%0 Conference Proceedings
%4 sid.inpe.br/mtc-m18/2010/09.28.00.55
%2 sid.inpe.br/mtc-m18/2010/09.28.00.55.10
%T The q-steepest descent method using the q-gradient vector
%D 2010
%A Soterroni, Aline Cristina,
%A Galski, Luiz Roberto,
%A Ramos, Fernando Manuel,
%@affiliation
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%E Rodrigues, Rita de Cássia Meneses,
%E Almeida, Wesley Gomes de,
%E Assis, Talita Oliveira,
%E Chalhoub, Ezzat Selim,
%E Cortivo, Fábio Dall,
%E França, Luis Fernando Amorim,
%E Macau, Elbert Einstein Nehrer,
%E Oliveira, Rudinei Martins de,
%E Pillat, Valdir Gil,
%E Santos, Laurita dos,
%E Serpa, Dalila Ribeiro,
%E Silva, José Demisio Simões da,
%E Silva, Marlon da,
%B Workshop dos Cursos de Computação Aplicada do INPE, 10 (WORCAP).
%C São José dos Campos
%8 20 e 21 out. 2010
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%J São José dos Campos
%S Anais
%1 Instituto Nacional de Pesquisas Espaciais (INPE)
%K q-derivative, q-gradient vector, q-steepest descent method.
%X Neste trabalho nós utilizamos a q-derivada parcial de primeira ordem de uma função de n variáveis para calcular o vetor q-gradiente e tomar a sua direção negativa como a direção de busca em métodos de otimização irrestrita. Nós apresentamos uma q-versão do método da máxima descida denominado método da q-máxima descida. Essa q-versão retorna a sua versão clássica sempre que o parâmetro q, utilizado para calcular o vetor q-gradiente, é igual a 1. Os métodos da máxima descida e da q-máxima descida são aplicados em uma função teste unimodal e uma função teste multimodal. ABSTRACT: In this work we make use of the first-order partial q-derivatives of a function of n variables to calculate the q-gradient vector and take the negative direction as the search direction of unconstrained optimization methods. We present a q-version of the classical steepest descent method called the q-steepest descent method. This q-version is reduced to the classical version whenever the parameter q, that is used to calculate the q-gradient vector, is equal to 1. We applied the classical steepest descent method and the q-steepest descent method to an unimodal and a multimodal test function.
%9 Tecnologia da informação e extração de informações
%@language en
%3 SoterroniAC.pdf