Documente Academic
Documente Profesional
Documente Cultură
8
Postgrado de Investigación de Operaciones
min f(x)
xk Algoritmo xk+1
min f(xk+1)
↓
min θ(∆) min θ(∆) min θ(∆)
(∆ irrestricto) s.a.: s.a.:
∆≥0 xk + ∆ * dk ∈ S
d2T=[0 1]
d1T=[1 0]
x1 ∆1*d1 x2
x3
∆2*d2
x1 ∆1*d1 x2
x3
∆2*d2
x1 ∆1*d1 x2
x1 ∆1*d1 x2
Programación No Lineal – Prof. Gonzalo Müller – Clase 8 – GM – 18
Búsqueda Multidimensional “sin derivadas”
Se repite la búsqueda lineal de forma cíclica hasta
satisfacer alguna regla de parada: 1º Ciclo
min f(x1+∆ * d1) → x2 → min f(x2+∆ * d2) → x3 → …
→ xM → min f(xM+∆ * dM) → xM+1 →
min f(xM+1+∆ * d1) → xM+2 → min f(xM+2+∆ * d2) →
… → x2M+1 → min f(x2M+1+∆ * d1) → x2M+2 → min
f(x2M+2+∆ * d2)
x3 ∆3*d1 x4
∆4*d2
∆2*d2 x5
x1 ∆1*d1 x2
Programación No Lineal – Prof. Gonzalo Müller – Clase 8 – GM – 19
Búsqueda Multidimensional “sin derivadas”
Se repite la búsqueda lineal de forma cíclica hasta
satisfacer alguna regla de parada:
min f(x1+∆ * d1) → x2 → min f(x2+∆ * d2) → x3 → …
→ xM → min f(xM+∆ * dM) → xM+1 →
min f(xM+1+∆ * d1) → xM+2 → min f(xM+2+∆ * d2) →
… → x2M+1 → min f(x2M+1+∆ * d1) → x2M+2 → min
f(x2M+2+∆ * d2)
x3 ∆3*d1 x4 2º Ciclo
∆4*d2
∆2*d2 x5
x1 ∆1*d1 x2
Programación No Lineal – Prof. Gonzalo Müller – Clase 8 – GM – 20
Búsqueda Multidimensional “sin derivadas”
Se repite la búsqueda lineal de forma cíclica hasta
satisfacer alguna regla de parada:
min f(x1+∆ * d1) → x2 → min f(x2+∆ * d2) → x3 → …
→ xM → min f(xM+∆ * dM) → xM+1 →
min f(xM+1+∆ * d1) → xM+2 → min f(xM+2+∆ * d2) →
… → x2M+1 → min f(x2M+1+∆ * d1) → x2M+2 → min
f(x2M+2+∆ * d2) →…
N Ciclos x3 ∆3*d1 x4
∆4*d2
∆2*d2 x5 ∆ *d x6
5 1 ∆6*d2
x1 ∆1*d1 x2 x7
Programación No Lineal – Prof. Gonzalo Müller – Clase 8 – GM – 21
Búsqueda Multidimensional “sin derivadas”
Algoritmo:
Requerimientos:
Si la función f es diferenciable el método converge
a un punto x tal que ∇f(x)= 0.
Entrada:
x1: Punto inicial de la búsqueda.
ε: máximo error permisible y ancho del intervalo de
incertidumbre final de la búsqueda lineal > 0.
… : Parámetros de método de búsqueda lineal
seleccionado.
Programación No Lineal – Prof. Gonzalo Müller – Clase 8 – GM – 22
Búsqueda Multidimensional “sin derivadas”
Comienzo
Algoritmo
k=0
k=k+1
t=1
yt = xk
min f(yt+∆ * dt) → ∆t
V F
║xk+1 – xk║ ≥ ε Fin
Programación No Lineal – Prof. Gonzalo Müller – Clase 8 – GM – 23
Búsqueda Multidimensional “sin derivadas”
Comienzo
Algoritmo
k=0
k=k+1
t=1
yt = xk Solución
V F
║xk+1 – xk║ ≥ ε Fin
Programación No Lineal – Prof. Gonzalo Müller – Clase 8 – GM – 24
Búsqueda Multidimensional “sin derivadas”
min f(y1+∆ * d1) → y2 → min f(y2+∆ * d2) → x2 →
min f(y1+∆ * d1) → y2 → min f(y2+∆ * d2) → x3 →
min f(y1+∆ * d1) → y2 → min f(y2+∆ * d2) → x4 → …
Ciclo 2
x2, y1 ∆1*d1 y2
Ciclo o iteración 1
∆2*d2
∆2*d2 y2 Ciclo 3
x3, y1 ∆1*d1 ∆ *d
2 2
x1, y1 ∆1*d1 y2 x4
d1T={1 0}
x2
∆2*d2
x1, y1 ∆1*d1 y2
∆2*d2
x1, y1 ∆1*d1 y2
Llamada búsqueda patrón.
∆2*d2
x1, y1 ∆1*d1 y2
Llamada búsqueda patrón.
Esta evita la convergencia prematura que puede
ocurrir con coordenadas cíclicas a soluciones no
óptimas para funciones no diferenciables.
V F
║xk+1 – xk║ ≥ ε Fin
Programación No Lineal – Prof. Gonzalo Müller – Clase 8 – GM – 32
Búsqueda Multidimensional “sin derivadas”
Comienzo
Algoritmo
k=0
y1 = x1
Búsqueda patrón
y1 = xk+1+∆* * d* t=1
min f(xk+1+∆ * d*) → ∆* k=k+1
exploratoria
Búsqueda
║xk+1 – xk║
t=t+1 yt+1 = yt+∆t * dt
V
t<M
F
Nueva solución xk+1 = yM+1
V F
║xk+1 – xk║ ≥ ε Fin
Programación No Lineal – Prof. Gonzalo Müller – Clase 8 – GM – 33
Búsqueda Multidimensional “sin derivadas”
Ejemplo 8.2: Resolver el siguiente problema por el
método de Hooke and Jeeves partiendo de punto xT =
[-1 2] con un error máximo de 0.5:
min x12 + x22 – 1
Semiespacio de
f(x) ≤ f(x0)
x
−∇f(x0)
x0
decrece
k=0
k=k+1
F
║∇f(xk)║ ≥ ε Fin
V
dk = –∇f(xk)/║∇f(xk)║
min f(xk+∆ * dk) s.a.: ∆ ≥ 0 → ∆k
xk+1 = xk+∆k * dk