Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Optimisation Bayésienne à Contraintes
Extension de l'optimisation bayésienne qui intègre des contraintes sur les variables d'entrée ou de sortie, guidant la recherche de l'optimum uniquement dans le sous-espace admissible défini par ces contraintes.
Fonction d'Acquisition Contraindiquée
Fonction d'acquisition modifiée pour pénaliser les points violant les contraintes, combinant l'exploration et l'exploitation avec une probabilité de faisabilité pour évaluer l'utilité d'un point candidat.
Modèle de Probabilité de Faisabilité
Modèle stochastique, souvent un processus gaussien, qui estime la probabilité qu'un point donné respecte l'ensemble des contraintes du problème d'optimisation.
Processus Gaussien de Classification
Utilisation d'un processus gaussien pour modéliser la sortie binaire d'une contrainte (respectée ou violée), permettant d'estimer la probabilité de faisabilité sur tout l'espace de recherche.
Expected Constrained Improvement (ECI)
Fonction d'acquisition qui calcule l'espérance d'amélioration sur la fonction objectif, pondérée par la probabilité que le point candidat respecte les contraintes.
Constrained Upper Confidence Bound (C-UCB)
Variante de la fonction d'acquisition UCB qui intègre un terme de confiance sur la faisabilité, favorisant les points à la fois prometteurs pour l'objectif et susceptibles d'être réalisables.
Knowledge Gradient Contraindiqué
Stratégie d'acquisition qui évalue la valeur future attendue de l'information en tenant compte de l'impact des évaluations sur la connaissance de la frontière de faisabilité et de l'optimum.
Ensemble de Contraintes
Collection de contraintes (inégalités ou égalités) que doivent satisfaire les solutions candidates, modélisées individuellement ou de manière agrégée dans le cadre de l'optimisation bayésienne.
Frontière de Faisabilité
Surface ou hypersurface dans l'espace de recherche qui sépare les régions réalisables (respectant les contraintes) des régions non réalisables, dont la découverte est un enjeu majeur.
Violation de Contrainte
Mesure quantitative du non-respect d'une contrainte par un point donné, souvent utilisée pour pénaliser les solutions non réalisables dans la fonction d'acquisition.
Optimiseur de Boîte Noire Contraind
Algorithme d'optimisation conçu pour les fonctions boîte noire où les évaluations sont coûteuses et soumises à des contraintes, typiquement implémenté via l'optimisation bayésienne.
Échantillonnage par Rejet Sous Contraintes
Méthode d'initialisation ou d'exploration où les points sont générés puis rejetés s'ils ne satisfont pas un ensemble de critères de faisabilité préliminaires.
Modèle de Surrogat Contraind
Modèle (ex: processus gaussien) qui apprend à la fois la fonction objectif et les fonctions de contrainte, permettant de prédire la performance et la faisabilité en tout point non évalué.
Stratégie d'Échantillonnage Adaptatif
Approche où la politique d'échantillonnage évolue dynamiquement pour équilibrer l'apprentissage de la fonction objectif et de la frontière de faisabilité en fonction des informations recueillies.
Pénalité Intégrée
Technique transformant un problème contraint en un problème non contraint en ajoutant une pénalité à la fonction objectif, proportionnelle à la magnitude de la violation des contraintes.
Espace de Recherche Réalisable
Sous-ensemble de l'espace de recherche original défini par l'ensemble des contraintes, dans lequel l'algorithme est autorisé à chercher l'optimum.
Acquisition Séquentielle Multi-Objectif Contraind
Extension de l'optimisation bayésienne à des problèmes avec plusieurs objectifs contradictoires et des contraintes, où la fonction d'acquisition gère un front de Pareto réalisable.