Propriedades de convergência de um método PQS estabilizado para problemas matemáticos com condições de equilíbrio

Abstract

Resumo: Problemas de Otimização com Condições de Equilíbrio (MPEC) possuem a particularidade de não satisfazer as condições de qualificação usuais para problemas de otimização não linear. Isto representa uma dificuldade ao tentar resolver problemas MPEC com estes métodos. Recentemente, considerando a condição de qualificação MPEC-LICQ, uma adaptação para problemas MPEC da condição de qualificação de independência linear (LICQ) usual, Izmailov, Solodov e Uskov provaram que métodos baseados em Lagrangiano Aumentado de primeira ordem, convergem a pontos C-estacionários, que são mais fracos que pontos KKT. Posteriormente Andreani, Secchin e Silva melhoraram o resultado, mostrando que quando se consideram métodos baseados em Lagrangiano Aumentado de segunda ordem pode-se garantir convergência a pontos pelo menos M-estacionários, condição mais forte que C-estacionariedade, porém também mais fraca que KKT. Além disso mostraram também que considerando a condição MPECRCPLD, mais fraca que MPEC-LICQ, e que certa sequência dos multiplicadores é limitada tem-se convergência a pontos S-estacionários, que são equivalentes a KKT. Neste trabalho mostramos que estes resultados não são exclusivos do método de Lagrangiano Aumentado. Apresentamos um método baseado em PQS estabilizada de segunda ordem que pode ser aplicado a problemas MPEC, obtendo resultados equivalentes. Assim, mostramos que quando se considera MPEC-LICQ, o método PQS estabilizado também garante convergência a pontos M-estacionérios. Além disso mostramos que considerando MPEC-RCPLD e uma propriedade de limitação vinculada ao multiplicador da restrição de complementaridade também temos convergência a pontos S-estacionários. Testes numéricos são feitos para validar os resultados teóricos. Palavras-chave: Problemas de Otimização com Condições de Equilíbrio. Programação não linear. Otimização com restrições. Programação Quadrática Sequencial Estabilizada. M-estacionariedade.

Abstract: Mathematical Programs with Equilibrium Constraints (MPEC) have the particularity do not satisfy the usual constraint qualifications for standard nonlinear optimization. This represents a difficulty in attempting to solve MPEC problems with the usual nonlinear optimization methods. Recently, considering the MPEC-LICQ constraint qualification, an adaptation to MPEC problems of the usual linear independence constraint qualification (LICQ), Izmailov, Solodov and Uskov proved that first order augmented Lagrangian methods converge to C-stationary points, which are weaker than KKT points. Later on Andreani, Secchin and Silva improved this result, showing that when considering second order augmented Lagrangian methods, it can be guaranteed convergence to at least M-stationary points, which are stronger than C-stationary, but still weaker than KKT. In addition, they also showed that considering the MPEC-RCPLD constraint qualification, which is weaker than MPEC-LICQ, and assuming that a certain multiplier sequence is bounded, it can be proved the convergence to S-stationary points, which are equivalent to KKT. In this work we show that these results are not exclusive of the Augmented Lagrangian method. We provide a method based on second order stabilized Sequential Quadratic Programming, which can be applied to MPEC problems, achieving equivalent results. Thus we show that when MPEC-LICQ is considered, the stabilized SQP method also guarantees convergence to M-stationary points. Moreover, we show that considering MPEC-RCPLD and a boundedness property related to the complementarity constraint multiplier, the method also has convergence to S-stationary points. Numerical tests were performed to validate the theoretical results. Keywords: Mathematical Programs with Equilibrium Constraints. Nonlinear programming. Constrained optimization. stabilized Sequential