Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems

Detalhes bibliográficos
Autor(a) principal: Aguiar, Ademir Alves
Data de Publicação: 2021
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFG
dARK ID: ark:/38995/001300000crb6
Texto Completo: http://repositorio.bc.ufg.br/tede/handle/tede/11400
Resumo: O método subgradiente com uma projeção inexata viável é proposto na presente tese para resolver problemas de otimização convexa com restrições não diferenciáveis. Para realizar a projeção inexata proposta em um conjunto restrito, uma tolerância de erro relativa é introduzida. Além do mais, em cada iteração, o algoritmo requer o cálculo de um subgradiente aproximado da função. Limitantes para a complexidade na iteração e resultados de convergência assintótica para a sequência gerada pelo método empregando os conhecidos tamanhos de passo exógeno, Polyak e dinâmico são estabelecidos. Finalmente, relatamos alguns resultados numéricos a fim de ilustrar o comportamento prático do algoritmo quando o conjunto de restrição é convexo e compacto. Aqui também consideramos um novo método gradiente com projeção inexata usando tolerância de erro relativa. Convergência assintótica e limitantes para a complexidade na iteração do método empregando tamanho de passo constante e de Armijo são apresentados. Resultados numéricos são relatados ilustrando as vantagens potenciais de considerar projeções inexatas em vez de exatas em alguns exemplos de média escala em problemas de mı́ nimos quadrados sobre o espectraedro.
id UFG-2_72cc61b62dc74b52f3902facbd9f2779
oai_identifier_str oai:repositorio.bc.ufg.br:tede/11400
network_acronym_str UFG-2
network_name_str Repositório Institucional da UFG
repository_id_str
spelling Ferreira, Orizon Pereirahttp://lattes.cnpq.br/0201145506453251Prudente, Leandro da Fonsecahttp://lattes.cnpq.br/4573611419840935Ferreira, Orizon PereiraPrudente, Leandro da FonsecaMelo, Jefferson Divino Gonçalves deBento, Glaydston de CarvalhoAndreani, Robertohttp://lattes.cnpq.br/3692268466405845Aguiar, Ademir Alves2021-05-28T15:20:13Z2021-05-28T15:20:13Z2021-04-30AGUIAR, A. A. Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems. 2021. 76 f. Tese (Doutorado em Matemática) - Universidade Federal de Goiás, Goiânia, 2021.http://repositorio.bc.ufg.br/tede/handle/tede/11400ark:/38995/001300000crb6O método subgradiente com uma projeção inexata viável é proposto na presente tese para resolver problemas de otimização convexa com restrições não diferenciáveis. Para realizar a projeção inexata proposta em um conjunto restrito, uma tolerância de erro relativa é introduzida. Além do mais, em cada iteração, o algoritmo requer o cálculo de um subgradiente aproximado da função. Limitantes para a complexidade na iteração e resultados de convergência assintótica para a sequência gerada pelo método empregando os conhecidos tamanhos de passo exógeno, Polyak e dinâmico são estabelecidos. Finalmente, relatamos alguns resultados numéricos a fim de ilustrar o comportamento prático do algoritmo quando o conjunto de restrição é convexo e compacto. Aqui também consideramos um novo método gradiente com projeção inexata usando tolerância de erro relativa. Convergência assintótica e limitantes para a complexidade na iteração do método empregando tamanho de passo constante e de Armijo são apresentados. Resultados numéricos são relatados ilustrando as vantagens potenciais de considerar projeções inexatas em vez de exatas em alguns exemplos de média escala em problemas de mı́ nimos quadrados sobre o espectraedro.The subgradient method with a feasible inexact projection is proposed in the present thesis to solve non-differentiable constrained convex optimization problems. To perform the proposed inexact projection onto a constrained set, a relative error tolerance is introduced. Furthermore, in each iteration, the algorithm requires the calculation of an approximate subgradient of the function. Iteration-complexity bounds and asymptotic convergence results for the sequence generated by the method employing the well known exogenous stepsizes, Polyak’s stepsizes and dynamic stepsizes are stablished. Finally, we report some numerical results in order to illustrate the practical behavior of the algorithm when the constrained set is compact and convex set. Here, we also consider a new inexact gradient projection method using relative error tolerance. Asymptotic convergence analysis and iteration-complexity bounds of the method employing constant and Armijo stepsizes are presented. Numerical results are reported illustrating the potential advantages of considering inexact projections instead of exact ones in some medium scale instances of a least squares problem over the spectrohedron.Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2021-05-27T11:51:35Z No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Tese - Ademir Alves Aguiar - 2021.pdf: 693940 bytes, checksum: d0e34a534919564a326b09118ad09b78 (MD5)Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2021-05-28T15:20:13Z (GMT) No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Tese - Ademir Alves Aguiar - 2021.pdf: 693940 bytes, checksum: d0e34a534919564a326b09118ad09b78 (MD5)Made available in DSpace on 2021-05-28T15:20:13Z (GMT). No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Tese - Ademir Alves Aguiar - 2021.pdf: 693940 bytes, checksum: d0e34a534919564a326b09118ad09b78 (MD5) Previous issue date: 2021-04-30Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESporUniversidade Federal de GoiásPrograma de Pós-graduação em Matemática (IME)UFGBrasilInstituto de Matemática e Estatística - IME (RG)Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessSubgradient methodGradient methodFeasible inexact projectionConstrained convex optimizationIteration-complexity boundMétodo subgradienteMétodo gradienteProjeção inexata viávelOtimização restrita convexaLimite de complexidade de iteraçãoCIENCIAS EXATAS E DA TERRA::MATEMATICASubgradient and gradient methods with feasible inexact projections for constrained convex optimization problemsMétodos gradiente e subgradiente com projeções inexatas viáveis para problemas de otimização restrita convexainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis68500500500500271871reponame:Repositório Institucional da UFGinstname:Universidade Federal de Goiás (UFG)instacron:UFGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.bc.ufg.br/tede/bitstreams/2ae8e5cc-e9c4-4cb6-95ad-a1e19bd55f74/download8a4605be74aa9ea9d79846c1fba20a33MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805http://repositorio.bc.ufg.br/tede/bitstreams/8fc77130-f97b-47ae-b486-1152f1170ece/download4460e5956bc1d1639be9ae6146a50347MD52ORIGINALTese - Ademir Alves Aguiar - 2021.pdfTese - Ademir Alves Aguiar - 2021.pdfapplication/pdf693940http://repositorio.bc.ufg.br/tede/bitstreams/c194e5c6-8331-4a9b-8ee4-5e60f672de11/downloadd0e34a534919564a326b09118ad09b78MD53tede/114002021-05-28 12:20:14.845http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accessoai:repositorio.bc.ufg.br:tede/11400http://repositorio.bc.ufg.br/tedeRepositório InstitucionalPUBhttp://repositorio.bc.ufg.br/oai/requesttasesdissertacoes.bc@ufg.bropendoar:2021-05-28T15:20:14Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)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
dc.title.pt_BR.fl_str_mv Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems
dc.title.alternative.por.fl_str_mv Métodos gradiente e subgradiente com projeções inexatas viáveis para problemas de otimização restrita convexa
title Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems
spellingShingle Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems
Aguiar, Ademir Alves
Subgradient method
Gradient method
Feasible inexact projection
Constrained convex optimization
Iteration-complexity bound
Método subgradiente
Método gradiente
Projeção inexata viável
Otimização restrita convexa
Limite de complexidade de iteração
CIENCIAS EXATAS E DA TERRA::MATEMATICA
title_short Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems
title_full Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems
title_fullStr Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems
title_full_unstemmed Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems
title_sort Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems
author Aguiar, Ademir Alves
author_facet Aguiar, Ademir Alves
author_role author
dc.contributor.advisor1.fl_str_mv Ferreira, Orizon Pereira
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/0201145506453251
dc.contributor.advisor-co1.fl_str_mv Prudente, Leandro da Fonseca
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/4573611419840935
dc.contributor.referee1.fl_str_mv Ferreira, Orizon Pereira
dc.contributor.referee2.fl_str_mv Prudente, Leandro da Fonseca
dc.contributor.referee3.fl_str_mv Melo, Jefferson Divino Gonçalves de
dc.contributor.referee4.fl_str_mv Bento, Glaydston de Carvalho
dc.contributor.referee5.fl_str_mv Andreani, Roberto
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/3692268466405845
dc.contributor.author.fl_str_mv Aguiar, Ademir Alves
contributor_str_mv Ferreira, Orizon Pereira
Prudente, Leandro da Fonseca
Ferreira, Orizon Pereira
Prudente, Leandro da Fonseca
Melo, Jefferson Divino Gonçalves de
Bento, Glaydston de Carvalho
Andreani, Roberto
dc.subject.eng.fl_str_mv Subgradient method
Gradient method
Feasible inexact projection
Constrained convex optimization
Iteration-complexity bound
topic Subgradient method
Gradient method
Feasible inexact projection
Constrained convex optimization
Iteration-complexity bound
Método subgradiente
Método gradiente
Projeção inexata viável
Otimização restrita convexa
Limite de complexidade de iteração
CIENCIAS EXATAS E DA TERRA::MATEMATICA
dc.subject.por.fl_str_mv Método subgradiente
Método gradiente
Projeção inexata viável
Otimização restrita convexa
Limite de complexidade de iteração
dc.subject.cnpq.fl_str_mv CIENCIAS EXATAS E DA TERRA::MATEMATICA
description O método subgradiente com uma projeção inexata viável é proposto na presente tese para resolver problemas de otimização convexa com restrições não diferenciáveis. Para realizar a projeção inexata proposta em um conjunto restrito, uma tolerância de erro relativa é introduzida. Além do mais, em cada iteração, o algoritmo requer o cálculo de um subgradiente aproximado da função. Limitantes para a complexidade na iteração e resultados de convergência assintótica para a sequência gerada pelo método empregando os conhecidos tamanhos de passo exógeno, Polyak e dinâmico são estabelecidos. Finalmente, relatamos alguns resultados numéricos a fim de ilustrar o comportamento prático do algoritmo quando o conjunto de restrição é convexo e compacto. Aqui também consideramos um novo método gradiente com projeção inexata usando tolerância de erro relativa. Convergência assintótica e limitantes para a complexidade na iteração do método empregando tamanho de passo constante e de Armijo são apresentados. Resultados numéricos são relatados ilustrando as vantagens potenciais de considerar projeções inexatas em vez de exatas em alguns exemplos de média escala em problemas de mı́ nimos quadrados sobre o espectraedro.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-05-28T15:20:13Z
dc.date.available.fl_str_mv 2021-05-28T15:20:13Z
dc.date.issued.fl_str_mv 2021-04-30
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv AGUIAR, A. A. Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems. 2021. 76 f. Tese (Doutorado em Matemática) - Universidade Federal de Goiás, Goiânia, 2021.
dc.identifier.uri.fl_str_mv http://repositorio.bc.ufg.br/tede/handle/tede/11400
dc.identifier.dark.fl_str_mv ark:/38995/001300000crb6
identifier_str_mv AGUIAR, A. A. Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems. 2021. 76 f. Tese (Doutorado em Matemática) - Universidade Federal de Goiás, Goiânia, 2021.
ark:/38995/001300000crb6
url http://repositorio.bc.ufg.br/tede/handle/tede/11400
dc.language.iso.fl_str_mv por
language por
dc.relation.program.fl_str_mv 68
dc.relation.confidence.fl_str_mv 500
500
500
500
dc.relation.department.fl_str_mv 27
dc.relation.cnpq.fl_str_mv 187
dc.relation.sponsorship.fl_str_mv 1
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Goiás
dc.publisher.program.fl_str_mv Programa de Pós-graduação em Matemática (IME)
dc.publisher.initials.fl_str_mv UFG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Instituto de Matemática e Estatística - IME (RG)
publisher.none.fl_str_mv Universidade Federal de Goiás
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFG
instname:Universidade Federal de Goiás (UFG)
instacron:UFG
instname_str Universidade Federal de Goiás (UFG)
instacron_str UFG
institution UFG
reponame_str Repositório Institucional da UFG
collection Repositório Institucional da UFG
bitstream.url.fl_str_mv http://repositorio.bc.ufg.br/tede/bitstreams/2ae8e5cc-e9c4-4cb6-95ad-a1e19bd55f74/download
http://repositorio.bc.ufg.br/tede/bitstreams/8fc77130-f97b-47ae-b486-1152f1170ece/download
http://repositorio.bc.ufg.br/tede/bitstreams/c194e5c6-8331-4a9b-8ee4-5e60f672de11/download
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
4460e5956bc1d1639be9ae6146a50347
d0e34a534919564a326b09118ad09b78
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)
repository.mail.fl_str_mv tasesdissertacoes.bc@ufg.br
_version_ 1815172635575713792