Ce cours fournit une introduction générale à l'optimisation continue, en mettant l'accent sur les algorithmes pratiques pour la conception de systèmes d'ingénierie. Nous couvrons une grande variété de sujets liés à l'optimisation continue, en introduisant les formulations mathématiques sous-jacentes des problèmes et les algorithmes pour les résoudre. Tous les algorithmes seront implémentés dans le langage de programmation Julia. Le cours nécessite une certaine maturité mathématique et suppose une exposition préalable au calcul multivariable, à l'algèbre linéaire et aux concepts de probabilité, bien que tous ces concepts soient revus pendant le cours.

Contenu : Dérivées et gradient, Bracketing, Descente locale, Méthodes du premier ordre, Méthodes du second ordre, Méthodes directes, Méthodes stochastiques.

Bibliographie:

1 - Mykel J. Kochenderfer and Tim A. Wheeler. Algorithms for Optimization. MIT Press

https://mitpress.mit.edu/9780262039420/algorithms-for-optimization/

https://algorithmsbook.com/optimization/files/optimization.pdf