No presente trabalho, estudamos e desenvolvemos algoritmos com análise de complexidade de avaliação de pior caso para problemas de programação não linear. Para minimização irrestrita, estabelecemos dois algoritmos semelhantes que exploram modelos de ordem superior com estratégia de regularização. Propusemos uma implementação computacional que preserva as boas propriedades teóricas de complexidade, e fizemos experimentos numéricas com problemas clássicos da literatura, a fim de atestar a implementação e avaliar a aplicabilidade de métodos que empreguem modelos de ordem superior. Para minimização com restrições, estabelecemos um algoritmo de duas fases que converge a pontos que satisfazem condições de otimalidade de primeira ordem não escaladas para o problema de programação não linear.

In the present work, we have studied and developed algorithms with worst-case evaluation complexity analysis for nonlinear programming problems. For the unconstrained optimization case, we have established two similar algorithms that explore high-order regularization models. We have proposed a computational implementation that preserves the good properties of the evaluation complexity theory, and we made numerical experiments with classical problems from the literature, in order to check the implementation and certify the practical applicability of methods that employ high-order models. For the constrained optimization case, we have established a two phases algorithm that converges to points that meet the unscaled first-order optimality condition for the nonlinear programming problem.