. . . . . . . . "Les m\u00E9thodes de points int\u00E9rieurs forment une classe d\u2019algorithmes qui permettent de r\u00E9soudre des probl\u00E8mes d\u2019optimisation math\u00E9matique. Elles ont l'int\u00E9r\u00EAt d'\u00EAtre polynomiales lorsqu'on les applique aux probl\u00E8mes d'optimisation lin\u00E9aire, quadratique convexe, semi-d\u00E9finie positive ; et plus g\u00E9n\u00E9ralement aux probl\u00E8mes d'optimisation convexe, pourvu que l'on dispose d'une repr\u00E9sentant l'ensemble admissible, calculable en temps polynomial (ce n'est pas toujours le cas, car certains probl\u00E8mes d'optimisation convexe sont NP-difficiles (voir Probl\u00E8me NP-complet))."@fr . . . "Les m\u00E9thodes de points int\u00E9rieurs forment une classe d\u2019algorithmes qui permettent de r\u00E9soudre des probl\u00E8mes d\u2019optimisation math\u00E9matique. Elles ont l'int\u00E9r\u00EAt d'\u00EAtre polynomiales lorsqu'on les applique aux probl\u00E8mes d'optimisation lin\u00E9aire, quadratique convexe, semi-d\u00E9finie positive ; et plus g\u00E9n\u00E9ralement aux probl\u00E8mes d'optimisation convexe, pourvu que l'on dispose d'une repr\u00E9sentant l'ensemble admissible, calculable en temps polynomial (ce n'est pas toujours le cas, car certains probl\u00E8mes d'optimisation convexe sont NP-difficiles (voir Probl\u00E8me NP-complet)). Les m\u00E9thodes de points int\u00E9rieurs se r\u00E9partissent en plusieurs familles : \n* les m\u00E9thodes \u00AB affine scaling \u00BB (optimisation sur des ellipso\u00EFdes) ; \n* les m\u00E9thodes de r\u00E9duction du potentiel (notion de barri\u00E8re, chemin central, relaxation)."@fr . "1434365"^^ . . . . . . . . . . . . . . . "2730"^^ . "M\u00E9thodes de points int\u00E9rieurs"@fr . . "Innere-Punkte-Verfahren"@de . . . . "\u041C\u0435\u0442\u043E\u0434 \u0432\u043D\u0443\u0442\u0440\u0456\u0448\u043D\u044C\u043E\u0457 \u0442\u043E\u0447\u043A\u0438"@uk . "148619934"^^ . . . . . .