Método do ponto proximal inexato para minimização quase-convexa em variedades de Hadamard

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Cusihuallpa, Nancy Baygorrea
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Rio de Janeiro
Brasil
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Programa de Pós-Graduação em Engenharia de Sistemas e Computação
UFRJ
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/11422/8174
Resumo: In this thesis, we present an inexact proximal point algorithm to solve quasiconvex optimization problems in Riemannian manifolds with non positive sectional curvature, called Hadamard manifolds. Then, we show that under mild hypotheses on the optimization problem, the sequence generated by the proposed method are well defined and converge to critical points of the problem. We also prove that the convergence rate of the ones is linear and superlinear in some cases. Furthermore, by focusing on the importance of applications in economics and localization theory, we extend the proposed algorithm for solving multiobjective quasiconvex optimization problem. Moreover, convergencia of the sequence to a Pareto-Clarke critical point is obtained assuming reasonable hypotheses. Finally, computational experiments were done to validate the proposed model and results found.