Justification des Méthodes d’Optimisation
Pourquoi une méthode numérique ?
La fonction objective quadratique, combinée à des contraintes non linéaires (\(x + 2y + z \
leq 4\), \(x + y \geq 1\), \(x, y, z \geq 0\)), rend la résolution analytique complexe. Les
méthodes numériques, comme celles implémentées dans le package R `nloptr`, offrent une
solution efficace pour gérer ces contraintes de manière automatique.
Pourquoi l’algorithme "NLOPT_LN_COBYLA" ?
Cet algorithme est adapté aux problèmes avec contraintes non linéaires. Il utilise une
approximation linéaire des contraintes et ne nécessite pas de calculs explicites de dérivées,
ce qui le rend efficace pour notre problème quadratique avec contraintes.
Optimisation séparée pour minimisation et maximisation
Pour maximiser la fonction, nous avons minimisé son opposé (\(-f(x, y, z)\)). Cette
approche permet une séparation claire des résultats pour la minimisation et la
maximisation, simplifiant l’interprétation des solutions.
Pourquoi des bornes explicites ?
Les bornes \(x, y, z \geq 0\) garantissent le respect des contraintes naturelles et réduisent
l’espace de recherche. Cela améliore la convergence en limitant les calculs aux régions
pertinentes.
Pourquoi un point de départ initial ?
Un point initial \(x_0 = (1, 1, 1)\) est nécessaire pour démarrer l’optimisation. Ce point,
arbitraire mais valide, respecte les contraintes et facilite la convergence.
Interprétation des résultats
Les solutions numériques obtenues (\(x = 1, y = 1.5, z = 0\) pour la minimisation et \(x = 1,
y = 0, z = 3\) pour la maximisation) respectent toutes les contraintes. Ces résultats
démontrent l’efficacité des méthodes choisies pour gérer la complexité du problème.
