Modelo Geral para Metodos de Descida

R.F.B. Freitas M.R.C. Monte

Faculdade de Ciencias Integradas do Pontal
Universidade Federal de Uberlandia (UFU)
Resumo
Considerando o problema
min f(x) (1)
s.a x
onde f : IR
n
IR e = IR
n
, queremos estudar e caracterizar as direcoes que, a partir de
x IR
n
, fornecem pontos y IR
n
tais que f(y) < f(x) onde f e suposta de classe C
1
em todos
os pontos de seu domnio. Metodos Classicos usados na resolucao de (1), tais como Metodo
do Gradiente e Metodos de Newton sao, em alguns casos, inecientes ou resultam em grande
custo computacional. Restringindo a regiao de descida e fazendo um busca linear dentro dessa
regiao, podemos melhorar os resultados obtidos nos metodos classicos.
Algumas estrategias para restringirmos a regiao de descida nos metodos sao:
(a) Impedir que o algoritmo de passos curtos longe da solucao.
(b) Impedir que o algoritmo de passos longos com pouco decrescimo no valor da funcao.
(c) Impedir direcoes quase ortogonais ao gradiente da funcao.
O algoritmo pode ser resumido nas seguintes etapas: escolhido um ponto inicial
x
0
, observamos se este ponto satisfaz um criterio de parada, que assumiremos como sendo
f(x
k
) < , > 0. Escolhemos uma direcao d
k
que satisfaca algumas condicoes para que
os itens (a) e (c) sejam satisfeitos. Usaremos a Condicao de Armijo para que o item (b) seja
satisfeito.
Com estas restricoes sobre as direcoes de descida a partir de um ponto x IR
n
,
podemos aprimorar os metodos classicos de descida e obter melhores resultados com menos
custo computacional. Se a funcao f for estritamente convexa, este algoritmo tem convergencia
global.
Bolsista PET-Matematica da Faculdade de Ciencias Integradas do Ponta (UFU).
Orientador de Iniciacao Cientca vinculada ao projeto de pesquisa 015 - Edital 04/2011.