Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

On the Local Convergence Analysis of the Gradient Sampling Method for Finite Max-Functions

Texto completo
Autor(es):
Helou, Elias Salomao [1] ; Santos, Sandra A. [2] ; Simoes, Lucas E. A. [2]
Número total de Autores: 3
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, Inst Math Sci & Computat, Sao Carlos, SP - Brazil
[2] Univ Estadual Campinas, Dept Appl Math, Campinas, SP - Brazil
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: JOURNAL OF OPTIMIZATION THEORY AND APPLICATIONS; v. 175, n. 1, p. 137-157, OCT 2017.
Citações Web of Science: 1
Resumo

The gradient sampling method is a recently developed tool for solving unconstrained nonsmooth optimization problems. Using just first-order information about the objective function, it generalizes the steepest descent method, one of the most classical methods for minimizing a smooth function. This study aims at determining under which circumstances one can expect the same local convergence result of the Cauchy method for the gradient sampling algorithm under the assumption that the problem is stated by a finite max-function around the optimal point. Additionally, at the end, we show how to practically accomplish the required hypotheses during the execution of the algorithm. (AU)

Processo FAPESP: 13/05475-7 - Métodos computacionais de otimização
Beneficiário:Sandra Augusta Santos
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:José Alberto Cuminato
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 16/22989-2 - Um método amostral para problemas de otimização não suave com restrições
Beneficiário:Lucas Eduardo Azevedo Simões
Linha de fomento: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 13/14615-7 - Busca direcional não-monótona em métodos de amostragem de gradiente para otimização não-convexa e não-suave
Beneficiário:Lucas Eduardo Azevedo Simões
Linha de fomento: Bolsas no Brasil - Doutorado