Conditional gradient methods for multiobjective optimization

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Assunção Filho, Pedro Bonfim de lattes
Orientador(a): Ferreira, Orizon Pereira lattes
Banca de defesa: Ferreira, Orizon Pereira, Prudente, Leandro da Fonseca, Melo, Jefferson Divino Gonçalves de, Bento, Glaydston de Carvalho, Souza, João Carlos de Oliveira
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Universidade Federal de Goiás
Programa de Pós-Graduação: Programa de Pós-graduação em Matemática (IME)
Departamento: Instituto de Matemática e Estatística - IME (RMG)
País: Brasil
Palavras-chave em Português:
Palavras-chave em Inglês:
Área do conhecimento CNPq:
Link de acesso: http://repositorio.bc.ufg.br/tede/handle/tede/12772
Resumo: 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.