Rapport :

Atelier 3 : Mise en œuvre de la méthode de

pénalisation

Réalisé par :

Sboui Nourhane
INDP2D

Année universitaire :

2021-2022
 1- Une bibliographie sur la method et Une
discussion sur les résultats de la
programmation
Définition :
En optimisation mathématique, la pénalisation est une technique permettant d'analyser et de
résoudre analytiquement ou numériquement des problèmes d'optimisation avec contraintes. Elle
consiste à transformer le problème avec contraintes en un problème (cas de la pénalisation exacte)
ou des problèmes (cas de la pénalisation inexacte) d'optimisation sans contrainte ; le sens précis de
cette phrase apparaîtra plus loin.
C'est un outil à la fois théorique et algorithmique.

 En théorie, on peut l'utiliser pour démontrer l'existence de solution des problèmes d'optimisation
avec contraintes, en étudier les propriétés, établir des conditions d'optimalité, etc.
 En algorithmique, cette approche permet de résoudre des problèmes avec contraintes en
n'utilisant que des méthodes de l'optimisation sans contrainte ; cependant, à moins que l'on ne
spécifie l'algorithme de manière raffinée (comme dans les algorithmes de points intérieurs
en optimisation linéaire, quadratique et semi-définie positive — qui peuvent être interprétés
comme des algorithmes de pénalisation), c'est un peu la «méthode du pauvre», permettant
d'obtenir des résultats peu précis mais avec peu d'effort.

Qu’est-ce qu’un problème d’optimisation ?

Soit X est un sous-ensemble non vide de Rn. Considérons un problème d’optimisation de la forme : min
f(x) s.c. x œ X, (2.1) La fonction f : Rn æ R est appelée fonction coût, objectif ou critère. L’ensemble X est
appelé ensemble ou domaine des contraintes. Tout point x œ Rn vérifiant : x œ X, est appelé point
admissible ou point réalisable du problème (2.1). Chercher une solution du problème avec contraintes
(2.1) revient à chercher un point de minimum local de f dans l’ensemble des points admissibles, au sens
de la définition suivante :
A noter que tout point de minimum global est aussi local. Les notions de maximum local et global sont
définies de façon tout à fait similaire. Ces définitions sont illustrées sur la Figure 2.1
2- La Programmation de la method