Seminário de Otimização & Problemas Inversos
Título: A combined Markov Chain Monte Carlo and Levenberg–Marquardt inversion method for heterogeneous subsurface reservoir modeling
Palestrante: Juarez dos Santos Azevedo (UFBA/UFSC)
Resumo: In this study, we systematically investigate an inverse method for heterogeneous porous media to obtain porosity and permeability fields considering only production well data. The forward modeling of the input data, namely pressure and saturation fields, is based on the motion equations of a coupled Darcy flow system involving two phases of isothermal fluid flow. We discretize these equations using a multiscale finite volume simulation technique in the spatial domain, and the backward Euler method in time domain. In the inversion procedure, we combine a global optimization method, the Markov CE.Krukoskihain Monte Carlo (MCMC) method, with a local optimization method, the Levenberg–Marquardt (LM) method. The MCMC was implemented as the Random Walk algorithm, and to generate the samples of the porosity and permeability fields, we employed Karhunen–Loève (KL) expansion of second-order stationary fields with Gaussian covariance. The coefficients of the KL expansion are estimated by minimizing the norm of the residual dependent on these fields. At the end of the MCMC iterations, we refine the KL coefficients associated with the porosity and permeability fields using the LM method. We verify in the numerical experiments that the accuracy of the porosity and permeability fields is improved by the LM refinement step.
Data: Segunda-feira, 02 de junho , 14h
Local: Auditório Airton Silva, Departamento de Matemática – MTM /CFM
Maiores informações: http://mtm.ufsc.br/~maicon/seminar
E.Krukoski
Tags:
heterogeneous subsurfaceKarhunen–LoèveLevenberg-MarquardtLM methodotimizaçãoProblemas inversos
Seminário de Otimização & Problemas Inversos
Título: Second-order dynamical systems associated with a class of quasiconvex functions
Palestrante: Raul T. Marcavillaca (CMM, Chile)
Resumo: In this talk, we explore second-order gradient dynamical systems smooth strongly quasiconvex functions for strongly quasiconvex functions, without assuming the usual Lipschitz continuity assumption on the gradient. We exhibit exponential convergence of the trajectory towards the solution. Moreover, also in the quasiconvex setting, we consider second-order dynamics incorporating Hessian-driven damping. Finally, we show that explicit discretizations of these two dynamical systems yield different gradient-type methods, establishing the linear convergence of both methods under suitable parameter conditions.
Data: Segunda-feira, 26 de Agosto de 2024 às 14 horas
Local: Auditório Airton Silva, MTM
Maiores informações: http://mtm.ufsc.br/~maicon/seminar
E. Krukoski
Tags:
otimizaçãoProblemas inversosRaul T. MarcavillacaSeminario
<INFORMAÇÕES AQUI>
Inscrições: A inscrição e participação no evento é gratuita e deve ser realizada através do Formulário de Inscrição. O prazo final para inscrições é 15/10/2023.
Local do evento:
Saiba mais aqui
E. Krukoski
Tags:
otimizaçãoProblemas inversosWorkshop
Seminário de Otimização & Problemas Inversos
Título: Um algoritmo para minimização em variedades de Stiefel
Douglas S. Gonçalves (UFSC)
Resumo: Discutiremos sobre um algoritmo para minimização de funcionais não-lineares sobre variedades de Stiefel. Mais especificamente, vamos considerar problemas de otimização nos quais a variável de decisão é uma matriz n por p (p < n) com colunas ortonormais. Com base na transformação de Cayley, a abordagem consiste em uma busca não-monótona sobre um arco viável ao longo de uma direção de descenso suficiente. Além de mostrar que pontos limite da sequência gerada pelo algoritmo são estacionários, destacamos o custo computacional de O(np^2) + O(p^3) por iteração, que é interessante quando p << n. Por fim, iremos reportar resultados numéricos em três classes do problema e comparar com algoritmos bem estabelecidos na literatura. Este é um trabalho em conjunto com Juliano B. Francisco.
Palestrante: Douglas S. Gonçalves (UFSC)
Data: Segunda-feira, 26 de Junho , 14h
Local: Auditório Airton Silva do Departamento de Matemática
Maiores informações: http://mtm.ufsc.br/~maicon/seminar
E. Krukoski
Tags:
algoritmoMatemáticaminimizaçãootimizaçãoProblemas inversosSeminariovariedades de Stiefel
Seminário de Otimização & Problemas Inversos
A Cubic Regularization of Newton Method with Finite-Difference Hessian Approximations
Max L. N. Gonçalves (UFG)
Resumo: In this talk, we present a version of the Cubic Regularization of the Newton method for unconstrained nonconvex optimization, in which the Hessian matrices are approximated by forward gradient differences. The regularization parameter of the cubic models and the accuracy of the Hessian approximations are jointly adjusted using a nonmonotone line-search criterion. Complexity analysis of the proposed algorithm is discussed and preliminary numerical experiments are presented to confirm our theoretical findings.
Palestrante: Max L. N. Gonçalves (UFG)
Data: Segunda-feira, 05 de Junho , 14h
Local: Auditório Airton Silva do Departamento de Matemática
Maiores informações: http://mtm.ufsc.br/~maicon/seminar
E. Krukoski
Tags:
Cubic RegularizationFinite-DifferenceHessian ApproximationsInversosMax L. N. GonçalvesNewton MethodotimizaçãoProblemasSeminario
Título: O método do valor quasi-limite parametrizado para problemas inversos de fonte dependentes do espaço
Palestrante: Daniel Alfonso Sánchez Vega (UFSC)
Resumo: Os problemas inversos de fonte surgem em um amplo espetro de aplicações do mundo real, identificação de dipolos eletrostáticos na cabeça humana onde os dados de fronteira são coletados via eletrodos dispostos em uma loca ̧c ̃ao da cabeça, localização de fontes desconhecidas de contaminantes de águas subterrâneas entre outras. Sendo um método diferente da regularização de Tikohnov, o método do valor quasi-limite foi proposto e analisado como uma forma eficaz de regularizar tais problemas de fonte inversa. No entanto, solucionadores diretos ou iterativos rápidos para os sistemas lineares de larga escala resultantes de uma só vez raramente foram estudados na literatura [JLW23]. Neste trabalho consideramos o (ISP) [DFY09] de reconstruir o termo fonte dependente do espaço desconhecido em uma equação de difusão não-homogênea utilizando o método de Crank-Nicholson [CN47] na primeira fase e, posteriormente, em uma segunda fase, apresentamos o (PQBVM) [JLW23] e mostramos que a matriz de discretização no tempo B é diagonalizável, e o número de condição de sua matriz de autovetores V exibe crescimento quadrático, o que garante que os erros de arredondamento devido à diagonalização sejam bem controlados. Em uma última fase apresentamos exemplos em 1D e 2D implementados no software MATLAB.
Data: Segunda-feira, 27 de Março , 14h
Local: Auditório Airton Silva, MTM
Maiores informações: http://mtm.ufsc.br/~maicon/seminar
E. Krukoski
Tags:
Crank-Nicholsondiagonalizaçãométodo do valor quasi-limitenúmero de condiçãootimizaçãoproblema de fonte inversaProblemas inversosproblemas mal-postosregularizaçãoSeminario
Título: Novos métodos iterativos para problemas mal-postos
Palestrante: Antonio Leitão (UFSC)
Data: Segunda-feira, 13 de Março de 2023 , 14h
Local: Auditório Airton Silva, MTM
Maiores informações: http://mtm.ufsc.br/~maicon/seminar
E. Krukoski
Tags:
MatemáticaotimizaçãoProblemas inversosproblemas mal-postosSeminário de Otimização
Seminário de Otimização & Problemas Inversos
Título: Convergência superlinear do método de reflexões circuncentrado
Palestrante: Roger Behling (UFSC)
Resumo: Recentemente, desenvolvemos o primeiro método de reflexões circuncentrado (CRM) capaz de resolver problemas de viabilidade convexos sem reformulação em espaço produto. O novo método, denominado cCRM, trabalha em duas fases. Na primeira fase de cada iteração, cCRM encontra um ponto centralizado, enquanto que na segunda computa um circuncentro generalizado em paralelo a partir da centralização. Discutiremos o fato de cCRM convergir globalmente para uma solução do problema e apresentaremos um resultado, um tanto surpreendente, de convergência superlinear supondo uma condição de cota de erro aliada a hipótese de suavidade local dos conjuntos convexos considerados.
Data: Segunda-feira, 07 de Novembro , 14h
Local: Auditório Airton Silva, Departamento de Matemática – MTM /CFM
Maiores informações: http://mtm.ufsc.br/~maicon/seminar
E. Krukoski
Tags:
otimizaçãoProblemas inversosRoger BehlingSeminario
Seminário de Otimização & Problemas Inversos
Título: A two-phase rank-based algorithm for low-rank matrix completion
Palestrante: Douglas S. Gonçalves (UFSC)
Resumo: Matrix completion aims to recover an unknown low-rank matrix from a small subset of its entries. In many applications, the rank of the unknown target matrix is known in advance. In this paper, first, we revisit a recently proposed rank-based heuristic for “known- rank” matrix completion and establish a condition under which the generated sequence is quasi-Fejér convergent to the solution set. Then, by including an acceleration mechanism similar to Nesterov’s acceleration, we obtain a new heuristic. Even though the convergence of this new heuristic cannot be granted in general, it turns out that it can be very useful as a warm-start phase (phase one), providing a suitable estimate for the regularization parameter and a good starting point to an accelerated proximal gradient algorithm (phase two) aimed to solve a nuclear-norm regularized problem. Numerical experiments with both synthetic and real data show that the resulting two-phase rank-based algorithm can recover low-rank matrices, with relatively high precision, faster than other well-established matrix completion algorithms.
Data: Segunda-feira, 24 de Outubro de 2022 , 14h
Local: Auditório Airton Silva, Departamento de Matemática / CFM
Maiores informações: http://mtm.ufsc.br/~maicon/seminar
E. Krukoski
Tags:
otimizaçãoProblemas inversosSeminario