Otimização Contínua: Aspectos teóricos e computacionais
|
|
- Diogo de Santarém
- 5 Há anos
- Visualizações:
Transcrição
1 Otimização Contínua: Aspectos teóricos e computacionais Ademir Alves Ribeiro Elizabeth Wegner Karas Capítulo 3 - Convexidade Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 1 / 28
2 1 Conjuntos convexos 2 Funções convexas Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 2 / 28
3 Conjunto convexo Definicao Um conjunto C R n é dito convexo quando dados x, C, o segmento [x,] = {(1 t)x +t t [0,1]} estiver inteiramente contido em C. x x Conjunto convexo Conjunto não convexo Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 3 / 28
4 Conjunto convexo Definicao Um conjunto C R n é dito convexo quando dados x, C, o segmento [x,] = {(1 t)x +t t [0,1]} estiver inteiramente contido em C. x x Conjunto convexo Conjunto não convexo Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 3 / 28
5 Conjunto convexo Definicao Um conjunto C R n é dito convexo quando dados x, C, o segmento [x,] = {(1 t)x +t t [0,1]} estiver inteiramente contido em C. x x Conjunto convexo Conjunto não convexo Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 3 / 28
6 Conjunto convexo Exemplo Sejam C i, i = 1,...,m conjuntos convexos. m\ O conjunto interseção C = C i também é convexo. i=1 Por outro lado, a união de convexos não é convexa. Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 4 / 28
7 Conjunto convexo Exemplo Sejam C i, i = 1,...,m conjuntos convexos. m\ O conjunto interseção C = C i também é convexo. i=1 Por outro lado, a união de convexos não é convexa. Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 4 / 28
8 Conjunto convexo Exemplo O conjunto solução de um sistema de equações lineares é convexo. De fato: Seja C = {x R n Ax = b}. Se Ax = b e A = b, então A ( (1 t)x +t ) = b. Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 5 / 28
9 Projeção de um ponto sobre um conjunto Lema Seja S R n um conjunto fechado não vazio. Dado z R n, existe z S tal que, para todo x S, z z z x. S proj S (z) z z = proj S (z) Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 6 / 28
10 Projeção de um ponto sobre um conjunto Lema Seja S R n um conjunto fechado não vazio. Dado z R n, existe z S tal que, para todo x S, z z z x. S z Não existe z. O conjunto não é fechado. Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 7 / 28
11 Projeção de um ponto sobre um conjunto Lema Seja S R n um conjunto fechado não vazio. Dado z R n, existe z S tal que, para todo x S, z z z x. S z O ponto projeção pode não ser único. Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 8 / 28
12 Unicidade da projeção de um ponto sobre um conjunto Lema Seja S R n um conjunto não vazio, convexo e fechado. Dado z R n, existe um único z S tal que para todo x S. z z 2 z x 2, S proj S (z) z z = proj S (z) Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 9 / 28
13 Convexidade Teorema Sejam S R n um conjunto não vazio, convexo e fechado, z R n e z = proj S (z). Então (z z) T (x z) 0, para todo x S. S proj S (z) z x Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 10 / 28
14 Convexidade Vale a recíproca Sejam S R n um conjunto não vazio, convexo e fechado e z R n. Se z S satisfaz (z z) T (x z) 0, para todo x S, então z = proj S (z). S proj S (z) z x Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 11 / 28
15 Minimização em convexos e fechados Teorema Sejam f : R n R uma função diferenciável e C R n convexo e fechado. Se x C é minimizador local de f em C, então para todo α 0. proj C ( x α f (x ) ) = x, f x C Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 12 / 28
16 Minimização em convexos e fechados Teorema Sejam f : R n R uma função diferenciável e C R n convexo e fechado. Se x C é minimizador local de f em C, então para todo α 0. proj C ( x α f (x ) ) = x, f C x Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 13 / 28
17 Função convexa Seja C R n um conjunto convexo. Uma função f : R n R é convexa em C quando, para todos x, C e t [0,1], f ( (1 t)x +t ) (1 t) f (x) +t f (). Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 14 / 28
18 Função convexa Seja C R n um conjunto convexo. Uma função f : R n R é convexa em C quando, para todos x, C e t [0,1], f ( (1 t)x +t ) (1 t) f (x) +t f (). x Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 15 / 28
19 Função convexa Seja C R n um conjunto convexo. Uma função f : R n R é convexa em C quando, para todos x, C e t [0,1], f ( (1 t)x +t ) (1 t) f (x) +t f (). x Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 16 / 28
20 Função convexa Seja C R n um conjunto convexo. Uma função f : R n R é convexa em C quando, para todos x, C e t [0,1], f ( (1 t)x +t ) (1 t) f (x) +t f (). f() f(x) x Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 17 / 28
21 Função convexa Seja C R n um conjunto convexo. Uma função f : R n R é convexa em C quando, para todos x, C e t [0,1], f ( (1 t)x +t ) (1 t) f (x) +t f (). f() f(x) x (1 t)x + t Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 18 / 28
22 Função convexa Seja C R n um conjunto convexo. Uma função f : R n R é convexa em C quando, para todos x, C e t [0,1], f ( (1 t)x +t ) (1 t) f (x) +t f (). f() f ( (1 t)x + t ) f(x) x (1 t)x + t Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 19 / 28
23 Função convexa Seja C R n um conjunto convexo. Uma função f : R n R é convexa em C quando, para todos x, C e t [0,1], f ( (1 t)x +t ) (1 t) f (x) +t f (). f() (1 t)f(x) + tf() f ( (1 t)x + t ) f(x) x (1 t)x + t Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 20 / 28
24 Função convexa Seja C R n um conjunto convexo. Uma função f : R n R é convexa em C quando, para todos x, C e t [0,1], f ( (1 t)x +t ) (1 t) f (x) +t f (). f() f ( (1 t)x+t ) (1 t)f(x)+tf() Função não convexa x f(x) (1 t)x+t Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 21 / 28
25 Função convexa Exemplos de funções convexas f : R R f (x) = x 2. f (x) = e x. Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 22 / 28
26 Função convexa Exemplos de funções convexas f : R R f (x) = x 2. f (x) = e x. Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 22 / 28
27 Função convexa Teorema Sejam C R n convexo e f : C R uma função convexa. Se x C é minimizador local de f, então x é minimizador global de f. Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 23 / 28
28 Função convexa diferenciável Teorema Sejam f : R n R uma função diferenciável e C R n convexo. A função f é convexa em C se, e somente se, para todos x, C, f () f (x) + f (x) T ( x). x Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 24 / 28
29 Função convexa diferenciável Corolário Sejam f : R n R uma função convexa, diferenciável e C R n convexo. Se f (x ) T ( x ) 0, para todo C, então x é um minimizador global de f em C. Em particular, todo ponto estacionário é minimizador global. x f C x C f Hipóteses satisfeitas Hipóteses não satisfeitas Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 25 / 28
30 Função convexa diferenciável Corolário Sejam f : R n R uma função convexa, diferenciável e C R n convexo. Se f (x ) T ( x ) 0, para todo C, então x é um minimizador global de f em C. Em particular, todo ponto estacionário é minimizador global. x f C x C f Hipóteses satisfeitas Hipóteses não satisfeitas Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 25 / 28
31 Função convexa diferenciável Corolário Sejam f : R n R uma função convexa, diferenciável e C R n convexo. Se f (x ) T ( x ) 0, para todo C, então x é um minimizador global de f em C. Em particular, todo ponto estacionário é minimizador global. x f C x C f Hipóteses satisfeitas Hipóteses não satisfeitas Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 25 / 28
32 Função convexa diferenciável Teorema Sejam f : R n R uma função convexa diferenciável e C R n convexo e fechado. Se proj C ( x f (x ) ) = x, então x C é minimizador global de f em C. Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 26 / 28
33 Função convexa de classe C 2 Teorema Sejam f : R n R uma função de classe C 2 e C R n convexo. (i) Se 2 f (x) 0, para todo x C, então f é convexa em C. (ii) Se f é convexa em C e intc /0, então 2 f (x) 0, para todo x C. Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 27 / 28
34 Principais referências D. P. Bertsekas, A. Nedić, and A. E. Ozdaglar. Convex Analsis and Optimization. Athena Scientific, Belmont, USA, J-B. Hiriart-Urrut and C. Lemarechal. Convex Analsis and Minimization Algorithms I. Springer-Verlag, New York, A. L. Peressini, F. E. Sullivan, and Jr J. J. Uhl. The Mathematics of Nonlinear Programming. Springer-Verlag, New York, 1nd edition, Ademir Alves Ribeiro, Elizabeth Wegner Karas () Otimização Contínua Capítulo 3 - Convexidade 28 / 28
Método 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 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 maisUniversidade Federal de Goiás Instituto de Matemática e Estatística. Prova Escrita Programa de Mestrado
Ministério da Educação Universidade Federal de Goiás Instituto de Matemática e Estatística Programa de Pós-Graduação em Matemática Prova Escrita 2018 Programa de Mestrado Os discentes deverão fazer o exame
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 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 maisUM CURSO DE OTIMIZAÇÃO. Ademir Alves Ribeiro Elizabeth Wegner Karas
UM CURSO DE OTIMIZAÇÃO Ademir Alves Ribeiro Elizabeth Wegner Karas Curitiba 2011 Sumário Prefácio 1 Introdução 2 1 Revisão de Conceitos 4 1.1 Sequências.................................... 4 1.1.1 Definições
Leia maisCurso: Engenharia de Produção
Resolver o seguinte PPNL Ma (min) f( 1,,..., n ) s. a ( 1,,..., n ) R n Admite-se que as derivadas parciais de primeira e segunda ordens eistem e que são contínuas em todos os pontos. Sejam f() i As derivadas
Leia maisPrograma de Engenharia de
Programa de Engenharia de Produção Área de Engenharia de Decisão e Gestão (EDG) Disciplinas 2018 2 1 [CPP803] Colóquio em Teoria Espectral de Grafos II Professor: Maria Aguieiras Alvarez de Freitas Créditos:
Leia maisIntrodução à Otimização
Introdução à Otimização Semana Acadêmica da Matemática Industrial Abel Soares Siqueira Federal University of Paraná - Curitiba/PR - Brazil 05 de Outubro de 2017 Abel Soares Siqueira Introdução à Otimização
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 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 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 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 maisUniversidade Federal de Juiz de Fora Instituto de Ciências Exatas Programa de Pós-Graduação em Matemática
Universidade Federal de Juiz de Fora Instituto de Ciências Exatas Programa de Pós-Graduação em Matemática Mario Octavio Vera Campoverde Estudo de um Caso de Equilíbrio de Nash Usando Técnicas de Inequação
Leia maisA Projeção e seu Potencial
A Projeção e seu Potencial Rolci Cipolatti Departamento de Métodos Matemáticos Instituto de Matemática, Universidade Federal do Rio de Janeiro C.P. 68530, Rio de Janeiro, Brasil e-mail: cipolatti@im.ufrj.br
Leia maisUNIVERSIDADE FEDERAL DO TOCANTINS CAMPUS UNIVERSITÁRIO DE PALMAS TRABALHO DE CONCLUSÃO DE CURSO II
UNIVERSIDADE FEDERAL DO TOCANTINS UNIVERSIDADE FEDERAL DO TOCANTINS CAMPUS UNIVERSITÁRIO DE PALMAS CURSO DE CIÊNCIA DA COMPUTAÇÃO TRABALHO DE CONCLUSÃO DE CURSO II O ALGORITMO DE PONTO PROXIMAL PARA OTIMIZAÇÃO
Leia maisAnálise Convexa. 1. Conjuntos convexos 1.1. Casca convexa, ponto extremo, cone. 2. Hiperplanos: suporte, separador, teorema da separação
Análise Convexa 1. Conjuntos convexos 1.1. Casca convexa, ponto extremo, cone 2. Hiperplanos: suporte, separador, teorema da separação 3. Funções convexas 4. Teoremas de funções convexas 5. Conjunto poliedral
Leia maisPontos extremos, vértices e soluções básicas viáveis
Pontos extremos, vértices e soluções básicas viáveis 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
Leia maisProfessor: Carlos Eugênio da Costa Teoria Microeconômica II Monitor: Diego Santiago
Professor: Carlos Eugênio da Costa Teoria Microeconômica II - 2012 Monitor: Diego Santiago EPGE/FGV Introdução matemática 1 Introdução Esta introdução visa familiarizar o aluno com ferramentas matemáticas
Leia maisProgramas - exame de qualificação de mestrado
A Coordenação do programa de pós-graduação do Instituto de Matemática e Estatística informa aos alunos regulares do Curso de Mestrado e Doutorado, que as inscrições para o Exame de Qualificação Escrito
Leia maisLEONARDO MORETO ELIAS MINIMIZAÇÃO DE FUNÇÕES QUADRÁTICAS
LEONARDO MORETO ELIAS MINIMIZAÇÃO DE FUNÇÕES QUADRÁTICAS CURITIBA DEZEMBRO, 2010 LEONARDO MORETO ELIAS MINIMIZAÇÃO DE FUNÇÕES QUADRÁTICAS Monografia apresentada como requisito parcial à obtenção do grau
Leia maisAfiliação. Professor Titular do Departamento de Estatística Faculdade de Matemática da PUCRS
Lorí Viali Licenciatura Plena em Matemática UFRGS Bacharelado em Matemática UFRGS Especialização em Formação de Pesquisadores PUCRS Mestrado em Engenharia de Produção (PO) UFSC Doutorado Sanduíche na USF
Leia maisRepresentação de poliedros
Representação de poliedros Marina Andretta ICMC-USP 8 de novembro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 -
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 maisPRINCIPAIS PROPRIEDADES DE
Universidade Federal do Paraná Setor de Ciências Eatas Curso de Graduação em Matemática Industrial Otimização PRINCIPAIS PROPRIEDADES DE FUNÇÕES CONVEXAS Vanessa Hlenka Orientadora : Elizabeth Wegner Karas
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Espaços Vetoriais Reais
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 4 Espaços Vetoriais Reais Definição de espaço vetorial real [4 01] O conjunto
Leia maisÁLGEBRA LINEAR. Subespaços Vetoriais. Prof. Susie C. Keller
ÁLGEBRA LINEAR Subespaços Vetoriais Prof. Susie C. Keller Às vezes, é necessário detectar, dentro de um espaço vetorial V, subconjuntos S que sejam espaços vetoriais menores. Tais conjuntos S são chamados
Leia maisPré-requisitos Algebra Linear. Lorí Viali. Afiliação
Lorí Viali Licenciatura Plena em Matemática UFRGS Bacharelado em Matemática UFRGS Especialização em Formação de Pesquisadores PUCRS Mestrado em Engenharia de Produção (PO) UFSC Doutorado Sanduíche na USF
Leia maisAtenção: A disciplina COP717 é obrigatória para a área de EDG. A disciplina CPP706 é obrigatória para GI e EDG
Atenção: A disciplina COP717 é obrigatória para a área de EDG A disciplina CPP706 é obrigatória para GI e EDG Programa de Engenharia de Produção Ementas 2º Período de 2019 Área de GI COP719 CADEIA DE SUPRIMENTOS
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores
Leia maisde uma torre de transmissão na cidade de Alfenas - MG
ISSN: 2317-0840 Aplicação da programação convexa na determinação da melhor localização de uma torre de transmissão na cidade de Alfenas - MG Bruno César Moreira Tomaz 1, Bruna Pires Rocha 1, Flaviane Silva
Leia maisEspaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
Leia maisRevisão : máximo, minimo em dimensão 1
Revisão : máximo, minimo em dimensão 1 ( de Rolle) Seja f uma função que satisfaça as seguintes hipóteses: 1 f é contínua no intervalo fechado [a, b], 2 f é diferenciável no intervalo aberto (a, b), 3
Leia maisUNIVERSIDADE FEDERAL DO AMAZONAS-UFAM INSTITUTO DE CIÊNCIAS EXATAS - ICE PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA
UNIVERSIDADE FEDERAL DO AMAZONAS-UFAM INSTITUTO DE CIÊNCIAS EXATAS - ICE PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA UM MÉTODO DE REGULARIZAÇÃO PROXIMAL INEXATO PARA OTIMIZAÇÃO IRRESTRITA CLAUDEILSIO DO NASCIMENTO
Leia maisTrajetória Central, Métodos de Ponto Proximal Generalizado e Trajetória de Cauchy em Variedades Riemannianas
Universidade Federal de Campina Grande Centro de Ciências e Tecnologia Programa de Pós-Graduação em Matemática Curso de Mestrado em Matemática Trajetória Central, Métodos de Ponto Proximal Generalizado
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 maisPrograma para o Exame de Qualificação Escrito para o Mestrado a realizar-se no período de 08/12/14 à 12/12/14.
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE GOIÁS INSTITUTO DE MATEMÁTICA E ESTATÍSTICA PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA Programa para o Exame de Qualificação Escrito para o Mestrado a realizar-se
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 maisMétodo Subgradiente Condicional com Sequência Ergódica
UNIVERSIDADE FEDERAL DE GOIÁS INSTITUTO DE MATEMÁTICA E ESTATÍSTICA JOSÉ CARLOS RUBIANES SILVA Método Subgradiente Condicional com Sequência Ergódica Goiânia 2011 JOSÉ CARLOS RUBIANES SILVA Método Subgradiente
Leia maisLUCAS PALMA SILVA MÉTODO DE NEWTON E BACIAS DE
LUCAS PALMA SILVA MÉTODO DE NEWTON E BACIAS DE CONVERGÊNCIA Curitiba 014 LUCAS PALMA SILVA MÉTODO DE NEWTON E BACIAS DE CONVERGÊNCIA Trabalho de Conclusão do Curso de Matemática Industrial da Universidade
Leia maisMini Curso. O Lema de Lax-Milgram e Aplicações
Goiânia, 07 a 10 de outubro Mini Curso O Lema de Lax-Milgram e Aplicações Prof. Dr. Maurílio Márcio Melo - IME/UFG O LEMA DE LAX-MILGRAM E APLICAÇÕES MELO,M.M. 1. Introdução O principal objetivo destas
Leia maisControle Ótimo - Aula 10 Princípio do Mínimo de Pontryagin
Controle Ótimo - Aula 10 Princípio do Mínimo de Pontryagin Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos O problema de controle ótimo
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 maisLorí Viali. Afiliação
Lorí Viali Licenciatura Plena em Matemática UFRGS Bacharelado em Matemática UFRGS Especialização em Formação de Pesquisadores PUCRS Mestrado em Engenharia de Produção (PO) UFSC Doutorado Sanduíche na USF
Leia maisPrograma de Engenharia de
Programa de Engenharia de Produção Área de Engenharia de Decisão e Gestão (EDG) Disciplinas 2019 1 1 [COP890] Colóquio em Teoria Espectral de Grafos Professor: Maria Aguieiras Alvarez de Freitas Número
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ OKSANA HERINGER DA SILVA
UNIVERSIDADE FEDERAL DO PARANÁ OKSANA HERINGER DA SILVA MÉTODOS DE PENALIDADE E O LAGRANGIANO AUMENTADO APLICADO A PROBLEMAS COM RESTRIÇÕES DE IGUALDADE CURITIBA 2017 OKSANA HERINGER DA SILVA MÉTODOS DE
Leia mais2 Geometria e Programação Linear
MAC-315 - Programação Linear Primeiro semestre de 2008 Prof. Marcelo Queiroz http://www.ime.usp.br/~mqz Notas de Aula 1 2 Geometria e Programação Linear 2.1 Poliedros e conjuntos convexos Alguns conceitos
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 maisConvergência do Método Subgradiente para Funções Quase-Convexas
Universidade Federal do Piauí Centro de Ciências da Natureza Programa de Pós-Graduação em Matemática Mestrado em Matemática Convergência do Método Subgradiente para Funções Quase-Convexas João Carlos de
Leia mais(Aula 13) Ruy J. G. B. de Queiroz Centro de Informática, UFPE. Teoria dos Conjuntos. (Aula 13) Ruy de Queiroz. Conjuntos.
Ruy J. G. B. de Centro de Informática, UFPE 2009.1 Conteúdo 1 2 Observação (Ponto de Partida) (1) A operação de sucessor de um conjunto x: S(x) = x {x}. (2) n = {m N m < n}. (3) N: o menor conjunto contendo
Leia maisAnálise teórica de Máquinas de Vetores Suporte
Análise teórica de Máquinas de Vetores Suporte Evelin Heringer Manoel Krulikovski Orientadores: Profa. Dra. Mael Sachine Prof. Dr. Ademir Alves Ribeiro Programa de Pós-Graduação em Matemática Universidade
Leia maisELVIS RODRIGUEZ TORREALBA UMA CLASSE DE MÉTODOS DE LAGRANGIANO AUMENTADO: CONVERGÊNCIA E TESTES NUMÉRICOS
ELVIS RODRIGUEZ TORREALBA UMA CLASSE DE MÉTODOS DE LAGRANGIANO AUMENTADO: CONVERGÊNCIA E TESTES NUMÉRICOS ELVIS RODRIGUEZ TORREALBA UMA CLASSE DE MÉTODOS DE LAGRANGIANO AUMENTADO: CONVERGÊNCIA E TESTES
Leia maisPROGRAMAÇÃO NÃO LINEAR Noções de otimização não linear. Antônio César Baleeiro Alves 2014
PROGRAMAÇÃO NÃO LINEAR Noções de otimização não linear Antônio César Baleeiro Alves 2014 5 de maio de 2014 Sumário 1 Introdução à Teoria da Programação Não Linear 2 11 Introdução 2 12 Programação 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 mais1 Introdução. Problemas Elípticos Assintoticamente Lineares
Problemas Elípticos Assintoticamente Lineares Caíke da Rocha DAMKE; Edcarlos Domingos da SILVA Instituto de Matemática e Estatística, Universidade Federal de Goiás, Campus II- Caixa Postal 131, CEP 74001-970
Leia maisCAPÍTULO IV APLICAÇÕES
CAPÍTULO IV APLICAÇÕES PROJEÇÃO ORTOGONAL SOBRE UM PLANO PROJEÇÃO DE UM PONTO: Definição: Chama-se projeção ortogonal de um ponto sobre um plano ao pé da perpendicular ao plano conduzida pelo ponto. O
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 maisAplicações de Álgebra Linear - Fractais
Aplicações de Álgebra Linear - Fractais Departamento de Matemática - UFPR Ademir Alves Ribeiro Elizabeth Wegner Karas Lucas Pedroso Outubro de 2010 Características Características Características Características
Leia maisPLANO DE TRABALHO PARA O BOLSISTA PROJETO DE PESQUISA ANÁLISE FUNCIONAL
PLANO DE TRABALHO PARA O BOLSISTA E PROJETO DE PESQUISA INICIAÇÃO AO ESTUDO DA ANÁLISE FUNCIONAL 1 1 IDENTIFICAÇÃO DO PROJETO 1. TÍTULO DO PROJETO: Iniciação ao Estudo da Análise Funcional 2. LOCAL DE
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ Aline Cristiane Finkler APRENDIZAGEM DE MÁQUINA APLICADA À PREVISÃO DOS MOVIMENTOS DO IBOVESPA
UNIVERSIDADE FEDERAL DO PARANÁ Aline Cristiane Finkler APRENDIZAGEM DE MÁQUINA APLICADA À PREVISÃO DOS MOVIMENTOS DO IBOVESPA Curitiba 207 UNIVERSIDADE FEDERAL DO PARANÁ Aline Cristiane Finkler APRENDIZAGEM
Leia mais2.3- Método Iterativo Linear (MIL)
.3- Método Iterativo Linear (MIL) A fim de introduzir o método de iteração linear no cálculo de uma raiz da equação (.) f(x) = 0 expressamos, inicialmente, a equação na forma: (.) x = Ψ(x) de forma que
Leia maisCálculo Numérico Prof. Guilherme Amorim 26/11/2013. Aula 11 Sistemas de Equações Lineares / Parte 4 Convergência e Sistemas mal-condicionados
Cálculo Numérico Prof. Guilherme Amorim 26/11/2013 Aula 11 Sistemas de Equações Lineares / Parte 4 Convergência e Sistemas mal-condicionados Aula passada... Métodos Iterativos Jacobi Gauss-Seidel Pergunta...
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas - CCE Departamento de Matemática Primeira Lista de MAT641 - Análise no R n
Universidade Federal de Viçosa Centro de Ciências Exatas - CCE Departamento de Matemática Primeira Lista de MAT641 - Análise no R n 1. Exercícios do livro Análise Real, volume 2, Elon Lages Lima, páginas
Leia maisLEONARDO MORETO ELIAS UMA BASE TEÓRICA PARA A CONJUGAÇÃO DE FUNÇÕES SEMICONTÍNUAS INFERIORMENTE
LEONARDO MORETO ELIAS UMA BASE TEÓRICA PARA A CONJUGAÇÃO DE FUNÇÕES SEMICONTÍNUAS INFERIORMENTE LEONARDO MORETO ELIAS UMA BASE TEÓRICA PARA A CONJUGAÇÃO DE FUNÇÕES SEMICONTÍNUAS INFERIORMENTE Dissertação
Leia maisLista 3: Geometria Analítica
Lista 3: Geometria Analítica A. Ramos 25 de abril de 2017 Lista em constante atualização. 1. Equação da reta e do plano; 2. Ângulo entre retas e entre planos. Resumo Equação da reta Equação vetorial. Uma
Leia maisMétodo Proximal Incremental em Otimização Convexa
Universidade Federal do Piauí Centro de Ciências da Natureza Pós-Graduação em Matemática Mestrado em Matemática Método Proximal Incremental em Otimização Convexa Valéria de Sousa Silva Teresina - 2018
Leia maisAula 25 - Espaços Vetoriais
Espaço Vetorial: Aula 25 - Espaços Vetoriais Seja V um conjunto não vazio de objetos com duas operações definidas: 1. Uma adição que associa a cada par de objetos u, v em V um único objeto u + v, denominado
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 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 maisProgramação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e
Programação Linear A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Existe um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento
Leia maisUniversidade Técnica de Lisboa Instituto Superior de Economia e Gestão Licenciaturas em Economia, Finanças e Gestão
Universidade Técnica de Lisboa Instituto Superior de Economia e Gestão Licenciaturas em Economia, Finanças e Gestão MATEMÁTICA I Época de Recurso - 28 de Janeiro de 213 - Duração: 2 horas Grupo I - v.1
Leia maisUM CURSO DE OTIMIZAÇÃO. Ademir Alves Ribeiro Elizabeth Wegner Karas
UM CURSO DE OTIMIZAÇÃO Ademir Alves Ribeiro Elizabeth Wegner Karas Curitiba 2011 Sumário Prefácio 1 Introdução 2 1 Revisão de Conceitos 4 1.1 Sequências.................................... 4 1.1.1 Definições
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 maisAlgoritmo do Ponto Proximal Generalizado para o Problema de Desigualdade Variacional em R n
Universidade Federal do Piauí Centro de Ciências da Natureza Pós-Graduação em Matemática Mestrado em Matemática Algoritmo do Ponto Proximal Generalizado para o Problema de Desigualdade Variacional em R
Leia maisTeoremas de dualidade
Teoremas de dualidade 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
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 maisGeometria Computacional
Geometria Computacional Cristina G. Fernandes Departamento de Ciência da Computação do IME-USP http://www.ime.usp.br/ cris/ segundo semestre de 2011 GeoComp 2011 p. 1 Partição em polígonos convexos Problema:
Leia maisMétodo q-g: uma generalização do método da máxima descida
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Método q-g: uma generalização do método da máxima descida Aline C. Soterroni, Fernando Manuel Ramos, Laboratório Associado de Computação e Matemática
Leia maisProfessor João Soares 20 de Setembro de 2004
Teoria de Optimização (Mestrado em Matemática) Texto de Apoio 2A Universidade de Coimbra 57 páginas Professor João Soares 20 de Setembro de 2004 Optimização Linear Considere o problema (1) abaixo, que
Leia maisCAMILA ISOTON CONDIÇÕES NECESSÁRIAS E SUFICIENTES DE OTIMALIDADE PARA PROBLEMAS COM UM E COM VÁRIOS OBJETIVOS
CAMILA ISOTON CONDIÇÕES NECESSÁRIAS E SUFICIENTES DE OTIMALIDADE PARA PROBLEMAS COM UM E COM VÁRIOS OBJETIVOS CAMILA ISOTON CONDIÇÕES NECESSÁRIAS E SUFICIENTES DE OTIMALIDADE PARA PROBLEMAS COM UM E COM
Leia maisFabio Augusto Camargo
Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Departamento de Matemática Introdução à Topologia Autor: Fabio Augusto Camargo Orientador: Prof. Dr. Márcio de Jesus Soares
Leia maisUNIVERSIDADE FEDERAL DO AMAZONAS - UFAM INSTITUTO DE CIÊNCIAS EXATAS - ICE PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA
UNIVERSIDADE FEDERAL DO AMAZONAS - UFAM INSTITUTO DE CIÊNCIAS EXATAS - ICE PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA CONVERGÊNCIA COMPLETA DO MÉTODO DO GRADIENTE COM BUSCA LINEAR EXATA E INEXATA Jeanne Moreira
Leia maisALGUMS MÉTODOS CLÁSSICOS DE OTIMIZAÇÃO
ALGUMS MÉTODOS CLÁSSICOS DE OTIMIZAÇÃO Pedro Henrique Rodrigues da Silva, pedro henrique-02@hotmailcom 1 Milena Almeida Leite Brandão, milena@pontalufubr 1 1 Universidade Federal de Uberlândia, Faculdade
Leia maisExistência e otimalidade de pontos extremos
Existência e otimalidade de pontos extremos 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)
Leia maisINFORMAÇÕES TRADE-OFF EM PROBLEMAS DE OTIMIZAÇÃO MULTIOBJETIVO
INFORMAÇÕES TRADE-OFF EM PROBLEMAS DE OTIMIZAÇÃO MULTIOBJETIVO Jesus Ossian da Cunha Silva, Programa de Engenharia de Sistemas e Computação-PESC, COPPE, UFRJ 21941-972, Rio de Janeiro, RJ E-mail: jossian@cos.ufrj.br.
Leia maisFísica Matemática II: Notas de aula
Física Matemática II: Notas de aula Rafael Sussumu Y. Miada Nessas notas, faremos uma introdução à teoria dos espaços métricos e normados, e aos operadores lineares em espaços normados. Os resultados obtidos
Leia maisMÉTODOS COMPUTACIONAIS
1 MÉTODOS COMPUTACIONAIS DE OTIMIZAÇÃO José Mario Martínez Sandra Augusta Santos Departamento de Matemática Aplicada IMECC-UNICAMP 1995 Atualizado em dezembro de 1998 i ÍNDICE 1. INTRODUÇÃO.................................................
Leia maisIntrodução à Otimização de Processos. Prof. Marcos L Corazza Departamento de Engenharia Química Universidade Federal do Paraná
Introdução à Otimização de Processos Prof. Marcos L Corazza Departamento de Engenharia Química Universidade Federal do Paraná Otimização Não-Linear Algumas definições e conceitos preliminares: 1. Derivadas
Leia maisCondições de otimalidade de primeira e segunda ordem em otimização não linear
Condições de otimalidade de primeira e segunda ordem em otimização não linear Gabriel Haeser Departamento de Matemática Aplicada, Instituto de Matemática e Estatística, Universidade de São Paulo 16 de
Leia maisUnidade 5 - Subespaços vetoriais. A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa. 10 de agosto de 2013
MA33 - Introdução à Álgebra Linear Unidade 5 - Subespaços vetoriais A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa PROFMAT - SBM 10 de agosto de 2013 Às vezes, é necessário detectar, dentro
Leia maisJogos de soma zero com dois jogadores
Jogos de soma zero com dois jogadores Problema: Dada uma matriz A m n, encontrar um equilíbrio de Nash (de estratégias mistas). Jogador 1 quer encontrar p que maximize v sujeito a i p i = 1 sujeito a (pa)
Leia maisUniversidade Federal de Santa Maria Centro de Ciências Naturais e Exatas Departamento de Física Laboratório de Teoria da Matéria Condensada
Universidade Federal de Santa Maria Centro de Ciências Naturais e Exatas Departamento de Física Laboratório de Teoria da Matéria Condensada Introdução à teoria de otimização Tiago de Souza Farias 23 de
Leia maisUNIVERSIDADE FEDERAL DO PARANA
UNIVERSIDADE FEDERAL DO PARANA ELVIS MANUEL RODRIGUEZ TORREALBA ALGORITMOS BASEADOS EM ME TODOS DE LAGRANGEANO AUMENTADO PARA PROBLEMAS DE EQUILI BRIO CURITIBA 2018 ELVIS MANUEL RODRIGUEZ TORREALBA ALGORITMOS
Leia maisUM MÉTODO ÓTIMO PARA OTIMIZAÇÃO CONVEXA IRRESTRITA
UNIVERSIDADE FEDERAL DO PARANÁ Adriano Rodrigo Delfino UM MÉTODO ÓTIMO PARA OTIMIZAÇÃO CONVEXA IRRESTRITA Curitiba, 200. UNIVERSIDADE FEDERAL DO PARANÁ Adriano Rodrigo Delfino UM MÉTODO ÓTIMO PARA OTIMIZAÇÃO
Leia maisLema de Farkas e desigualdades lineares
Lema de Farkas e desigualdades lineares Marina Andretta ICMC-USP 30 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP)
Leia maisDepartamento de Matemática, Instituto Superior Técnico
CÁLCULO DE VARIAÇÕES DIOGO AGUIAR GOMES Departamento de Matemática, Instituto Superior Técnico Introdução A disciplina Cálculo de Variações tem como objectivo o estudo de problemas variacionais e das suas
Leia maisAxiomatizações equivalentes do conceito de topologia
Axiomatizações equivalentes do conceito de topologia Giselle Moraes Resende Pereira Universidade Federal de Uberlândia - Faculdade de Matemática Graduanda em Matemática - Programa de Educação Tutorial
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 maisII. Funções de uma única variável
II. Funções de uma única variável 1 II.1. Conceitos básicos A otimização de de funções de de uma única variável consiste no no tipo mais elementar de de otimização. Importância: Tipo de problema encontrado
Leia maisGilberto Souto. Visualização de Poliedros em Algoritmos de Programação Linear e Inteira
Gilberto Souto Visualização de Poliedros em Algoritmos de Programação Linear e Inteira Florianópolis Maio de 2008 Gilberto Souto Visualização de Poliedros em Algoritmos de Programação Linear e Inteira
Leia mais