Métodos computacionais de otimização

• Processo: 23/08706-1
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Vigência: 01 de agosto de 2024 - 31 de julho de 2029
• Área do conhecimento: Ciências Exatas e da Terra - Matemática - Matemática Aplicada
• Pesquisador responsável: Ernesto Julián Goldberg Birgin
• Beneficiário: Ernesto Julián Goldberg Birgin
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores principais: Carlile Campos Lavor ; Gabriel Haeser ; José Mário Martinez Perez ; Paulo José da Silva e Silva ; Roberto Andreani
• Pesquisadores associados: Daiana Oliveira dos Santos ; Francisco de Assis Magalhães Gomes Neto ; Leandro Martinez ; Luis Felipe Cesar da Rocha Bueno ; Luiz Leduíno de Salles Neto ; Thadeu Alves Senne ; Thiago Siqueira Santos ; Tiara Martini dos Santos
• Assunto(s): Otimização contínua Algoritmos Modelagem computacional Complexidade Convergência
• Palavra(s)-Chave do Pesquisador: Algoritmos | aplicações | Complexidade | convergência | modelos | Otimizacão continua | Otimização

Resumo

Este projeto versa sobre aspectos teóricos, computacionais e aplicações de Otimização. O projeto tem como objetivo o desenvolvimento, análise teórica, implementação e aplicação de algoritmos para os diferentes aspectos da Otimização, com ênfase na Otimização Contínua. O projeto se apoia em aplicações com as quais a equipe está familiarizada. Enfatizam-se algoritmos com sólida base teórica, o que envolve a caracterização precisa dos problemas abordados, com implementação computacional cuidadosa e competitiva, e conexões com Engenharia e Ciências Aplicadas. A equipe do projeto atua no ambiente científico brasileiro há mais de 40 anos, e é sensível às novas tendências e às aplicações modernas da Otimização. Ao longo dos anos, a equipe tem realizado contribuições significativas nas áreas que envolvem métodos de decomposição, métodos quase-Newton, programação quadrática sequencial, métodos de Lagrangiano Aumentado, Restauração Inexata, problemas de grande porte, condições sequenciais de otimalidade, minimização sem derivadas, complexidade algorítmica, reconstrução de imagens e aprendizagem de máquina, entre outras. A experiência acumulada, assim como a incorporação e a renovação do time de pesquisadores no projeto, habilita a equipe a atacar problemas nos quais a função objetivo é difícil, impossível de avaliar, ou de existência questionável, o número de variáveis é enorme ou desconhecido e, finalmente, a incerteza se estende às restrições. A abordagem destes problemas exige necessariamente enfoques interdisciplinares e o impacto almejado é, ao mesmo tempo, científico, econômico e social. (AU)