Second edition

SPRING SCHOOL IN NONSMOOTH

ANALYSiS AND OPTIMIZATION '19
April 15 to 20 2019
www.fsr.ac.ma/ssnao19

Speakers Organizing committee

Samir Adly Abdellah Alla

Jalal Fadili Noha El Khattabi
René Henrion Abderrahim Jourani
Abderrahim Jourani Nadia Raissi
Mustapha Serhani  Soukaina Sabir
Hasnaa Zidani Bouibrine Yousra
Abdelmajid Ezzine
Anass Karine
Manale El Hamri
Othman Cherkaoui Dekkaki

CONTACT: ssnao2019@gmail.com
 Presentation and Objectives :

The purpose of this spring school is to train Master/PhD students

and young mathematicians in several research areas pertaining to
Nonsmooth Analysis and Optimization. The proposed courses will
consist of basics underlying tools and methods of Nonsmooth
Analysis and Optimization, as well as parts dealing with hot topics
which are currently very active. The courses will also include
several illustrations from real world applications in the form of
Research Projects under the supervision of senior researchers
involved in the school.

The school targets an audience with a background typically in, but

not limited to, applied mathematics, physics and engineering.
Participation of young researchers and industry engineers,
interested in getting exposed to the modern tools of applicable
analysis, is very welcome.
The objectives of the school are:
Introduce the participants to the key concepts in Nonsmooth
Analysis;
Provide the students with the necessary tools to start their PhD
work;
Provide young researchers with sufficient knowledge and
background to start their research in optimization.
Foster interaction with a large number of mathematicians working
in these areas and the school participants students.
 Pr. Samir Adly
Laboratoire XLIM-DMI, Université de
Limoges
France

Nonsmooth dynamical systems and applications

Abstract : The aim of this course is to study a large class of

nonsmooth dynamical systems including: piecewise-linear systems,
differential inclusions, Filippov inclusions, Linear Complementarity
Systems, Evolution Variational Inequalities, Convex and nonconvex
Moreau's sweeping Process with applications in mechanical
systems and electrical circuits. The course will be organized as
follows:

Tools from convex and nonsmooth analysis

Motivating examples in mechanics and electrical circuits
Formulation of Nonsmooth Dynamical Systems
Existence and Uniqueness results
Numerical Schemes for solving Nonsmooth Dynamical Systems
Introduction to the software SICONOS for the simulation of NDS
 Pr. Jalal Fadili
Professeur à l’École Nationale Supérieure
d’Ingénieurs de Caen (ENSICAEN)
 Groupe de Recherche en Informatique,
Image, Automatique et Instrumentation
de Caen (GREYC)
Caen,, France.

Non-smooth optimization and applications in data science.

Abstract : This course will offer a deep tour into non-smooth

optimization (convex and non-convex), and its far-reaching
implications to solve important problems in data science
applications (inverse problems, signal and image processing,
machine learning, statistics, etc.). The course will cover all
necessary mathematical material from variational analysis,
nonsmooth analysis, convex analysis, and operator splitting theory.
The course will then build on these tools to construct provably
convergent iterative algorithms to solve structured optimization
problems. Concrete numerical illustrations will be given in inverse
problems in signal/image processing and machine learning.
 Pr. René Henrion
Weierstrass Institute for Applied Analysis
and Stochastics
Research group: Nonlinear Optimization
and Inverse Problems
Berlin, Germany

Optimization problems under probabilistic constraints.

Abstract : Many optimization problems - in particular those arising

in power production - are affected by random parameters (e.g.,
precipitation in hydro reservoir management, wind force or gas
demand in a given network). Often, these parameters emerge in
the inequality constraints defining the feasible region of decision
variables. Then, it is appropriate to formulate so-called probabilistic
constraints where a decision is declared to be feasible if the original
random constraint is satisfied with a given probability (e.g., 90%). In
this way one arrives at optimal decisions which are robust with
respect to stochastic perturbations. The lecture provides an
introduction to the theory (structural properties: continuity,
differentiability, convexity, stability) and numerics (spheric-radial
decomposition) of probabilistic constraints. It will be accompanied
by applications to problems of power production and distribution.
 Pr. Abderrahim Jourani
Université de Bourgogne
UFR des Sciences et Techniques
Institut de Mathématiques de Bourgogne 
Dijon - FRANCE 

Elements of Nonsmooth Analysis and Applications.

Abstract : The purpose of this course is to give an overview over

the concepts of subdifferentials, normal and tangent cones and
most of the important results on these topics. Examples of
applicability of these concepts are considered, namely in Classical
Analysis, Optimization and Optimal Control. The program will
include Subdifferential calculus, Mean Value Theorem, Ekeland's
Variational Principle, Metric regularity and controllability, Necessary
Optimality Conditions in (static and dynamic) Optimization, Value
Function, Minimal Time Function and Weak-Invariance.
 Pr. Mustapha Serhani
Laboratoire Modélisation, Analyse et
Contrôle des Systèmes

Université Moulay Ismail, Meknes, Maroc.

Stabilisation non lisse en théorie du contrôle

Abstract : A l’instar des systèmes dynamiques régis par des

équations différentielles, et où la stabilité est liée à l’existence
d’une fonction de Lyapunov lisse qui décroit le long des
trajectoires, dans la théorie du contrôle ces fonctions de Lyapunov
jouent un rôle important dans la stabilisation des systèmes
contrôlés. Pour stabiliser un système par un contrôle feedback, le
minimum qu’on puisse supposer pour assurer l’existence d’une
solution, est la continuité du feedback, mais il s’avère que plusieurs
systèmes ne peuvent être stabilisés part des feedback continus.
L’objectif de ce cours est d’introduire la stabilisation non lisse via
les contrôles discontinus et les fonctions de Lyapunov contrôlées
non lisse qui se basent sur les sous-gradients généralisés et les
dérivées directionnelles.
 Pr. Hasnaa Zidani
École Nationale Supérieure de
Techniques Avancées
Directrice adjointe de l'Unité de
Mathématiques Appliquées
ENSTA ParisTech
France

Analyse variationnelle et théorie de la viscosité en commande

optimale et atteignabilité.
Abstract : La théorie de contrôle optimal concerne la détermination des stratégies de
commande pour des systèmes dynamiques (discrets ou continus), dans le but d'optimiser
leurs performances et de les faire évoluer selon des objectifs bien définis (atteindre une
cible, éviter des obstacles ou des observateurs, ...etc.). Ce domaine de recherche est né
dans les années 60, motivé par la "course à l'espace" et la nécessité de développer une
nouvelle théorie et de nouvelles méthodes de calcul pour la détermination des trajectoires
de missions spatiales.
Mais le champ a maintenant une portée beaucoup plus large qui englobe des applications
où les modèles dynamiques décrivent des réacteurs chimiques (contrôle de processus),
des véhicules (flux de trafic, gestion de l'énergie pour les moteurs hybrides), des
éoliennes ou panneaux solaires (contrôle des systèmes d'alimentation, optimisation de la
gestion d'énergie), ou des systèmes économiques (économétrie et économie des
ressources).
Les nouvelles applications provenant de technologies plus complexes apportent des défis
importants dans le domaine du contrôle optimal et nécessitent de nouvelles approches à
la fois théoriques et numériques.
Parmi ces méthodes, on s'intéressera en particulier à l'approche dite de Hamilton-Jacobi
(HJ). Cette approche permet d'identifier la fonction valeur, qui décrit la dépendance du
coût minimum par rapport aux conditions initiales, comme la solution d'une équation aux
dérivées partielles non-linéaire. La résolution de cette EDP donne à la fois le coût
minimum et le contrôle optimal dans une forme "feedback" adaptée à de nombreuses
applications en ingénierie. De plus, cette approche est particulièrement intéressante pour
la planification de trajectoires et permet d'obtenir les solutions optimales globales même
lorsque le problème n'est pas convexe. L'objectif du cours est d'analyser une approche
mathématique et numérique permettant de donner un formalisme unifié pour différents
problèmes d'atteignabilité (planification de trajectoires avec ou sans obstacles, cibles
mouvantes, évaluation du risque de collision) ou de commande optimale (temps minimal,
chemin optimal). Ces résultats seront traités dans un cadre général d'inéquations
variationnelles et d'analyse non lisse.