Un algorithme de filtrage implicite pour l'optimisation de fonctions avec de nombreux minima locaux

Dans cet article, nous décrivons et analysons un algorithme pour certains problèmes d'optimisation soumis à des contraintes de boîte qui peuvent avoir plusieurs minima locaux. Un paradigme pour ces problèmes est celui dans lequel la fonction à minimiser est la somme d'une fonction simple, telle qu'une quadratique convexe, et de termes à haute fréquence et faible amplitude qui provoquent des minima locaux éloignés du minimum global de la fonction simple. Notre méthode est basée sur le gradient et, par conséquent, la performance peut être améliorée par l'utilisation des méthodes quasi-Newton.