ON HIGH-ORDER MODEL REGULARIZATION FOR CONSTRAINED OPTIMIZATION

Autor(es)

Martinez, Jose Mario

• Tipo de documento: Artigo Científico
• Fonte: SIAM JOURNAL ON OPTIMIZATION; v. 27, n. 4, p. 2447-2458, 2017.
• Citações Web of Science: 5

Resumo

In two recent papers regularization methods based on Taylor polynomial models for minimization were proposed that only rely on Holder conditions on the higher-order employedderivatives. Grapiglia and Nesterov considered cubic regularization with a sufficient descent condition that uses the current gradient and resembles the classical Armijo's criterion. Cartis, Gould, and Toint used Taylor models with arbitrary-order regularization and defined methods that tackle convex constraints employing the descent criterion that compares actual reduction with predicted reduction. The methods presented in this paper consider general (not necessarily Taylor) models of arbitrary order, employ a very mild descent criterion, and handle general, nonnecessarily convex, constraints. Complexity results are compatible with the ones presented in the papers mentioned above. (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: 10/10133-0 - Problemas de corte, empacotamento, dimensionamento de lotes e programação da produção, e suas integrações em contextos industriais e logísticos
• Beneficiário: Reinaldo Morabito Neto
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• 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
• Processo FAPESP: 13/05475-7 - Métodos computacionais de otimização
• Beneficiário: Sandra Augusta Santos
• Modalidade de apoio: Auxílio à Pesquisa - Temático