Uma Classe de Métodos Interior-proximais com Métrica Variável para Problemas Convexos e um Algoritmo Interior-proximal com Distância de Bregman para Otimização Quase-convexa
Autores
|
4027 |
303,1788
|
|
|
4028 |
303,1788
|
Informações:
Publicações do PESC
Neste trabalho, apresentamos métodos interior-proximais para resolver o problema de otimização com restrições de não-negatividade. Estudamos o caso convexo. Propomos um algoritmo com núcleo proximal definido por uma métrica variável e parâmetros de regularização convenientemente obtidos, procedemos à análise de convergência e apresentamos uma versão inexata para esta classe de métodos. Em seguida, analisamos o caso quase-convexo. Propomos um algoritmo cujo núcleo proximal é dado por uma distância de Bregman. Estabelecemos resultados de convergência da seqüência gerada pelo método.
In this work, we present interior-proximal methods for solving the optimization problem with nonnegative constraints. We study the convex case. We propose an algorithm with proximal kernel defined by a variable metric and regularization parameters conveniently obtained, we proceed a convergence analysis and we present an inexact version for this class of methods. Next, we analyze the quasiconvex case. We propose an algorithm whose proximal kernel is given by a Bregman distance. We establish convergence results of the sequence generated by this method.