« Conditions de Karush-Kuhn-Tucker » : différence entre les versions
m (Remplacement de texte — « <small> féminin </small> » par « ») |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
| Ligne 16 : | Ligne 16 : | ||
'''Kuhn–Tucker conditions''' | '''Kuhn–Tucker conditions''' | ||
==Sources== | |||
[https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 112, 245 ] | [https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 112, 245 ] | ||
Version du 27 janvier 2024 à 20:10
Définition
En optimisation mathématique, les conditions de Karush–Kuhn–Tucker (KKT), également appelées conditions de Kuhn-Tucker, sont des tests de dérivée première (parfois appelés conditions nécessaires de premier ordre) pour qu'une solution de programmation non linéaire soit optimale, à condition que certaines des conditions de régularité sont remplies.
Permettant les contraintes d'inégalité, l'approche KKT de la programmation non linéaire généralise la méthode des multiplicateurs de Lagrange, qui ne permet que des contraintes d'égalité.
Français
conditions de Karush-Kuhn-Tucker
conditions de Kuhn-Tucker
Anglais
Karush–Kuhn–Tucker conditions
KKT
Kuhn–Tucker conditions
Sources
Contributeurs: Jacques Barolet, wiki
