Algunas aplicaciones y extensión del método del subgradiente

Descripción del Articulo

El 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...

Descripción completa

Detalles Bibliográficos
Autor: Navarro Rojas, Frank
Formato: tesis de maestría
Fecha de Publicación:2013
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:UNMSM-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.unmsm.edu.pe:20.500.12672/4580
Enlace del recurso:https://hdl.handle.net/20.500.12672/4580
Nivel de acceso:acceso abierto
Materia:Método del Subgradiente
Desigualdades variacionales
https://purl.org/pe-repo/ocde/ford#1.01.00
id UNMS_a33dd9e1398e9c82fb60f519e8a76862
oai_identifier_str oai:cybertesis.unmsm.edu.pe:20.500.12672/4580
network_acronym_str UNMS
network_name_str UNMSM-Tesis
repository_id_str 410
dc.title.none.fl_str_mv Algunas aplicaciones y extensión del método del subgradiente
title Algunas aplicaciones y extensión del método del subgradiente
spellingShingle Algunas aplicaciones y extensión del método del subgradiente
Navarro Rojas, Frank
Método del Subgradiente
Desigualdades variacionales
https://purl.org/pe-repo/ocde/ford#1.01.00
title_short Algunas aplicaciones y extensión del método del subgradiente
title_full Algunas aplicaciones y extensión del método del subgradiente
title_fullStr Algunas aplicaciones y extensión del método del subgradiente
title_full_unstemmed Algunas aplicaciones y extensión del método del subgradiente
title_sort Algunas aplicaciones y extensión del método del subgradiente
author Navarro Rojas, Frank
author_facet Navarro Rojas, Frank
author_role author
dc.contributor.advisor.fl_str_mv Núñez Lay, Tomás Alberto
dc.contributor.author.fl_str_mv Navarro Rojas, Frank
dc.subject.none.fl_str_mv Método del Subgradiente
Desigualdades variacionales
topic Método del Subgradiente
Desigualdades variacionales
https://purl.org/pe-repo/ocde/ford#1.01.00
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.01.00
description El 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
publishDate 2013
dc.date.accessioned.none.fl_str_mv 2016-03-03T20:29:25Z
dc.date.available.none.fl_str_mv 2016-03-03T20:29:25Z
dc.date.issued.fl_str_mv 2013
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12672/4580
url https://hdl.handle.net/20.500.12672/4580
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.source.none.fl_str_mv Repositorio de Tesis - UNMSM
Universidad Nacional Mayor de San Marcos
reponame:UNMSM-Tesis
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str UNMSM-Tesis
collection UNMSM-Tesis
bitstream.url.fl_str_mv https://cybertesis.unmsm.edu.pe/bitstreams/34f336e2-b012-446e-aab6-e9e4473f1bc9/download
https://cybertesis.unmsm.edu.pe/bitstreams/750e69d9-d180-4067-965a-417698431fb8/download
https://cybertesis.unmsm.edu.pe/bitstreams/881a4c9c-8d85-414e-a31c-10566e50a38d/download
https://cybertesis.unmsm.edu.pe/bitstreams/3b3ce75e-2e29-4f1a-9de8-684de8be3ca0/download
bitstream.checksum.fl_str_mv 8ad5c6a252ebfa31838ffa22247f8186
8a4605be74aa9ea9d79846c1fba20a33
d54ec8f6d2b0da03eb873300af02dee4
37af6b8b6a47db651b713ebe1425bb7f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Cybertesis UNMSM
repository.mail.fl_str_mv cybertesis@unmsm.edu.pe
_version_ 1844716074143055872
spelling Núñez Lay, Tomás AlbertoNavarro Rojas, Frank2016-03-03T20:29:25Z2016-03-03T20:29:25Z2013https://hdl.handle.net/20.500.12672/4580El 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--- 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 differentiableTesisspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Repositorio de Tesis - UNMSMUniversidad Nacional Mayor de San Marcosreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMMétodo del SubgradienteDesigualdades variacionaleshttps://purl.org/pe-repo/ocde/ford#1.01.00Algunas aplicaciones y extensión del método del subgradienteinfo:eu-repo/semantics/masterThesisSUNEDUMagíster en Matemática Aplicada con mención en Matemática ComputacionalUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Unidad de PosgradoMatemática Aplicada con mención en Matemática Computacional10424610https://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisORIGINALNavarro_rf.pdfNavarro_rf.pdfapplication/pdf2343023https://cybertesis.unmsm.edu.pe/bitstreams/34f336e2-b012-446e-aab6-e9e4473f1bc9/download8ad5c6a252ebfa31838ffa22247f8186MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://cybertesis.unmsm.edu.pe/bitstreams/750e69d9-d180-4067-965a-417698431fb8/download8a4605be74aa9ea9d79846c1fba20a33MD52TEXTNavarro_rf.pdf.txtNavarro_rf.pdf.txtExtracted texttext/plain107572https://cybertesis.unmsm.edu.pe/bitstreams/881a4c9c-8d85-414e-a31c-10566e50a38d/downloadd54ec8f6d2b0da03eb873300af02dee4MD55THUMBNAILNavarro_rf.pdf.jpgNavarro_rf.pdf.jpgGenerated Thumbnailimage/jpeg13322https://cybertesis.unmsm.edu.pe/bitstreams/3b3ce75e-2e29-4f1a-9de8-684de8be3ca0/download37af6b8b6a47db651b713ebe1425bb7fMD5620.500.12672/4580oai:cybertesis.unmsm.edu.pe:20.500.12672/45802024-08-16 00:25:53.613https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.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
score 12.902196
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).