Couvre les bases de la programmation non linéaire et ses applications dans le contrôle optimal, en explorant des techniques, des exemples, des définitions d'optimalité et les conditions nécessaires.
Introduit CALIPSO, un résolveur pour l'optimisation de trajectoire avec des contraintes dans la robotique, des méthodes de mise en valeur et des exemples.
Explore l'optimisation avec des contraintes en utilisant les conditions KKT et l'algorithme de point intérieur sur deux exemples de programmation quadratique.
Explore les espaces d'interpolation dans les espaces de Banach, en mettant l'accent sur de véritables espaces d'interpolation continue et la méthode K.
Couvre les méthodes de descente de gradient pour les problèmes convexes et non convexes, y compris la minimisation convexe lisse sans contrainte, lestimation de la vraisemblance maximale, et des exemples comme la régression de crête et la classification dimage.
Explore les méthodes d'optimisation, y compris la convexité, la descente en gradient et la minimisation non convexe, avec des exemples comme l'estimation de la probabilité maximale et la régression des crêtes.
Couvre l'implémentation de listes à l'aide de SAbstractList.java et discute de l'utilisation de StringJoiner et d'itérateurs dans la programmation Java.
Couvre les bases de l'optimisation convexe, y compris les problèmes mathématiques, les minimiseurs et les concepts de solution, en mettant l'accent sur des méthodes efficaces et des applications pratiques.
Explore les progrès dans les résolveurs de flux de puissance optimaux, en mettant l'accent sur l'optimisation multipériodes et les contraintes de sécurité.
