THE USE OF QUADRATIC REGULARIZATION WITH A CUBIC DESCENT CONDITION FOR UNCONSTRAINED OPTIMIZATION

Autor(es)

Birgin, E. G. ; Martinez, J. M.

• Tipo de documento: Artigo Científico
• Fonte: SIAM JOURNAL ON OPTIMIZATION; v. 27, n. 2, p. 1049-1074, 2017.
• Citações Web of Science: 10

Resumo

Cubic-regularization and trust-region methods with worst-case first-order complexity O (epsilon (3/2)) and worst-case second-order complexity O (epsilon (3)) have been developed in the last few years. In this paper it is proved that the same complexities are achieved by means of a quadratic-regularization method with a cubic sufficient-descent condition instead of the more usual predicted-reduction based descent. Asymptotic convergence and order of convergence results are also presented. Finally, some numerical experiments comparing the new algorithm with a well-established quadratic regularization method are shown. (AU)

• Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
• Beneficiário: Francisco Louzada Neto
• Modalidade de apoio: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
• Processo FAPESP: 13/05475-7 - Métodos computacionais de otimização
• Beneficiário: Sandra Augusta Santos
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 14/18711-3 - Modelagem matemática de sistemas e decisões
• Beneficiário: José Mário Martinez Perez
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisador Visitante - Internacional
• Processo FAPESP: 13/03447-6 - Estruturas combinatórias, otimização e algoritmos em Teoria da Computação
• Beneficiário: Carlos Eduardo Ferreira
• Modalidade de apoio: Auxílio à Pesquisa - Temático