Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Instituto de Ciências Matemáticas e de Computação
 
Matemática Aplicada e Estatística
 
Disciplina: SME0212 - Otimização Não Linear
Non-linear Optimization

Créditos Aula: 4
Créditos Trabalho: 2
Carga Horária Total: 120 h
Tipo: Semestral
Ativação: 01/01/2011 Desativação:

Objetivos
Capacitar o aluno a perceber, formular e resolver problemas de otimização não linear.
 
The aim of this course is to enable students to understand, to formulate and to solve non-linear optimization problems.
 
 
Programa Resumido
Otimização Irrestrita: condições de otimalidade e métodos para otimização sem restrições. Otimização com restrições: métodos para restrições "simples" (caixas e poliedros), condições de otimalidade de Karush-Kuhn-Tucker. Métodos de pontos interiores. Lagrangianos aumentados.
 
Unconstrained optimization: optimality conditions and methods for unconstrained optimization. Constrained optimization: methods for bound-constrained optimization and linearly constrainted optimization, Karush-Kuhn-Tucker conditions. Interior point methods. Augmented Lagrangian methods.
 
 
Programa
Otimização Irrestrita: condições de otimalidade e métodos para otimização sem restrições. Otimização com restrições: métodos para restrições "simples" (caixas e poliedros), condições de otimalidade de Karush-Kuhn-Tucker. Métodos de pontos interiores. Lagrangianos aumentados.
 
Unconstrained optimization: optimality conditions and methods for unconstrained optimization. Constrained optimization: methods for bound-constrained optimization and linearly constrained optimization (bounds and linear constraints), Karush-Kuhn-Tucker conditions. Interior point methods. Augmented Lagrangian methods.
 
 
Avaliação
     
Método
Exposição seguida de exercícios e trabalhos.
Critério
Serão atribuídas notas a provas e/ou trabalhos. A nota final será calculada pela média ponderada das notas obtidas pelo aluno no decorrer do semestre.
Norma de Recuperação
Número de provas: no mínimo uma (01) e no máximo duas (02) provas.
Critério de aprovação: a nota final (MF) do aluno que realizou provas de recuperação dependerá da média do semestre (MS) e da média das provas de recuperação (MR), como segue:
• MF = 5 se 5 <= MR <= (10 - MS)
• MF = (MS + MR) / 2 se MR > (10 - MS)
• MF = MS se MR< 5
 
Bibliografia
     
Livro Texto:
D.P. Bertsekas, Non Linear Programming, Athena Scientific, 2003.
J. Nocedal e S. J. Wright, Numerical Optimization, Springer, 2006.
A.Friedlander, Elementos de Programação Não Linear, Editora da Unicamp 1994.



Bibliografia Complementar
J.M.Martínez e S.A.Santos, Métodos Computacionais de Otimização, Colóquio de Matemática, IMPA, 1995.
D.G.Luenberger, Introduction to Linear and Nonlinear Programming, Addison-Wesley, 1984.
M.S.Bazaraa, H.D.Sherali e C.M.Shetty, Nonlinear Programming: Theory and Algorithms, John Willey & Sons, 1993.
P.J. Gill, W. Murray e M.H. Wright, Practical Optimization, Academic Press, 1981.
G.H. Golub e C.F. Van Loan, Matrix Computations, Johns Hopkins University Press, 1989.
R. Fletcher, Practical Methods of Optimization, John Wiley, 2007.
 

Clique para consultar os requisitos para SME0212

Clique para consultar o oferecimento para SME0212

Créditos | Fale conosco
© 1999 - 2022 - Superintendência de Tecnologia da Informação/USP