Séance de cours

Programmation intégrale : le théorème de John

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-504: Integer optimisation

The course aims to introduce the basic concepts and results of integer optimization with special emphasis on algorithmic problems on lattices that have proved to be important in theoretical computer science and cryptography during the past 30 years. ...

Description

Cette séance de cours couvre le concept de programmation entière, en se concentrant sur le théorème de John et son application pour calculer l'ellipsoïde John pour les calculs vectoriels les plus courts complets dans les corps convexes. Il discute également de la façon dont la programmation entière générale peut être réduite aux calculs vectoriels les plus courts, mettant en évidence le problème ouvert de la résolution de la programmation entière aussi efficacement que pour les ellipsoïdes.

Source officielle

Concepts associés (32)

Méthode de l'ellipsoïde

En optimisation mathématique, la méthode de l'ellipsoïde est une méthode itérative utilisée pour minimiser des fonctions convexes. En informatique théorique, cette méthode est connue comme étant le premier algorithme de complexité polynomiale découvert pour résoudre les problèmes d'optimisation linéaire. L'algorithme construit une suite d'ellipsoïdes de plus en plus petits, qui enserrent à chaque étape le minimum de la fonction objectif.

Problème de l'arbre de Steiner

En algorithmique, le problème de l'arbre de Steiner est un problème d'optimisation combinatoire. Il porte le nom du mathématicien Jakob Steiner. Ce problème est proche du problème de l'arbre couvrant minimal et a des applications en conception de réseaux, notamment les circuits électroniques et les télécommunications. Il existe plusieurs variantes du problème. Dans un espace métrique, étant donné un ensemble de points P, un arbre pour P est un réseau (c'est-à-dire un ensemble de chemins connectés) tel que tous les points soient reliés, et un arbre est dit de Steiner si la longueur totale du réseau est minimale.

Filtre de Bloom

En informatique, et plus précisément en algorithmique, un filtre de Bloom est une structure de données inventée par Burton Howard Bloom en 1970. C'est une implémentation du type abstrait Ensemble. Cette structure est probabiliste, c'est-à-dire qu'elle utilise des probabilités, et que sa correction est probabiliste. Plus précisément, lors du test de la présence d'un élément dans un ensemble, un filtre de Bloom permet de savoir : avec certitude l'absence d'un élément (il ne peut pas y avoir de faux négatif) ; avec une certaine probabilité la présence d'un élément (il peut y avoir des faux positifs).

Convex geometry

In mathematics, convex geometry is the branch of geometry studying convex sets, mainly in Euclidean space. Convex sets occur naturally in many areas: computational geometry, convex analysis, discrete geometry, functional analysis, geometry of numbers, integral geometry, linear programming, probability theory, game theory, etc. According to the Mathematics Subject Classification MSC2010, the mathematical discipline Convex and Discrete Geometry includes three major branches: general convexity polytopes and polyhedra discrete geometry (though only portions of the latter two are included in convex geometry).

Tomodensitométrie

La tomodensitométrie (TDM), dite aussi scanographie, tomographie axiale calculée par ordinateur (TACO), CT-scan (CT : computed tomography), CAT-scan (CAT : computer-assisted tomography), ou simplement scanner ou scanneur pour l'appareil, est une technique d' qui consiste à mesurer l'absorption des rayons X par les tissus puis, par traitement informatique, à numériser et enfin reconstruire des images 2D ou 3D des structures anatomiques.

Afficher plus

Séances de cours associées (64)

Matching bipartite non pondéré

Introduit l'appariement bipartite non pondéré et sa solution en utilisant la programmation linéaire et la méthode simplex.

Transference Bounds

Explore les limites de transfert, les ellipsoïdes et détermine le vecteur le plus court.

Optimisation convexe: descente de gradient

Explore la dimension VC, la descente de gradient, les ensembles convexes et les fonctions Lipschitz en optimisation convexe.

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.

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.

Afficher plus

Concepts associés (32)

Méthode de l'ellipsoïde

Problème de l'arbre de Steiner