Contribution à l'étude des algorithmes d'optimisation en analyse des données

Ce travail est compose de deux parties. La première concerne l'étude des méthodes d'optimisation convexe à la résolution numérique des problèmes d'optimisation en analyse des données (problème de régression isotone et celui de régression concave). Selon différentes approches et via la théorie de la dualité, nous avons proposé trois méthodes pour résoudre ces problèmes. 1) méthode de l'inverse partiel. 2) méthode du gradient conjugue. 3) méthode de pivotage complémentaire de Lemke. Des résultats numériques sont présentés. Dans la seconde partie, nous proposons une étude synthétique de toutes les méthode de projection dont on dispose actuellement. Nous avons établi les relations qui les lient aux méthodes du type sous-gradient