Un método de proyección MZPRP sin derivadas para ecuaciones no lineales convexas con restricciones y su aplicación en sensado compresivo
Autores: Sulaiman, Ibrahim Mohammed; Awwal, Aliyu Muhammed; Malik, Maulana; Pakkaranang, Nuttapol; Panyanak, Bancha
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un método de proyección MZPRP sin derivadas para ecuaciones no lineales convexas con restricciones y su aplicación en sensado compresivo
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Sistemas no lineales
Enfoque sin derivadas
Restricciones convexas
Método del gradiente conjugado
Función seudomonótona
Muestreo compresivo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 36
Citaciones: Sin citaciones
Los sistemas de ecuaciones no lineales se utilizan ampliamente en ciencia e ingeniería y, por lo tanto, explorar formas eficientes de resolverlos es primordial. En este documento, se propone un nuevo enfoque libre de derivadas para resolver un sistema de ecuaciones no lineales con restricciones convexas. La dirección de búsqueda del método propuesto se deriva en base a un método de gradiente conjugado modificado, de tal manera que sea suficientemente descendente. Cabe destacar que, a diferencia de muchos métodos existentes que requieren una suposición de monotonía para demostrar el resultado de convergencia, nuestro nuevo método necesita que la función subyacente sea seudomonótona, lo cual es una suposición más débil. El rendimiento del algoritmo propuesto se demuestra en un conjunto de problemas de prueba y aplicaciones derivadas de la compresión sensorial. Los resultados obtenidos confirman que el método propuesto es efectivo en comparación con algunos algoritmos existentes en la literatura.
Descripción
Los sistemas de ecuaciones no lineales se utilizan ampliamente en ciencia e ingeniería y, por lo tanto, explorar formas eficientes de resolverlos es primordial. En este documento, se propone un nuevo enfoque libre de derivadas para resolver un sistema de ecuaciones no lineales con restricciones convexas. La dirección de búsqueda del método propuesto se deriva en base a un método de gradiente conjugado modificado, de tal manera que sea suficientemente descendente. Cabe destacar que, a diferencia de muchos métodos existentes que requieren una suposición de monotonía para demostrar el resultado de convergencia, nuestro nuevo método necesita que la función subyacente sea seudomonótona, lo cual es una suposición más débil. El rendimiento del algoritmo propuesto se demuestra en un conjunto de problemas de prueba y aplicaciones derivadas de la compresión sensorial. Los resultados obtenidos confirman que el método propuesto es efectivo en comparación con algunos algoritmos existentes en la literatura.