Método subgradiente incremental para otimização convexa não diferenciável

• Ano de defesa: 2014
• Autor(a) principal: Adona, Vando Antônio
• Orientador(a): Melo, Jefferson Divino Gonçalves de
• Banca de defesa: Melo, Jefferson Divino Gonçalves de, Gonçalves, Max Leandro Nobre, Haeser, Gabriel, Ginart, Jorge Barrios
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• 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 (RG)
• País: Brasil
• Palavras-chave em Português: Método subgradiente incremental; Otimização convexa; Otimização não diferenciável; Incremental subgradient method; Convex optimization
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA::MATEMATICA
• Link de acesso: http://repositorio.bc.ufg.br/tede/handle/tede/4367

We consider an optimization problem for which the objective function is the sum of convex functions, not necessarily differentiable. We study a subgradient method that executes the iterations incrementally selecting each component function sequentially and processing the subgradient iteration individually. We analyze different alternatives for choosing the step length, highlighting the convergence properties for each case. We also analyze the incremental model in other methods, considering proximal iteration and combinations of subgradient and proximal iterations. This incremental approach has been very successful when the number of component functions is large.