Documente Academic
Documente Profesional
Documente Cultură
Introduccion a la Optimizacion
1.1.- Bsqueda de la Mejor Solucin
1.1.1.- Definicin de Optimizacin 1.1.2.- Bsqueda de races vs Optimizacin 1.1.3.- Categoras de Optimizacin
Optimizacion es el proceso de hacer algo mejor. La optimizacion consiste del tratamiento de las variaciones de un concepto inicial y usar la informacion obtenida para mejorar la idea. Una computadora es la perfecta herramienta de optimizacion de acuerdo a la idea de la influencia de la variacion de los parametros de entrada en formato
El termino mejor solucion implica que hay mas de una solucion y que cada solucion no tienen valores iguales. La definicion de mejor es relativa al problema que se esta manejando, su metodo de solucion y las tolerancias permitidas. Luego entonces la solucion optima depende de la formulacion personal del problema
Nuestra vida diaria nos confronta con muchas oportunidades de resolver problemas de optimizacion.
Cual es la mejor ruta para llegar al tec? Cual proyecto empezare primero ? Que ruta debo tomar para minimar el consumo de gasolina ? Que software debo de comprar para maximizar la productividad del departamento.
La optimizacion es el proceso de ajustar las entradas a las caracteristicas de un dispositivo, proceso matematico o experimento para encontrar la salida o resultado minimo o maximo.
Entrada o parametros
Funcion O Proceso
Salida o costo
La entrada consiste de parametros El proceso o funcion es conocido como la funcion costo, funcion objetivo o funcion fitness La salida es el costo o fitness
Los enfoques de la optimizacion estan relacionados con los metodos de encontrar raices o ceros. Otro problema con la optimizacion es detreminar si un minimo dado es el menor minimo (global) o un minimo suboptimo (local).
La siguiente figura nos muestra que los algoritmos de optimizacion pueden dividirse en 6 grandes categorias que no son mutuamente exclusivas
function
Parametros Multiples
Estatico
3 Dinamico
Optimizacion
random
Discreto 6
Restricciones
Busqueda de minimos
Sin Restricciones
4 Continuo
La busqueda del costo minimo, en la supercie del costo ( para todos los valores posibles de la funcion) es el corazon de las rutinas de optimizacion. Usualmente una Supercie de Costo tiene muchos picos, valles y lados. Un algoritmo de Optimizacion trabaja como un explorador tratando de encontrar el camino a la altura minima en la
sierra.
Encuentre el minimo de: f(x,y)= x sen(4x) + 1.1 y sen(2y) en el rango 0x10 y 0y10
Minimo
el ejemplo, resulta: para f ---- = sin(4x ) + 4x cos(4x ) = 0 fx y f ---- = 1.1sin(2y ) + 2.2y cos(4y ) = 0
m m m m m m
fy
metodo simplex downhill que no requiere el calculo de derivadas. geometrica la mas elemental que se puede formar en el espacio n dimensional y tiene n+1 lados.
El metodo consiste en generar una gura Cada iteracion genera un nuevo vertice
recocido, en el cual una substancia es calentada por debajo de su temperatura para derretirse, y entonces es enfriado gradualmente para lograr una latencia cristalina
El algoritmo analogo a este proceso involucra una inicializacion de un estado invitado, y entonces es calentado con la modicacion de sus parametros. La funcion costo representa la energia del nivel de la substancia. Es necesario aadir un parametro de control analogo a la temperatura, el cual controle la
Los algoritmos geneticos son un subconjunto de los algoritmos evolutivos que modelan procesos biologicos para optimizacion de funciones costo altamente complejas. Un algoritmo genetico permite a una poblacion compuesta de muchos individuos, evolucionar a un estado bajo reglas de seleccion especicas que maximizan la funcion tness
Optimizan con parametros continuos o discretos No requieren informacion de derivadas La busqueda es simultanea en un amplio muestreo de la supercie del costo. Pueden saltar minimos locales Nos ofrecen una lista de parametros optimos, no solo una solucion.