Métodos de lagrangiano aumentado basados en funciones de penalidad no cuadráticas

El proceso del método de Lagrangiano Aumentado genera una sucesión de iteraciones donde cada una de estas es la solución aproximada de un subproblema que involucra una función Lagrangiana Aumentada. El estudio de la convergencia global de este método depende fuertemente de la información utilizada p...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Sánchez, María Daniela
Otros Autores:	Schuverdt, M. L.
Formato:	Tesis Tesis de doctorado
Lenguaje:	Español
Publicado:	2017
Materias:	Matemática lagrangiano aumentado convergencia global condiciones de optimalidad penalidad no cuadrática
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/65191 https://doi.org/10.35537/10915/65191
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-65191
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Matemática lagrangiano aumentado convergencia global condiciones de optimalidad penalidad no cuadrática
spellingShingle	Matemática lagrangiano aumentado convergencia global condiciones de optimalidad penalidad no cuadrática Sánchez, María Daniela Métodos de lagrangiano aumentado basados en funciones de penalidad no cuadráticas
topic_facet	Matemática lagrangiano aumentado convergencia global condiciones de optimalidad penalidad no cuadrática
description	El proceso del método de Lagrangiano Aumentado genera una sucesión de iteraciones donde cada una de estas es la solución aproximada de un subproblema que involucra una función Lagrangiana Aumentada. El estudio de la convergencia global de este método depende fuertemente de la información utilizada para resolver el subproblema. Cuando se usa información de las primeras derivadas para resolver el subproblema, bajo condiciones de calidad apropiadas, se puede demostrar la convergencia a puntos que satisfacen las condiciones de Karush-Kuhn-Tucker (puntos KKT). Cuando se utiliza información tanto de las primeras como de las segundas derivadas, se demuestra la convergencia, bajo condiciones de calidad adecuadas, a puntos KKT que verifican además una condición de optimalidad de segundo orden. El estudio de condiciones de calidad y condiciones de calidad secuenciales han crecido de manera notoria en los últimos tiempos. La condición más débil que encontramos en la literatura, considerando el método de Lagrangiano Aumentado, involucra la función de penalidad cuadrática. El propósito de este trabajo es estudiar la convergencia global del algoritmo de Lagrangiano Aumentado que considera funciones de penalidad no cuadráticas. Analizamos la convergencia del algoritmo propuesto a puntos que satisfacen las condiciones KKT y, también, la condición de optimalidad necesaria de segundo orden débil. El esquema de generación de las funciones de penalidad Lagrangianas incluye, por ejemplo, la función de penalidad exponencial y la barrera logarítmica sin utilizar hipótesis de convexidad. Para la función de penalidad exponencial, la acotación del parámetro de penalidad es probada utilizando condiciones clásicas.
author2	Schuverdt, M. L.
author_facet	Schuverdt, M. L. Sánchez, María Daniela
format	Tesis Tesis de doctorado
author	Sánchez, María Daniela
author_sort	Sánchez, María Daniela
title	Métodos de lagrangiano aumentado basados en funciones de penalidad no cuadráticas
title_short	Métodos de lagrangiano aumentado basados en funciones de penalidad no cuadráticas
title_full	Métodos de lagrangiano aumentado basados en funciones de penalidad no cuadráticas
title_fullStr	Métodos de lagrangiano aumentado basados en funciones de penalidad no cuadráticas
title_full_unstemmed	Métodos de lagrangiano aumentado basados en funciones de penalidad no cuadráticas
title_sort	métodos de lagrangiano aumentado basados en funciones de penalidad no cuadráticas
publishDate	2017
url	http://sedici.unlp.edu.ar/handle/10915/65191 https://doi.org/10.35537/10915/65191
work_keys_str_mv	AT sanchezmariadaniela metodosdelagrangianoaumentadobasadosenfuncionesdepenalidadnocuadraticas
bdutipo_str	Repositorios
_version_	1764820480246677505

Métodos de lagrangiano aumentado basados en funciones de penalidad no cuadráticas

Ejemplares similares