Método do gradiente projetado espectral para minimização com restrições de ortogonalidade
|
|
- Vitorino Peres
- 5 Há anos
- Visualizações:
Transcrição
1 Método do gradiente projetado espectral para minimização com restrições de ortogonalidade Tiara Martini Instituto de Matemática, Estatística e Computação Científica (IMECC), Unicamp , Campinas, SP tiaramartini@gmail.com Juliano de Bem Francisco Departamento de Matemática, UFSC 884-9, Florianópolis, SC juliano@mtm.ufsc.br Resumo: Apresentamos um método globalmente convergente e não monótono para minimização com restrições de ortogonalidade. Desenvolvido recentemente por Francisco e Viloche Bazán [12] esse método está baseado nas ideias dos métodos de região de confiança e Levenberg-Marquardt. Dessa maneira, os subproblemas consistem em minimizar um modelo quadrático da função objetivo sujeito ao conjunto de restrições. Outros métodos viáveis são citados, entre eles um método de busca curvilinear e um de minimização ao longo de geodésicas. O desempenho dos métodos quando aplicados ao Problema de Procrustes Ortogonal é ilustrado numericamente. Palavras-chave: Restrições de ortogonalidade, algoritmo não monótono, Método do Gradiente Projetado Espectral, Problema de Procrustes Ortogonal, minimização em variedades de Stiefel 1 Introdução O problema de minimização restrito ao conjunto das matrizes com colunas ortonormais aparece frequentemente em importantes classes de problemas de otimização e, assim como as restrições linear e quadrática, possui uma estrutura especial a ser explorada. Como exemplo, citamos aplicações em otimização polinomial [8], otimização combinatorial [7], problemas de autovalores e análise de componentes principais (PCA) esparsos [2]. De acordo com Wen e Yin [15] é, em geral, um problema do tipo NP-hard. Além disso as restrições de ortogonalidade podem gerar algumas dificuldades: conduzir a muitos mínimos locais; não garantir a convergência para o mínimo global, exceto em casos mais simples; e manter a viabilidade da sequência de pontos, visto que preservar as restrições de ortogonalidade numericamente é muito caro, em geral, envolve uma decomposição SVD. Métodos usais para a resolução dessa classe de problemas constituem em região de confiança [11], busca curvilinear [15], relaxação [5], métodos de Newton e gradiente conjugado ao longo de geodésicas [9]. O método estudado utiliza um parâmetro de regularização que controla o tamanho do passo, à exemplo dos métodos de região de confiança. 2 Minimização com restrições de ortogonalidade Seja h : R m n R n n, m n, definida por h(x) = X T X I, e considere Ω = {X R m n : h(x) = }. Aplicaremos o método para minimização em conjuntos fechados desenvolvido em [12], para resolver o seguinte problema de minimização com restrições de ortogonalidade, 353
2 min f(x) s.a. X Ω, em que f : R m n R é uma função de classe C 2. Note que, ( g(x) = f X 1 (X) f X n (X) ) R m n, em que X i é a i-ésima coluna de X. Além disso, como a norma de Frobenius X F = n, para todo X Ω, segue que Ω é compacto e g é Lipschitz contínua em Ω. O próximo teorema estabelece uma equivalência entre as Condições KKT do problema (1) e a projeção sobre o espaço tangente de Ω, o que simplifica consideravelmente a verificação de ponto estacionário. Teorema 1 Seja X Ω. São equivalentes: (i) X (X T g(x ) + g(x ) T X ) 2g(X ) = ; (ii) X satisfaz as Condições KKT de (1). 2.1 Algoritmo Considere as constantes < σ min < σ max <, L u L 1 f, para cada k =, 1, 2..., escolha σspc k [σ min, σ max ], e defina { } σ k σρ k spc = 2, se < ρ < L u, (2) L u, caso contrário em que, ρ > é um parâmetro de regularização. Assim, o modelo quadrático Q k ρ : R m n R utilizado será dado por: Q k ρ(x) = traço(g(x k ) T (X X k )) + σk ρ + ρ X X k 2 F. 2 Para o parâmetro σ k spc vamos escolher, sempre que possível, o parâmetro espectral de Barzilai- Borwein [3]. Dessa forma, para dois iterados consecutivos, X k 1 e X k, temos e definimos σbb k = traço((g(x k) T g(x k 1 ) T )(X k X k 1 )) X k X k 1 2, F σ k spc = { 1, para k = min{max{σ k bb, σ min}, σ max }, para k 1. (3) Com estas escolhas, o algoritmo estudado é uma variação do Método Gradiente Projetado Espectral não monótono de [4], para minimização com restrições de ortogonalidade, e a solução do subproblema min s.a. Q k ρ(x) X T X = I X R m n. fica dada por X = UV T, em que UΣV T é a decomposição SVD reduzida da matriz W k = X k 1 ρ + σρ k g(x k ). A não monotonia do método está baseada na técnica de busca linear não monótona proposta em [13] e apresentada na definição a seguir. 1 L f é a constante de Lipschitz associada ao gradiente de f (1) 354
3 Definição 1 Sejam {x k } k N uma sequência definida por x k+1 = x k + t k d k, d k, t k (, 1), γ (, 1), M Z + e m() =. Para cada k 1, escolha m(k) recursivamente por e defina m(k) min{m(k 1) + 1, M}, f(x l(k) ) = max{f(x k j ) : j m(k)}. Dizemos que x k+1 satisfaz a Condição de Armijo Não Monótona se, f(x k+1 ) f(x l(k) ) + γt k f(x k ) T d k. Assim, podemos agora estabelecer o algoritmo para problemas com restrições de ortogonalidade, que denominamos Gradiente Projetado para minimização em variedades de Stiefel (GPST). Algoritmo 1: Algoritmo para problemas com restrições de ortogonalidade (GPST) Tome X Ω, M Z +, η (, 1], β 1 (, 1 2 ], < σ min < σ max < e 1 < ξ 1 ξ 2 <. Faça k = e m() =. Passo 1. Calcule g(x k ), f(x l(k) ) e faça ρ = σk spc 2 como em (3); Passo 2. Tome σ k ρ definido em (2) e calcule a SVD reduzida de W k : W k = UΣV T ; Passo 3. Defina X k ρ = UV T e encontre X k ρ Ω tal que Q k ρ(x k ρ ) ηq k ρ(x k ρ). Se Q k ρ(x k ρ ) =, declare X k ponto estacionário; Passo 4. Defina Se Ψ k (X) = traço(g(x k ) T (X X k )) + σk ρ 2 X X k 2 F. f(x k ρ ) f(x l(k) ) + β 1 Ψ k (X k ρ ), defina ρ k = ρ, X k+1 = X k ρ, faça k = k + 1 e volte ao Passo 1. Senão, escolha ρ novo [ξ 1 ρ, ξ 2 ρ], faça ρ = ρ novo e volte ao Passo 2. O teorema a seguir garante a convergência global da sequência de iterados {X k }. Teorema 2 Seja X um ponto de acumulação da sequência gerada pelo Algoritmo 1. Então, X é um ponto estacionário do problema (1) que não é ponto de máximo local. Além disso, se o conjunto dos pontos estacionários do problema for finito, então a sequência converge. 3 Resultados Implementamos o algoritmo apresentado e comparamos com métodos tradicionais para resolver problemas de minimização com restrições de ortogonalidade, a saber um método de busca curvilinear (OptStiefel) [15] e um método de minimização em geodésicas (sg min) [1]. Os testes foram executados utilizando Matlab 7.1 em um processador intel CORE i3 com HD de 5 Gb e 4 Gb de memória Ram, sendo utilizadas os seguintes valores para as constantes do Algoritmo 1: β 1 = 1 4, ξ 1 = ξ 2 = 5, σ min = 1 1, L u = L f, σ max = L u e M = 7. Assumiremos convergência quando X k (X T k g(x k) + g(x k ) T X k ) 2g(X k ) F 1 6, limitando o tempo de execução (TMAX) em 6 segundos. 355
4 3.1 Testes numéricos e problemas Um problema do tipo Procrustes consiste em analisar o processo de preservação de uma transformação a um conjunto de formas. Tal processo envolve rotação e mudança de escala em um certo conjunto de dados, a fim de movê-los para um quadro comum de referência onde possam ser comparados. Os dados conhecidos são dispostos em matrizes e a transformação de rotação a ser determinada é uma matriz com colunas ortonormais. Em um problema de otimização consideramos a definição a seguir. Definição 2 Seja X R m n, n. Dadas as matrizes A R p m, C R n q e B R p q, o problema denominado Problema de Procrustes Ortogonal Ponderado (WOPP) consiste em resolver min AXC B 2 F (4) s.a. X T X = I. Quando C = I diremos que (4) é o Problema de Procrustes Ortogonal (OPP). De acordo com Eldén e Park [1], o problema OPP com m = n é dito balanceado e o caso em que n < m é chamado de não balanceado. Para o caso balanceado, temos uma fórmula fechada para a solução, a saber X = UV T, em que A T B = UΣV T é a decomposição SVD reduzida de A T B. Para o caso não balanceado e para WOPP, a solução é encontrada através de métodos iterativos e, portanto, não é necessariamente o mínimo global. Para os testes numéricos vamos considerar n = q, p = m, A = P SR T e C = QΛQ T, com P e R matrizes ortogonais com entradas randômicas, Q R n n matriz de Householder, Λ R n n diagonal com entradas uniformemente distribuídas no intervalo [ 1 2, 2] e S diagonal definida de modo diferente para cada um dos problemas. Como ponto inicial X vamos gerar uma matriz randômica satisfazendo X Ω. Todos os valores randômicos foram gerados com a função randn do Matlab. Diante da solução exata do problema, vamos criar uma já conhecida solução Q tomando B = AQ C, em que Q R m n é matriz de Householder randômica, para monitorar o comportamento dos iterados X k. Os problemas testados foram retirados de [16] e são descritos abaixo. Problema 1. Os elementos da diagonal de S são gerados através de uma distribuição normal no intervalo [1, 12]. Problema 2. A diagonal de S é dada por: S ii = i + 2r i, em que r i são números aleatórios distribuídos uniformemente no intervalo [, 1]. Problema 3. Cada entrada da diagonal de S é gerada da seguinte maneira: S ii = (i 1) m+1 + 2r i, com r i distribuídos uniformemente no intervalo [, 1]. A Tabela 1 expõe os resultados alcançados para os Problemas 1 e 3. Denotamos o número de iterações por N i e o número de avaliaçõees da função por N a. O resíduo AX k C B 2 F, a norma do erro na solução, X k Q 2 F, e o tempo (em segundos) também são apresentados. Vale ressaltar que o uso da não monotonia foi eficaz, conforme observado na Figura 1. Buscando reduzir o esforço computacional exigido no Algoritmo 1 durante o cálculo da SVD, propomos encontrar essa decomposição por meio de um algorimo alternativo [6]. Como resultado conseguimos uma redução média de 21% no tempo computacional. 4 Considerações finais Apresentamos um método para resolver problemas com restrições de ortogonalidade com convergência global para pontos estacionários. Com intuito de verificar os resultados teóricos e analisar o desempenho do algoritmo apresentado, aplicamos o mesmo no problema WOPP. Apesar da programação ter sido realizada sem rigor numérico, os resultados alcançados foram 356
5 Problema 1 com m = 5 e q = 7 Me todo Ni Na Tempo Resı duo GPST e OptStiefel e sg min e-8 Problema 3 com m = 5 e q = 2 GPST e OptStiefel e-7 sg min TMAX - Erro 2.59e e e e e-7 - Tabela 1: Desempenho dos me todos Norma do erro na solução 1 Resíduo Número de iterações Número de iterações 5 Figura 1: Comportamento do Algoritmo 1 para o Problema 2 com m = 5 e q = 1 promissores quando comparados com os obtidos via me todos usuais. Logo, o algoritmo estudado pode ser considerado competitivo diante dos me todos ja consolidados. Ao algoritmo, incorporamos a ideia do ca lculo da SVD de uma maneira alternativa. O mesmo apresentou uma melhora significativa no desempenho quando utilizado para problemas em que o nu mero de linhas e muito maior do que o nu mero de colunas. Adicionalmente, ressaltamos que a abordagem apresentada tambe m pode ser utilizada para resolver o Problema de Procrustes Sime trico [14]. Refere ncias [1] T. A. Arias, A. Edelman, S. T. Smith. The geometry of algorithms with ortogonality constraints. SIAM Journal on Matrix Analysis and Applications, v. 2, n. 2, pp , [2] A. Aspremont, L. E. Ghaoui, M. Jordan and G. R. Lanckriet. A direct formulation for sparse pca using semidefinite programming. SIAM Review, n. 49, pp , 27. [3] J. Barzilai, J. M. Borwein. Two point step size gradient methods. IMA Journal of Numerical Analysis, v. 8, pp , [4] E. G. Birgin, J. M. Martı nez, M. Raydan. Nonmonotone spectral projected gradient methods on convex sets. SIAM Journal on Optimization, v. 1, pp , 2. [5] A. W. Bojanczyk and A. Lutoborski. The Procrustes Problem for Orthogonal Stiefel Matrices. SIAM Journal on Scientific Computing, v.21, pp ,
6 [6] Y. Chahlaoui, K. Gallivan, P. Van Dooren. Recursive calculation of dominant singular subspaces. SIAM Journal on Matrix Analysis and Applications, v. 25, n. 2, pp , [7] W. J. Cook, W. H. Cunningham, W. R. Pulleyblank, A. Schrijver. Combinatorial optimization. John Wiley & Sons, Canadá, [8] E. de Klerk, M. Laurent, P. A. Parrilo. A PTAS for the minimization of polynomials of fixed degree over the simplex. Theoretical Computer Science, pp , 26. [9] A. Edelman, R. Lippert. Nonlinear Eigenvalue Problems with Orthogonality Constraints. In Templates for the Solution of Algebraic Eigenvalue Problems, A Practical Guide, pp , Philadelphia, 2. [1] L. Eldén, H. Park. A procrustes problem on Stiefel manifolds. Numerishe Mathematik, v. 82, pp , [11] J. B. Francisco and J. M. Martínez and L. Martínez. Globally convergent trust-region methods for self-consistent fiel electronic structure calculations. Journal of Chemical Physics, v.121, pp , 24. [12] J. B. Francisco and F. S. Viloche Bazán. Nonmonotone algorithm for minimization on closed sets with application to minimization on Stiefel manifolds. Journal of Computational and Applied Mathematics, v. 236, n. 1, pp , 212. [13] L. Grippo, F. Lampariello, S. Lucidi. A nonmonotone line search technique for Newton s method. SIAM Journal on Numerical Analysis, v. 23, n. 4, pp , [14] Nicholas J. Higham. The symmetric procrustes problem. BIT Numerical Mathematics, v. 28, n. 1, pp , [15] Z. Wen, W. Yin. A feasible method for optimization with orthogonality constraints. Optimization Online, pp. 1-3, 21. [16] Z. Zhang, K. Du. Successive projection method for solving the unbalanced procrustes problem. Science in China: Series A Mathematics, v. 49, n. 7, pp ,
Método de Restauração Inexata Aplicado ao Problema de Minimização com Restrições de Ortogonalidade
Universidade Federal de Santa Catarina Centro de Ciências Físicas e Matemáticas Curso de Pós-Graduação em Matemática Pura e Aplicada Método de Restauração Inexata Aplicado ao Problema de Minimização com
Leia maisMétodo do Gradiente Projetado Para Funções Convexas Generalizadas
Método do Gradiente Projetado Para Funções Convexas Generalizadas Milton Gabriel Garcia dos SANTOS 1. Instituto de Matemática e Estatística, Universidade Federal de Goiás, Campus II- Caixa Postal 131,
Leia maisUm algoritmo do tipo Lagrangeano aumentado para a correção das equações do problema de. Fluxo de Potência
Um algoritmo do tipo Lagrangeano aumentado para a correção das equações do problema de fluxo de potência. Juliano B Francisco, Mário C. Zambaldi, juliano@mtm.ufsc.br zambaldi@mtm.ufsc.br. Depto de Matemática,
Leia maisUm Algoritmo do Tipo Lagrangeano Aumentado para a Correção das Equações do Problema de Fluxo de Potência
TEMA Tend. Mat. Apl. Comput., 9, No. 1 (2008), 95-104. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Um Algoritmo do Tipo Lagrangeano Aumentado para a Correção das Equações
Leia maisOPTIMIZAÇÃO NÃO LINEAR EM REDES
OPTIMIZAÇÃO NÃO LINEAR EM REDES Luis Ernesto Torres Guardia Departamento de Engenharia de Produção Universidade Federal Fluminense Rua Passo da Pátria 156, São Domingos 24210-240, Niterói, R.J., Brasil
Leia maisUm algoritmo sem derivadas para otimização restrita
Um algoritmo sem derivadas para otimização restrita Paulo Domingos Conejo Elizabeth Wegner Karas UNIOESTE - Dep. Matemática UFPR - Dep. Matemática 85819-110, Cascavel, PR 81531-990, Curitiba, PR pconejo33@gmail.com
Leia maisUma nova taxa de convergência para o Método do Gradiente
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol. 2, N. 1, 2014. Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Uma nova taxa de convergência para o Método
Leia maisMétodo do Lagrangiano aumentado
Método do Lagrangiano aumentado Marina Andretta ICMC-USP 23 de novembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 23 de novembro de 2010 1 / 17 Problema com restrições gerais Vamos
Leia maisPolinômios Ortogonais em Várias Variáveis com Pontos de Massa
Polinômios Ortogonais em Várias Variáveis com Pontos de Massa Mirela V. de Mello Depto de Ciências de Computação e Estatística, IBILCE, UNESP, 15054-000, São José do Rio Preto, SP E-mail: mirela vanina@yahoo.com.br
Leia maisMétodo de restrições ativas para minimização em caixas
Método de restrições ativas para minimização em caixas Marina Andretta ICMC-USP 20 de outubro de 2014 Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 20 de outubro de 2014 1 / 25 Problema com
Leia maisDEPARTAMENTO DE ENGENHARIA MECÂNICA
DEPARTAMENTO DE ENGENHARIA MECÂNICA Otimização: Algoritmos e Aplicações na Engenharia Mecânica ENG1786 & MEC2403 Ivan Menezes 2018-2 1 EMENTA 1. Introdução 1.1 Definições Básicas 1.2 Classificação dos
Leia mais1 Álgebra linear matricial
MTM510019 Métodos Computacionais de Otimização 2018.2 1 Álgebra linear matricial Revisão Um vetor x R n será representado por um vetor coluna x 1 x 2 x =., x n enquanto o transposto de x corresponde a
Leia maisDisciplina que estuda métodos analíticos para auxiliar na tomada de decisões.
Edgard Jamhour Disciplina que estuda métodos analíticos para auxiliar na tomada de decisões. Procura encontrar soluções ótimas ou próximo de ótimas para problemas de engenharia industrial, economia e finanças,
Leia maisUniversidade Federal do Espírito Santo - UFES
Universidade Federal do Espírito Santo - UFES Centro Universitário Norte do Espírito Santo - CEUNES Departamento de Matemática Aplicada - DMA Prof. Isaac P. Santos - 2018/1 Aula: Métodos Iterativos Para
Leia maisMétodo de Newton truncado
Método de Newton truncado Marina Andretta ICMC-USP 8 de outubro de 2018 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear
Leia maisComparação entre as estratégias de região de confiança e busca linear para controlar o passo em um algoritmo de filtro baseado em PQS
Comparação entre as estratégias de região de confiança e busca linear para controlar o passo em um algoritmo de filtro baseado em PQS Gislaine A. Periçaro, Ademir A. Ribeiro UNESPAR - Departamento de Matemática
Leia maisMarina Andretta. 17 de setembro de Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright.
Métodos de regiões de confiança Marina Andretta ICMC-USP 17 de setembro de 2014 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear
Leia maisUMA NOVA METODOLOGIA PARA A RESOLUÇÃO DE PROBLEMAS DE CONFIABILIDADE ESTRUTURAL BASEADA EM LAGRANGEANO AUMENTADO
UMA NOVA METODOLOGIA PARA A RESOLUÇÃO DE PROBLEMAS DE CONFIABILIDADE ESTRUTURAL BASEADA EM LAGRANGEANO AUMENTADO Solange Regina dos Santos Programa de Pós-Graduação em Métodos Numéricos em Engenharia,
Leia maisDepartamento de Matemática da Universidade de Coimbra. Licenciatura em Matemática. e B =
Departamento de Matemática da Universidade de Coimbra Optimização Numérica Licenciatura em Matemática Ano lectivo 2006/2007 Folha 1 1. Considere as matrizes A = [ 1 1 1 2 ] e B = [ 1 3 1 2 (a) Verifique
Leia maisMétodos Iterativos para a Solução da Equação de Poisson
Métodos Iterativos para a Solução da Equação de Poisson Valdirene da Rosa Rocho, Dagoberto Adriano Rizzotto Justo, Programa de Pós-Graduação em Matemática Aplicada, PPGMap, UFRGS, 91509-900, Porto Alegre,
Leia maisMÉTODOS ITERATIVOS MATRICIAIS
MÉTODOS ITERATIVOS MATRICIAIS Luciana da Silva Azevedo Rubén Panta Pazos Resumo: Neste trabalho apresentamos os métodos iterativos matriciais sob o ponto de vista do ensino na engenharia. Os métodos matriciais
Leia maisINSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 2007/2008 Semestre: 1 o
INSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 27/28 Semestre: o MATEMÁTICA COMPUTACIONAL Exercícios [4 Sendo A M n (C) mostre que: (a) n A 2 A n A 2 ; (b)
Leia maisMétodo Preditor-Corretor Aplicado ao Fluxo de Carga Ótimo com Correções Não-lineares nas Condições de Otimalidade
Método Preditor-Corretor Aplicado ao Fluxo de Carga Ótimo com Correções Não-lineares nas Condições de Otimalidade Roy Wilhelm Probst Departamento Acadêmico de Matemática UTFPR Curitiba PR E-mail: rwprobst@utfpr.edu.br
Leia maisOtimização do Despacho Hidrotérmico utilizando Lagrangeano Aumentado e SPG
Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Otimização do Despacho Hidrotérmico utilizando Lagrangeano Aumentado e SPG Ana P. Oening, Débora C. Marcilio, Marcelo R. Bessa Divisão de Sistemas Elétricos
Leia maisCURSO DE MESTRADO EM Construções Metálicas
CURSO DE MESTRADO EM Construções Metálicas DEPARTAMENTO DE ENGENHARIA CIVIL - ESCOLA DE MINAS UNIVERSIDADE FEDERAL DE OURO PRETO Disciplina: Otimização Estrutural I Carga Horária: 45 Código: CIV 733 Responsável:
Leia mais2 Métodologia para a Resolução do NEP
Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Algoritmos para o Problema de Equilíbrio de Nash Euda Mara da Silva Ferreria Universidade Federal do Paraná, UFPR, Curitiba, PR E-mail: diretoria@facel.com.br
Leia maisENG-418 OTIMIZAÇÃO DE PROCESSOS QUÍMICOS
Universidade Federal da Bahia - UFBA Escola Politécnica EP Departamento de Engenharia Química - DEQ Laboratório de Controle e Otimização de Processos Industriais - LACOI Disciplina: Otimização de Processos
Leia maisMétodo TLS Truncado para o Problema de Espectroscopia de Ressonância Magnética
Trabalho apresentado no CMAC-Sul, Curitiba-PR, 214. Método TLS Truncado para o Problema de Espectroscopia de Ressonância Magnética Jonathan Ruiz Quiroz UFSC - Departamento de Matemática Campus Trindade
Leia maisO teorema do ponto fixo de Banach e algumas aplicações
O teorema do ponto fixo de Banach e algumas aplicações Andressa Fernanda Ost 1, André Vicente 2 1 Acadêmica do Curso de Matemática - Centro de Ciências Exatas e Tecnológicas - Universidade Estadual do
Leia maisQuestões de Computação Científica no contexto da Otimização
Questões de Computação Científica no contexto da Otimização Universidade Federal do Espírito Santo Mestrado em Informática Abril de 2009 Sumário Introdução 1 Introdução 2 3 Sumário Introdução 1 Introdução
Leia maisResolução de problemas com apenas restrições lineares de igualdade
Resolução de problemas com apenas restrições lineares de igualdade Marina Andretta ICMC-USP 14 de outubro de 2014 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de outubro de 2014 1 / 22
Leia maisComo resolver o QFEMUP usando otimização
Como resolver o QFEMUP usando otimização Marina Andretta ICMC-USP 2 de agosto de 2016 Baseado no artigo M. Andretta, E. G. Birgin and M. Raydan, An inner-outer nonlinear programming approach for constrained
Leia maisMétodo de Newton modificado
Método de Newton modificado Marina Andretta ICMC-USP 14 de setembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de setembro de 2010 1 / 36 Método de Newton Como já vimos, o método
Leia maisMÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA
MÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA Marlon Luiz Dal Pasquale Junior, UNESPAR/FECILCAM, jr.marlon@hotmail.com Solange Regina dos Santos (OR), UNESPAR/FECILCAM, solaregina@fecilcam.br
Leia maisCondições de qualificação, otimalidade e um método tipo lagrangiano aumentado
Trabalho apresentado no XXXVII CNMAC, S.J. dos Campos - SP, 2017. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Condições de qualificação, otimalidade e um método
Leia maisAvanços em regularização de Tikhonov multiparamétrica para problemas discretos mal-postos.
Avanços em regularização de Tikhonov multiparamétrica para problemas discretos mal-postos. Leonardo Silveira Borges (UNICAMP) Maria Cristina C. Cunha (UNICAMP) Fermín S. V. Bazán (UFSC) UNICAMP Departamento
Leia maismartinez Florianópolis, Setembro 2007
REFLEXÕES SOBRE TEORIA E PRÁTICA EM PROGRAMAÇÃO NÃO LINEAR COM ESPECIAL ÊNFASE EM UM MÉTODO DO TIPO LAGRANGIANO AUMENTADO José Mario Martínez www.ime.unicamp.br/ martinez UNICAMP, Brazil Florianópolis,
Leia maisUm algoritmo pseudo-periférico genérico para a heurística de Snay
Trabalho apresentado no CNMAC, Gramado - RS, 2016. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Um algoritmo pseudo-periférico genérico para a heurística de Snay
Leia maisOptimização. Carlos Balsa. Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança
Optimização Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados Eng. Química e Industrial Carlos Balsa Matemática Aplicada
Leia maisPrecondicionadores baseados na aproximação da inversa da matriz de coeficientes
Precondicionadores baseados na aproximação da inversa da matriz de coeficientes João Paulo K. Zanardi, Italo C. N. Lima, Programa de Pós Graduação em Eneganharia Mecânica, FEN, UERJ 20940-903, Rio de Janeiro,
Leia maisMétodo de restrições ativas para minimização com restrições lineares
Método de restrições ativas para minimização com restrições lineares Marina Andretta ICMC-USP 27 de outubro de 2018 Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 27 de outubro de 2018 1 /
Leia maisModelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisII Seminário da Pós-graduação em Engenharia Elétrica
UMA INVESTIGAÇÃO DOS PARÂMETROS NOS MÉTODOS MISTOS DE OTIMIZAÇÃO NÃO LINEAR Ellen Cristina Ferreira Aluna do Programa de Pós-Graduação em Engenharia Elétrica Unesp Bauru Profa. Dra. Edméa Cássia Baptista
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 8 04/2014 Zeros reais de funções Parte 2 Voltando ao exemplo da aula anterior, vemos que o ponto médio da primeira iteração
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística. Curso: Engenharia de Produção
Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação
Leia maisConsidere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b
Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisResolução de sistemas de equações lineares: Método dos Gradientes Conjugados
Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Marina Andretta/Franklina Toledo ICMC-USP 24 de março de 2015 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina
Leia maisO Algoritmo Talus para Otimização Global
O Algoritmo Talus para Otimização Global André Leite Luís Henrique de Santana Programa de Pós-Graduação em Eng. Elétrica Programa de Pós-Graduação em Eng. de Produção leite.andre@gmail.com santanalh@ahoo.com.br
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisEscalonamento Multidimensional: uma Abordagem Discreta
September 24-28, 212 Escalonamento Multidimensional: uma Abordagem Discreta Ana Camila R. Alonso Silvia M. S. Carvalho Departamento de Matemática Aplicada - IMECC-UNICAMP 1383-859, Campinas, SP E-mail:acamila@ime.unicamp.br
Leia maisSME0300 Cálculo Numérico Aula 11
SME0300 Cálculo Numérico Aula 11 Maria Luísa Bambozzi de Oliveira marialuisa @ icmc. usp. br Sala: 3-241 Página: tidia-ae.usp.br 21 de setembro de 2015 Tópico Anterior Sistemas Lineares: Métodos Exatos:
Leia maisTeoria Espectral em Espaços de Hilbert
Teoria Espectral em Espaços de Hilbert Departamento de Análise Instituto de Matemática e Estatística Universidade Federal Fluminense 22 de setembro de 2016 Espaços Vetoriais de Dimensão Finita Sejam V
Leia maisMétodo de Eliminação de Fourier-Motzkin
ERMAC 200: I ENCONTRO REGIONAL DE MATEMÁTICA APLICADA E COMPUTACIONAL - 3 de Novembro de 200, São João del-rei, MG; pg 258-26 258 Método de Eliminação de Fourier-Motzkin André Rodrigues Monticeli, Cristiano
Leia maisBCC465 - TÉCNICAS DE MULTI-OBJETIVO. Gladston Juliano Prates Moreira 22 de novembro de 2017
BCC465 - TÉCNICAS DE OTIMIZAÇÃO MULTI-OBJETIVO Aula 04 - Otimização Não-linear Gladston Juliano Prates Moreira email: gladston@iceb.ufop.br CSILab, Departamento de Computação Universidade Federal de Ouro
Leia maisMétodo dos gradientes (ou método de máxima descida)
Método dos gradientes (ou método de máxima descida) Marina Andretta ICMC-USP 14 de setembro de 2010 Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 14 de setembro de 2010 1 / 16 Método dos gradientes
Leia maisUN ALGORITMO DE PUNTO INTERIOR PARA LA RESOLUCIÓN DE PROBLEMAS DE CONTACTO
UN ALGORITMO DE PUNTO INTERIOR PARA LA RESOLUCIÓN DE PROBLEMAS DE CONTACTO Sandro Rodrigues Mazorche Universidade Federal de Juiz de Fora - UFJF, Dep. de Matemática - ICE, Campus Universitário - CEP 36036-330
Leia maisCapítulo 5 - Optimização Não-Linear
Capítulo 5 - Optimização Não-Linear balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Mestrados em Engenharia da Construção Métodos de Aproximação em Engenharia
Leia maisexercícios de análise numérica II
exercícios de análise numérica II lic. matemática aplicada e computação (4/5) aulas práticas - capítulo Exercício. Mostre que a soma dos polinómios base de Lagrange é a função constante. Exercício. Usando
Leia maisAula 10 Sistemas Não-lineares e o Método de Newton.
Aula 10 Sistemas Não-lineares e o Método de Newton MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios
Leia maisEXAME DE QUALIFICAÇÃO em Álgebra - Mestrado
Programa de Pós-Graduação em Matemática Instituto de Matemática e Estatística - IME Universidade Federal de Goiás - UFG EXAME DE QUALIFICAÇÃO em Álgebra - Mestrado Aluno: 1) Seja G um grupo e a, b G tais
Leia maisProblemas de programação geométrica signomial via otimização DC
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Problemas de programação geométrica signomial via otimização DC Clarissa Pessoa Borges Fernandes Faculdade Maurício de Nassau João Pessoa, PB E-mail:
Leia maisLista de Exercícios de Métodos Numéricos
Lista de Exercícios de Métodos Numéricos 1 de outubro de 010 Para todos os algoritmos abaixo assumir n = 0, 1,, 3... Bisseção: Algoritmo:x n = a+b Se f(a) f(x n ) < 0 então b = x n senão a = x n Parada:
Leia maisMétodo Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016
Método Simplex Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização linear
Leia maisMétodos Numéricos. MEI - Logística e distribuição Programação quadrática sequencial 2004/2005. A. Ismael F. Vaz - Departamento de Produção e Sistemas
Métodos Numéricos MEI - Logística e distribuição Programação quadrática sequencial 2004/2005 Métodos Numéricos - MEI 1 Motivação Considere-se o seguinte exemplo de um problema de minimização com restrições
Leia maisUma heurística baseada em valores de Ritz para a troca de fase do precondicionador híbrido
Uma heurística baseada em valores de Ritz para a troca de fase do precondicionador híbrido Petra Maria Bartmeyer Unicamp Cidade Universitária Zeferino Vaz, Campinas-SP ra160903@ime.unicamp.br Silvana Bocanegra
Leia maisLCAD. LNCC - Programa de Verão Minicurso M16 Estrutura de Dados e Solvers. Lucia Catabriga
LNCC - Programa de Verão 2008 Minicurso M16 Estrutura de Dados e Solvers Lucia Catabriga www.inf.ufes.br/~luciac LCAD - Laboratório de Computação de Alto Desempenho Departamento de Informática - CT/UFES
Leia maisCálculo Numérico. Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson
Cálculo Numérico Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson Métodos como: Métodos exatos Método de eliminação de Gauss Método de decomposição LU Método de Cholesky
Leia maisAutovalores e Autovetores
Algoritmos Numéricos II / Computação Científica Autovalores e Autovetores Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2016 Introdução Ideia Básica Se multiplicarmos a matriz por um autovetor encontramos
Leia maisUM MÉTODO TRUST-REGION PARA OTIMIZAÇÃO COM RESTRIÇÕES FAZENDO USO DO MÉTODO DO GRADIENTE PROJETADO
Universidade Federal de Minas Gerais Pós Graduação em Matemática Mestrado em Matemática José Luis Almendras Montero UM MÉTODO TRUST-REGION PARA OTIMIZAÇÃO COM RESTRIÇÕES FAZENDO USO DO MÉTODO DO GRADIENTE
Leia maisUM MÉTODO DE RESTRIÇÕES ATIVAS PARA MINIMIZAÇÃO EM CAIXAS. Marina Andretta
UM MÉTODO DE RESTRIÇÕES ATIVAS PARA MINIMIZAÇÃO EM CAIXAS Marina Andretta Dissertação apresentada ao Instituto de Matemática e Estatística da Universidade de São Paulo para obtenção do grau de Mestre em
Leia mais18 a 21 de novembro de 2014, Caldas Novas - Goiás
18 a 21 de novembro de 2014, Caldas Novas - Goiás MÉTODOS DE LAGRANGEANO AUMENTADO E GRADIENTE ESPECTRAL PROJETADO APLICADOS NA RESOLUÇÃO DO PROBLEMA DO DESPACHO HIDROTÉRMICO Luiz Carlos Matioli, matioli@ufpr.br
Leia maisMáquinas de Vetores Suporte em Otimização Sem Derivadas
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol. 2, N., 204. Trabalho apresentado no CMAC-Sul, Curitiba-PR, 204. Máquinas de Vetores Suporte em Otimização Sem Derivadas
Leia maisINTRODUÇÃO À ANÁLISE CONVEXA E APLICAÇÕES INTRODUCTION TO CONVEX ANALYSIS AND APLICATIONS
X CONGRESSO DE INICIAÇÃO CIENTÍFICA DA UNIVERSIDADE FEDERAL DE CAMPINA GRANDE PIBIC/CNPq/UFCG-2013 INTRODUÇÃO À ANÁLISE CONVEXA E APLICAÇÕES João Paulo Formiga de Meneses 1, Jefferson Abrantes dos Santos
Leia maisOptimização e Algoritmos (2004/2005)
Optimização e Algoritmos 2004/2005) Instituto Superior Técnico Engenharia Electrotécnica e de Computadores Série de Problemas 4 Minimização sem restrições algoritmos gradiente, Newton, quasi-newton BFGS)
Leia maisCapítulo III: Sistemas de equações. III.1 - Condicionamento de sistemas lineares
EXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL Capítulo III: Sistemas de equações III1 - Condicionamento de sistemas lineares 1 Seja 1 0 0 10 6 e considere o sistema Ax = b, com b = 1 10 6 T, que tem por solução
Leia maisUNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC BC49 Cálculo Numérico - LISTA - sistemas lineares de equações Profs André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda Métodos diretos Analise os sistemas
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Introdução Solução de equações não lineares
Leia maisCálculo Numérico / Métodos Numéricos. Solução de equações: Método do ponto fixo (iterativo linear - MIL) 15:01
Cálculo Numérico / Métodos Numéricos Solução de equações: Método do ponto fixo (iterativo linear - MIL) 15:01 Idéia Seja f(x) uma função continua em [a,b], intervalo que contém a raiz da equação f(x)=0.
Leia maisProgramação Matemática
Programação Matemática Docentes: Ana Paula, Franklina e Maristela Instituto de Ciências Matemáticas e de Computação - ICMC Universidade de São Paulo USP (Material Elaborado por Aline Leão modificado por
Leia maisDesempenho do método de Newton truncado em optimização não linear sem restrições
Desempenho do método de Newton truncado em optimização não linear sem restrições Ana I.P.N. Pereira Departamento de Matemática, Instituto Politécnico de Bragança, 5300 Bragança email: apereira@ipb.pt Edite
Leia maisMétodos de Pontos Interiores Aplicados à Basis Pursuit
Trabalho apresentado no XXXV CNMAC, Natal-RN, 014. Métodos de Pontos Interiores Aplicados à Basis Pursuit Aurelio Ribeiro Leite de Oliveira, Paula Aparecida Kikuchi, Departamento de Matemática Aplicada,
Leia maisUma estratégia para minimização de funções com termos modulares via métodos de pontos interiores
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics Vol. N. 0. Trabalho apresentado no CMAC-Sul Curitiba-PR 0. Uma estratégia para imização de funções com termos modulares
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA PURA E APLICADA PLANO DE ENSINO
032 UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA PURA E APLICADA PLANO DE ENSINO Código MAT Nome 01032 Cálculo Numérico A Créditos/horas-aula Pré-Requisitos
Leia maisAlgoritmos Numéricos II. Lucia Catabriga 1
Algoritmos Numéricos II Autovalores e Autovetores Métodos de Transformação Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2014 Introdução Introdução Os métodos de transformação tem por objetivo modificar a
Leia maisCap. 4. Resolução Numérica de Sistemas Lineares. Filipe J. Romeiras
MATEMÁTICA COMPUTACIONAL Cap. 4. Resolução Numérica de Sistemas Lineares Filipe J. Romeiras Departamento de Matemática Instituto Superior Técnico Outubro de 2007 Apontamentos das aulas da disciplina do
Leia maisINSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo: 2002/
INSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo: / ANÁLISE NUMÉRICA Exercícios Considere o sistema linear 6 x 5 y = a)
Leia maisUNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Leia maisBernardo Kulnig Pagnoncelli 1 e Humberto José Bortolossi 2
Uma Introdução à Otimização sob Incerteza Bernardo Kulnig Pagnoncelli 1 e Humberto José Bortolossi 2 1 Departamento de Matemática Pontifícia Universidade Católica do Rio de Janeiro 2 Departamento de Matemática
Leia maisMAP Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017
1 Preliminares MAP3121 - Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017 A decomposição de Cholesky aplicada a Finanças O exercício-programa
Leia maisSilvia Maria Pereira Grandi dos Santos
Método iterativo para solução de sistemas lineares Gradientes e Gradientes Conjugados Silvia Maria Pereira Grandi dos Santos USP - São Carlos/SP Outubro 2008 Roteiro Motivação; Processos de Relaxação;
Leia maisCap. 4. Resolução Numérica de Sistemas Lineares. Filipe J. Romeiras
MATEMÁTICA COMPUTACIONAL Cap. 4. Resolução Numérica de Sistemas Lineares Filipe J. Romeiras Departamento de Matemática Instituto Superior Técnico Apontamentos das aulas da disciplina do mesmo nome do o
Leia maisLista 1 - Cálculo Numérico - Zeros de funções
Lista 1 - Cálculo Numérico - Zeros de funções 1.) De acordo com o teorema de Bolzano, se uma função contínua f(x) assume valores de sinais opostos nos pontos extremos do intervalo [a, b], isto é se f(a)
Leia maisMétodos Numéricos C. A. Ismael F. Vaz 1. Escola de Engenharia Universidade do Minho Ano lectivo 2007/2008
Métodos Numéricos C A. Ismael F. Vaz 1 1 Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Ano lectivo 2007/2008 A. Ismael F. Vaz (UMinho) MN C 2007/2008
Leia maisna Diagonal da Fatoração Controlada de Cholesky aplicado ao Método de Pontos Interiores
Trabalho apresentado no CNMAC, Gramado - RS, 2016. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Modificação no Cálculo do Parâmetro de Correção de Falhas na Diagonal
Leia maisEstimação de distâncias em redes de sensores utilizando técnicas de completamento de matrizes de posto reduzido
Estimação de distâncias em redes de sensores utilizando técnicas de completamento de matrizes de posto reduzido Nilson Moreira Instituto de Matemática, Estatística e Computação Científica - UNICAMP nilsonmat27@gmail.com
Leia maisModelagem Computacional. Parte 7 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 7 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia mais