Sobre minimização de quadraticas em caixas

• Main Author: Lammoglia, Bruna
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 2007
• Subjects: Otimização; Algoritmos; Programação não-linear; Optimization; Algorithms; Non-linear programming
• Online Access: LAMMOGLIA, Bruna. Sobre minimização de quadraticas em caixas. 2007. 66p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/306045>. Acesso em: 9 ago. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/306045

Orientador: Maria Aparecida Diniz Ehrhardt === Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica === Made available in DSpace on 2018-08-10T01:30:21Z (GMT). No. of bitstreams: 1 Lammoglia_Bruna_M.pdf: 679586 bytes, checksum: 221fa89afc7d9f594781baed1dfe6b0e (MD5) Previous issue date: 2007 === Resumo: Neste trabalho o objetivo principal foi a minimização de quadráticas em caixas. Dissertamos sobre os métodos de máxima descida e dos gradientes conjugados, bem como sobre um método mais recente denominado gradiente espectral. O GENCAN, um algoritmo que minimiza funções em caixas, foi estudado em detalhe, particularmente avaliando sua aplicação para quadráticas. O objetivo foi analisar o desempenho do GENCAN, comparado com algoritmos anteriores, como o LANCELOT e o QUACAN. Foram executados experimentos numéricos a fim de avaliar o desempenho das versões de GENCAN sem e com pré-condicionamento. Concluiu-se que pré-condicionar o método dos gradientes conjugados neste caso tornou o GENCAN mais robusto. No entanto, o pré-condicionador usado neste software mostrou-se computacionalmente caro. Em relação à comparação do GENCAN, LANCELOT e QUACÁN, podemos afirmar que o GENCAN. mostrou-se competitivo === Abstract: The focus of this work was the minimization of quadratic functions with box constraints. We were mainly concerned about the steepest descent and conjugated gradient methods, besides a more recent approach called spectral gradient method. The GENCAN, an algorithm that minimizes functions on a box, was studied in details particularly evaluating this algorithm applied to quadratics. The objective was to analyze the efficiency of GENCAN, comparing it to classical algorithms, such as LANCELOT and QUACAN. We executed numerical experiments in order to investigate the efficiency of GENCAN version with and without preconditioning. Evaluating the results we concluded that preconditioning the conjugated gradient method makes the GENCAN work considerably better; despite the fact that the preconditioner used here turned the computational process more expensive. Comparing GENCA'N, LANCELOT, and QUACAN we can state that GENCAN is competitive === Mestrado === Otimização === Mestre em Matemática Aplicada