Méthode du Lagrangien Augmenté
La Méthode du Lagrangien Augmenté, développée par Magnus R. Hestenes et M. J. D. Powell en 1969, est une technique puissante pour résoudre des problèmes d'optimisation sous contraintes. Elle transforme un problème avec contraintes en une séquence de sous-problèmes sans contraintes en augmentant le Lagrangien avec un terme de pénalité quadratique, permettant la résolution efficace de problèmes à grande échelle, y compris les cas convexes et non convexes.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Hestenes, M. R. (1969). Multiplier and gradient methods. Journal of Optimization Theory and Applications, 4(5), 303-320. DOI: 10.1007/BF00927673 ↗
- Powell, M. J. D. (1969). A method for nonlinear constraints in minimization problems. In Optimization (pp. 283-298). Academic Press. link ↗
- Boyd, S., Parikh, N., Chu, E., Peleato, B., & Eckstein, J. (2011). Distributed optimization and statistical learning via the alternating direction method of multipliers. Foundations and Trends in Machine Learning, 3(1), 1-122. DOI: 10.1561/2200000016 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Augmented Lagrangian Method for Constrained Optimization. ScholarGate. https://scholargate.app/fr/operations-research/augmented-lagrangian-method
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Décomposition de BendersRecherche opérationnelle↔ compare
- Génération de colonnes (Dantzig-Wolfe)Recherche opérationnelle↔ compare
- Méthode du SimplexeRecherche opérationnelle↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →