Resumen

Introducimos y analizamos un algoritmo híbrido iterativo mediante el método de extragradiente de Korpelevich, el método de aproximación de viscosidad, el método híbrido de descenso más empinado y el enfoque de mapeo promediado para el algoritmo de proyección de gradiente. Se demuestra que bajo suposiciones apropiadas, el algoritmo propuesto converge fuertemente hacia un elemento común del conjunto de puntos fijos de infinitos mapeos no expansivos, el conjunto de soluciones de un número finito de problemas de equilibrio mixto generalizados (GMEPs), el conjunto de soluciones de un número finito de problemas de desigualdad variacional (VIPs), el conjunto de soluciones de un sistema general de desigualdades variacionales (GSVI) y el conjunto de minimizadores de un problema de minimización convexa (CMP), que es simplemente una solución única de una triple desigualdad variacional jerárquica (THVI) en un espacio de Hilbert real. Además, también consideramos la aplicación del algoritmo prop

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Algoritmo híbrido iterativo; Método de extragradiente de Korpelevich; Método de aproximación de viscosidad; Método de descenso más pronunciado; Enfoque de mapeo promediado; Conjunto de puntos fijos
• Keywords:Hybrid iterative algorithm; Korpelevich"s extragradient method; Viscosity approximation method; Steepest-descent method; Averaged mapping approach; Fixed point set