Differences

This shows you the differences between two versions of the page.

--- commit:2017:01_09 [2017/01/09 12:12] – wautelet
+++ commit:2017:01_09 [2017/01/09 13:30] (current) – [Cas tests ajoutés/supprimés] wautelet
@@ Line 22: / Line 22: @@
 Si la matrice hessienne n'est pas définie positive, nous avons dès lors d'une direction de croissance de la fonction objective. Il suffit tout simplement de prendre l'opposé dans ce cas de figure pour régler le problème !
-Si la direction obtenue est presque perpendiculaire au gradient ou si la matrice hessienne est semi-définie positive (singulière), il suffit de prendre comme direction l'opposé du gradient locale (Steepest descent method !).
+Si la direction obtenue est presque perpendiculaire au gradient ou si la matrice hessienne est semi-définie positive (singulière), il suffit de prendre comme direction l'opposé du gradient local (Steepest descent method !).
 Dans le cas d'une minimisation d'une fonction non linéaire, l'utilisation d'un line search exact est totalement inefficace d'où la formulation des conditions dites de Wolfe pour garantir une décroissance suffisante de la fonction objective et de sa courbure. [[http://reference.wolfram.com/language/tutorial/UnconstrainedOptimizationLineSearchMethods.html|Inexact Line Search Methods]]
@@ Line 73: / Line 73: @@
 On peut demander aussi à calculer les tangentes et les normales par la même occasion.
+==== Line Search Exact ====
+J'ai juste ajouté un interface pour modifier les paramètres du line search exacte. L'algorithme reste inchangé !
 ==== Cas Test ====
@@ Line 82: / Line 86: @@
 <code>
-[a]:
+[a]:mtMath/InexactLineSearch.cpp
+[a]:mtMath/InexactLineSearch.h
 [r]:
 </code>
@@ Line 89: / Line 94: @@
 <code>
-[a]:
+[a]:mtMath/__init__.py
+[a]:mtMath/tests/__init__.py
+[a]:mtMath/tests/backTrackingInexactLineSearch.py
+[a]:mtMath/tests/lineSearch.py
+[a]:mtMath/tests/moreThuenteInexactLineSearch.py
 [r]:
 </code>