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
Uma estrutura HPE não Euclidiana
Expositor: Joel Conceição Rabelo (UFSC)
Local/Data: Sexta-feira, 23/06/2017 às 10h30m / Sala CFM-A014
<Maiores informações>
E.Krukoski
Tags:
AnáliseconvexaEuclidianaHPEotimização
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
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