Conditional gradient methods for multiobjective optimization
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Publikationsdatum: | 2021 |
| Format: | Doctoral thesis |
| Sprache: | eng |
| Quelle: | Repositório Institucional da UFG |
| Download full: | http://repositorio.bc.ufg.br/tede/handle/tede/12772 |
Zusammenfassung: | Neste trabalho, analisamos o método do gradiente condicional, também conhecido como método de Frank-Wolfe, para resolver problemas de otimização multiobjetivo restrita. Também propomos e analisamos uma versão generalizada deste método para resolver problemas de otimização composta multiobjetivo que consistem em minimizar simultaneamente várias funções objetivo. Cada função objetiva é a soma de duas funções, uma é considerada continuamente diferenciável e a outra não é necessariamente diferenciável. Ambos os métodos são analisados com três estratégias de obtenção dos tamanhos dos passos, a saber: tipo Armijo, adaptativos e tamanhos decrescentes dos passos. Propriedades de convergência assintótica e limites de complexidade de iteração com e sem suposições de convexidade na função objetivo são estabelecidas. Experimentos numéricos para o método do gradiente condicional são fornecidos para ilustrar a eficácia do método e certificar os resultados teóricos obtidos. |
Ähnliche Einträge: Conditional gradient methods for multiobjective optimization
- Newton-type and conjugate gradient methods for vector optimization
- Subgradient and gradient methods with feasible inexact projections for constrained convex optimization problems
- A variante de Barzilai-Borwein do método gradiente
- Método do gradiente para funções convexas generalizadas
- Proximal point methods for multiobjective optimization in riemannian manifolds
- Problemas de Otimização Quase Convexos: Método do Gradiente para Funções Escalares e Vetoriais