Busca avançada
Ano de início
Entree

Técnicas amostrais para problemas de otimização não suave com restrições: desenvolvimento teórico

Processo: 17/07265-0
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
Vigência (Início): 04 de setembro de 2017
Vigência (Término): 03 de janeiro de 2018
Área do conhecimento:Ciências Exatas e da Terra - Matemática - Matemática Aplicada
Pesquisador responsável:Sandra Augusta Santos
Beneficiário:Lucas Eduardo Azevedo Simões
Supervisor no Exterior: Michael Overton
Instituição-sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Local de pesquisa : New York University, Estados Unidos  
Vinculado à bolsa:16/22989-2 - Um método amostral para problemas de otimização não suave com restrições, BP.PD
Assunto(s):Otimização matemática

Resumo

Em 2005, um método conhecido como Amostragem de Gradientes (do inglês, Gradient Sampling) foi publicado e, desde então, algumas variantes deste algoritmo foram desenvolvidas para a solução de problemas de otimização não suave. Para o caso restrito, Curtis e Overton apresentaram em 2012 uma nova técnica amostral que usa uma função de penalização e ideias dos métodos de Programação Quadrática Sequencial.Nós propomos um novo método amostral para problemas de otimização não suave com restrições. Nossa ideia baseia-se em uma nova função penalizadora que, por sua flexibilidade, nos permite lidar com problemas de otimização não suave em dois níveis. Portanto, uma vez que problemas de otimização com hierarquia estão presentes em vários problemas que envolvem tomada de decisão no mundo real, nós acreditamos que além da sua contribuição teórica, este estudo também apresenta um apelo prático. (AU)

Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.