Otimização

Estou reescrevendo os programas de estimação por verossimilhança empírica. Parte das modificações envolve o uso de métodos de otimização numérica mais robustos que os métodos usuais, como o algoritmo BFGS. Estimação por verossimilhança empírica é um problema de otimização mais complexo, já que na sua formulação através de equações de estimação é necessário estimar um vetor de probabilidades para as condições de momentos. Este problema tem uma formulação dual que reduz a complexidade, mas mesmo assim não é um problema trivial.
A primeira modificação foi utilizar um algoritmo de spectral projected gradient method, e a outra foi utilizar um algoritmo de otimização global baseado em otimização por evolução diferencial. Os dois funcionam bem na vizinhança do verdadeiro vetor, mas preciso testar em condições mais adversas.