Apresentar as principais ferramentas para a resolução de problemas de otimização não linear.
A disciplina aborda o problema de encontrar numericamente um ponto de mínimo para uma função suave restrita a um subconjunto, em geral não convexo, do espaço euclidiano. Este problema encontra aplicações em diversas áreas da ciência.
Introdução: Definições básicas. Existência e unicidade de solução: Resultados em otimização convexa e em conjuntos compactos. Otimização sem restrições: Condições de otimalidade. Métodos de Cauchy, Newton e Quasi-Newton. Globalização: Busca linear. Regiões de confiança. Otimização com restrições de igualdade e desigualdade: Restrições lineares. Métodos de restrições ativas. Condições de otimalidade. Métodos de penalidades.
M. Bazaraa, H. Sherali, C. Shetty, Nonlinear Programming: Theory And Applications, second edition, John Wiley & Sons, Hoboken, NJ, 1993. D. Bertsekas, Nonlinear Programming, Athena Scientific, Belmont, MA, 1999. A. Friedlander, Elementos de Programação Não-Linear, Editora Unicamp, Campinas, SP, 1994. D.G. Luenberger, Y. Ye, Linear and Nonlinear Programming, Springer, New York, NY, 2008. J.M. Martínez, S.A. Santos, Métodos Computacionais de Otimização, IMPA, Rio de Janeiro, RJ,1995. J. Nocedal, S.J. Wright, Numerical Optimization, Springer, New York NY, 2006. A.A. Ribeiro, E.W. Karas, Otimização Contínua - Aspectos Teóricos e Computacionais, Cengage Learning, São Paulo, SP, 2014. M. Solodov, A. Izmailov, Otimização, volume 1, Editora SBM, Rio de Janeiro, RJ, 2007. M. Solodov, A. Izmailov, Otimização, volume 2, Editora SBM, Rio de Janeiro, RJ, 2009.
