Narendra Karmarkar

mathématicien indien

Narendra Karmarkar, né en 1957 à Gwalior dans le Madhya Pradesh, est un mathématicien indien, connu pour l'algorithme de Karmarkar, qui fut le premier algorithme polynomial vraiment efficace pour les problèmes d'optimisation linéaire. Cette méthode de points intérieurs est une découverte majeure pour laquelle il a notamment obtenu le prix Fulkerson.

Narendra Karmarkar
une illustration sous licence libre serait bienvenue
Biographie
Naissance
Nationalité
Formation
Activités
Autres informations
A travaillé pour
Directeur de thèse
Distinctions

Biographie

modifier

Nerendra Karmarkar a soutenu sa thèse de doctorat en 1983 à l'université de Californie à Berkeley, sous la direction de Richard Karp. Celle-ci portait sur les méthodes permettant de résoudre des problèmes NP-complets[1]. Il a découvert un algorithme à coût polynomial pour la résolution des programmes linéaires (dite « méthode de point intérieur »), publié en 1984 alors qu'il était employé par les laboratoires Bell dans le New Jersey. Karmarkar a enseigné à l'Institut Tata de recherche fondamentale de Bombay.

Travaux

modifier

Karmarkar est surtout connu pour son algorithme polynomial pour l'optimisation linéaire publié en 1984[2], et pour son implémentation efficace.

Distinctions

modifier

Karmarkar a reçu le prix Fulkerson en 1988[3] et le prix Paris-Kanellakis en 2000[4] pour son algorithme.

Notes et références

modifier
  1. (en) « Narendra Karmarkar », sur le site du Mathematics Genealogy Project
  2. Narendra Karmarkar, « A new polynomial-time algorithm for linear programming », Combinatorica, vol. 4, no 4,‎ , p. 373–395 (DOI 10.1007/BF02579150).
  3. Lauréats du prix Fulkerson sur la page de la Mathematical Optimization Society.
  4. Page officielle du prix Kanellakis, pour l'année 2000.

Liens externes

modifier

pFad - Phonifier reborn

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


Alternative Proxies:

Alternative Proxy

pFad Proxy

pFad v3 Proxy

pFad v4 Proxy