Programmation non linéaire
La programmation non linéaire (PNL) est une branche de l'optimisation mathématique qui traite des problèmes dans lesquels la fonction objectif ou au moins une contrainte est non linéaire. Formalisée de manière exhaustive par Jorge Nocedal et Stephen Wright dans leur ouvrage de référence de 2006, la PNL englobe les algorithmes basés sur le gradient — y compris la programmation quadratique séquentielle (SQP), les méthodes de points intérieurs et les approches quasi-newtoniennes — pour trouver des solutions localement ou globalement optimales à des problèmes de décision continus apparaissant en ingénierie, en économie et dans les sciences physiques.
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
- Nocedal, J., & Wright, S. J. (2006). Numerical Optimization (2nd ed.). Springer. ISBN: 978-0-387-30303-1
Comment citer cette page
ScholarGate. (2026, June 2). Nonlinear Programming. ScholarGate. https://scholargate.app/fr/optimization/nonlinear-programming
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.
- Optimisation convexeOptimisation↔ compare
- Programmation dynamiqueOptimisation↔ compare
- Optimisation stochastiqueOptimisation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →