CV Lattes
Google Scholar Citations
Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica (IMECC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Possui graduação em Matemática (Bacharelado) pela Universidade Estadual Paulista Júlio de Mesquita Filho (2010), mestrado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2013) e doutorado em Matemática Aplicada pela Universidade Estadual de Campinas (2017). Atualmente é pesquisador de pós-doutorado na Universidade Estadual de Campinas (financiamento FAPESP), tendo feito um estágio de pesquisa no Courant Institute of Mathematical Sciences - New York University. Sua área de interesse no momento envolve algoritmos computacionais para a solução de problemas de otimização não suave, otimização hierárquica e otimização com restrições de equilíbrio, geralmente ligados a problemas de tomada de decisão. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
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…
Recentemente, problemas de otimização com funções não suaves localmente Lipschitz vem ganhando maior interesse científico. Algoritmos desenvolvidos para resolver tais problemas baseiam-se na ideia de construção de direções de busca a partir de uma amostragem de gradientes em torno do ponto atual de iteração. No presente projeto propomos estudar um assunto ortogonal ao aprimoramento das di…
Recentemente foram apresentados algoritmos incrementais apropriados para resolver diversos problemas de otimização convexa não diferenciável. Dentre os quais, problemas cujas soluções são utilizadas na reconstrução de imagens tomográficas. Tais resultados foram posteriormente especializados para problemas convexos em dois níveis buscando a solução eficiente da tarefa de encontrar um parâm…
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 Quadráti…
| 4 | Bolsas no país concluídas |
| 1 | Bolsas no exterior concluídas |
| 5 | Todas as Bolsas |
| Processos vinculados | |