A partir des outils de l'analyse convexe, l'objectif de ce cours est de présenter les algorithmes de résolution des problèmes d'optimisation non différentiables. Le cours fait appel à de nombreux exemples d'application et met en évidence la nécessité de prendre spécifiquement en considération le caractère non différentiable des problèmes.
La première séance est consacrée à l'exposé des principales propriétés des fonctions sous-différentiables, dans le cadre de l'analyse convexe, avec des exercices destinés à l'apprentissage de la manipulation de ces outils. Les trois séances suivantes présentent les algorithmes en optimisation sous-différentiable, leurs applications dans le cadre de la relaxation lagrangienne ainsi que les méthodes proximales et leur utilisation en dualité. Elles sont suivies de travaux pratiques en Julia.
Ce cours sera ouvert aux étudiants du M2 "Data Sciences" de l'Université Paris-Saclay