« Conditions de Karush-Kuhn-Tucker » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
m (Remplacement de texte — « Source: L'apprentissage profond. Éd.Massot 2018 » par « Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 ») |
||
| Ligne 28 : | Ligne 28 : | ||
<small> | <small> | ||
[https://www.apprentissageprofond.org/ Source: L'apprentissage profond | [https://www.apprentissageprofond.org/ Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 112, 245 ] | ||
[https://en.wikipedia.org/wiki/Karush%E2%80%93Kuhn%E2%80%93Tucker_conditions Source : Wikipedia ] | [https://en.wikipedia.org/wiki/Karush%E2%80%93Kuhn%E2%80%93Tucker_conditions Source : Wikipedia ] | ||
Version du 29 décembre 2019 à 20:37
en construction
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 les 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
Contributeurs: Jacques Barolet, wiki
