Resumen
En el presente trabajo de tesis presentamos un método proximal escalarizado
inexacto para optimización multiobjetivo con distancia proximal generalizada, la
finalidad del método es resolver problemas multiobjetivo cuasi-convevos con
restricciones en el espacio Euclidiano, con las funciones objetivo qué sean
localmente Lipschitz. Considerando las hipótesis necesarias se prueba que la
sucesión generada por el método propuesto está bien definida. Se presenta
resultados de convergencia de la sucesión generada por el algoritmo, bajo ciertas
condiciones de la función objetivo, donde se prueba que dicha sucesión converge
hacia un crítico Pareto-Clarke, seguidamente se analiza la tasa de convergencia
del algoritmo, considerando ciertas condiciones, resultando que la tasa de
convergencia es lineal y superlineal. Finalmente se realiza la experimentación
numérica del método propuesto a problemas biobjetivos y además se valida el
método aplicándolo a un problema en economía, donde se presentan algunos
experimentos computacionales.