Um Algoritmo Sem Derivadas para Problemas de Otimização de Menor Valor Ordenado

Anderson Ervino Schwertner, Francisco Nogueira Calmon Sobral

Resumo


O problema de otimização de menor valor ordenado (LOVO) envolve minimizar o mínimo entre um número finito de valores de função sobre um conjunto viável. Possui diversas aplicações práticas, tais como alinhamento de proteínas, estimação robusta de parâmetros, otimização de portfólio, entre outros. Neste trabalho, estamos interessados no problema LOVO de otimização não linear restrito, sujeito a um conjunto convexo, fechado e não-vazio, onde cada função é do tipo blackbox e continuamente diferenciável. Neste sentido, apresentamos um algoritmo de região de confiança sem derivadas para problemas LOVO com restrições, o qual converge globalmente para pontos fracamente críticos sob condições adequadas.


Palavras-chave


Otimização de Menor Valor Ordenado; Otimização Sem Derivadas; Métodos de Região de Confiança; Convergência Global

Texto completo:

PDF

Referências


R. Andreani, J. M. Martínez e L. Martínez. “Trust-region superposition methods for protein alignment”. Em: IMA journal of numerical analysis 28.4 (2008), pp. 690–710. doi: 10. 1093/imanum/drn012. 7

R. Andreani et al. “Low order-value optimization and applications”. Em: Journal of Global Optimization 43.1 (2009), pp. 1–22. doi: 10.1007/s10898-008-9280-3.

E. G. Birgin et al. “Low order-value approach for solving VaR-constrained optimization problems”. Em: Journal of Global Optimization 51.4 (2011), pp. 715–742. doi: 10 . 1007/s10898-011-9656-7.

E. V. Castelani et al. “A robust method based on LOVO functions for solving least squares problems”. Em: Journal of Global Optimization 80.2 (2021), pp. 387–414. doi: 10.1007/ s10898-020-00970-4.

P. D. Conejo et al. “Global convergence of trust-region algorithms for convex constrained minimization without derivatives”. Em: Applied Mathematics and Computation 220 (2013), pp. 324–330. doi: 10.1016/j.amc.2013.06.041.

A. R. Conn, N. I. M. Gould e P. L. Toint. “Global convergence of a class of trust region algorithms for optimization with simple bounds”. Em: SIAM Journal on Numerical Analysis 25.2 (1988), pp. 433–460.

A. R. Conn, N. I. M. Gould e P. L. Toint. Trust-region methods. SIAM, 2000. isbn: 0-89871-460-5.

A. R. Conn, K. Scheinberg e L. N. Vicente. Introduction to derivative-free optimization. SIAM, 2009. isbn: 978-0-898716-68-9.

A. R. Conn et al. “Convergence properties of minimization algorithms for convex constraints using a structured trust region”. Em: SIAM Journal on Optimization 6.4 (1996), pp. 1059–1086.

E. S. Duran. “Uma classe de métodos do tipo Levenberg-Marquardt com passos múltiplos para problemas de Otimização de Menor Valor Ordenado”. Dissertação de mestrado. UEM, 2020.

J. M. Martínez. “Generalized order-value optimization”. Em: Top 20.1 (2012), pp. 75–98. doi: 10.1007/s11750-010-0169-1.

J. M. Martínez. “Order-value optimization and new applications”. Em: ICIAM 07: 6th International Conference on Industrial and Applied Mathematics, Zürich, Switzerland, 16-20 July 2007: Invited Lectures. European Mathematical Society. 2009, pp. 279–296. isbn: 9783037190562.

L. Martínez, R. Andreani e J. M. Martínez. “Convergent algorithms for protein structural alignment”. Em: BMC bioinformatics 8.1 (2007), pp. 1–15. doi: 10.1186/1471-2105-8- 306.

M. J. D. Powell. “The BOBYQA algorithm for bound constrained optimization without derivatives”. Em: Cambridge NA Report NA2009/06, University of Cambridge, Cambridge (2009), pp. 26–46.

A. A. Ribeiro e E. W. Karas. Otimização contínua: Aspectos Teóricos e Computacionais. Cengage Learning, 2013. isbn: 978-85-221-1501-3.

A. E. Schwertner. “O método de Levenberg-Marquardt para problemas de otimização de menor valor ordenado”. Dissertação de mestrado. UEM, 2019.

A. E. Schwertner e F. N. C. Sobral. On complexity constants of linear and quadratic models for derivative-free trust-region algorithms. arXiv:2205.11358. 2021.

A. Verdério et al. “On the construction of quadratic models for derivative-free trust-region algorithms”. Em: EURO Journal on Computational Optimization 5.4 (2017), pp. 501– 527. doi: 10.1007/s13675-017-0081-7




DOI: https://doi.org/10.5540/03.2022.009.01.0316

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