Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

Résolution de programmes quadratiques en nombres entiers par reformulation convexe

Alain Billionnet, Sourour Elloumi, Amélie Lambert

Published Jun 10, 2009• 0 citations
OpenAlex

Abstract

Ce problème entre dans la classe des problèmes difficiles [1]. Les solveurs standards peuventrésoudre efficacement des programmes quadratiques en variables mixtes (MIQP), mais seulementdans le cas spécifique où f(x) est une fonction convexe. Ainsi, pour résoudre (QP) nous lereformulons en un programme équivalent dont la fonction objectif est quadratique et convexe,puis nous le soumettons à un solveur standard. Concrètement, cela consiste à perturber la matriceQ de (QP) dans le but d?obtenir une matrice semi définie positive. Une méthode classiquede résolution de programmes quadratiques convexes en nombres entiers consiste à appliquer unalgorithme de Branch and Bound. Il est connu que le comportement de cet algorithme dépendde la qualité de la borne à la racine de l?arbre de résolution. C?est pourquoi, afin que notrereformulation soit pertinente, nous cherchons une reformulation qui minimise l?écart entre lasolution optimale en nombres réels et la solution optimale en nombres entiers.

Related papers

Tutoriel : Reformulation Quadratique Convexe pour l'optimisation Quadratique discrète : résultats de base et extensions récentes

Sourour Elloumi

Nous considérons le problème (QP) de la minimisation d'une fonction quadratique sous des contraintes linéaires ou quadratiques. Les variables sont entières et bornées. Ce problème très général permet de modéliser de nombreux problèmes classiques en Optimisation Combinatoire et constitue une première généralisation de la programmation linéaire en nombres entiers. Une différence majeure entre (QP) et les programmes linéaires en nombres entiers réside dans le fait que, en général, sa relaxation continue fournit un problème lui aussi NP-difficile. Pour contourner cette difficulté, la reformulation quadratique convexe transforme (QP) en un problème (QP') équivalent mais dont la relaxation continue est un problème convexe. Afin de calculer une solution optimale de (QP), on peut alors résoudre (QP') par un algorithme d'énumération implicite basé sur l'optimisation continue convexe. Nous faisons un tour d'horizon de développements récents de cette approche. Nous montrons en particulier comment les relaxations semi-définies positives permettent de construire les problèmes équivalents (QP') les plus intéressants. Dans le cas des variables binaires, nous donnons une vision des linéarisations classiques comme un cas particulier de reformulation quadratique convexe. Enfin, nous illustrons la généralité et l'efficacité expérimentale de la résolution exacte par reformulation quadratique convexe sur différents problèmes d'Optimisation Combinatoire. Références A. Billionnet et S. Elloumi. Using a Mixed Integer Quadratic Programming Solver for the Unconstrained Quadratic 0-1 Problem . Mathematical Programming, 109(1): 55-68, 2007. A. Billionnet, S. Elloumi et M.-C. Plateau. Improving standard solvers convex reformulation for constrained quadratic 0-1 programs: the QCR method. Discrete Applied Math, vol. 157(6), 2009, pp. 1185-1197. A. Billionnet, S. Elloumi et A. Lambert. Extending the QCR method to general mixed-integer programs. Mathematical Programming, vol. 131(1), 2012, pp.381-401

•Feb 26, 2014•0 citations

Reformulations quadratiques convexes pour la programmation quadratique en variables 0-1

Marie-Christine Plateau

Dans ce travail de thèse, nous nous sommes intéressés à la résolution exacte de problèmes d'optimisation en variables 0-1 (notés (Q01)), comportant une fonction objectif quadratique soumise à des contraintes linéaires. Les problèmes de bipartition de graphe, d'affectation quadratique, du sac-à-dos quadratique en sont des exemples très connus et amplement étudiés dans la littérature de l'optimisation combinatoire. On les rencontre également, de façon plus concrète, dans les domaines scientifiques, économiques et industriels tels que le choix d'investissements, la gestion de portefeuilles, la conception de réseaux, le transport, etc. Malgré des travaux pionniers datant de plus de vingt ans, les problèmes non linéaires en variables bivalentes demeurent en général mal résolus. Parvenir à résoudre les programmes (Q01) de grande taille représente donc un enjeu très important. Le but de cette thèse est de proposer des méthodes originales et efficaces de résolution exacte des programmes (Q01). Plus précisément, notre approche prinicpale consiste en une reformulation quadratique convexe du problème initial dans le but d'utiliser les méthodes générales de résolution des programmes quadratiques convexes en variables entières. Cette approche peut être comparée, dans son esprit, à la reformulation de problèmes non linéaires en variables 0-1 par des problèmes linéaires en variables mixtes, technique étudiée depuis longtemps et connue sous le nom de linéarisation. Une partie de notre travail est consacrée à la présentation d'une nouvelle reformulation linéaire des programmes d'optimisation quadratique en 0-1. Dans les deux cas, les problèmes reformulés peuvent être résolus par des solveurs standards de programmes en variables mixtes. Nous présentons également de nombreuses expérimentations de notre reformulation quadratique convexe concernant trois problèmes non convexes classiques de l'optimisation combinatoire (le problème de bipartition, du sous-graphe le plus dense et un problème de minimisation d'échange d'outils). Les expérimentations montrent l'intérêt de l'approche : dans la plupart des cas, sur les instances étudiées, la méthode proposée est nettement plus efficace que les méthodes connues à ce jour. Des résultats expérimentaux sont également présentés, concernant trois problèmes convexes (le problème de plus court chemin probabiliste, un problème d'investissements, un problème d'ordonnancement). Notre approche peut également se révéler, dans certains cas, très intéressante.

•Jan 1, 2006•12 citations

Optimisation non lineaire en variables bivalentes et applications

Rouquia Djabali

Le probleme de la minimisation d'une fonction pseudo-booleenne quadratique sous une contrainte lineaire est np-difficile. Par consequent, l'obtention de bornes inferieures est importante. Nous avons etudie differentes methodes pour calculer des bornes inferieures de la solution optimale et nous montrons que le calcul de ces bornes revient a la resolution de programmes lineaires continus. La principale originalite de nos travaux, est qu'ils generalisent les bornes proposees pour le probleme de la minimisation d'une fonction pseudo-booleenne quadratique sans contraintes. Nous avons ensuite applique le calcul des bornes proposees a des problemes particuliers ; la bipartition minimale d'un graphe, l'ensemble stable de cardinal maximal d'un graphe et le sac a dos quadratique. Pour chaque probleme nous avons mis en evidence des proprietes interessantes qui permettent de simplifier le calcul des bornes et des coupes qui permettent d'ameliorer la qualite des bornes proposees. En outre, pour reduire le temps de resolution des programmes lineaires continus consideres, nous avons elabore une methode de coupes qui permet de resoudre des programmes lineaires continus de maniere approchee. Enfin, pour chaque probleme particulier, nous avons integre notre methode de coupes dans un algorithme de resolution exacte (branch and cut). Nous nous sommes egalement interesse a un probleme d'optimisation lie a l'architecture des futurs reseaux numeriques urbains. Le probleme est de determiner une topologie en anneau de cout minimal qui respecte un certain nombre de contraintes. Nous avons modelise ce probleme a l'aide de la programmation mathematique et montre qu'une methode de resolution fondee sur la programmation lineaire en nombres entiers et les methodes de coupes permet de traiter des problemes reels avec un temps de calcul raisonnable.

•Jan 1, 1998•2 citations

Column generation methods for quadratic mixed binary programming

Enrico Bettiol

Méthodes de génération de colonnes en programmation quadratique mixte binaire La programmation non linéaire mixte peut modéliser un grand nombre de problèmes réels. Cependant, ces problèmes peuvent contenir de nombreuses variables ou contraintes, il convient donc de proposer des méthodes de décomposition afin de les résoudre efficacement. Parmi ces techniques on peut citer la génération de colonnes et notamment la décomposition de Dantzig-Wolfe. Il s’agit d’une reformulation du problème original, qui permet de générer une séquence de sous-problèmes plus simples, appelés maître etpricing, pour obtenir la valeur optimale. Développée d’abord pour les problèmes linéaires, la décomposition de Dantzig-Wolfe peut être généralisée à des problèmes convexes: dans ce contexte, elle est notamment connue sous le nom de décomposition simpliciale. Cette thèse présente des algorithmes de décomposition pour des problèmes quadratiques. La première partie de ce manuscrit est dédiée aux problèmes quadratiques convexes, continus et mixtes binaires. Dans la deuxième partie, des algorithmes pour résoudre des problèmes binaires avec contraintes quadratiques sont présentés. La première partie est consacrée à la résolution de problèmes convexes, quadratiques et continus. Un algorithme basé sur la décomposition simpliciale est proposé: des nouveaux éléments sont ajoutés à la fois au problème maître et au pricing; nous avons testé notre algorithme sur une grande quantité d’instances avec une structure déterminée, et nos résultats montrent que l’algorithme que nous proposons est très efficace par rapport à Cplex, un solveur générique pour ces problèmes. Ce premier travail a été soumis à un journal pour publication. Ensuite, nous étendons cet algorithme aux problèmes convexes mixtes binaires. Nous incorporons la méthode pour le cas continu dans un algorithme de branch and bound qui nous permet d’exploiter des propriétés de notre formulation. Dans ce contexte aussi, des résultats numériques sont fournis: ils montrent que, dans certains cas, les performances de notre algorithme sont efficaces par rapport à Cplex. Ce travail est en préparation pour soumission à un journal. La deuxième partie de cette thèse est dédiée à l’étude d’algorithmes pour des problèmes quadratiques avec contraintes quadratiques. On se concentre sur les problèmes binaires, dont la relaxation continue peut être non convexe. Nous considérons en premier lieu la formulation étendue avec une matrice qui représente les produits des variables. Nous proposons ensuite un algorithme basé sur la décomposition de Dantzig-Wolfe pour obtenir une relaxation dans le Boolean Quadric Polytope (BQP). Ce polytope est connu aussi comme Correlation polytope et il est strictement contenu dans le cône des matrices complètement positives et des matrices semi définies positives. Notre algorithme permet de résoudre cette relaxation, les bornes obtenues sont plus fortes que les bornes SDP et, dans certains cas, les temps de calcul sont comparables ou meilleurs que ceux de BiqCrunch, unsolveur ad-hoc. On montre aussi que la relaxation BQP est une reformulation du problème binaire original, en exploitant un résultat sur les matrices complètement positives, pour les problèmes à contraintes linéaires en égalité. Ensuite, nous considérons des problèmes où les matrices sont décomposables par blocs. On montre aussi que la relaxation BQP est une reformulation du problème binaire original, en exploitant un résultat sur les matrices complètement positives, pour les problèmes à contraintes linéaires en égalité. Ensuite, nous considérons des problèmes où les matrices sont décomposables par blocs. Une relaxation basée sur les blocs est proposée et nous prouvons que cette relaxation est valide pour la relaxation BQP. De plus, prouver l’équivalence entre les deux relaxations est un problème de complétion BQP. La relaxation décomposée par blocs est BQP complétable dans certains cas, mais n’est pas possible dans d’autres cas [....].

•Nov 6, 2019•1 citation

Plénière: Programmation non-linéaire en variables mixtes et applications

Pierre Bonami

La programmation non-linéaire en variable mixtes consiste à minimiser une fonction non-linéaire sur un ensemble de solutions décrit par des fonctions non-linéaires et des contraintes d'intégrité portant sur tout ou partie des variables. Depuis une dizaine d'année de nombreux travaux se sont intéressé aux aspects théoriques et algorithmiques de la résolution de ces problèmes. Ces travaux ont donné lieu à la réalisation de plusieurs solveurs open-source ou commerciaux. Dans cette présentation, nous décrirons les principales classes de problèmes et les idées algorithmiques implémentées dans les logiciels de résolutions actuels. Nous nous intéresserons en particulier au cas où la relaxation continue naturelle du problème est un problème convexe et au cas ou seule la fonction objective est non-linéaire et est quadratique. Nous nous appuierons en particulier sur les exemples du solveur Bonmin et du solveur global de programmation quadratique non-convexe récemment introduit dans le logiciel CPLEX.

•Feb 26, 2014•0 citations

Méthodes de génération de colonnes en programmatin quadratique mixte binaire

Enrico Bettiol

La programmation non lineaire mixte peut modeliser un grand nombre de problemes reels. Cependant, ces problemes peuvent contenir de nombreuses variables ou contraintes, il convient donc de proposer des methodes de decomposition afin de les resoudre efficacement. Parmi ces techniques on peut citer la generation de colonnes et notamment la decomposition de Dantzig-Wolfe. Il s’agit d’une reformulation du probleme original, qui permet de generer une sequence de sous-problemes plus simples, appeles maitre et pricing, pour obtenir la valeur optimale. Developpee d’abord pour les problemes lineaires, la decomposition de Dantzig-Wolfe peut etre generalisee a des problemes convexes: dans ce contexte, elle est notamment connue sous le nom de decomposition simpliciale. Cette these presente des algorithmes de decomposition pour des problemes quadratiques. La premiere partie de ce manuscrit est dediee aux problemes quadratiques convexes, continus et mixtes binaires. Dans la deuxieme partie, des algorithmes pour resoudre des problemes binaires avec contraintes quadratiques sont presentes. La premiere partie est consacree a la resolution de problemes convexes, quadratiques et continus. Un algorithme base sur la decomposition simpliciale est propose: des nouveaux elements sont ajoutes a la fois au probleme maitre et au pricing; nous avons teste notre algorithme sur une grande quantite d’instances avec une structure determinee, et nos resultats montrent que l’algorithme que nous proposons est tres efficace par rapport a Cplex, un solveur generique pour ces problemes. Ce premier travail a ete soumis a un journal pour publication. Ensuite, nous etendons cet algorithme aux problemes convexes mixtes binaires. Nous incorporons la methode pour le cas continu dans un algorithme de branch and bound qui nous permet d’exploiter des proprietes de notre formulation. Dans ce contexte aussi, des resultats numeriques sont fournis: ils montrent que, dans certains cas, les performances de notre algorithme sont efficaces par rapport a Cplex. Ce travail est en preparation pour soumission a un journal. La deuxieme partie de cette these est dediee a l’etude d’algorithmes pour des problemes quadratiques avec contraintes quadratiques. On se concentre sur les problemes binaires, dont la relaxation continue peut etre non convexe. Nous considerons en premier lieu la formulation etendue avec une matrice qui represente les produits des variables. Nous proposons ensuite un algorithme base sur la decomposition de Dantzig-Wolfe pour obtenir une relaxation dans le Boolean Quadric Polytope (BQP). Ce polytope est connu aussi comme Correlation polytope et il est strictement contenu dans le cone des matrices completement positives et des matrices semidefinies positives. Notre algorithme permet de resoudre cette relaxation, les bornes obtenues sont plus fortes que les bornes SDP et, dans certains cas, les temps de calcul sont comparables ou meilleurs que ceux de BiqCrunch, un solveur ad-hoc. On montre aussi que la relaxation BQP est une reformulation du probleme binaire original, en exploitant un resultat sur les matrices completement positives, pour les problemes a contraintes lineaires en egalite. Ensuite, nous considerons des problemes ou les matrices sont decomposables par blocs. Une relaxation basee sur les blocs est proposee et nous prouvons que cette relaxation est valide pour la relaxation BQP. De plus, prouver l’equivalence entre les deux relaxations est un probleme de completion BQP. La relaxation decomposee par blocs est BQPcompletable dans certains cas, mais n’est pas possible dans d’autres cas. A partir de resultats experimentaux, nous conjecturons que la classe de problemes qui sont BQPcompletables est la classe de problemes dont le graphe de specification des matrices est chordal. Des resultats computationnels montrent que la formulation par blocs, dans certaines instances ou elle est equivalente a la relaxation originale, peut etre beaucoup plus efficace. Ce travail est en preparation pour soumission a un journal.

•Nov 6, 2019•0 citations
Ce problème entre dans la classe des problèmes difficiles [1]. Les solveurs standards peuventrésoudre efficacement des programmes quadratiques en variables mixtes (MIQP), mais seulementdans le cas spécifique où f(x) est une fonction convexe. Ainsi, pour résoudre (QP) nous lereformulons en un programme équivalent dont la fonction objectif est quadratique et convexe,puis nous le soumettons à un solveur standard. Concrètement, cela consiste à perturber la matriceQ de (QP) dans le but d?obtenir une matrice semi définie positive. Une méthode classiquede résolution de programmes quadratiques convexes en nombres entiers consiste à appliquer unalgorithme de Branch and Bound. Il est connu que le comportement de cet algorithme dépendde la qualité de la borne à la racine de l?arbre de résolution. C?est pourquoi, afin que notrereformulation soit pertinente, nous cherchons une reformulation qui minimise l?écart entre lasolution optimale en nombres réels et la solution optimale en nombres entiers.
Nous considérons le problème (QP) de la minimisation d'une fonction quadratique sous des contraintes linéaires ou quadratiques. Les variables sont entières et bornées. Ce problème très général permet de modéliser de nombreux problèmes classiques en Optimisation Combinatoire et constitue une première généralisation de la programmation linéaire en nombres entiers. Une différence majeure entre (QP) et les programmes linéaires en nombres entiers réside dans le fait que, en général, sa relaxation continue fournit un problème lui aussi NP-difficile. Pour contourner cette difficulté, la reformulation quadratique convexe transforme (QP) en un problème (QP') équivalent mais dont la relaxation continue est un problème convexe. Afin de calculer une solution optimale de (QP), on peut alors résoudre (QP') par un algorithme d'énumération implicite basé sur l'optimisation continue convexe. Nous faisons un tour d'horizon de développements récents de cette approche. Nous montrons en particulier comment les relaxations semi-définies positives permettent de construire les problèmes équivalents (QP') les plus intéressants. Dans le cas des variables binaires, nous donnons une vision des linéarisations classiques comme un cas particulier de reformulation quadratique convexe. Enfin, nous illustrons la généralité et l'efficacité expérimentale de la résolution exacte par reformulation quadratique convexe sur différents problèmes d'Optimisation Combinatoire. Références A. Billionnet et S. Elloumi. Using a Mixed Integer Quadratic Programming Solver for the Unconstrained Quadratic 0-1 Problem . Mathematical Programming, 109(1): 55-68, 2007. A. Billionnet, S. Elloumi et M.-C. Plateau. Improving standard solvers convex reformulation for constrained quadratic 0-1 programs: the QCR method. Discrete Applied Math, vol. 157(6), 2009, pp. 1185-1197. A. Billionnet, S. Elloumi et A. Lambert. Extending the QCR method to general mixed-integer programs. Mathematical Programming, vol. 131(1), 2012, pp.381-401
Dans ce travail de thèse, nous nous sommes intéressés à la résolution exacte de problèmes d'optimisation en variables 0-1 (notés (Q01)), comportant une fonction objectif quadratique soumise à des contraintes linéaires. Les problèmes de bipartition de graphe, d'affectation quadratique, du sac-à-dos quadratique en sont des exemples très connus et amplement étudiés dans la littérature de l'optimisation combinatoire. On les rencontre également, de façon plus concrète, dans les domaines scientifiques, économiques et industriels tels que le choix d'investissements, la gestion de portefeuilles, la conception de réseaux, le transport, etc. Malgré des travaux pionniers datant de plus de vingt ans, les problèmes non linéaires en variables bivalentes demeurent en général mal résolus. Parvenir à résoudre les programmes (Q01) de grande taille représente donc un enjeu très important. Le but de cette thèse est de proposer des méthodes originales et efficaces de résolution exacte des programmes (Q01). Plus précisément, notre approche prinicpale consiste en une reformulation quadratique convexe du problème initial dans le but d'utiliser les méthodes générales de résolution des programmes quadratiques convexes en variables entières. Cette approche peut être comparée, dans son esprit, à la reformulation de problèmes non linéaires en variables 0-1 par des problèmes linéaires en variables mixtes, technique étudiée depuis longtemps et connue sous le nom de linéarisation. Une partie de notre travail est consacrée à la présentation d'une nouvelle reformulation linéaire des programmes d'optimisation quadratique en 0-1. Dans les deux cas, les problèmes reformulés peuvent être résolus par des solveurs standards de programmes en variables mixtes. Nous présentons également de nombreuses expérimentations de notre reformulation quadratique convexe concernant trois problèmes non convexes classiques de l'optimisation combinatoire (le problème de bipartition, du sous-graphe le plus dense et un problème de minimisation d'échange d'outils). Les expérimentations montrent l'intérêt de l'approche : dans la plupart des cas, sur les instances étudiées, la méthode proposée est nettement plus efficace que les méthodes connues à ce jour. Des résultats expérimentaux sont également présentés, concernant trois problèmes convexes (le problème de plus court chemin probabiliste, un problème d'investissements, un problème d'ordonnancement). Notre approche peut également se révéler, dans certains cas, très intéressante.
Le probleme de la minimisation d'une fonction pseudo-booleenne quadratique sous une contrainte lineaire est np-difficile. Par consequent, l'obtention de bornes inferieures est importante. Nous avons etudie differentes methodes pour calculer des bornes inferieures de la solution optimale et nous montrons que le calcul de ces bornes revient a la resolution de programmes lineaires continus. La principale originalite de nos travaux, est qu'ils generalisent les bornes proposees pour le probleme de la minimisation d'une fonction pseudo-booleenne quadratique sans contraintes. Nous avons ensuite applique le calcul des bornes proposees a des problemes particuliers ; la bipartition minimale d'un graphe, l'ensemble stable de cardinal maximal d'un graphe et le sac a dos quadratique. Pour chaque probleme nous avons mis en evidence des proprietes interessantes qui permettent de simplifier le calcul des bornes et des coupes qui permettent d'ameliorer la qualite des bornes proposees. En outre, pour reduire le temps de resolution des programmes lineaires continus consideres, nous avons elabore une methode de coupes qui permet de resoudre des programmes lineaires continus de maniere approchee. Enfin, pour chaque probleme particulier, nous avons integre notre methode de coupes dans un algorithme de resolution exacte (branch and cut). Nous nous sommes egalement interesse a un probleme d'optimisation lie a l'architecture des futurs reseaux numeriques urbains. Le probleme est de determiner une topologie en anneau de cout minimal qui respecte un certain nombre de contraintes. Nous avons modelise ce probleme a l'aide de la programmation mathematique et montre qu'une methode de resolution fondee sur la programmation lineaire en nombres entiers et les methodes de coupes permet de traiter des problemes reels avec un temps de calcul raisonnable.
Méthodes de génération de colonnes en programmation quadratique mixte binaire La programmation non linéaire mixte peut modéliser un grand nombre de problèmes réels. Cependant, ces problèmes peuvent contenir de nombreuses variables ou contraintes, il convient donc de proposer des méthodes de décomposition afin de les résoudre efficacement. Parmi ces techniques on peut citer la génération de colonnes et notamment la décomposition de Dantzig-Wolfe. Il s’agit d’une reformulation du problème original, qui permet de générer une séquence de sous-problèmes plus simples, appelés maître etpricing, pour obtenir la valeur optimale. Développée d’abord pour les problèmes linéaires, la décomposition de Dantzig-Wolfe peut être généralisée à des problèmes convexes: dans ce contexte, elle est notamment connue sous le nom de décomposition simpliciale. Cette thèse présente des algorithmes de décomposition pour des problèmes quadratiques. La première partie de ce manuscrit est dédiée aux problèmes quadratiques convexes, continus et mixtes binaires. Dans la deuxième partie, des algorithmes pour résoudre des problèmes binaires avec contraintes quadratiques sont présentés. La première partie est consacrée à la résolution de problèmes convexes, quadratiques et continus. Un algorithme basé sur la décomposition simpliciale est proposé: des nouveaux éléments sont ajoutés à la fois au problème maître et au pricing; nous avons testé notre algorithme sur une grande quantité d’instances avec une structure déterminée, et nos résultats montrent que l’algorithme que nous proposons est très efficace par rapport à Cplex, un solveur générique pour ces problèmes. Ce premier travail a été soumis à un journal pour publication. Ensuite, nous étendons cet algorithme aux problèmes convexes mixtes binaires. Nous incorporons la méthode pour le cas continu dans un algorithme de branch and bound qui nous permet d’exploiter des propriétés de notre formulation. Dans ce contexte aussi, des résultats numériques sont fournis: ils montrent que, dans certains cas, les performances de notre algorithme sont efficaces par rapport à Cplex. Ce travail est en préparation pour soumission à un journal. La deuxième partie de cette thèse est dédiée à l’étude d’algorithmes pour des problèmes quadratiques avec contraintes quadratiques. On se concentre sur les problèmes binaires, dont la relaxation continue peut être non convexe. Nous considérons en premier lieu la formulation étendue avec une matrice qui représente les produits des variables. Nous proposons ensuite un algorithme basé sur la décomposition de Dantzig-Wolfe pour obtenir une relaxation dans le Boolean Quadric Polytope (BQP). Ce polytope est connu aussi comme Correlation polytope et il est strictement contenu dans le cône des matrices complètement positives et des matrices semi définies positives. Notre algorithme permet de résoudre cette relaxation, les bornes obtenues sont plus fortes que les bornes SDP et, dans certains cas, les temps de calcul sont comparables ou meilleurs que ceux de BiqCrunch, unsolveur ad-hoc. On montre aussi que la relaxation BQP est une reformulation du problème binaire original, en exploitant un résultat sur les matrices complètement positives, pour les problèmes à contraintes linéaires en égalité. Ensuite, nous considérons des problèmes où les matrices sont décomposables par blocs. On montre aussi que la relaxation BQP est une reformulation du problème binaire original, en exploitant un résultat sur les matrices complètement positives, pour les problèmes à contraintes linéaires en égalité. Ensuite, nous considérons des problèmes où les matrices sont décomposables par blocs. Une relaxation basée sur les blocs est proposée et nous prouvons que cette relaxation est valide pour la relaxation BQP. De plus, prouver l’équivalence entre les deux relaxations est un problème de complétion BQP. La relaxation décomposée par blocs est BQP complétable dans certains cas, mais n’est pas possible dans d’autres cas [....].
La programmation non-linéaire en variable mixtes consiste à minimiser une fonction non-linéaire sur un ensemble de solutions décrit par des fonctions non-linéaires et des contraintes d'intégrité portant sur tout ou partie des variables. Depuis une dizaine d'année de nombreux travaux se sont intéressé aux aspects théoriques et algorithmiques de la résolution de ces problèmes. Ces travaux ont donné lieu à la réalisation de plusieurs solveurs open-source ou commerciaux. Dans cette présentation, nous décrirons les principales classes de problèmes et les idées algorithmiques implémentées dans les logiciels de résolutions actuels. Nous nous intéresserons en particulier au cas où la relaxation continue naturelle du problème est un problème convexe et au cas ou seule la fonction objective est non-linéaire et est quadratique. Nous nous appuierons en particulier sur les exemples du solveur Bonmin et du solveur global de programmation quadratique non-convexe récemment introduit dans le logiciel CPLEX.
La programmation non lineaire mixte peut modeliser un grand nombre de problemes reels. Cependant, ces problemes peuvent contenir de nombreuses variables ou contraintes, il convient donc de proposer des methodes de decomposition afin de les resoudre efficacement. Parmi ces techniques on peut citer la generation de colonnes et notamment la decomposition de Dantzig-Wolfe. Il s’agit d’une reformulation du probleme original, qui permet de generer une sequence de sous-problemes plus simples, appeles maitre et pricing, pour obtenir la valeur optimale. Developpee d’abord pour les problemes lineaires, la decomposition de Dantzig-Wolfe peut etre generalisee a des problemes convexes: dans ce contexte, elle est notamment connue sous le nom de decomposition simpliciale. Cette these presente des algorithmes de decomposition pour des problemes quadratiques. La premiere partie de ce manuscrit est dediee aux problemes quadratiques convexes, continus et mixtes binaires. Dans la deuxieme partie, des algorithmes pour resoudre des problemes binaires avec contraintes quadratiques sont presentes. La premiere partie est consacree a la resolution de problemes convexes, quadratiques et continus. Un algorithme base sur la decomposition simpliciale est propose: des nouveaux elements sont ajoutes a la fois au probleme maitre et au pricing; nous avons teste notre algorithme sur une grande quantite d’instances avec une structure determinee, et nos resultats montrent que l’algorithme que nous proposons est tres efficace par rapport a Cplex, un solveur generique pour ces problemes. Ce premier travail a ete soumis a un journal pour publication. Ensuite, nous etendons cet algorithme aux problemes convexes mixtes binaires. Nous incorporons la methode pour le cas continu dans un algorithme de branch and bound qui nous permet d’exploiter des proprietes de notre formulation. Dans ce contexte aussi, des resultats numeriques sont fournis: ils montrent que, dans certains cas, les performances de notre algorithme sont efficaces par rapport a Cplex. Ce travail est en preparation pour soumission a un journal. La deuxieme partie de cette these est dediee a l’etude d’algorithmes pour des problemes quadratiques avec contraintes quadratiques. On se concentre sur les problemes binaires, dont la relaxation continue peut etre non convexe. Nous considerons en premier lieu la formulation etendue avec une matrice qui represente les produits des variables. Nous proposons ensuite un algorithme base sur la decomposition de Dantzig-Wolfe pour obtenir une relaxation dans le Boolean Quadric Polytope (BQP). Ce polytope est connu aussi comme Correlation polytope et il est strictement contenu dans le cone des matrices completement positives et des matrices semidefinies positives. Notre algorithme permet de resoudre cette relaxation, les bornes obtenues sont plus fortes que les bornes SDP et, dans certains cas, les temps de calcul sont comparables ou meilleurs que ceux de BiqCrunch, un solveur ad-hoc. On montre aussi que la relaxation BQP est une reformulation du probleme binaire original, en exploitant un resultat sur les matrices completement positives, pour les problemes a contraintes lineaires en egalite. Ensuite, nous considerons des problemes ou les matrices sont decomposables par blocs. Une relaxation basee sur les blocs est proposee et nous prouvons que cette relaxation est valide pour la relaxation BQP. De plus, prouver l’equivalence entre les deux relaxations est un probleme de completion BQP. La relaxation decomposee par blocs est BQPcompletable dans certains cas, mais n’est pas possible dans d’autres cas. A partir de resultats experimentaux, nous conjecturons que la classe de problemes qui sont BQPcompletables est la classe de problemes dont le graphe de specification des matrices est chordal. Des resultats computationnels montrent que la formulation par blocs, dans certaines instances ou elle est equivalente a la relaxation originale, peut etre beaucoup plus efficace. Ce travail est en preparation pour soumission a un journal.