Resumen

Los problemas estudiados son las desigualdades variacionales separables con restricciones de acoplamiento lineal. Algunos de los métodos de descomposición existentes son muy específicos del problema, y la carga computacional es bastante costosa. Combinando las ideas del algoritmo de punto proximal (PPA) y el método lagrangiano aumentado (ALM), proponemos un método de descomposición proximal asimétrico (AsPDM) para resolver una amplia variedad de problemas separables. Añadiendo un término cuadrático auxiliar a la función lagrangiana general, nuestro método puede aprovechar la característica separable. También presentamos una versión inexacta de AsPDM para reducir la carga computacional de cada iteración. En el proceso de cálculo, la versión inexacta sólo utiliza los valores de la función. Además, el criterio inexacto y el tamaño del paso pueden implementarse en paralelo. Se demuestra la convergencia del método propuesto y se emplean experimentos numéricos para mostrar la ventaja de AsPDM.

• Materias:Algoritmos (Matemáticas) Técnica heurística Inventario Banda Ancha
• Subjects:Agorithms (Math) Metaheuristic technique Inventory Broadband
• Palabras claves:carga de cálculo, versión inexacta, términos cuadráticos auxiliares, ventaja de aspdm, versión de aspdm, algoritmo de punto proximal, desigualdad variacional separable, métodos de descomposición proximal, función lagrangiana general, métodos lagrangianos
• Keywords:computation load, inexact version, auxiliary quadratic terms, advantage of aspdm, version of aspdm, proximal point algorithm, separable variational inequality, proximal decomposition methods, general lagrangian function, lagrangian methods