Informações

Sigla: CM114
Nome: Métodos Computacionais de Otimização
Local: PC13 - LAMIND
Horário: 19h00 Segunda e Quarta

Notas

  • Notas (Última atualização 17/12 às 10:22)

Mini-TCC - Página do Evento

30% da nota da disciplina será do mini-tcc. Posteriormente colocarei o cronograma aqui. Por enquanto, segue o modelo. Não serão aceitos trabalhos que não tenham sido feitos em LaTeX. Na dúvida, use o modelo. Você pode subir o modelo para o Sharelatex e trabalhar de lá. O arquivo está em .tar.gz, que o 7zip, entre outros, deve conseguir abrir.

Ementa

Implementação e análise dos seguintes métodos: Gradiente Conjugado, Newton, BFGS, Região de Confiança e Lagrangeano Aumentado.

Programa

Estudaremos alguns aspectos de precisão do computadores e convergência computacional. Estudaremos a linguagem Julia, onde faremos a maior parte de nossos projetos. Implementaremos os métodos propostos e faremos comparações deles em vários aspectos. Utilizaremos a biblioteca CUTEst.

Notas de aula (em IJulia)

** ATENÇAO: As aulas estarão desatualizadas, e alguns links devem estar quebrados. Verifique as aulas mais atuais. **

Para ver estas aulas você pode ir online em JuliaBox, ou instalar o Jupyter e o IJulia.

Projetos

Cronograma:

  • 23 de Novembro - Segunda feira - 19h00

    André Andriolli Buhler - Métodos sem derivada

    Irineu Burda Jr. - Método dos Gradientes Conjugados

    Jeobara Zak Zacheski - Análise sobre como a distribuição dos autovalores da matriz Hessiana de uma função quadrática interfere na performance do método do gradiente.

  • 25 de Novembro - Quarta feira - 19h00

    Leticia Krebsbach - Otimização global baseado em pesquisas locais

    Alisson Segatto de Souza - Teoria, método e aplicação de otimização multiobjetivo

    Francine Luise Milian Ribas - Região de confiança - Steihaug

  • 30 de Novembro - Segunda feira - 19h00

    André Luiz Correa Vianna Filho - Região de confiança

    Egmara Antunes dos Santos - Quadrados mínimos não-lineares

    Felipe Rodrigues Magalhães - Problema de restrição de caixa usando o método do gradiente espectral projetado (SPG)

  • 02 de Dezembro - Quarta feira - 19h00

    Oksana Heringer da Silva - Métodos de penalidade

    Patrick Krezanovsky - Métodos de Filtro

    Adrean de Oliveira Cebola - SNOPT - Programação Quadrática Sequencial (SQP)

  • 07/12: Adrean, Jonivan

    Jonivan Carlos de Oliveira - A determinar

    Adriana Alves Fressato - Métodos de Pontos Interiores para o problema não linear

Exercícios

Lista de exercícios. Última atualização: 8 de Agosto de 2015, 17:30

Lista de exercícios para entregar

Avaliação

Faremos vários projetos computacionais, cuja média formará 70% da nota final, e um projeto grande valendo 30% da nota.

Bibliografia

  • Otimização Contínua: Aspectos Teóricos e Computacionais. Ademir A. Ribeiro e Elizabeth W. Karas. São Paulo: Cengage Learning, 2013.
  • Numerical Optimization. Jorge Nocedal e Stephen J. Wright. Springer, 2006.
  • Matrix Computations. Gene H. Golub e Charles F. Van Loan. Johns Hopkins University Press, 3a edição, 1996
  • Linear and Nonlinear Programming. David G. Luenberger e Yinyu Ye. Springer, 3a edição, 2008