Busca avançada
Ano de início
Entree

Um método amostral para problemas de otimização não suave com restrições

Processo: 16/22989-2
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de abril de 2017
Vigência (Término): 31 de julho de 2020
Área do conhecimento:Ciências Exatas e da Terra - Matemática - Matemática Aplicada
Convênio/Acordo: 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:13/05475-7 - 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

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. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
HELOU, ELIAS S.; SANTOS, SANDRA A.; SIMOES, LUCAS E. A. A fast gradient and function sampling method for finite-max functions. COMPUTATIONAL OPTIMIZATION AND APPLICATIONS, v. 71, n. 3, p. 673-717, DEC 2018. Citações Web of Science: 0.
HELOU, ELIAS SALOMAO; SANTOS, SANDRA A.; SIMOES, LUCAS E. A. On the Local Convergence Analysis of the Gradient Sampling Method for Finite Max-Functions. JOURNAL OF OPTIMIZATION THEORY AND APPLICATIONS, v. 175, n. 1, p. 137-157, OCT 2017. Citações Web of Science: 1.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.