Seminários em Análise Convexa e Otimização
Inexact Dual Dynamic Programming
Vincent Guigues (EMAp/FGV-Rio)
Resumo: We introduce an extension of the Dual Dynamic Programming method to solve convex optimization problems.
We call Inexact DDP (IDDP) this extension which applies to situations where all primal and dual subproblems are solved with a bounded error. We also study the convergence of this inexact variant of DDP.
As a by-product, our analysis provides descriptions of the epsilon-subdifferential of the value function of a convex problem when the corresponding primal and dual problems are solved approximately.
The algorithm and convergence analysis can be extended to the stochastic case.
Maiores informações: www.mtm.ufsc.br/~maicon/seminar
Data – Hora: 01/12/2017 – 14h00m
Local: Sala 202 do Departamento de Matemática
E. Krukoski
Tags:
Análise ConvexaDual Dynamic ProgrammingotimizaçãoSeminários
Seminários em Análise Convexa e Otimização
Métodos mistos para problemas inversos em espaços de Banach
Fabio Margotti
Universidade Federal de Santa Catarina
Resumo:
Dia – Hora: Quinta-feira, 03 de novembro, 14h00min
Local: Sala 202 do Departamento de Matemática – UFSC
E. Krukoski
Tags:
Análise Convexaespaços de Banachotimização
Seminário em Análise Convexa e Otimização
Iteration-complexity of a proximal alternating direction method of multipliers (ADMM)
Max Leandro Nobre Gonçalves (IME-UFG)
Data – Hora: HOJE! 27/10/2016 – 14h00min
Local: Sala 202 do Departamento de Matemática – CFM/UFSC
LINK
E. Krukoski
Tags:
ADMMAnálise ConvexaIteration-complexityMatemáticaotimização
Seminários em Análise Convexa e Otimização
Convergência global de algoritmos de descida (Parte II)
Douglas S. Gonçalves
Universidade Federal de Santa Catarina
Resumo: Discutiremos os aspectos teóricos da convergência global de algoritmos de minimização baseados em direções de descida e busca linear. Além das condições clássicas de Armijo, proporcionalidade e ângulo, apresentaremos condições alternativas que asseguram a estacionariedade de pontos limite de sequências geradas por tais algoritmos.
A teoria apresentada aplica-se não apenas a algoritmos para minimização irrestrita mas também a algoritmos de minimização sobre um convexo como gradiente condicional e gradiente projetado.
Dia – Hora: 20/10/2016 – 14:00 horas
Local: Sala 202 do Departamento de Matemática
E. Krukoski
Tags:
algorítmosAnálise ConvexaArmijootimização
Seminário em Análise Convexa e Otimização
Convergência global de algoritmos de descida (Parte I)
Douglas S. Gonçalves
Universidade Federal de Santa Catarina
Resumo: Discutiremos os aspectos teóricos da convergência global de algoritmos de minimização baseados em direções de descida e busca linear.
Além das condições clássicas de Armijo, proporcionalidade e ângulo, apresentaremos condições alternativas que asseguram a estacionariedade de pontos limite de sequências geradas por tais algoritmos. A teoria apresentada aplica-se não apenas a algoritmos para minimização irrestrita
mas também a algoritmos de minimização sobre um convexo como gradiente condicional e gradiente projetado.
Dia – Hora: 06/10/2016 – 14:00 horas
Local: Sala 202 do Departamento de Matemática – UFSC
<Maiores detalhes aqui>
E. Krukoski
Tags:
algoritmos de minimizaçãoAnálise ConvexaArmijootimização
Seminários em Análise Convexa e Otimização
O Método das Inversas Parciais de Spingarn para Operadores Monótonos (Parte II)
Samara Costa Lima
Universidade Federal de Santa Catarina
Resumo: Sejam A e B dois subespaços multualmente complementares de um espaço de Hilbert H e T um operador monótono maximal em H. O método das inversas parciais, introduzido por J. Spingarn em 1983, é um método iterativo para encontrar x \in A e u \in B tais que u \in Tx. Neste seminário, será apresentado o método das inversas parciais bem como uma versão inexata deste método.
Data – Hora: Quinta-feira, 22 de setembro, 14h
Local: Sala 202, MTM
E. Krukoski
Tags:
Análise ConvexaHilbertInversas Parciais de SpingarnMétodoOperadores Monótonosotimizaçãosubespaços
Seminário em Análise Convexa e Otimização
O Método das Inversas Parciais de Spingarn para Operadores Monótonos (Parte I)
Samara Costa Lima – Doutoranda Pós-MTM/UFSC
Resumo: Sejam A e B dois subespaços multualmente complementares de um espaço de Hilbert H e T um operador monótono maximal em H. O método das inversas parciais, introduzido por J. Spingarn em 1983, é um método iterativo para encontrar x \in A e u \in B tais que u \in Tx. Neste seminário, será apresentado o método das inversas parciais bem como uma versão inexata deste método.
Data – Horário: 15 de setembro – 14:00 h
Local: Sala 202, MTM
E. Krukoski
Tags:
Análise Convexaespaço de HilbertInversas ParciaisMonótonosOperadoresotimizaçãoSpingarnsubespaços
Seminário em Análise Convexa e Otimização
Operadores Monótonos Maximais e o Método de Ponto Proximal (Parte II)
Maicon Marques Alves – MTM CFM/UFSC
Resumo: Pretendo apresentar e discutir alguns aspectos da teoria dos operadores monótonos maximais e suas potenciais aplicações em otimização, enfatizando o papel do método de ponto proximal.
Data – Hora: Quinta-feira, 01 de setembro de 2016 – 14:00h
Local: Sala 202, MTM
E. Krukoski
Tags:
Análise ConvexaMaximaismonótonos maximaisOperadores MonótonosotimizaçãoSeminario
Seminário em Análise Convexa e Otimização
Operadores Monótonos Maximais e o Método de Ponto Proximal (Parte I)
Expositor: Maicon Marques Alves
Resumo: Pretendo apresentar e discutir alguns aspectos da teoria dos operadores monótonos maximais e suas potenciais aplicações em otimização, enfatizando o papel do método de ponto proximal.
Data: Quinta-feira, 25 de agosto, 14h Local: Sala 202, do Departamento de Matemática
Maiores informações: www.mtm.ufsc.br/~maicon/seminar
E. Krukoski
Tags:
Análise ConvexaMaximaisMétodoMonótonosOperadoresotimizaçãoPontoProximal
Seminário em Análise Convexa e Otimização
Unificando a analise de convergência local do método de Newton para equações generalizadas fortemente regulares
Prof. Dr. Orizon P. Ferreira – IME/UFG
Dia – Hora: 29/06/2016 – 10:30
Local: Sala 202 do Departamento de Matemática – CFM/UFSC
Maiores informações
E. Krukoski
Tags:
Análise Convexa e Otimizaçãoanalise de convergênciamétodo de Newtonotimização