Estudo do desempenho de métodos de amostragem para minimização irrestrita não suave

David Ricardo Barreto Lima Silva, Sandra Augusta Santos, Lucas Eduardo Azevedo Simões

Resumo


A otimizacão não suave é um ramo da otimização que trabalha com funções objetivo não diferenciáveis em um subconjunto do domı́nio. O algoritmo Gradient Sampling (GS) foi proposto recentemente e minimiza a função objetivo com base no gradiente calculado em amostras de pontos gerados uniformemente em uma vizinhança do ponto corrente. Variações deste método envolvendo diferentes tamanhos de direções e diferentes valores de parâmetros foram exploradas no presente trabalho. Problemas conhecidos da literatura foram utilizados para analisar comparativamente o comportamento de algumas variantes do método e sua dependência com relação ao número de pontos amostrados. O número de iterações e o valor ótimo obtido foram as medidas de eficiência utilizadas.


Palavras-chave


Otimização não diferenciável, Otimização irrestrita, Algoritmos, Amostragem (Estatı́stica), Experimentos numéricos

Texto completo:

PDF


DOI: https://doi.org/10.5540/03.2018.006.02.0277

Apontamentos

  • Não há apontamentos.


SBMAC - Sociedade de Matemática Aplicada e Computacional
Edifício Medical Center - Rua Maestro João Seppe, nº. 900, 16º. andar - Sala 163 | São Carlos/SP - CEP: 13561-120
 


Normas para publicação | Contato