Fonctions Invexes G n ralis es Et Optimisation Vectorielle

Dans les probl mes invexes, on exige de consid rer une m me fonction eta pour les fonctions objectifs et contraintes. En raison de cette restriction, diverses difficult s sont rencontr es dans les applications li es aux conditions d'optimalit et
la dualit . Pour am liorer cette situation, dans ce livre, l'invexit par rapport
diff rentes fonctions (eta-i) est propos e pour tudier les conditions d'optimalit et la dualit pour des probl mes de programmation non lin aire et multi-objectifs. Sous l'hypoth se de cette invexit g n ralis e ou de ses extensions, de nouvelles conditions n cessaires et suffisantes de type Kuhn-Tucker (Fritz-John), des caract risations des solutions et plusieurs r sultats de dualit sont obtenus pour des probl mes non-lin aires et multi-objectifs (non)-diff rentiables avec contraintes d'in galit . Plusieurs exemples sont donn s pour illustrer les r sultats d'optimalit obtenus qui g n ralisent et tendent des r sultats connus dans ce domaine. Le contenu de cette tude devrait tre accessible, utilisable et utile aux tudiants, aux chercheurs et aux praticiens dans les domaines de la RO, l'optimisation, les math matiques appliqu es, l'ing nierie etc.