| Processo: | 23/08621-6 |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Data de Início da vigência: | 01 de outubro de 2023 |
| Situação: | Interrompido |
| Área de conhecimento: | Ciências Exatas e da Terra - Matemática - Matemática Aplicada |
| Pesquisador responsável: | Gabriel Haeser |
| Beneficiário: | Renan Willian Prado |
| Instituição Sede: | Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
| Vinculado ao auxílio: | 18/24293-0 - Métodos computacionais de otimização, AP.TEM |
| Bolsa(s) vinculada(s): | 24/23394-9 - Uma abordagem de decomposição de penalidade inexata para métodos de Lagrangianos aumentados com aplicações à programação cônica não linear com restrições geométricas estruturadas em espaços de Hilbert, BE.EP.PD |
| Assunto(s): | Otimização Condições de otimalidade Método de lagrangiano aumentado Programação não linear |
| Palavra(s)-Chave do Pesquisador: | condições de otimalidade | convergencia global | Lagrangiano Aumentado | Otimização com restrições | programação cônica não linear | Otimização |
Resumo Uma importante classe de problemas de otimização restrita que recentemente recebeu atenção é a classe de problemas de programação cônica não linear. Essa classe de problemas é difícil resolver. Por essa razão, na prática, o que se obtêm são somente candidatos à solução. Apesar disso, o que vem sendo observado é que, quando os problemas de otimização são tratados de forma natural, algoritmos para otimização acabam tendo um melhor desempenho prático, encontrando melhores candidatos à solução. Simultaneamente, uma forma natural de se formular diversos problemas de otimização é via programação cônica não linear. Assim, fornecer um algoritmo eficiente para resolver diretamente tal classe importante de problemas é, também, fornecer melhores candidatos à solução.Visando fornecer um algoritmo eficiente para resolver problemas de programação cônica não linear tão naturalmente quanto o possível, este projeto visa propor uma modificação no método de Lagrangiano aumentado salvaguardado de modo que ele desfrute de um menor tempo de execução. Inspirando-se no Inexact Penalty Decomposition Method, nossa proposta envolve incorporar condições sequenciais de otimalidade para aprimorar o método existente, mantendo sua teoria de convergência global. Nosso plano é realizar experimentos numéricos para validar as melhorias. (AU) | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |