Um Método Amostral para Problemas de Otimização Não Suave com Restrições

• Processo: 16/22989-2
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de abril de 2017
• Data de Término da vigência: 31 de março de 2021
• Área de conhecimento: Ciências Exatas e da Terra - Matemática - Matemática Aplicada
• Acordo de Cooperação: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Pesquisador responsável: Sandra Augusta Santos
• Beneficiário: Lucas Eduardo Azevedo Simões
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 18/24293-0 - Métodos Computacionais de Otimização, AP.TEM
• Bolsa(s) vinculada(s): 17/07265-0 - Técnicas Amostrais para Problemas de Otimização Não Suave com Restrições: Desenvolvimento Teórico., BE.EP.PD
• Assunto(s): Otimização restrita Problemas de otimização
• Palavra(s)-Chave do Pesquisador: Gradient Sampling | otimização em dois níveis | otimização não convexa | Otimização não suave | Otimização Restrita | Otimização

Resumo

Recentemente, problemas de otimização com funções não suaves localmente Lipschitz contínuas vem ganhando maior interesse científico. Por conseguinte, um método conhecido como Gradient Sampling (GS) foi recentemente desenvolvido para a solução de tais problemas irrestritos. Posteriormente, apoderando-se dos mesmos conceitos, um novo método amostral foi elaborado para a solução de problemas de otimização não suave com restrições, o qual faz uso de uma função penalizadora e de ideias desenvolvidas na área de Programação Quadrática Sequencial.No presente projeto, propomos desenvolver um novo método amostral para problemas de otimização não suave com restrições. Para tanto, a nossa proposta envolve um nova função penalizadora, a qual, por sua flexibilidade, nos permite considerar problemas de otimização em dois níveis. Desta forma, uma vez que problemas de otimização hierárquica estão presentes em inúmeros modelos de tomada de decisão, acreditamos que o presente projeto, além de oferecer uma contribuição teórica, apresenta uma capacidade real de aplicação.

Publicações científicas

(8)

(As publicações científicas contidas nesta página são originárias da Web of Science ou da SciELO, cujos autores mencionaram números dos processos FAPESP concedidos a Pesquisadores Responsáveis e Beneficiários, sejam ou não autores das publicações. Sua coleta é automática e realizada diretamente naquelas bases bibliométricas)

PRADO, RENAN W.; SANTOS, SANDRA A.; SIMOES, LUCAS E. A.. . JOURNAL OF OPTIMIZATION THEORY AND APPLICATIONS, v. 197, n. 2, p. 32-pg., 2023-03-13. (18/24293-0, 13/07375-0, 16/22989-2, 19/18859-4)

HELOU, ELIAS S.; SANTOS, SANDRA A.; SIMOES, LUCAS E. A.. . JOURNAL OF OPTIMIZATION THEORY AND APPLICATIONS, v. 185, n. 2, MAR 2020. (13/07375-0, 18/24293-0, 16/22989-2)

HELOU, ELIAS S.; SANTOS, SANDRA A.; SIMOES, LUCAS E. A.. . IMA JOURNAL OF NUMERICAL ANALYSIS, v. N/A, p. 30-pg., 2022-05-18. (18/24293-0, 13/07375-0, 16/22989-2)

HELOU, ELIAS SALOMAO; SANTOS, SANDRA A.; SIMOES, LUCAS E. A.. . JOURNAL OF OPTIMIZATION THEORY AND APPLICATIONS, v. 175, n. 1, p. 137-157, OCT 2017. (13/07375-0, 13/05475-7, 16/22989-2, 13/14615-7)

HELOU, ELIAS S.; SANTOS, SANDRA A.; SIMOES, LUCAS E. A.. . COMPUTATIONAL OPTIMIZATION AND APPLICATIONS, v. 71, n. 3, p. 673-717, DEC 2018. (13/05475-7, 13/07375-0, 16/22989-2, 13/16508-3, 13/14615-7)

HELOU, ELIAS S.; SANTOS, SANDRA A.; SIMOES, LUCAS E. A.. . SIAM JOURNAL ON OPTIMIZATION, v. 30, n. 2, p. 1610-1637, 2020. (17/07265-0, 13/07375-0, 18/24293-0, 16/22989-2)

PRADO, RENAN W.; SANTOS, SANDRA A.; SIMOES, LUCAS E. A.. . NUMERICAL ALGORITHMS, v. N/A, p. 25-pg., 2022-03-30. (18/24293-0, 13/07375-0, 19/18859-4, 16/22989-2)

HELOU, ELIAS S.; SANTOS, SANDRA A.; SIMOES, LUCAS E. A.. . MATHEMATICAL PROGRAMMING, v. N/A, p. 29-pg., 2022-01-21. (13/07375-0, 16/22989-2, 18/24293-0)