Seminários de Otimização – 11/05/2018 10h:30m

10/05/2018 19:17

Seminários de Otimização

Método de ponto proximal do tipo inercial

Expositor: Raul Tintaya Marcavillaca (UFSC)

Resumo: Nesta Palestra pretendo apresentar um metodo ponto proximal do tipo inercial para problemas de inclusao monótono. Uma motivação, vem de que embora os metodos de de pimeira ordem sejam relativamente fácies de implemementar, geralmente as taxas de convergencia são lentas. Em contrapartida, os métodos de segunda orden (que são as que apresentaremos) possuem propriedades de convergencia rápida.

Data: Sexta-feira, 11 de maio às 10h30m
Local: Auditório Airton Silva, sala MTM007 do Departamento de Matemática.

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

 

E. Krukoski

 

Tags: convergencia rápidainclusao monótonootimizaçãoponto proximal

Seminários de Otimização – 04/05/2018 10h:30m

03/05/2018 17:25

Seminários de Otimização

O algoritmo de Douglas-Rachford (parte II)

Expositor: Maicon Marques Alves (UFSC)

Resumo:  Pretendo apresentar alguns dos principais aspectos da convergência  do método de Douglas-Rachford e discutir possíveis aplicações em problemas de otimização convexa e inclusões para operadores monótonos.

Data: Sexta-feira, 04 de maio às 10h30m
Local: Auditório Airton Silva, sala MTM007 do Departamento de Matemática.

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

E. Krukoski
Tags: algoritmoconvergênciaDouglas-Rachfordotimização

Seminários de Otimização – 27/04/2018 10h30m

27/04/2018 10:18

Seminários de Otimização

O algoritmo de Douglas-Rachford

Expositor: Maicon Marques Alves (UFSC)

Resumo:  Pretendo apresentar alguns dos principais aspectos da convergência  do método de Douglas-Rachford e discutir possíveis aplicações em problemas de otimização convexa e inclusões para operadores monótonos.

Data: Sexta-feira, 27 de abril, 10h30m
Local: Auditório Airton Silva, sala MTM007 do Departamento de Matemática.

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

E. Krukoski
Tags: algoritmoDouglas-RachfordotimizaçãoSeminários

Seminários de Otimização – 20/04/2018 10h:30m

19/04/2018 18:29

Seminários de Otimização

Introdução à Programação Semidefinida (Parte 2: Dualidade, condições de otimalidade e métodos de pontos interiores)

Expositor: Douglas S. Gonçalves (UFSC)

Resumo: Continuando o seminário anterior, vamos estudar a teoria de dualidade e condições de otimalidade em problemas de programação semidefinida. A seguir, discutiremos sobre métodos de pontos interiores do tipo primal-dual seguidor de caminhos e alguns de seus aspectos teóricos e práticos.

Data: Sexta-feira, 20 de abril, 10h30m
Local: Auditório Airton Silva, sala MTM007 do Departamento de Matemática.

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

E. Krukoski
Tags: métodos de pontos interioresotimização

Seminários de Otimização – 13/04/2018 10h:30m

12/04/2018 09:47

Seminários de Otimização

Introdução à Programação Semidefinida (Parte 1: conceitos básicos e aplicações)

Expositor: Douglas S. Gonçalves (UFSC)

Resumo: O problema de programação semidefinida consiste em minimizar um funcional linear
sobre a intersecção de uma variedade afim com o cone das matrizes simétricas positivas semidefinidas.
Este problema tem atraído a atenção de muitos pesquisadores nas últimas décadas, sobretudo por
encontrar aplicações em diversas áreas como engenharia, otimização robusta, otimização
combinatória, mecânica quântica, entre outras.
Nesta palestra  apresentarei os elementos básicos da teoria e alguns exemplos de aplicações.

Data: Sexta-feira, 13 de abril, 10h30m
Local: Auditório Airton Silva, sala MTM007 do Departamento de Matemática.

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

E. Krukoski
Tags: matrizesminimizar um funcional linearotimizaçãopositivasProgramação SemidefinidasemidefinidasSemináriossimétricas

Seminários em Análise Convexa e Otimização – 01/12/2017 10h:30m

30/11/2017 19:43

Seminários em Análise Convexa e Otimização
Otimização Não-Linear na Linguagem Julia
Expositor: Abel Siqueira (UFPR)

Resumo: Nesta palestra apresentarei a linguagem de programação Julia, que vem ganhando bastante espaço na computação científica, e falarei especificamente de seu uso na otimização. Falarei sobre a organização JuliaSmoothOptimizers, de que faço parte, mostrando as ferramentas que permitem a escrita de códigos eficientes de maneira prática.

Dia/Hora: Sexta-feira, 01 de dezembro, 10h:30m
Local: Auditório Airton Silva, Sala MTM007 do Departamento de Matemática.

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

E. Krukoski
Tags: Análise ConvexaLinguagem Juliaotimização

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

09/11/2017 16:25

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 (parte II)

Expositor: Samara Costa Lima (UFSC)

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

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

Maiores informações: <AQUI>

E. Krukoski
Tags: Análise ConvexaDecompositionmonotone operatorotimizaçãoSeminários

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 – 25/08/2017 10h30m

23/08/2017 18:11

Seminários em Análise Convexa e Otimização

Sobre a decomposição matricial em componentes esparsa e de posto pequeno: estratégias para resolução e aplicações

Expositor: Sandra A. Santos (UNICAMP)

Resumo: Este trabalho trata do problema de decompor uma dada matriz em duas componentes, uma esparsa e outra de posto pequeno.
A necessidade deste tipo de decomposição aparece no contexto aplicado de câmeras de vigilância, reconhecimento facial e indexação semântica latente, por exemplo.
Pode ser modelado como um problema de otimização não suave em que a função objetivo é uma combinação ponderada entre a norma um da componente esparsa e a
norma nuclear da componente de posto pequeno, sujeita a que a soma das duas componentes seja a matriz dada.
Propusemos duas abordagens distintas para resolver a reformulação irrestrita do problema.
A primeira envolve a suavização dos dois termos da função objetivo e o uso de uma estratégia quase-Newton com memória limitada,
combinada com um ajuste homotópico do parâmetro que controla a suavização.
A segunda consiste na suavização do termo com a norma um, em conjunto com uma estratégia proximal para o termo da norma nuclear.
Experimentos numéricos comparativos ilustram e contextualizam a empregabilidade das duas abordagens.
Foi desenvolvido em colaboração com estudante de doutorado Ivan X. M. Nascimento e os pesquisadores Jon Lee, Marcia H. Fampa e Paulo J. S. Silva.

Dia/Hora: Sexta-feira, 25-08-2017 às 10h:30m
Local: Auditório da Matemática, sala MTM007 do Departamento de Matemática.

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

 

E. Krukoski
Tags: Análise Convexaotimização