Método de Pontos Interiores Barreira Logarítmia
Preditor-Corretor Espeializado para o Problema
de Regressão pela Norma Lp
1
D.R. CANTANE 2
, Departamento deBioestatístia, Instituto de Bioiênias, IBB,
UNESP - Univ. Estadual Paulista, Distrito de Rubião Júnior, s/n, 18618-970
Botuatu,SP,Brasil.
E.G. CONTHARTEZE 3
, A.R.L. OLIVEIRA 4
, Instituto de Matemátia,
Es-tatístiaeComputaçãoCientía,IMECC,UNICAMP-UniversidadeEstadualde
Campinas, Rua Sérgio Buarque de Holanda, 651,13083-859Cidade Universitária
"ZeferinoVaz",Distr. BarãoGeraldo,Campinas,SP, Brasil.
Resumo. Osmétodosdepontosinterioresbarreiralogarítmiaepreditor-orretor
sãoapliadosaoproblemaderegressãopelanorma
L
p
omalgumaspartiularidadesomoobjetivodeobterumaimplementaçãoeiente. Oproblemaderegressãotem
inúmeras apliações emdiversas áreas. A norma-
2
émuitopopular, entreoutrosmotivos,porpermitirumasoluçãodireta. Porsuavez,anorma-
1
permitereduziroefeito depontosdisrepantesenquantoqueanorma-
∞
garanteproteção ontra opioraso. Anorma−
p
permitepensarestasaraterístiasdediferentesformas, adaptandoométodoaoproblemaaserresolvido. Aimplementaçãodométododepontosinterioresdesenvolvidaéomparadaommétodosexistentes.
Palavras-have. Métodosdepontosinteriores,problemaderegressão,norma
L
p
.1. Introdução
OmétodoIRLSiterativelyreweightedleast-squares[5℄foipormuitotempoaúnia
alternativaprátiaparaaresoluçãodoproblemaderegressãopelanorma
L
p
. Mais reentementeestemétodofoiaperfeiçoado,noquedizrespeitoarobustez,pormeioda inlusão de uma busa linear [4℄. No mesmo trabalho, foi também proposto
um novo método que apresenta araterístias similares aos métodos de pontos
interiores. Este métodoapresentouresultadosomputaionaissuperioresaoIRLS.
Ambosmétodosapresentadosem[4℄têmumaimportantedesvantagem: abusa
linear é omputaionalmente ara. Os métodos de pontos interiores apliados a
1
AgradeimentosàFAPESP,CNPqeCAPES;Trabalho apresentado noCongressode
Mate-mátiaApliadaeComputaional-CMAC2011.
2
dantaneibb.unesp.br.
3
onthartezeyahoo.om.br.
4
esteproblemaobtémresultadosomputaionaissuperiores,repetindoodesempenho
obtidonaminimizaçãopelas normas
L
1
eL
∞
em[8℄e[7℄,respetivamente. Em[1℄ e[6℄sãodesritososmétodosde pontosinterioresbarreiralogarítmia,barreira logarítmia preditor orretor, primal dual barreira logarítmia e primal
dual barreira logarítmia preditor orretor para resolver problemas de regressão
pelanorma
L
p
,om1
< p <
2
. EssesmétodosforamimplementadosemMATLAB e os resultados omputaionais omprovam que são mais eientes que o GNCSem [1℄ e [6℄, um método de Newton globalizado que usa as ondições de folgas
omplementares.
Oobjetivodesse trabalhoéaperfeiçoareimplementar métodosdepontos
inte-riorespararesolverdemaneiraeienteproblemasdeotimizaçãonão-linear
min
x
∈ℜn
k
Ax
−
b
k
p
p
,
(1.1)onde
A
∈ ℜ
m
×
n
é uma matriz deposto ompleto,
b
∈ ℜ
m
,
m > n
e1
< p <
∞
. O sistema linearAx
=
b
pode ser inonsistente e a matriz A é uma matriz de Vandermondenoasopartiulardoproblemaderegressãopolinomial.Apresentamosnestetrabalhoosmétodosbarreiralogarítmiaebarreira
logarít-miapreditororretor,desenvolvidos[1℄e[6℄,ommodiaçõesnospontosiniiais,
noálulodosresíduosedireções,omaintençãodereduzironúmerodeoperações
efazeromqueestesmétodossejamomputaionalmentemaiseientes. Osnovos
métodosimplementadossãoomparadosomosmétodosdesritosem[1℄e[6℄.
2. O problema de regressão pela norma
L
p
O problema de regressão (1.1), quando
p
= 1
ep
=
∞
, pode ser formulado por programaçãolineareos métodosde pontos interioresapliados aesses problemaspermitemaexploraçãodaestruturamatriialdoproblemadeformamuitoeiente.
A norma-2 permite soluçãodireta. A norma
L
p
, om1
< p <
∞
é estritamente onvexa. O problema (1.1) possui formulação onvexa e portanto é garantida aexistêniademínimoglobal. Oproblemaderegressãopodeserreesritoomo
min
k
r
k
p
p
s.a
Ax
+
r
=
b.
(2.1)
Denindo
r
=
u
−
v
,omu
≥
0
ev
≥
0
min
φ
(
u, v
) =
m
X
i
=1
(
u
i
+
v
i
)
p
s.a
Ax
+
u
−
v
−
b
= 0
(
u, v
)
≥
0
.
(2.2)
Observequeminimizar
k
r
k
p
p
=m
X
i
=1
|
u
i
−
v
i
|
p
éequivalenteaminimizarφ
(
u, v
) =
m
X
i
=1
que, dado
r
i
semprepodemos esrevê-lo omou
i
−
v
i
de formaqueu
i
v
i
= 0
, por exemplo,ser
i
<
0
,bastafazeru
i
= 0
ev
i
=
−
r
i
,poroutrolado,ser
i
≥
0
,podemosfazer
u
i
=
r
i
ev
i
= 0
,assimteremosk
r
k
p
p
=m
X
i
=1
|
u
i
−
v
i
|
p
=
m
X
i
=1
(
u
i
+
v
i
)
p
.3. Modiação nos métodos dos pontos interiores
apliados ao problema de regressão pela norma
L
p
Osmétodosdepontosinterioresdesenvolvidosem[1℄: barreiralogarítimiae
bar-reiralogarítimiapreditororretorforammodiados. Asmodiaçõesforamfeitas
nopontoiniial,inserindooparâmetro
σ
nosvetoresu
ev
enoálulodosresíduosR
1
eR
2
, quenão eramonsideradosanteriormente. Essas modiçõesforamreali-zadasnointuitode reduzironúmerodeoperaçõesneessáriasporiteração. Além
disso, os métodos também foram implementados nalinguagem C, e não somente
emMatlab,omoem[1℄,omoobjetivodeobtermaioreiêniaomputaional.
3.1. Método barreira logarítmia
Ométododesritoaseguirfoidesenvolvidoem[1℄. Nesseaso,asalteraçõesforam
realizadas no ponto iniial. Considerando o problema (2.2), a função objetivoé
denotada em termosde
u
ev
porφ
(
u, v
) =
n
X
i
=1
(
u
i
+
v
i
)
p
, o gradiente∇
φ
(
u, v
)
édenotadopor
g
=
g
u
g
v
,
ondeg
u
i
=
g
v
i
=
p
(
u
i
+
v
i
)
p
−
1
e
∇
2
φ
=
∇
g
u
∇
g
v
,
ondeG
=
∇
g
u
ij
=
∇
g
v
ij
=
p
(
p
−
1)
(
u
i
+
v
i
)
2
−
p
,
sei
=
j
,0
,
sei
6
=
j
éumamatrizdiagonal.
UtilizandooMétodoBarreiraLogarítmia[3℄,temos
min
n
X
i
=1
(
u
i
+
v
i
)
p
−
µ
n
X
i
=1
ln (
u
i
)
−
µ
n
X
i
=1
ln (
v
i
)
sa
Ax
+
u
−
v
−
b
= 0
,
onde
µ >
0
éoparâmetrobarreira(
µ
→
0)
. ALagrangeanaédadaporL
=
n
X
i
=1
(
u
i
+
v
i
)
p
−
µ
n
X
i
=1
ln (
u
i
)
−
µ
n
X
i
=1
ln (
v
i
) +
y
t
(
Ax
+
u
−
v
−
b
)
,
onde
y
éomultipliadordeLagrange.Apliandoas ondiçõesdeotimalidade[9℄,obtemos
∇
L
|{z}
J
(
x,y,u,v
)
=
A
t
y
Ax
+
u
−
v
−
b
g
−
µU
−
1
e
+
y
g
−
µV
−
1
e
−
y
onde
U
eV
sãomatrizesdiagonaisujoselementosnãonulossãou
ev
, respetiva-menteee
= (1
,
1
, . . . ,
1)
t
. Osistema(3.1)podeserreesritoomo
∇
L
|{z}
J
(
x,y,u,v
)
=
A
t
y
Ax
+
u
−
v
−
b
U
(
g
+
y
)
V
(
g
−
y
)
=
0
0
µe
µe
.
(3.2)UsandoométododeNewton[9℄,hegamosa
0
A
t
0
0
A
0
I
−
I
0
U
diag
(
g
+
y
) +
U G
U G
0
−
V
V G
diag
(
g
−
y
) +
V G
dx
dy
du
dv
=
r
1
r
2
r
3
r
4
,
(3.3) onder
1
=
−
A
t
y,
r
2
=
−
Ax
−
u
+
v
+
b,
r
3
=
−
U
(
g
+
y
) +
µe,
r
4
=
−
V
(
g
−
y
) +
µe.
Resolvendo osistema,obtemos asdireções
dx, dy, du
edv
. Pormeio de elimi-naçãodevariáveis,osistemasereduzar
=
r
1
+
A
t
(
D
2
)
−
1
{
D
1
r
2
+ (
D
u
+
U G
)
r
4
−
(
D
v
+
V G
)
r
3
}
,
dx
=
A
t
(
D
2
)
−
1
D
1
A
−
1
r,
dy
=
(
D
2
)
−
1
{
D
1
(
Adx
−
r
2
)
−
(
D
u
+
U G
)
r
4
+ (
D
v
+
V G
)
r
3
}
,
dv
=
(
D
1
)
−
1
[
D
u
(
r
4
+
V dy
)
−
V Gr
3
+
V U Gdy
]
,
du
=
(
D
u
)
−
1
(
r
3
−
U dy
−
U Gdv
)
,
onde
D
u
=
[
diag
(
g
+
y
) +
U G
]
,
D
v
=
[
diag
(
g
−
y
) +
V G
]
,
D
1
=
[
D
u
diag
(
g
−
y
) +
diag
(
g
+
y
)
V G
]
,
D
2
=
[
V
(
D
u
+
U G
) +
U
(
D
v
+
V G
)]
.
Caluladasasdireções,otamanhodopasso
α
édenido deformaamanter as variáveisu
ev
estritamente positivasα
= min
τ
min
du
i
<
0
−
u
i
du
i
, τ
min
dv
i
<
0
−
v
i
dv
i
,
1
,
ondeτ
= 0
,
99995
.
Conheendoasdireçõeseotamanho dopasso,aatualizaçãodasvariáveisedo
parâmetrobarreirasãodadospor:
x
k
+1
=
x
k
+
α
k
dx
k
, y
k
+1
=
y
k
+
α
k
dy
k
,
u
k
+1
=
u
k
+
α
k
du
k
, v
k
+1
=
v
k
+
α
k
dv
k
, µ
k
+1
=
µ
k
Osritériosde onvergênia sãobaseadosnasondiçõesdeotimalidade(3.1)e
nadiferençadosvaloresde
N
atualedaiteraçãoanteriorN
k
=
∇
L
k
(1 +
k
x
k
k
+
k
u
k
k
+
k
v
k
k
+
k
y
k
k
)(2
m
)
≤
ǫ,
N
k
+1
−
N
k
≤
ǫ
1
.
Oponto iniialéaluladobaseadonasidéiasdesenvolvidasem [2℄, om
modi-açõesnosvetores
u
ev
x
0
= (
A
t
A
)
−
1
A
t
b,
r
0
=
b
−
Ax
0
,
y
0
=
κr
0
k
r
0
k∞
,
r
0
i
+
σ,
ser
0
i
≥
0
,σ,
asoontrário,σ,
ser
0
i
≥
0
,σ
−
r
0
i
,
asoontrário,onde
0
< σ
≤
1
.
Em[2℄
u
ev
não estãodenidos,no entanto, estaesolhafoipropostaem Oli-veira,NasimentoeLyra[8℄parasatisfazerarelaçãou
0
+
v
0
=
|
σr
0
|
. Estabeleemos
κ
= 0
,
975
.3.2. Método Preditor-Corretor
Este método, desenvolvido também em [6℄, é apresentado om modiações no
álulodosresíduos
R
1
eR
2
,alémdopontoiniial. Considereosistemadeequações (3.3). Nométodopreditor-orretor,iniialmente onsidera-seadireçãoam, ondeoparâmetrobarreira
µ
= 0
. Assim,preisa-seresolverosistema
0
A
t
0
0
A
0
I
−
I
0
U
diag
(
g
+
y
) +
U G
U G
0
−
V
V G
diag
(
g
−
y
) +
V G
¯
dx
¯
dy
¯
du
¯
dv
=
¯
r
1
¯
r
2
¯
r
3
¯
r
4
,
(3.4) onde¯
r
1
=
−
A
t
y,
¯
r
2
=
−
Ax
−
u
+
v
+
b,
¯
r
3
=
−
U
(
g
+
y
)
,
¯
r
4
=
−
V
(
g
−
y
)
.
Resolvendoosistema (3.4),obtém-seasdireçõesdopassopreditor
¯
dx
= (
A
t
DA
)
−
1
¯
r,
¯
dy
=
D
[ ¯
r
2
−
A
dx
¯
−
D
u
−
1
r
¯
3
+ (
D
v
−
V U G
2
D
−
u
1
)
−
1
(
I
+
D
−
1
u
U G
)( ¯
r
4
−
D
−
u
1
V G
r
¯
3
)]
,
¯
dv
= (
D
v
−
V U G
2
D
−
u
1
)
−
1
[ ¯
r
4
+
V
dy
¯
+
D
−
u
1
(
−
V G
r
¯
3
+
V U G
dy
¯
)]
,
¯
du
=
D
−
1
u
( ¯
r
3
−
U
dy
¯
−
U G
dv
¯
)
,
onde
D
u
=
[
diag
(
g
+
y
) +
U G
]
,
D
v
=
[
diag
(
g
−
y
) +
V G
]
,
D
=
[
−
D
−
1
u
U
−
(
D
v
−
V U G
2
D
u
−
1
)
−
1
V
(
I
+
D
−
1
u
U G
)
2
]
−
1
,
¯
r
=
−
r
¯
1
−
A
t
D
[ ¯
r
2
−
D
u
−
1
r
¯
3
+ (
D
v
−
V U G
2
D
−
u
1
)
−
1
(
I
+
D
−
1
Paraalularosnovosresíduos,deve-sesubstituir
x
porx
+
dx
,y
pory
+
dy
,u
poru
+
du
ev
porv
+
dv
nosistemadeequações(3.2)eompará-loaosistemade equações(3.3). As diferençasenontradas,R
1
eR
2
dadosabaixo, sãoosresíduos. Oprimeirosistemadeequaçõesdosistema(3.2)édadoporA
t
(
y
+
dy
) = 0
⇒
A
t
dy
=
−
A
t
y.
Comparando om o sistema (3.3), vemos que não existe resíduo. O segundo
sistemadeequaçõesdosistema (3.2)édadopor
A
(
x
+
dx
) +
u
+
du
−
v
−
dv
−
b
= 0
⇒
Adx
+
du
−
dv
=
b
−
Ax
−
u
+
v.
Comparandoomosistema (3.3),vemosquenessesistema também nãoexiste
resíduo. Otereirosistemadeequaçõesdosistema (3.2)édadopor
(
U
+
dU
)(˜
g
+
y
+
dy
) =
µe,
onde
˜
g
i
=
p
(
u
i
+
du
i
+
v
i
+
dv
i
)
p
−
1
, assim
g
˜
= ˜
g
i
,i
= 1
,
2
, ..., m
. Entretanto,p
(
u
i
+
du
i
+
v
i
+
dv
i
)
p
−
1
poderesultaremumnúmeroimaginário,paraorrigiresseproblemadevemosfazer
˜
g
i
=
p
(
u
i
+
βdu
i
+
v
i
+
βdv
i
)
p
−
1
,onde
β
édaformaβ
= min
(
τ
min
(
d
ui
+
d
vi
)
<
0
−
(
u
i
+
v
i
)
(
d
u
i
+
d
v
i
)
!
,
1
)
,onde
τ
=0,99995. (3.5)Combasenostestesomputaionais,
g
˜
i
nãoafetaaonvergêniadestemétodo. Nessesistema deequações,temosoresíduoR
1
= ((
U
+
dU
)(˜
g
+
y
+
dy
)
−
µe
)
−
(
U dy
+
diag
(
g
)
du
+
diag
(
y
)
du
+
U Gdu
+
U Gdv
+
U g
+
U y
−
µe
)
⇒
R
1
= (
U
+
dU
)˜
g
+
dU dy
−
dU g
−
U Gdu
−
U Gdv
−
U g.
Oquartosistemadeequaçõesdosistema(3.2)édadopor
(
V
+
dV
)(˜
g
−
y
−
dy
) =
µe,
onde
g
˜
=
p
(
u
+
βdu
+
v
+
βdv
)
p
−
1
e
β
éaluladoomoem(3.5). Nessesistemade equações,temosoresíduoR
2
= ((
V
+
dV
)(˜
g
−
y
−
dy
)
−
µe
)
−
(
−
V dy
+
V Gdu
+
diag
(
g
−
y
)
dv
+
V Gdv
+
V g
−
V y
−
µe
)
⇒
R
2
= (
V
+
dV
)˜
g
−
dV dy
−
V Gdu
−
dV g
−
V Gdv
−
V g.
Nopassoorretor,pode-seimporumvalorparaoparâmetrobarreira
µ
eresolver osistema
0
A
t
0
0
A
0
I
−
I
0
U
diag
(
g
+
y
) +
U G
U G
0
−
V
V G
diag
(
g
−
y
) +
V G
ˆ
dx
ˆ
dy
ˆ
du
ˆ
dv
=
ˆ
r
1
ˆ
r
2
ˆ
r
3
ˆ
r
4
onde
ˆ
r
1
=
−
A
t
y,
ˆ
r
2
=
−
Ax
−
u
+
v
+
b,
ˆ
r
3
=
−
U
(
g
+
y
) +
µe
−
R
1
,
ˆ
r
4
=
−
V
(
g
−
y
) +
µe
−
R
2
,
R
1
= (
U
+ ¯
dU
)˜
g
+ ¯
dU
dy
¯
−
dU g
¯
−
U G
du
¯
−
U G
dv
¯
−
U g,
R
2
= (
V
+ ¯
dV
)˜
g
−
dV dy
¯
−
V G
du
¯
−
dV g
¯
−
V G
dv
¯
−
V g.
˜
g
=
p
(
u
+
βdu
+
v
+
βdv
)
p
−
1
,
β
= min
(
τ
min
(
d
¯
ui
+ ¯
d
vi
)
<
0
−
(
u
¯
i
+
v
i
)
d
u
i
+ ¯
d
v
i
!
,
1
)
,
ondeτ
= 0
.
9995
.
Obtém-seasdireçõesorretoras
ˆ
dx
=
A
t
(
D
2
)
−
1
D
1
A
−
1
ˆ
r,
ˆ
dy
=
(
D
2
)
−
1
n
D
1
A
dx
ˆ
−
r
ˆ
2
−
(
D
u
+
U G
) ˆ
r
4
+ (
D
v
+
V G
) ˆ
r
3
o
,
ˆ
dv
=
(
D
1
)
−
1
h
D
u
ˆ
r
4
+
V
dy
ˆ
−
V G
r
ˆ
3
+
V U G
dy
ˆ
i
,
ˆ
du
=
(
D
u
)
−
1
( ˆ
r
3
−
U
dy
ˆ
−
U G
dv
ˆ
)
,
onde
D
u
=
[
diag
(
g
+
y
) +
U G
]
,
D
v
=
[
diag
(
g
−
y
) +
V G
]
,
D
1
=
[
D
u
diag
(
g
−
y
) +
diag
(
g
+
y
)
V G
]
,
D
2
=
[
V
(
D
u
+
U G
) +
U
(
D
v
+
V G
)]
,
ˆ
r
=
r
ˆ
1
+
A
t
(
D
2
)
−
1
{
D
1
r
ˆ
2
+ (
D
u
+
U G
) ˆ
r
4
−
(
D
v
+
V G
) ˆ
r
3
}
.
Otamanho do passo, a atualização dasvariáveis,o parâmetrobarreira, o
ri-tério de onvergênia e o ponto iniial são alulados omo no método barreira
logarítmia.
4. Experimentos omputaionais
Aseguir,enontram-seosresultadosomputaionaisemMatlabomparandoessas
modiaçõesomosresultadosobtidosem[1℄e[6℄. Ostestesomputaionaisforam
feitosnoMatlabR2009a,sistemaomputaionalLinux,memória4GB,proessador
Intel(R)Core(TM)2. Paratodososproblemasfoisupostoquemodeloderegressão
adotadoéaaproximaçãodospontos porumpolinmiodegrau um(umareta).
Utiliza-se as seguintes notações nas Tabelas a seguir: BL - Método Barreira
Logarítmia; BL (antigo) - Método Barreira Logarítmia existente [1℄; BLPC
-MétodoBarreiraLogarítmiaPreditor-Corretor;BLPC(antigo)-MétodoBarreira
LogarítmiaPreditor-Corretorexistente [1℄.
4.1. Problema de grande porte
Esseproblema, desritoem [1℄ e[6℄, ompreende valoresdejuros diáriosaolongo
intervalo
[0
,
1]
e assim, temos que a matriz de Vandermonde possuim
= 10958
linhas. Utiliza-seµ
= 0
,
001
,τ
= 0
,
99995
,β
= 10
,ǫ
= 10
−
10
,
ǫ
1
= 10
−
8
, onde
ǫ
eǫ
1
sãodoritériodeonvergênia,eσ
= 10
−
1
.
Pode-se observar nas Tabelas 1 e 2 que o número de iterações foi reduzido.
Na Tabela 1 o tempo omputaional também foi reduzido, porém na Tabela 2 o
tempoomputaionalpiorou,poisanovaformadeenontrarosresíduosnométodo
barreiralogarítmiapreditor-orretorexigemaisálulosqueaformaantiga.
4.2. Função osseno
Esseproblemaontém
20001
pontos. AsegundaolunadamatrizA
éformadapor elementosnointervalo[0,2π
℄,ovetorb
onsistenoossenodessesvalores. Utiliza-seµ
= 0
,
001
,τ
= 0
,
99995
,β
= 10
,ǫ
= 10
−
10
,
ǫ
1
= 10
−
8
,onde
ǫ
eǫ
1
sãousadospara averiaçãodoritériodeonvergênia,eσ
= 10
−
10
.
AnalisandoasTabelas 3e4perebe-seuma reduçãono número deiteraçõese
no tempo omputaional namaioria dos asos, ovalor da função objetivonão se
alterou.
4.3. Função logaritmo
Esseproblemaontém
15
milpontos,osvaloresdasegundaolunadeA
sãoobtidos dividindo-seointervalo[1
,
4]
em15
mil. Ovetorb
éovalordologaritmoneperiano do valororrespondente à segundaoluna deA
. Obtém-se amatrizA
15000
×
2
e o vetorb
. Utiliza-seµ
= 0
,
001
,τ
= 0
,
99995
,β
= 10
,ǫ
= 10
−
10
,
ǫ
1
= 10
−
8
,onde
ǫ
eǫ
1
sãousadosparaaveriaçãodoritériodeonvergênia,eσ
= 10
−
2
.
Na Tabela 5 observa-se que para
p
= 1
,
1
o número de iterações aumentou, mas ovalorda funçãoobjetivoreduziu. NasTabelas 5e6onúmero deiteraçõesdiminuiuemaproximadamente
28%
dosasos,noentanto,otempoomputaionalfoireduzidonamaiorpartedeles.
4.4. Função seno
Osvaloresdasegundaolunade
A
sãoobtidosdividindo-seointervalo[
−
2
,
2]
em40
mileovetorb
éovalordosenohiperbóliodovalororrespondentenasegundaoluna de
A
. Utiliza-seµ
= 0
,
001
,τ
= 0
,
99995
,β
= 10
,ǫ
= 10
−
10
,
ǫ
1
= 10
−
8
,
onde
ǫ
eǫ
1
sãodoritériodeonvergênia,eσ
= 10
−
1
.
NaTabela7pode-seobservarqueonúmerodeiteraçõeseotempoomputaional
foram reduzidos à medida que o valor de
p
aumenta. Na Tabela 8 o número de iterações e o tempo omputaional diminuiram na maioria dos asos e a funçãoobjetivofoiligeiramentemaiorempouosasos.
Com um ritério de parada mais rígido, os dois métodos tendem a obter um
5. Conlusões
Nesse trabalho, os métodos de pontos interiores já existentes são aperfeiçoados.
Modia-seaformadealularopontoiniial,asdireçõeseosresíduosdos
méto-dos. Comoonsequênia,onúmerodeiteraçõeseovalordafunçãoobjetivoforam
reduzidosnamaioriadosasos. Testesomputaionaisforamrealizadospara
om-provar quepode-seesolher
σ
,queéusadonoálulodopontoiniial,de formaa diminuiraindamaisovalordafunçãoobjetivo.Com as modiações no álulo dos resíduos, o tempo por iteração aumenta
ligeiramente,poisanovaformadealulá-losémaistrabalhosaqueaformaantiga,
porémonsegue-sediminuir onúmerodeiteraçõesnométodobarreiralogarítmia
preditor-orretor.
O problema (2.2) possui mínimo global, assim a solução ótima é únia. Ao
alterar o ponto iniial, ovalor da função objetivo é menor e, onsequentemente,
maispróximodasoluçãoótima global.
Anovaformulaçãoobtidaatravésdasmodiaçõesparaosmétodosdepontos
interiorestraz melhorastanto nostestesomputaionais emMATLAB quanto na
implementaçãoeientenalinguagemC.Naimplementaçãoeiente,aproveitamos
aestruturamatriialdosmétodosparaeonomizarmemória,issoépossívelporque
muitosvaloresdeixamdeserarmazenados. Comisso,aomplexidade
omputaio-naléreduzidaepodemosresolverproblemasdemaiorportedeformaeiente. Em
partiular, não éneessário armazenar nenhuma matriz durante a soluçãode um
problema.
Pode-seonluir queasmodiaçõesrealizadas nosmétodosBL eBLPC
pos-suemmelhordesempenhoomputaionalemomparaçãoaosresultadosobtidosem
[1℄e[6℄,porémseoproblemaonvergirempouasiteraçõeseoobjetivofordiminuir
otempoomputaional,oBLPC(antigo)émaisindiado,poisaformadealular
osresíduosémaissimples.
O método BLPC é mais indiado quando temos problemas de grande porte,
poistemuma onvergêniamaisrápidaereduzonúmerodeiterações,entretanto,
quandoos problemasonvergemem pouasiterações,ousodométodoBLémais
indiado, pois os álulos envolvidossão mais simples e onseguimos assim uma
reduçãodotempoomputaional.
Abstrat. Thelogaritmi barrierand preditor-orretorinteriorpoint methods
areappliedtothe
L
p
normttingproblemexploitingthematrixstrutureinordertoobtainaneientimplementation.Thettingproblemhasnumerous
appliati-onsinvariousareas. The
2
-normisverypopular,amongotherreasons,forallowingadiretsolution. The
1
-normallowstheredutionoftheeetofoutlierswhilethe∞
-norm provides protetion against the worstase. Thep
-norm allows to think these harateristis indierent ways adaptingthe methodto theproblem to besolved. The interior point methodimplementationto be developed is ompared
withexistingmethods.
Keywords. Interiorpointmethods,ttingproblems,
L
Referênias
[1℄ D.R. Cantane, Métodos de Pontos Interiores Apliadosao Problema de
Re-gressãopelaNorma
L
p
,dissertaçãodemestradoICMC-USP,SãoCarlos,2004.[2℄ T.F. Coleman, Y. Li, A globally and quadratially onvergent ane saling
methodforlinear
l
1
problems,Math.Programming, 56(1992),189-222.[3℄ A.S. El-Bakry, R.A. Tapia, T. Tsuhiya, Y. Zhang, On the formulation and
the theory of the Newton interior-point method for nonlinear programming,
JournalofOptimization TheoryandAppliations, 89(1996),507-541.
[4℄ Y. Li,A globally onvergentmethod for
l
p
problems, SIAM J. Optimization, 3(1993),609-629.[5℄ G.Merle,H.Späth,Computationalexperienewithdisrete
l
p
approximation, Computing,12(1974),315-321.[6℄ A.R.L.Oliveira,D.R.Cantane,Métodosdepontosinterioresapliadosao
pro-blemade regressãopelanormaLp, TEMA.Tendênias em Matemátia
Apli-adaeComputaional,52004,p.281-291.
[7℄ A.R.L.Oliveira,C.Lyra,Interiorpointmethodsforthepolynomial
L
∞
tting problems,InternaionalTransationsinOperational Researh,11(2004),309-322.
[8℄ A.R.L.Oliveira,M.A.Nasimento,C.Lyra,Eientimplementationand
ben-hmarkofinteriorpointmethodsforthepolynomial
L
1
ttingproblems, Sta-tistis&DataAnalysis,35(2000),119-135.[9℄ S.J.Wright,Primal-DualInterior-PointMethods,SIAMPubliations,SIAM
Tabela1: ProblemadeJuros-BarreiraLogarítmia.
BL BL(antigo)
p it tempo Fo it tempo Fo
1,1 25 0,2035 2,4550e+04 4 0,2581 2,6040e+04
1,2 19 0,2000 2,8274e+04 24 0,2855 2,8274e+04
1,3 13 0,1445 3,2781e+04 19 0,2320 3,2781e+04
1,4 10 0,1159 3,8243e+04 16 0,2006 3,8243e+04
1,5 9 0,0982 4,4881e+04 14 0,1838 4,4881e+04
1,6 8 0,0973 5,2952e+04 13 0,1539 5,2952e+04
1,7 8 0,0955 6,2775e+04 12 0,1577 6,2775e+04
1,8 8 0,0950 7,4734e+04 11 0,1554 7,4734e+04
1,9 7 0,0814 8,9311e+04 9 0,1335 8,9311e+04
Tabela2: ProblemadeJuros-BarreiraLogarítmiaPreditor-Corretor.
BLPC BLPC(antigo)
p it tempo Fo it tempo Fo
1,1 4 0,2311 2,4705e+04 6 0,1325 2,6040e+04
1,2 7 0,3770 2,8274e+04 26 0,3702 2,8274e+04
1,3 7 0,3729 3,2781e+04 19 0,2819 3,2781e+04
1,4 6 0,3233 3,8243e+04 14 0,2136 3,8243e+04
1,5 5 0,2617 4,4881e+04 12 0,1832 4,4881e+04
1,6 5 0,2925 5,2952e+04 10 0,1607 5,2952e+04
1,7 4 0,2269 6,2775e+04 9 0,1495 6,2775e+04
1,8 4 0,2276 7,4734e+04 9 0,1584 7,4734e+04
1,9 4 0,1922 8,9311e+04 9 0,1514 8,9311e+04
Tabela3: FunçãoCosseno-BarreiraLogarítmia.
BL BL(antigo)
p it tempo Fo it tempo Fo
1,1 2 0,0549 1,2355e+004 11 0,2111 1,2355e+004
1,2 3 0,0699 1,2011e+004 12 0,2202 1,2011e+004
1,3 3 0,0714 1,1693e+004 8 0,1721 1,1693e+004
1,4 3 0,0769 1,1399e+004 6 0,1389 1,1399e+004
1,5 4 0,0092 1,1125e+004 6 0,1381 1,1125e+004
1,6 5 0,0999 1,0869e+004 6 0,1419 1,0869e+004
1,7 6 0,1163 1,0630e+004 6 0,1395 1,0630e+004
1,8 6 0,1132 1,0406e+004 5 0,1214 1,0406e+004
Tabela4: FunçãoCosseno-BarreiraLogarítmiaPreditor-Corretor.
BLPC BLPC(antigo)
p it tempo Fo it tempo Fo
1,1 2 0,1044 1,2355e+004 2 0,1020 1,2355e+004
1,2 4 0,1780 1,2011e+004 13 0,3024 1,2011e+004
1,3 3 0,1438 1,693e+004 10 0,2450 1,1693e+004
1,4 3 0,1436 1,1399e+004 8 0,2114 1,1399e+004
1,5 3 0,1332 1,1125e+004 7 0,1960 1,1125e+004
1,6 4 0,1748 1,0869e+004 6 0,1687 1,0869e+004
1,7 4 0,1720 1,0630e+004 6 0,1748 1,0630e+004
1,8 5 0,2152 1,0406e+004 6 0,1702 1,0406e+004
1,9 6 0,2422 1,0195e+004 6 0,1748 1,0195e+004
Tabela5: Função Logaritmo-BarreiraLogarítmia.
BL BL(antigo)
p it tempo Fo it tempo Fo
1,1 15 0,1655 607,9389 2 0,0510 635,1600
1,2 2 0,0382 483,1952 3 0,0612 485,3428
1,3 2 0,0381 372,2146 2 0,0511 372,4476
1,4 2 0,0383 287,5839 2 0,0507 287,4594
1,5 2 0,0389 222,8549 2 0,0501 222,6275
1,6 2 0,0381 173,2170 2 0,0507 173,0235
1,7 3 0,0491 135,0870 2 0,0522 134,9931
1,8 2 0,0378 105,6851 2 0,0510 105,9290
1,9 2 0,0377 83,0445 6 0,0929 83,9296
Tabela6: Função Logaritmo-BarreiraLogarítmiaPreditor-Corretor.
BLPC BLPC(antigo)
p it tempo Fo it tempo Fo
1,1 1 0,0558 632,6171 1 0,0586 635,4659
1,2 2 0,0731 484,8184 3 0,0773 486,5972
1,3 3 0,0970 372,9440 3 0,0771 372,5131
1,4 2 0,0740 287,5702 3 0,0784 287,5263
1,5 3 0,0895 222,7532 2 0,0653 222,6095
1,6 2 0,0734 173,1270 2 0,0652 172,9877
1,7 2 0,0732 135,0390 2 0,0654 134,9850
1,8 2 0,0751 105,7751 2 0,0653 105,9557
Tabela7: SenoHiperbólio-BarreiraLogarítmia.
BL BL(antigo)
p it tempo Fo it tempo Fo
1,1 5 0,2037 7,4691e+003 1 0,1233 7,4721e+003
1,2 5 0,2098 6,5534e+003 1 0,1201 6,5561e+003
1,3 5 0,2068 5,7622e+003 1 0,1203 5,7673e+003
1,4 2 0,1151 5,0782e+003 5 0,2502 5,0635e+003
1,5 2 0,1159 4,4674e+003 4 0,2149 4,4664e+003
1,6 3 0,1465 3,9556e+003 7 0,3151 3,9568e+003
1,7 3 0,1453 3,5238e+003 5 0,2478 3,5253e+003
1,8 5 0,2089 3,1472e+003 6 0,2799 3,1471e+003
1,9 7 0,2629 2,8141e+003 8 0,3382 2,8141e+003
Tabela8: SenoHiperbólio-BarreiraLogarítmiaPreditor-Corretor.
BLPC BLPC(antigo)
p it tempo Fo it tempo Fo
1,1 2 0,2289 7,4725e+003 1 0,1640 7,4721e+003
1,2 2 0,2202 6,5565e+003 1 0,1571 6,5561e+003
1,3 2 0,2156 5,7681e+003 17 0,7589 5,6138e+003
1,4 2 0,2178 5,0873e+003 3 0,2321 5,0691e+003
1,5 2 0,2056 4,4953e+003 10 0,5064 4,4339e+003
1,6 2 0,2239 3,9709e+003 4 0,2705 3,9632e+003
1,7 4 0,3671 3,6159e+003 10 0,4992 3,5244e+003
1,8 6 0,5069 3,1489e+003 6 0,5109 3,1489e+003