Algunas aplicaciones y extensión del método del subgradiente

dc.contributor.advisorNúñez Lay, Tomás Alberto
dc.contributor.authorNavarro Rojas, Frank
dc.date.accessioned2016-03-03T20:29:25Z
dc.date.available2016-03-03T20:29:25Z
dc.date.issued2013
dc.description.abstractEl objetivo de este trabajo es hacer un estudio del método subgradiente, que es un método usado para la minimización de funciones convexas no necesariamente diferenciables. Presentamos el método para el caso con restricciones como para el caso irrestricto, presentamos resultados de convergencia para los diferentes tamaños de pasos más usados y estudiamos variantes para las dificultades que pueden acontecer en el método También estudiamos un algoritmo para resolver desigualdades variacionales definidas por un operador monótono e un conjunto convexo y cerrado, se prueba un resultado de convergencia asumiendo que el operador es monótono maximal y paramonotono. Y por ultimo extendemos el algoritmo del subgradiente para el caso de funciones cuasiconvexas asumiendo la condición de ser Holder sobre el conjunto optimal, probando que la sucesión generada converge a un punto óptimo. PALABRAS CLAVES: Método del Subgradiente, Análisis no diferenciable, Desigualdades variacionales, Analisis convexo, Métodos para optimización no diferenciable
dc.description.abstract--- The objective of this work is to study the subgradient method, which is a method used to minimize not necessarily differentiable convex functions. We present a method for the case restricted to the unrestricted case, we present results of convergence for the different sizes of commonly used steps and study alternatives for the difficulties that may occur in the method Also study an algorithm for solving variational inequalities defined by a monotone operator and a convex closed set, a result of convergence assuming that the operator is monotone and maximal paramonotono is tested. And finally the algorithm Subgradient is extend to the case of functions cuasiconvexas assuming the condition of being Holder on the optimal set, proving that the generated sequence converges to an optimal point. KEYWORDS: Subgradient Method,Analysis not differentiable, Variational inequalities, Convex analysis, Methods for optimization not differentiable
dc.description.uriTesis
dc.identifier.urihttps://hdl.handle.net/20.500.12672/4580
dc.language.isospa
dc.publisherUniversidad Nacional Mayor de San Marcos
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.sourceRepositorio de Tesis - UNMSM
dc.sourceUniversidad Nacional Mayor de San Marcos
dc.subjectMétodo del Subgradiente
dc.subjectDesigualdades variacionales
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.01.00
dc.titleAlgunas aplicaciones y extensión del método del subgradiente
dc.typeinfo:eu-repo/semantics/masterThesis
renati.advisor.dni10424610
renati.levelhttps://purl.org/pe-repo/renati/level#maestro
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineMatemática Aplicada con mención en Matemática Computacional
thesis.degree.grantorUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Unidad de Posgrado
thesis.degree.nameMagíster en Matemática Aplicada con mención en Matemática Computacional

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Navarro_rf.pdf
Size:
2.23 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: