Newton-type and conjugate gradient methods for vector optimization
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Tese |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UFG |
Texto Completo: | http://repositorio.bc.ufg.br/tede/handle/tede/12020 |
Resumo: | Neste trabalho, propomos e analisamos alguns métodos para resolver problemas de otimização vetorial sem restrições. Inicialmente propomos dois métodos do tipo Newton. O primeiro é diretamente inspirado pelo método de Newton para resolver problemas convexos, enquanto o segundo usa informações de segunda ordem das funções objetivos com ingredientes do método de máxima descida. Um dos pontos-chave dos métodos do tipo Newton é impor algumas estratégias de salvaguarda nas direções de busca. As convergências globais dos métodos supracitados se baseiam, em primeiro lugar, na apresentação e estabelecimento da convergência global de um algoritmo geral e, em seguida, na demostração que os novos métodos podem ser visto como uma instância do algoritmo geral. Depois nos dedicamos ao estudo de métodos de gradiente conjugado (CG). Estudamos três variantes de métodos de CG não lineares de Liu-Storey (LS) para resolver problemas de otimização vetorial, originalmente projetados para resolver problemas de otimização escalar. Por fim, propomos um método geral de CG para problemas de otimização vetorial com propriedade de descida suficiente sobre as direções de busca. Experimentos numéricos ilustram a eficiência prática dos novos métodos e comparações com os algoritmos existentes são discutidas. |
id |
UFG-2_f8d3a1218bc0dd0ec596f82f690b4e59 |
---|---|
oai_identifier_str |
oai:repositorio.bc.ufg.br:tede/12020 |
network_acronym_str |
UFG-2 |
network_name_str |
Repositório Institucional da UFG |
repository_id_str |
|
spelling |
Gonçalves, Max Leandro Nobrehttp://lattes.cnpq.br/7841103869154032Prudente, Leandro da Fonsecahttp://lattes.cnpq.br/4573611419840935Gonçalves, Max Leandro NobrePrudente, Leandro da FonsecaMelo, Jefferson Divino Gonçalves deLopes, Jurandir de OliveiraGrapiglia, Geovani Nuneshttp://lattes.cnpq.br/9382091638852431Lima, Fernando Santana2022-04-19T11:20:04Z2022-04-19T11:20:04Z2022-03-25LIMA, F. S. Newton-type and conjugate gradient methods for vector optimization. 2022. 83 f. Tese (Doutorado em Matemática) - Universidade Federal de Goiás, Goiânia, 2022.http://repositorio.bc.ufg.br/tede/handle/tede/12020Neste trabalho, propomos e analisamos alguns métodos para resolver problemas de otimização vetorial sem restrições. Inicialmente propomos dois métodos do tipo Newton. O primeiro é diretamente inspirado pelo método de Newton para resolver problemas convexos, enquanto o segundo usa informações de segunda ordem das funções objetivos com ingredientes do método de máxima descida. Um dos pontos-chave dos métodos do tipo Newton é impor algumas estratégias de salvaguarda nas direções de busca. As convergências globais dos métodos supracitados se baseiam, em primeiro lugar, na apresentação e estabelecimento da convergência global de um algoritmo geral e, em seguida, na demostração que os novos métodos podem ser visto como uma instância do algoritmo geral. Depois nos dedicamos ao estudo de métodos de gradiente conjugado (CG). Estudamos três variantes de métodos de CG não lineares de Liu-Storey (LS) para resolver problemas de otimização vetorial, originalmente projetados para resolver problemas de otimização escalar. Por fim, propomos um método geral de CG para problemas de otimização vetorial com propriedade de descida suficiente sobre as direções de busca. Experimentos numéricos ilustram a eficiência prática dos novos métodos e comparações com os algoritmos existentes são discutidas.In this work, we propose and analyze some methods to solve unconstrained vector optimization problems. First we propose two Newton-type methods, the first is directly inspired by the Newton method designed to solve convex problems, whereas the second uses secondorder information of the objective functions with ingredients of the steepest descent method. One of the key points of Newton-type methods is to impose some safeguard strategies on the search directions. The global convergences of the aforementioned methods are based, first, on presenting and establishing the global convergence of a general algorithm and, then, showing that the new methods fall in this general algorithm. Latter we dedicated to the study of conjugate gradient (CG) methods. We present a study of Liu-Storey (LS) nonlinear CG methods to solve vector optimization problems. Three variants of the LS-CG method originally designed to solve single-objective problems are extended to the vector setting. Lastly we propose a general CG method to vector optimization problems with su#cient descent property on the search directions. Numerical experiments illustrating the practical eficiency of the new methods and comparisons with existing algorithms are discussed.Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2022-04-18T13:29:02Z No. of bitstreams: 2 Tese - Fernando Santana Lima - 2022.pdf: 2161325 bytes, checksum: b4b5a5f0540ef2f5f5ae6691f64fca2f (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2022-04-19T11:20:04Z (GMT) No. of bitstreams: 2 Tese - Fernando Santana Lima - 2022.pdf: 2161325 bytes, checksum: b4b5a5f0540ef2f5f5ae6691f64fca2f (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)Made available in DSpace on 2022-04-19T11:20:04Z (GMT). No. of bitstreams: 2 Tese - Fernando Santana Lima - 2022.pdf: 2161325 bytes, checksum: b4b5a5f0540ef2f5f5ae6691f64fca2f (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Previous issue date: 2022-03-25Fundação de Amparo à Pesquisa do Estado de GoiásengUniversidade 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/openAccessOtimização vetorialOtimalidade ParetoMétodo de NewtonMétodo de gradiente conjugadoConvergência globalVector optimizationPareto optimalityNewton methodConjugate gradient methodGlobal convergenceCIENCIAS EXATAS E DA TERRA::MATEMATICANewton-type and conjugate gradient methods for vector optimizationMétodos do tipo Newton e de gradiente conjugado para otimização vetorialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis69500500500500271873reponame:Repositório Institucional da UFGinstname:Universidade Federal de Goiás (UFG)instacron:UFGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.bc.ufg.br/tede/bitstreams/a579969d-0f5a-4b87-a3b2-af0ca9c4327f/download8a4605be74aa9ea9d79846c1fba20a33MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805http://repositorio.bc.ufg.br/tede/bitstreams/aeccec96-eaef-45d1-a850-cc616b839f9d/download4460e5956bc1d1639be9ae6146a50347MD52ORIGINALTese - Fernando Santana Lima - 2022.pdfTese - Fernando Santana Lima - 2022.pdfapplication/pdf2161325http://repositorio.bc.ufg.br/tede/bitstreams/9f0f88da-f837-4760-82ad-5a85442863e1/downloadb4b5a5f0540ef2f5f5ae6691f64fca2fMD53tede/120202022-04-19 08:20:04.783http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accessoai:repositorio.bc.ufg.br:tede/12020http://repositorio.bc.ufg.br/tedeRepositório InstitucionalPUBhttp://repositorio.bc.ufg.br/oai/requesttasesdissertacoes.bc@ufg.bropendoar:2022-04-19T11:20:04Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)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 |
dc.title.pt_BR.fl_str_mv |
Newton-type and conjugate gradient methods for vector optimization |
dc.title.alternative.por.fl_str_mv |
Métodos do tipo Newton e de gradiente conjugado para otimização vetorial |
title |
Newton-type and conjugate gradient methods for vector optimization |
spellingShingle |
Newton-type and conjugate gradient methods for vector optimization Lima, Fernando Santana Otimização vetorial Otimalidade Pareto Método de Newton Método de gradiente conjugado Convergência global Vector optimization Pareto optimality Newton method Conjugate gradient method Global convergence CIENCIAS EXATAS E DA TERRA::MATEMATICA |
title_short |
Newton-type and conjugate gradient methods for vector optimization |
title_full |
Newton-type and conjugate gradient methods for vector optimization |
title_fullStr |
Newton-type and conjugate gradient methods for vector optimization |
title_full_unstemmed |
Newton-type and conjugate gradient methods for vector optimization |
title_sort |
Newton-type and conjugate gradient methods for vector optimization |
author |
Lima, Fernando Santana |
author_facet |
Lima, Fernando Santana |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Gonçalves, Max Leandro Nobre |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/7841103869154032 |
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 |
Gonçalves, Max Leandro Nobre |
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 |
Lopes, Jurandir de Oliveira |
dc.contributor.referee5.fl_str_mv |
Grapiglia, Geovani Nunes |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/9382091638852431 |
dc.contributor.author.fl_str_mv |
Lima, Fernando Santana |
contributor_str_mv |
Gonçalves, Max Leandro Nobre Prudente, Leandro da Fonseca Gonçalves, Max Leandro Nobre Prudente, Leandro da Fonseca Melo, Jefferson Divino Gonçalves de Lopes, Jurandir de Oliveira Grapiglia, Geovani Nunes |
dc.subject.por.fl_str_mv |
Otimização vetorial Otimalidade Pareto Método de Newton Método de gradiente conjugado Convergência global |
topic |
Otimização vetorial Otimalidade Pareto Método de Newton Método de gradiente conjugado Convergência global Vector optimization Pareto optimality Newton method Conjugate gradient method Global convergence CIENCIAS EXATAS E DA TERRA::MATEMATICA |
dc.subject.eng.fl_str_mv |
Vector optimization Pareto optimality Newton method Conjugate gradient method Global convergence |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::MATEMATICA |
description |
Neste trabalho, propomos e analisamos alguns métodos para resolver problemas de otimização vetorial sem restrições. Inicialmente propomos dois métodos do tipo Newton. O primeiro é diretamente inspirado pelo método de Newton para resolver problemas convexos, enquanto o segundo usa informações de segunda ordem das funções objetivos com ingredientes do método de máxima descida. Um dos pontos-chave dos métodos do tipo Newton é impor algumas estratégias de salvaguarda nas direções de busca. As convergências globais dos métodos supracitados se baseiam, em primeiro lugar, na apresentação e estabelecimento da convergência global de um algoritmo geral e, em seguida, na demostração que os novos métodos podem ser visto como uma instância do algoritmo geral. Depois nos dedicamos ao estudo de métodos de gradiente conjugado (CG). Estudamos três variantes de métodos de CG não lineares de Liu-Storey (LS) para resolver problemas de otimização vetorial, originalmente projetados para resolver problemas de otimização escalar. Por fim, propomos um método geral de CG para problemas de otimização vetorial com propriedade de descida suficiente sobre as direções de busca. Experimentos numéricos ilustram a eficiência prática dos novos métodos e comparações com os algoritmos existentes são discutidas. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-04-19T11:20:04Z |
dc.date.available.fl_str_mv |
2022-04-19T11:20:04Z |
dc.date.issued.fl_str_mv |
2022-03-25 |
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 |
LIMA, F. S. Newton-type and conjugate gradient methods for vector optimization. 2022. 83 f. Tese (Doutorado em Matemática) - Universidade Federal de Goiás, Goiânia, 2022. |
dc.identifier.uri.fl_str_mv |
http://repositorio.bc.ufg.br/tede/handle/tede/12020 |
identifier_str_mv |
LIMA, F. S. Newton-type and conjugate gradient methods for vector optimization. 2022. 83 f. Tese (Doutorado em Matemática) - Universidade Federal de Goiás, Goiânia, 2022. |
url |
http://repositorio.bc.ufg.br/tede/handle/tede/12020 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.program.fl_str_mv |
69 |
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 |
3 |
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/a579969d-0f5a-4b87-a3b2-af0ca9c4327f/download http://repositorio.bc.ufg.br/tede/bitstreams/aeccec96-eaef-45d1-a850-cc616b839f9d/download http://repositorio.bc.ufg.br/tede/bitstreams/9f0f88da-f837-4760-82ad-5a85442863e1/download |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 4460e5956bc1d1639be9ae6146a50347 b4b5a5f0540ef2f5f5ae6691f64fca2f |
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_ |
1798044344795529216 |