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

Autor(es)

Helou, Elias Salomao ^[1] ; Santos, Sandra A. ^[2] ; Simoes, Lucas E. A. ^[2]

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

• 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