BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//CERN//INDICO//EN
BEGIN:VEVENT
SUMMARY:Charles Dapogny: "Optimisation de formes robuste\, et distribution
 ellement robust"
DTSTART:20261013T131500Z
DTEND:20261013T141500Z
DTSTAMP:20261008T135400Z
UID:indico-event-17178@indico.math.cnrs.fr
DESCRIPTION:L'optimisation de formes vise généralement à minimiser une 
 fonction de coût dont la variable est un domaine\, sous certaines contrai
 ntes. Dans les applications\, cette fonction dépend du domaine par l'inte
 rmédiaire de la solution d'une équation aux dérivées partielles qui go
 uverne son comportement physique \; cette dernière met en jeu des paramè
 tres\, tels que les forces ou les propriétés du matériau constitutif en
  mécanique des structures\, la viscosité en mécanique des fluides\, etc
 . \n \nBien souvent\, ces paramètres ne sont connus qu'imparfaitement\,
  soit qu'il sont mesurés par des procédés entachés d'erreur\, soit qu'
 ils changent au cours du temps. Ce constat motive le souhait d'anticiper c
 ette incertitude dès la formulation d'un problème d'optimisation de form
 e. Dans cette présentation\, basée sur une série de travaux en collabor
 ation avec G. Allaire\, F. Iutzeler\, J. Prando et B. Thibert\, on décrir
 a trois philosophies différentes à cette fin :\n \n - Lorsqu'aucune in
 formation n'est disponible concernant les paramètres incertains\, au-del
 à d'une borne sur leur amplitude\, on utilise une approche “worst-case
 ”\, consistant à minimiser la pire valeur de la fonction de coût. On u
 tilise pour ce faire une méthode formelle consistant à linéariser la d
 épendance du coût par rapport aux paramètres incertains. \n \n- Les a
 pproches probabilistes reposent sur la connaissance de la loi de probabili
 té des paramètres incertains. Là-encore\, grâce à une stratégie de l
 inéarisation\, on construit des approximations de la valeur moyenne ou de
  l'écart-type de la fonction de coût.\n \n- Le paradigme récent d'opti
 misation distributionellement robuste part du constat qu'en réalité\, la
  loi des paramètres incertains est elle-même incertaine : au mieux peut-
 elle être (imparfaitement) reconstruite à partir de quelques observation
 s. On minimise alors la pire valeur de la valeur moyenne du coût lorsque 
 la loi de probabilité considérée est “proche” de la loi reconstruit
 e. Cette approche repose sur des résultats récents issus de l'optimisati
 on convexe et du transport optimal. \n\nhttps://indico.math.cnrs.fr/event
 /17178/
URL:https://indico.math.cnrs.fr/event/17178/
END:VEVENT
END:VCALENDAR