Testes de Otimalidade Local e Global para Modelos de Otimização Contínua

Este trabalho apresenta dois testes para avaliação da otimalidade local e global em problemas de otimização contínua: um teste forte para otimalidade local e um teste fraco para otimalidade global. Ambos baseiam-se em condições necessárias e suficientes obtidas da reformulação do modelo original em um problema convexo com uma única restrição convexa reversa, aliada a um princípio de dualidade. O teste forte identifica eficientemente minimizadores locais não globais, enquanto o teste fraco avalia se um candidato pode ser um ótimo global. A abordagem é ilustrada com um exemplo. Resultados computacionais evidenciam a eficiência do teste forte (geralmente uma iteração) e o maior custo da certificação global via limitante inferior, destacando a distinção conceitual e a complexidade inerente à validação global.