Seminários em Análise Convexa e Otimização – 03/11/2017 às 10h30m

01/11/2017 17:03

Seminários em Análise Convexa e Otimização

Título: On the convergence rate of the scaled proximal decomposition on the graph of a maximal monotone operator (SPDG) algorithm

Expositor: Samara Costa Lima (UFSC)

Data/Hora: Sexta-feira, 03 de novembro às 10h30m

Local: Auditório Airton Silva, Sala MTM007, do Departamento de Matemática

Maiores informações: <AQUI>

E. Krukoski
Tags: algorithmAnáliseconvergenceconvexaMatemáticamaximalmonotone operatorotimizaçãoProximalscaled

Seminários em Análise Convexa e Otimização – Prof. Juliano de Bem Francisco (MTM/UFSC)

19/04/2016 19:32

Seminários em Análise Convexa e Otimização

Título: Método de Lagrangeano Aumentado para o problema de mínimos quadrados não-linear com equações sem resíduo

Professor Juliano de Bem Francisco (MTM/UFSC)

Resumo: Neste seminário será abordado o seguinte problema de mínimos quadrados não-linear:
$\min \sum_{i=1}^n f_i(x)$, sujeito a $f_i (x) =0$ para $i \in J$, em que J é um subconjunto de $\{1,\ldots, n\}$ e $f_i \R^n \to \R.$
Apresentaremos alguns conceitos fundamentais bem como alguns métodos clássicos de otimização, dentre os quais citamos o método
de Lagrangeano Aumentado. Veremos como este método pode ser aplicado para resolver o problema principal deste seminário.
Para comprovar a eficiência e robustez do esquema proposto, resolveremos um problema de fluxo de potência com sobrecarga no sistema.

Data/Hora: Quarta-feira, 20 de abril, 10:30

Local: Sala 202 do Departamento de Matemática

Maiores informações: www.mtm.ufsc.br/~maicon/seminar

E. Krukoski
Tags: AnáliseconvexaEquaçõesLagrangeanoMétodootimizaçãosem resíduoSeminários

Seminario de Matematica Aplicada

12/04/2016 14:21

Um método de Newton-proximal para otimização convexa com estimativa global de complexidade

Palestrante: Maicon Marques Alves, Departamento de Matemática, UFSC

Resumo: Consideraremos o problema de minimizar uma função convexa duas vezes diferenciável num espaço de Hilbert. Mostraremos que é possível construir um método de Newton com regularização proximal com uma taxa global de convergência (para valores funcionais) da ordem de 1/k^2, onde k é o índice da iteração.

Trabalho em colaboração com H. Attouch e B. F. Svaiter.

Local: Auditório (LAED) do Departamento de Matemática
Dia/Horário: 14 de abril de 2016/14:00h

http://mtm.ufsc.br/~muniz/seminario/

E. Krukoski
Tags: convexaMatematica AplicadaNewton-proximalotimização