Un método de punto proximal escalarizado inexacto para minimización multiobjetivo cuasi-convexa
Se presenta un método de punto proximal escalarizado inexacto para resolver problemas irrestrictos de minimización multiobjetivo cuasiconvexos definidos en espacios Euclidianos, donde las funciones vectoriales son localmente Lipschitz. Bajo algunas hipótesis naturales, se prueba que la sucesión gene...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2018 |
| País: | Perú |
| Institución: | Universidad Nacional Mayor de San Marcos |
| Repositorio: | UNMSM-Tesis |
| Idioma: | español |
| OAI Identifier: | oai:cybertesis.unmsm.edu.pe:20.500.12672/10062 |
| Acceso en línea: | https://hdl.handle.net/20.500.12672/10062 |
| Access Level: | acceso abierto |
| Palabra clave: | Funciones convexas Optimización matemática Computación - Matemáticas https://purl.org/pe-repo/ocde/ford#1.01.02 |
| Sumario: | Se presenta un método de punto proximal escalarizado inexacto para resolver problemas irrestrictos de minimización multiobjetivo cuasiconvexos definidos en espacios Euclidianos, donde las funciones vectoriales son localmente Lipschitz. Bajo algunas hipótesis naturales, se prueba que la sucesión generada por el método está bien definida y converge globalmente. Seguidamente proporcionando al método propuesto dos criterios de error, se obtienen dos variantes del mismo, y se prueba que las sucesiones generadas por cada una de esas variantes, convergen hacia un punto crítico Pareto-Clarke del problema; también se prueba que al dotar a la función vectorial de ciertas condiciones, la tasa de convergencia de uno de estos métodos es lineal y superlineal. Finalmente para validar el método propuesto y los resultados encontrados, se presentan algunos experimentos computacionales. |
|---|