Show simple item record

dc.contributor.advisorPedroso, Lucas Garciapt_BR
dc.contributor.authorDíaz, Leidy Yissedt Larapt_BR
dc.contributor.otherMatioli, Luiz Carlos, 1967-pt_BR
dc.contributor.otherUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Matemáticapt_BR
dc.date.accessioned2017-06-06T15:55:57Z
dc.date.available2017-06-06T15:55:57Z
dc.date.issued2017pt_BR
dc.identifier.urihttp://hdl.handle.net/1884/47427
dc.descriptionOrientador : Dr. Lucas Garcia Pedrosopt_BR
dc.descriptionCoorientador : Dr. Luiz Carlos Matiolipt_BR
dc.descriptionDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Matemática. Defesa: Curitiba, 24/02/2017pt_BR
dc.descriptionInclui referências: f.56-59pt_BR
dc.descriptionÁrea de concentraçãopt_BR
dc.description.abstractResumo: Dentre os métodos para a minimização irrestrita de funções contínuas e diferenciáveis encontramos o Método de Gradientes Conjugados, que é o foco deste trabalho. Revisamos várias das suas versões, que diferem principalmente na escolha do parâmetro Bk da atualização na direção de busca. Além disso, estudamos também as propriedades teóricas dos algoritmos clássicos, como os propostos por Hestenes e Stiefel, Fletcher e Reeves e Polak, Rebi_ere e Polyak. Em seguida, analisamos o método proposto por Dai e Kou em 2013, que utiliza elementos da regra de atualização BFGS para construir as direções de busca, bem como traz melhorias para as condições de Wolfe. Ao final do texto, apresentamos alguns experimentos numéricos para avaliar o desempenho do método de Gradientes Conjugados para algumas escolhas do parâmetro Bk e do critério de busca linear utilizado. Palavras chaves: Otimização irrestrita, Gradientes Conjugados, Critério de Wolfe, Experimentos numéricos.pt_BR
dc.description.abstractAbstract: Among the methods for unconstrained optimization of continually differentiable functions we find the Conjugate Gradient Method, which is the subject of this work. We revise many of its versions, that differ mainly in the choice of the parameter Bk of the search direction update. We also study the theoretical properties of some classical algorithms, such as the ones proposed by Hestenes and Stiefel, Fletcher and Reeves and Polak, Rebi_ere and Polyak. After that, we analyze the method proposed by Dai and Kou in 2013, which uses elements from the BFGS update rule to build the search directions as well as brings some improvements to the Wolfe conditions. At the end of the text, we present some numerical experiments to evaluate the performance of the Conjugate Gradient method for some choices of the parameter Bk and of the linear search criterion used. Keywords: Unconstrained optimization, Conjugate Gradient, Wolfe criteria, Numerical experiments.pt_BR
dc.format.extent59 f. : il.; tabs.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.relationDisponível em formato digitalpt_BR
dc.subjectMatematicapt_BR
dc.titleUm estudo sobre o método de gradientes conjugados para minimização irrestritapt_BR
dc.typeDissertaçãopt_BR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record