsultats.
Donner (une dizaine de lignes au maximum) le principe de larithmtique des
intervalles et ses limites. Quel est lintrt de cet outil dans une tude de
robustesse ?
Constatations : a) Loptimisation donne F2(1.368,0.016)=-12.727; b) Le
minimum (voir page 2) est -12.739 ; c) Lanalyse dintervalle dans le rectangle
[1.362 : 1.374][0.010 : 0.022] donne [-12.767:-10.780] pour F2.
Questions : a) Pourquoi loptimisation ne donne pas -12.739 ? b) Quelle
interprtation donner un intervalle [-12.767:-10.780] aussi important ? c)
Dans un vrai problme, le minimum nest pas connu lavance. Que suggre
alors le "-12.767" de lanalyse dintervalle ?
Remarque : dans cette analyse, les pas des grilles darrondi permettent de rgler les intervalles de variations
des paramtres autour de la solution analyse (amplitude intervalle = 3 fois le pas de grille).
10