Skip to content

Complétion du numéro 2 du devoir.#4

Open
joey-van-melle wants to merge 1 commit intodpo-mth8408:mainfrom
joey-van-melle:my-modeling-ipopt
Open

Complétion du numéro 2 du devoir.#4
joey-van-melle wants to merge 1 commit intodpo-mth8408:mainfrom
joey-van-melle:my-modeling-ipopt

Conversation

@joey-van-melle
Copy link

No description provided.

@github-actions
Copy link

Status:
Success--Here-is-the-PDF

# Insérez votre code ici
Pkg.add("ADNLPModels")
Pkg.add("NLPModelsIpopt")
using ADNLPModels, NLPModelsIpopt
Copy link
Contributor

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Ok, mais on ne veut pas voir la sortie de ces commandes.

x = stats.solution
println(c(x) - ucon)
println(c(x) <= ucon)
println("On en déduit que les contraintes ne sont pas satisfaites.")
Copy link
Contributor

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

D'accord, mais elles sont satisfaites dans les limites de l'arithmétique flottante, étant données les tolérances par défaut d'IPOPT.

# - Satisfaction des contraintes : 3.725290298461914e-9
# - Norme du gradient du lagrangien du problème : 0.0
# Solution finale identifiée : x* =6.103515625e-5
# Note : Ces valeurs ont été obtenues avec la version 1.6 de Julia. Toutefois, la version 1.10 est nécessaire pour utiliser Quarto.
Copy link
Contributor

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Chacune de ces lignes est un titre de section. Ce n'est sans doute pas ce que tu voulais faire.

# Note : Ces valeurs ont été obtenues avec la version 1.6 de Julia. Toutefois, la version 1.10 est nécessaire pour utiliser Quarto.
# Commentaires sur le problème :
La contrainte du problème aurait pu être linéarisée en posant x = 0 plutôt que x^2 = 0. Puisque la fonction objectif est aussi linéaire, on aurait obtenu un problème d'optimisation linéaire résolvable via la méthode du simplexe par exemple. En réalité, le domaine réalisable est en fait un seul point. Il y a donc qu'une seule solution, qui est la solution optimale (x* = 0). Notons que l'algorithme utilisé a pris 14 itérations pour converger vers
une valeur qui ne respecte pas les contraintes du problème. On en déduit qu'il existe des problèmes non-linéaire très simple qui sont difficile à résoudre numériquement à partir d'algorithme. Il faut donc toujours vérifier s'il y a un moyen de simplifier des contraintes et/ou la fonction objectif avant d'utiliser des algorithmes numériques. No newline at end of file
Copy link
Contributor

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Très bien.

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

2 participants

Comments