Tesis
Metodo lagrangiano aumentado regularizado para problemas com voracidade
Regularized augmented lagrangian method for problems with greediness
Registro en:
Autor
Martinez, Andre Luis Machado
Institución
Resumen
Orientador: Jose Mario Martinez Perez Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica Resumo: Quando resolvemos problemas de programação não linear por meio de algoritmos que utilizam o Lagrangiano Aumentado, um fenômeno chamado voracidade pode ocorrer. Quando isto ocorre o método busca pontos muito infactíveis com valores de função muito pequenos, em geral, nas primeiras iterações, assim o parâmetro de penalidade cresce excessivamente, de tal forma que prejudica o condicionamento do problema. Neste trabalho 'e sugerida uma abordagem de regularização para superar esta dificuldade. Um método de Lagrangiano Aumentado é definido, com a adição de um termo regularizador que inibe a possibilidade do iterando se afastar demasiadamente do ponto de referência. Provamos convergência e apresentamos exemplos numéricos. Abstract: When one solves Nonlinear Programming problems by means of algorithms that use merit criteria combining the objective function and penalty feasibility terms, a phenomenon called greediness may occur. Unconstrained minimizers attract the iterates at early stages of the calculations and, so, the penalty parameter needs to grow excessively, in such a way that ill conditioning harms the overall convergence. In this work a regularization approach is suggested to overcome this dificulty. An Augmented Lagrangian method is defined with the addition of a regularization term that inhibits the possibility that the iterates go far from a reference point. Convergence proofs and numerical examples are given. Doutorado Doutor em em Matematica Aplicada