Problemas de Otimização Quase Convexos: Método do Gradiente para Funções Escalares e Vetoriais / Optimization Problems Quasi-convex: Gradient Method for Vector and Scalar Functions
AUTOR(ES)
Milton Gabriel Garcia dos Santos
FONTE
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia
DATA DE PUBLICAÇÃO
27/10/2011
RESUMO
Neste trabalho faremos um estudo das propriedades de convergência do Método do Gradiente Projetado e do Método de Descida para otimização Multi-objetivo. No primeiro momento, o nosso problema de otimização será o de minimizar uma função real de nvariáveis, continuamente diferenciável e restrita a um conjunto de estrutura simples e acrescentaremos sobre a função objetivo a hipótese de quase-convexidade ou pseudoconvexidade. Em seguida iremos considerar o problema de otimização Multi-Objetivo irrestrito e adicionar algumas hipóteses sobre a função vetorial, como a convexidade ou quase-convexidade, além de ser continuamente diferenciável. É importante salientar que em ambos os problemas será utilizado a busca inexata de armijo ao longo de direções viáveis.
ASSUNTO(S)
método do gradiente projetado método do gradiente funções convexas generalizadas matematica métod do gradiente; métod do gradiente projetado; funções convexas generalizadas gradient method gradient projection method generalized convex functions
Documentos Relacionados
- Problemas de Otimização Quase Convexos: Método do Gradiente para Funções Escalares e Vetoriais
- Método do gradiente para funções convexas generalizadas
- Método do gradiente para funções convexas generalizadas
- Métodos poliedro-elipsoidais para problemas de otimização contínuos e discretos quasi-convexos
- Aceleração quase-Newton para problemas de minimização com restrições