méthode

optimisation

Optimization is a method for systematically improving system performance or resource allocation to achieve desired outcomes.
33 articles liés · 5 formules · 6 qui a travaillé ici

Description

Un alpiniste voit devant lui trois crêtes, mais ce n’est pas le plus haut col qu’il cherche, mais le plus bas. L’optimisation consiste à rechercher mathématiquement le minimum (ou le maximum) d’une fonction objectif — un indicateur numérique de la qualité d’une solution. Les contraintes définissent la région admissible : on ne peut pas marcher dans les airs ni sur une pente de plus de 45 degrés. La programmation linéaire traite des pentes rectilignes, où la réponse se trouve au sommet. Pour les collines douces, on utilise la descente de gradient. Si le paysage est découpé de ravins et de rochers, les algorithmes évolutionnaires entrent en jeu : ils lâchent une foule d’alpinistes virtuels, et les itinéraires les plus performants se croisent et mutent. Ainsi, on trouve le chemin dans des espaces multidimensionnels, là où on ne peut pas dessiner de carte. Quand le pas devient plus petit qu’un millimètre, la recherche s’arrête : le col est franchi.

Histoire

Ses racines plongent dans le calcul variationnel des XVIIe et XVIIIe siècles, mais l’étape moderne a commencé dans les années 1940 avec la création de la programmation linéaire et de la méthode du simplexe. Le développement de l’optimisation non linéaire dans les années 1960 a donné les méthodes de pénalité et des gradients conjugués. Dans les années 1980 sont apparus les algorithmes de point intérieur, qui ont révolutionné la résolution de grands problèmes. Aujourd’hui, l’optimisation est à la base de toutes les technologies d’apprentissage automatique.

Comment ça marche

La plupart des algorithmes construisent une suite de points convergeant vers le minimum. La descente de gradient progresse à l’opposé du gradient. En apprentissage automatique, on calcule le gradient de la fonction de coût sur un sous-ensemble aléatoire des données (lot), ce qui permet d’optimiser des milliards de paramètres. La régularisation ajoute des pénalités de complexité pour éviter le sur-apprentissage. Pour les problèmes avec contraintes, on utilise la méthode du gradient réduit ou la programmation quadratique successive. L’optimisation globale utilise des méthodes bayésiennes et la recherche avec des arbres de décision.

En pratique

Les GPS tracent des itinéraires, les compagnies aériennes établissent les horaires de vol, et les ingénieurs calculent des formes aérodynamiques : tout cela, c’est le travail des algorithmes d’optimisation.

Anecdote

Le problème du voyageur de commerce — visiter 100 villes par le plus court chemin — possède plus de combinaisons que d’atomes dans l’Univers. Mais des optimiseurs astucieux trouvent une solution en quelques secondes.

Concept graph →

Formules

$$(Mx)_n = \sup_{i \le n \le j} \frac{1}{j-i+1} \sum_{k=i}^j |x_k|$$
Operator takes supremum of averages over intervals containing n.
Ce qu'il y a dans la formule
xvariableInput sequence — sequence
nvariableIndex of output element — index
ivariableLeft endpoint of interval — index
jvariableRight endpoint of interval — index
kvariableSummation index — index
\supopérateurTakes the least upper bound of a set — supremum
\sum_{k=i}^jopérateurAdds terms from index i to j — finite summation
(mx)_n=\sup_{1\lei\len\lej}\frac{1}{j-i+1}\sum_{k=i}^j|x_k| · 2607.00123
$$f(\mathbf{x}) = g(\mathbf{x}) + \lambda h(\mathbf{x})$$
Objective function with penalty term for constraints.
Ce qu'il y a dans la formule
fvariableobjective function value — objective function value
gvariableprimary objective function — primary objective function
hvariablepenalty function — penalty function
λvariablepenalty weight — penalty weight
f({x})={x}^{\mathsf{t}}{q}{x}+λc({x}) · 2607.03208
$$\theta_{k+1} = \theta_k + \alpha_k \nabla_\theta f(\theta_k)$$
Updates parameters to maximize an objective function using gradient.
Ce qu'il y a dans la formule
\theta_kvariableParameter vector at iteration k — parameter vector
\theta_{k+1}variableUpdated parameter vector at iteration k+1 — parameter vector
\alpha_kvariableLearning rate (step size) at iteration k — taux d'apprentissage
f(\theta_k)variableObjective function evaluated at \theta_k — objective function
\nabla_\thetaopérateurComputes the vector of partial derivatives with respect to each parameter — gradient operator
θ_{k+1}=θ_k+α_k\nabla_θ\mathcal{o}({x}(θ_k)) · 2606.25502
$$\\Psi(t+\\tau) \\approx e^{\\tau W} e^{\\tau T} \\Psi(t)$$
Approximate evolution by splitting into simpler operators.
Ce qu'il y a dans la formule
ΨvariableWave function — fonction d'onde
tvariableTime — temps second
τvariableTime step — time step second
e^{τW}opérateurApplies the evolution operator for the W part — exponential operator
e^{τT}opérateurApplies the evolution operator for the T part — exponential operator
\phi(t_{n+1},*)\approxe^{τw}e^{τt}\phi(t_n,*) · 2607.00335
$$O(g(n))$$
Describes an upper bound on algorithm runtime.
Ce qu'il y a dans la formule
gvariablefunction whose growth is being bounded
nvariableinput size parameter
Oopérateurasymptotic upper bound up to constant factor — big o notation
o(k|w||q|+|δ|) · 2607.00742
o(|\sigma|n^{ω}) · 2607.00742

Articles liés · 67

Circuits quantiques sans décomposition en chaînes de Pauli
Monter un meuble commence généralement par vider toutes les pièces sur le sol et les trier en tas. Pour les ordinateurs quantiques, le rôle de ces pièces est joué par les chaînes de Pauli, les briques les plus simples avec lesquelles on assemble la description des électrons dans une molécule.
Comment choisir l'épaisseur d'un cristal en 50 simulations
Un interprète lors d'une négociation n'écoute pas chaque mot individuellement : il saisit le sens de phrases entières. En microscopie électronique, le problème est similaire : il faut déterminer l'épaisseur d'un cristal et son inclinaison dans le faisceau, alors qu'on ne dispose que de la figure de diffraction, un motif de milliers de…
Une nuée née de la cupidité : comment la recherche de nourriture engendre le collectif
Imaginez une volée d'oiseaux qui se rassemble autour d'une mangeoire que personne n'a construite. Chaque oiseau cherche sa nourriture pour lui-même, mais au final, ils se retrouvent ensemble. D'habitude, on explique ce comportement par un instinct social : les oiseaux veulent être près de leurs congénères. Mais et si la nuée n'était qu'un effet secondaire de la cupidité ?
Sauter d'un rocher à l'autre sur un astéroïde : comment économiser du carburant
Sauter de rocher en rocher sur l'astéroïde Éros n'est pas une mince affaire. La gravité y est si faible qu'un humain pourrait bondir de plusieurs centaines de mètres, mais c'est justement pour cela que toute poussée mal calculée vous envoie dans l'espace ou vous projette contre des rochers acérés.
Comment discerner la forme quand les données sont en nombre inégal
Deux photographes prennent la même montagne. L'un prend une centaine de clichés depuis le sommet et seulement deux au pied, l'autre fait l'inverse. Si l'on tente de superposer leurs images, l'algorithme pourrait décider que le sommet sur une photo correspond au sommet sur l'autre simplement parce qu'il y a beaucoup de points similaires, et non parce qu'il s'agit du même endroit.
Comment apprendre à un algorithme à soigner le sepsis
En réanimation, la décision de la quantité de liquide à perfuser à un patient atteint de sepsis et de la dose de vasopresseur à administrer est prise chaque heure par le médecin. Une erreur dans un sens ou dans l'autre peut coûter la vie. Mais comment savoir quelle décision aurait été la meilleure ?
L'IA cherche des matériaux comme un chef cuisinier
La recherche d'un nouveau matériau ressemble à la cuisine sans recette : on essaie, on essaie, et souvent on jette. Avant, les scientifiques feuilletaient les articles à la main et testaient les compositions une par une. Maintenant, un « robot-cuisinier » est apparu, qui lit lui-même la littérature, mélange les composants et regarde ce que ça donne.
Physique des plasmas2026-08-031 minarXiv:2608.02418express
Plasma en laisse : comment calculer un piège à particules
Un réacteur de fusion de type stellarator ressemble à un cocon magnétique savamment torsadé. Sa mission est de confiner un plasma surchauffé pour que les noyaux d'hydrogène fusionnent et produisent de l'énergie. Mais la forme tridimensionnelle du cocon crée des fuites : certaines particules s'échappent, surtout les plus rapides, celles qui transportent la chaleur principale.
Physique quantique2026-07-252 minarXiv:2607.23179express
Une tresse de lumière refroidit un miroir
Un faisceau laser sait non seulement chauffer, mais aussi apaiser le mouvement. Lorsque la lumière entre dans un piège à miroirs, elle exerce une pression sur eux — et si l'on règle correctement la couleur du faisceau, cette pression se transforme en un freinage tout en douceur. C'est ainsi que l'on refroidit de minuscules oscillations mécaniques jusqu'à presque le zéro absolu.
Comment la rancune restaure les ressources
Deux jardiniers marchandent l'eau d'un puits magique. L'un propose combien de seaux prendre, l'autre peut accepter ou refuser. Si l'accord est conclu, l'eau diminue ; sinon, le puits se remplit progressivement. Ce marchandage se répète des centaines de fois, et les habitudes des jardiniers changent parfois aléatoirement, comme s'ils testaient de nouvelles tactiques.
Robotique2026-07-151 minarXiv:2607.13553express
Comment un robot apprend à nager dans le chaos des courants
En eau calme, la trajectoire est claire. Mais dans les courants turbulents, le robot a besoin d'une autre stratégie. Les approches habituelles exigent une carte précise des courants, mais en réalité, on ne peut pas l'obtenir. La nature procède autrement : les poissons sentent la pression et les tourbillons directement contre leur corps.
Épidémie sous contrôle : la recette de l'approche systémique
Quand une canalisation éclate dans une cave, le plombier procède par étapes : il localise la fuite, mesure la pression, détermine la cause, pose une rustine et vérifie que tout est sec. La même recette – le modèle standard DMAIC – est proposée contre les épidémies.
Traitement du signal2026-07-152 minarXiv:2607.13710express
Cuisine sans délai : comment les réseaux gagnent en ultra-fiabilité
Imaginez un chef expérimenté en heure de pointe : soudain, une cuisinière tombe en panne ou un ingrédient clé vient à manquer. Au lieu de paniquer, il réorganise instantanément la recette — accélère la préparation de certains plats, ralentit d'autres, en redéployant les ressources à la volée. Ce principe d'adaptation dynamique est à la base de la nouvelle génération de réseaux ultra-fiables.
Comment l'entropie aide les robots à trouver leur chemin plus vite
Un groupe de recherche ratisse un champ brumeux. Au début, les gens s'écartent largement : une « température » de recherche élevée signifie une grande diversité de tentatives. Ayant repéré une piste, ils se rapprochent. Mais la vitesse de rapprochement est cruciale — si l'on resserre le cercle trop tôt, la meilleure trouvaille restera de côté.
La tomographie apprend à « compléter » ce qui manque
Habituellement, un scanner CT prend de nombreuses radiographies sous différents angles et assemble une image en trois dimensions. Mais parfois, les médecins ne scannent qu'une petite zone — par exemple un seul poumon — et les données sont tronquées. C'est comme si l'on donnait à un chef une cuillère de soupe à goûter et qu'on lui demandait de donner la recette exacte de toute la casserole.
Traitement du signal2026-07-141 minarXiv:2607.12491express
Comment entendre le silence : repérer les signaux grâce à leur intensité
Les antennes classiques, pour déterminer précisément la direction, doivent fonctionner de manière coordonnée : elles captent non seulement le volume, mais aussi la position de l'onde à un instant donné. Le moindre défaut de réglage, et la direction est perdue. La nouvelle méthode ne s'appuie que sur la force du signal.
Entendre l'inconnu : comment l'ordinateur apprend à capter tous les sons
L'oreille humaine se concentre sur ce qui lui est familier, mais ce nouveau système fonctionne autrement : il capte tout pic sonore, même celui qui n'a jamais été entendu auparavant. C'est la diarisation audio — pas simplement la recherche de bruits précis, mais le découpage de tout l'enregistrement en segments où l'on note le début et la fin de chaque événement.
Comment l'IA a cessé de lire pour rien
Les assistants logiciels d'écriture de code agissent souvent comme un cuisinier qui, pour faire cuire un seul œuf, relit tout son livre de recettes. Face à une demande de correction minuscule, ils rouvrent des dizaines de fichiers et vérifient des liens connus depuis longtemps. C'est du travail inutile — de l'énergie gaspillée.
Comment un algorithme adaptatif apprend à piloter sans accident
Imaginez un conducteur sur une route verglacée : il ne connaît pas la réaction exacte de sa voiture aux mouvements du volant et doit apprendre en conduisant, en gardant intuitivement une marge de manœuvre pour une éventuelle erreur. C'est ainsi que fonctionne un algorithme de contrôle adaptatif.
Traitement du signal2026-07-141 minarXiv:2607.12431express
Pourquoi les rotations les plus « piquantes » ne sont que des permutations
Si l'on prend un tableau de nombres où, dans chaque ligne et chaque colonne, la somme des carrés vaut 1, et que l'on veut maximiser la somme des puissances quatrièmes, la réponse n'est donnée que par les permutations des coordonnées. La puissance quatrième punit sévèrement l'éparpillement : la valeur 0,5 ne donne que 0,0625, alors que 1 donne toujours 1.
Traitement du signal2026-07-141 minarXiv:2607.12510express
Comment envoyer plus de données à pleine vitesse
Dans les transports rapides, l'Internet mobile ralentit : le signal, qui file à la vitesse de la lumière, se brouille comme le paysage qui défile par la fenêtre. Les ingénieurs ont trouvé le moyen de tasser les données plus serré sans les laisser se mélanger.
La géométrie de l'eau améliore les images médicales
Les images médicales sont des cartes de densité des tissus. La luminosité de chaque point indique ce qui se trouve à cet endroit, un peu comme la photométrie mesure l'intensité de la lumière. Mais les algorithmes habituels analysent les points individuellement, ce qui donne des contours d'organes irréguliers.
Apprendre ensemble : comment un algorithme améliore à la fois le robot et le monde qui l'entoure
En général, les algorithmes apprennent à agir dans des conditions prédéfinies, comme l'eau qui coule dans un lit déjà creusé. La nouvelle méthode renverse cette logique : elle permet au système d'apprendre à la fois à agir et à modifier son environnement.
Robotique2026-07-141 minarXiv:2607.12801express
Un seul système de pilotage de drone : de la recherche à la capture de la cible
Pour que le drone agisse comme un prédateur, les ingénieurs ont lié en un tout les trois étapes de la chasse : la recherche, le suivi et l'attaque. Désormais, le drone n'a plus besoin de basculer entre les tâches — sa logique unique fonctionne en continu. À la base, un filtre mathématique conçu pour le guidage des vaisseaux spatiaux « Apollo ».
La lumière intelligente révèle les secrets des réseaux de neurones
Pour comprendre le cerveau, il faut savoir comment les neurones sont connectés. Habituellement, on les active un par un avec de la lumière — c'est comme vérifier chaque robinet d'un immense jardin pour trouver tous les tuyaux. Des millions d'essais prennent du temps et peuvent endommager le tissu vivant.
Combinatoire2026-07-131 minarXiv:2607.11325express
L'écheveau de l'évolution : comment mesurer le chaos ?
L'arbre généalogique se transforme en écheveau si l'on tient compte des enfants adoptés et des remariages. L'évolution ressemble souvent à un tel écheveau : bien que le modèle standard dessine un arbre des espèces bien propre, en réalité les gènes voyagent non seulement par héritage, mais aussi directement entre organismes non apparentés.
Dompter le chaos : quand les algorithmes prédisent l'avenir
Les machines complexes — des drones aux robots chirurgiens — se comportent parfois comme un mustang sauvage : pleines de désordre et de caprices, où un léger contact déclenche une tempête. Plutôt que de mémoriser des formules, la nouvelle méthode observe le système, tel un dresseur.
Optique2026-07-112 minarXiv:2607.10295express
L'intelligence artificielle trouve la recette des circuits optiques
Assembler une puce optique ressemble à un jeu où il faut faire passer un faisceau à travers un labyrinthe de minuscules miroirs et de séparateurs de faisceau. Chaque élément agit comme une aiguille sur une voie ferrée : il laisse passer la lumière tout droit ou la dirige vers une voie adjacente. Le but est d'obtenir en sortie un motif lumineux bien précis, en utilisant le moins d'« aiguillages » possible.
Comment cultiver un motif instable
Un jardinier veut faire pousser une fleur rare. Il ne faut pas arroser et fertiliser n'importe comment, mais selon un planning strict : un peu plus de chaleur le matin, un peu moins d'humidité le soir. Sinon, les mauvaises herbes envahissent le parterre. C'est à peu près ce qui se passe avec les molécules à la surface d'un métal.
Optique2026-07-021 minarXiv:2607.02352express
Piège à lumière pour nanoparticules
La lumière coule comme une rivière invisible. Si l'on place un obstacle sur son passage, l'eau tourbillonne. De même, des surfaces spéciales créent des « tourbillons » de lumière qui piègent les nanoparticules comme des brindilles.
Le mirage du réservoir plein : l'illusion de l'abondance et son prix
Les machines grondent à l'intérieur du barrage en béton, tournant à vide. Trois turbines sur dix se taisent. Le niveau d'eau du plus grand réservoir du sud-est du Brésil a tellement baissé que les pales vont bientôt mordre l'air. Les 160 centrales hydroélectriques du pays, qui fournissent plus de la moitié de l'électricité, sont reliées en un réseau hydraulique unique où chaque goutte compte.
Le bal des attentes : comment les algorithmes unissent les couples avec un délai idéal
La salle de bal se remplit d'invités. Chaque arrivée est une requête, et la tâche du maître de danse est de trouver le partenaire idéal. On peut unir deux personnes dès qu'elles sont proches, et la paire sera parfaite, mais que se passe-t-il si le partenaire idéal arrive une minute plus tard ? Si l'on tarde, la lassitude des personnes en attente s'accumule : certains s'ennuient, d'autres perdent patience.
Contrôle douanier pour le code : comment garantir une optimisation sans faille des programmes pour enfants
Un enfant assemble dans Scratch un jeu simple : le personnage apparaît au centre et saute instantanément dans un coin. Le premier déplacement disparaît entre les images — personne ne le voit. Supprimer une telle commande est sans danger. Mais comment un optimiseur automatique peut-il le savoir ?
Cartographes de l'évolution : quand les algorithmes apprennent à explorer plutôt qu'à optimiser
Un robot dans un labyrinthe avance vers une impasse. Une minute plus tard, il trouve la sortie avant tout le monde. Cette manœuvre illogique est de l'exploration, pas une erreur. C'est ainsi qu'un cartographe contourne une montagne pour voir ses versants.
Il n'existe pas de carte universelle pour tous les groupes
Une immense feuille de papier est posée sur la table. Le cartographe tente d'y faire tenir tous les paysages imaginables : chaînes de montagnes, gorges enchevêtrées, plaines sans fin. Chaque paysage est un groupe de type fini, et la carte est son graphe de Cayley, le portrait graphique du groupe, où les sommets sont les éléments et les arêtes les liens entre eux.
Ligne de partage des eaux : comment un simple interrupteur « oui/non » révèle des modèles multidimensionnels
Sur une carte topographique, les gouttes de pluie choisissent leur chemin : tombées sur un versant, elles s'écoulent vers la rivière A ; sur l'autre, vers la rivière B. L'observateur ne voit que les méandres des rivières (variables de réponse Y) et sait de quel versant provient l'eau (instrument Z), mais il ne voit pas les gouttes elles-mêmes (facteurs inobservés ε).
Kaléidoscope de symétries : un nouveau record dans le dénombrement des graphes cordaux
7 278 601 292 779 396 715. C'est exactement le nombre de graphes cordaux différents (des graphes sans cycles induits de longueur quatre ou plus) que l'on peut construire sur vingt sommets, en considérant les structures sans noms.
Le seuil 2 : comment une règle en caoutchouc résiste à une moyenne infinie
2 — le seuil au-delà duquel une suite docile risque de perdre sa structure. Au lieu de l'échelle uniforme habituelle — une règle en caoutchouc à l'élasticité inégale. C'est ainsi que sont faits les espaces d'Orlicz : des espaces de Banach de suites où chaque échelle a sa propre rigidité, décrite par une fonction de Young convexe (une sorte de ressort).