Introduction et motivations

Abstract

Le but de la deuxième partie de cet ouvrage est d'étendre le Principe du Problème Auxiliaire au cas de l'optimisation stochastique en se limitant au cas statique : c'est le cas où les variables de décision restent des variables déterministes malgré la présence de variables aléatoires dans la formulation du problème. Il s'agit d'optimiser une fonction objectif en espérance mathématique, ce qui est l'élément nouveau par rapport aux itérations nécessitées par l'optimisation. Le gradient stochastique est l'exemple emblématique de ce mariage entre itérations pour l'optimisation et pour le calcul de l'espérance.