Dado el problema de minimizar una función posiblemente no convexa y no suave en el espacio euclidiano, presentamos un algoritmo abstracto de ϵ-descenso generalizado. Este algoritmo está motivado por la convergencia abstracta de métodos de descenso demostrada en Attouch et al. sección 2 (Math Program Ser A, 137: 91–129, 2013) con una diferencia escencial, consideramos errores escalares en cada aproximación. Como resultado obtenemos, que todo punto de acumulación de las sucesiones generadas por algoritmos que cumplen con las codiciones del algoritmo abstracto son puntos críticos limite generalizados.

Presenta un algoritmo de épsilon-descenso generalizado motivado por el método de descenso abstracto introducido por Attouch et al. [22] con dos adiciones esenciales, dado el problema de minimizar una función posiblemente no convexa y no suave en un espacio real de Hilbert, consideramos errores escalares en la condición de descenso suficiente, así como, en la condición de optimalidad inexacta relativa. Bajo condiciones generales sobre la función a minimizar, obtenemos que todos los puntos de acumulación de las sucesións generadas por el algoritmo, si existen, son puntos límite críticos generalizados de la función objetivo. Y bajo las condiciones de la desigualdad de ε−Kurdyka Lojasiewicz y precompacidad de la función objetivo demostramos convergencia a un punto crítico.