Introduction à l’optimisation
Introduction générale
à l’optimisation
1. Introduction
L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre
analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un
ensemble. Elle est aussi un sujet très vaste qui touche aussi bien au calcul des variations qu'a la recherche
opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les
mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en
statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies
dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande. Aujourd'hui, tous les
systèmes susceptibles d’être décrits par un modèle mathématique sont optimisés. La qualité des résultats et des
prédictions dépend de la pertinence du modèle, de l’efficacité de l’algorithme et des moyens pour le traitement
numérique. De façon générale, les techniques d'optimisations jouent un rôle de plus en plus important pour la
conception des systèmes et des équipements de toute nature, et toutes les décisions technique ou économiques.
Puisque les gens en général recherchent ce qu'il y a de meilleur et lorsque plusieurs possibilités se présentent, leur
choix se porte tout naturellement vers la variante « optimal ». Ce mot provient du latin « optimum » qui veut dire
meilleur et parfait.
2. Définitions
2.1. Définition 1 : Optimisation
En optimisation, on parle de la fonction coût (objectif). C'est la fonction à minimiser/maximiser, après
formulation mathématique du problème. On distingue deux grandes familles de techniques d'optimisation, et cela
suivant le problème posé:
• Techniques d'optimisation sans contraintes.
• Techniques d'optimisation sous contraintes.
Page | 1
Introduction à l’optimisation
2.2. Définition 2 : Problème d’optimisation
Dans un problème d'optimisation, une variable physique ou bien de commande doit être choisie de façon
optimale, autrement dit, de façon à optimiser selon le cas :
o Un critère physique (énergie, puissance, etc.).
o Un critère technique (erreur de modélisation, erreur statique, etc.).
o Un critère économique (coût, profit, etc.).
3. Formulation mathématique d’un problème d’optimisation
Le problème d’optimisation (de minimisation / maximisation) PO peut s’écrire sous la forme générale suivante:
(PO) : 𝑀𝑖𝑛/𝑀𝑎𝑥 𝑓(𝑥) ∶ 𝑓 ∶ ℝ𝑛 → ℝ
𝑔(𝑥) = 0
ℎ(𝑥) ≤ 0
𝑎𝑣𝑒𝑐 𝑥 ∈ ℝ𝑛
Avec : 𝒇(𝒙) est souvent appelée fonction objectif, fonction de coût où critère d’optimisation.
𝒙 est appelée variable de décision.
𝒈(𝒙) représente les contraintes d’égalité.
𝒉(𝒙) représente les contraintes d’inégalité.
4. Optimum : Minimum / Maximum
Soit 𝑓: Ω ⊂ 𝑅 𝑛 → 𝑅, 𝑥 ∗ ∈ 𝑅 𝑛 , on dit que f admet en 𝑥 ∗ un :
1) Minimum global ssi : ∀𝑥 ∈ Ω, 𝑓(𝑥 ∗ ) ≤ 𝑓(𝑥)
2) Minimum local ssi : ∃ 𝜀 > 0,|𝑥 − 𝑥 ∗ | < 0 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑓(𝑥 ∗) ≤ 𝑓(𝑥)
Remarque 1: On définit de manière analogue un maximum local ou global.
Remarque 2: Un minimum global peut considérer comme un minimum local
𝑢𝑛 𝑚𝑖𝑛𝑖𝑚𝑢𝑚 𝑔𝑙𝑜𝑏𝑎𝑙 ⟹ 𝑢𝑛 𝑚𝑖𝑛𝑖𝑚𝑢𝑚 𝑙𝑜𝑐𝑎l
Page | 2
Chapitre 01 Rappels mathématiques
5. Résolution des problèmes d’optimisation
Une fois que l'expression mathématique est écrite, on propose la technique et la méthode de la résolution selon
le type de problème (linéaire ou non linéaire, avec/ou sans contraintes). Pour résoudre un problème d'optimisation,
on suit les étapes suivantes :
1) Fixer les objectifs, les contraintes, les variables de décision.
2) Trouver la formulation mathématique.
3) Choisir la méthode de la résolution selon le type du problème posé.
4) Validation de la solution obtenue.
