Resumen

Los problemas de optimización con restricciones de cono de segundo orden (SOCs) pueden resolverse eficientemente mediante métodos de punto interior. Para que algunos de estos métodos se inicien o converjan más rápido, es importante tener un punto inicial factible o cercano a factible. En este artículo, estudiamos y aplicamos el método de consenso de restricciones de Chinneck y el método de consenso de restricciones para encontrar puntos cercanos a factibles para sistemas de SOCs. También desarrollamos e implementamos una nueva técnica de búsqueda de línea similar a un retroceso en estos métodos que intenta aumentar la longitud del vector de consenso, en cada iteración, con el objetivo de encontrar puntos factibles interiores. Nuestros resultados numéricos indican que los nuevos métodos son efectivos para encontrar puntos factibles interiores para SOCs.

• Materias:Procesamiento de imágenes Método de gradiente Coeficiente hiperbólico Comportamiento aeroelástico Interpolación local
• Subjects:Image processing Gradient method Hyperbolic coefficient Aeroelastic behavior Local interpolation
• Palabras claves:Problemas de optimización; Restricciones de cono de segundo orden; Métodos de punto interior; Punto factible inicial; Punto cercano a factible; Método de consenso de restricciones
• Keywords:Optimization problems; Second-order cone constraints; Interior point methods; Initial feasible point; Near-feasible point; Constraint consensus method