Resumen

Es bien sabido que el algoritmo de proyección de gradiente (GPA) es muy útil para resolver problemas de minimización convexa restringida. En este documento, combinamos un método iterativo general con el algoritmo de proyección de gradiente para proponer un algoritmo híbrido de proyección de gradiente y demostrar que la secuencia generada por el algoritmo híbrido de proyección de gradiente converge en norma a un minimizador de problemas de minimización convexa restringida que resuelve una desigualdad variacional.

• Materias:Modelado matemático Sistemas estocásticos Productos gráficos Ecuaciones matriciales Métodos de descomposición
• Subjects:Mathematical modeling Stochastic systems Graph products Matrix equations Decomposition methods
• Palabras claves:Algoritmo de proyección de gradiente; Problemas de minimización convexa restringida; Algoritmo híbrido de proyección de gradiente; Método iterativo; Desigualdad variacional; Minimizador
• Keywords:Gradient-projection algorithm; Constrained convex minimization problems; Hybrid gradient-projection algorithm; Iterative method; Variational inequality; Minimizer