Séance de cours

Transport optimal : analyse convexe

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MATH-476: Optimal transport

The first part is devoted to Monge and Kantorovitch problems, discussing the existence and the properties of the optimal plan. The second part introduces the Wasserstein distance on measures and develops applications of optimal transport to PDEs, functiona ...

Description

Cette séance de cours couvre le concept de transport optimal et d'analyse convexe, en se concentrant sur la transformée de légende, les fonctions convexes, la c-convexité et les fonctions 1-Lipschitz. L'instructeur explique les propriétés des fonctions convexes et leurs applications dans la théorie du transport optimal, fournissant des preuves et des exemples pour illustrer les concepts.

Enseignant·e·s (2)

Maria Colombo

Enseignement et PhD Doctorant·es actuel·les Roberto Colombo, Antonio Tirotta, Carl Johan Peter Johansson, Giulia Mescolini A dirigé les thèses EPFL de Luigi De Rosa, Silja Noëmi Aline Haffter, Massimo Sorella Cours Analysis IV - Lebesgue measure, Fourier analysis MATH-205 Apprendre les bases de l'intégrale de Lebesgue et l'analyse de Fourier. Topics on the Euler and Navier-Stokes equations MATH-647

Xavier Fernandez-Real Girona

Enseignement et PhD Doctorant·es actuel·les Roberto Colombo Cours Optimal transport MATH-476 La 1er partie est consacrée aux problèmes de Monge et de Kantorovitch, discutant de l'existence et des propriétés du plan optimal. La 2ème partie introduit la distance de Wasserstein sur les mesures et développe des applications de transport optimal aux EDP, des inégalités fonctionnelles/géométrique

Source officielle

Concepts associés (28)

Ensemble convexe

Un objet géométrique est dit convexe lorsque, chaque fois qu'on y prend deux points et , le segment qui les joint y est entièrement contenu. Ainsi un cube plein, un disque ou une boule sont convexes, mais un objet creux ou bosselé ne l'est pas. On suppose travailler dans un contexte où le segment reliant deux points quelconques et a un sens (par exemple dans un espace affine sur R — en particulier dans un espace affine sur C — ou dans un ).

Enveloppe convexe

L'enveloppe convexe d'un objet ou d'un regroupement d'objets géométriques est l'ensemble convexe le plus petit parmi ceux qui le contiennent. Dans un plan, l'enveloppe convexe peut être comparée à la région limitée par un élastique qui englobe tous les points qu'on relâche jusqu'à ce qu'il se contracte au maximum. L'idée serait la même dans l'espace avec un ballon qui se dégonflerait jusqu'à être en contact avec tous les points qui sont à la surface de l'enveloppe convexe.

Théorie du transport

En mathématiques et en économie, la théorie du transport est le nom donné à l'étude du transfert optimal de matière et à l'allocation optimale de ressources. Le problème a été formalisé par le mathématicien français Gaspard Monge en 1781. D'importants développements ont été réalisés dans ce domaine pendant la Seconde Guerre mondiale par le mathématicien et économiste russe Léonid Kantorovitch. Par conséquent, le problème dans sa forme actuelle est parfois baptisé problème (du transport) de Monge-Kantorovitch.

Analyse convexe

L'analyse convexe est la branche des mathématiques qui étudie les ensembles et les fonctions convexes. Cette théorie étend sur beaucoup d'aspects les concepts de l'algèbre linéaire et sert de boîte à outils en analyse et en analyse non lisse. Elle s'est beaucoup développée du fait de ses interactions avec l'optimisation, où elle apporte des propriétés particulières aux problèmes qui y sont étudiés. Certains voient la naissance de l'analyse convexe « moderne » dans l'invention des notions de sous-différentiel, d'application proximale et d'inf-convolution dans les années 1962-63.

Optimisation convexe

vignette|320x320px|Optimisation convexe dans un espace en deux dimensions dans un espace contraint L'optimisation convexe est une sous-discipline de l'optimisation mathématique, dans laquelle le critère à minimiser est convexe et l'ensemble admissible est convexe. Ces problèmes sont plus simples à analyser et à résoudre que les problèmes d'optimisation non convexes, bien qu'ils puissent être NP-difficile (c'est le cas de l'optimisation copositive). La théorie permettant d'analyser ces problèmes ne requiert pas la différentiabilité des fonctions.

Afficher plus

Séances de cours associées (64)

Transport optimal : théorème de Rockafellar

Explore le théorème de Rockafellar dans un transport optimal, en se concentrant sur la monotonicité c-cyclique et les fonctions convexes.

Convexité géodésique : théorie et applications

Explore la convexité géodésique dans les espaces métriques et ses applications, en discutant des propriétés et de la stabilité des inégalités.

Optimisation convexe : Exemples de fonctions convexes

Explore l'optimisation convexe, les fonctions convexes et leurs propriétés, y compris la convexité stricte et la convexité forte, ainsi que différents types de fonctions convexes comme les fonctions et les normes affines linéaires.

Transport optimal : convexité et inégalités

Explore le transport optimal, en mettant l'accent sur les propriétés de convexité et les inégalités dans les ensembles compacts.

Gradient Descent Convergence

Explique comment la descente de gradient converge vers le minimum d'une fonction à un taux de 1 sur k.

Afficher plus

Concepts associés (28)