Documente Academic
Documente Profesional
Documente Cultură
SISTEMAS ELÉCTRICOS
1
UNIDAD 1: Introducción a la optimización convexa y no convexa
AGENDA:
✓ Concepto de Investigación de Operaciones.
✓ Introducción a Optimización.
✓ Métodos de Solución.
Tareas a realizar:
➢ Recolectar y analizar datos.
➢ Desarrollar y probar modelos matemáticos.
➢ Proponer soluciones (algoritmos) y recomendaciones.
➢ Interpretar la información.
➢ Ayudar a implementar acciones de mejora.
Resultados obtenidos:
➢ Aplicaciones informáticas.
➢ Propuesta de sistemas.
➢ Implementación de servicios o productos.
A corto plazo:
➢ Tomar lo mejor de la ciencia, que esté a disposición.
➢ Modelos que apoyen en la toma de decisiones.
➢ Aplicación de métodos analíticos avanzados.
INTRODUCCIÓN A OPTIMIZACIÓN
➢ Optimization is everywhere.
INTRODUCCIÓN A OPTIMIZACIÓN
➢ Shortest path problem.
INTRODUCCIÓN A OPTIMIZACIÓN
✓ Herramientas que pueden usarse para respaldar decisiones en los
siguientes paradigmas:
▪ Gestión de operaciones.
▪ Gestión de finanzas.
▪ Gestión de marketing.
✓ Cómo estas técnicas pueden aplicarse a las decisiones de negocios:
▪ Gestión y control de inventario.
▪ Planeación de redes.
▪ Logística de combustible.
▪ Programación de operación y mantenimiento.
▪ Previsión de demanda eléctrica, precios, generación
alternativa, etc.
▪ Licitación del mercado.
▪ Equilibrio del mercado.
INTRODUCCIÓN A OPTIMIZACIÓN
➢ ¿Por qué es importante utilizar técnicas analíticas para
la toma de decisiones?
✓ Impacto económico
▪ Enorme relevancia económica en la decisión.
▪ Una pequeña mejora por cualquier toma de
decisiones acertada, tendrá un gran impacto en las
ganancias, operaciones o procesos de la empresa.
INTRODUCCIÓN A OPTIMIZACIÓN
➢ Metaheuristic methods:
✓ Evolutionary algorithms (genetic, memetic, scatter search)
✓ Heuristic (simulated annealing, tabu search)
✓ Bio-inspired (genetic algorithm,ant colonies, particle swarm)
➢ Metaheuristic methods:
✓ Imitate simple phenomena found in nature.
✓ “GLOBAL”, they have specific mechanisms to avoid local optimal.
✓ Explore a huge number of solutions in very short time.
✓ Mainly applied to combinatorial or non differentiable problems.
✓ Do NOT guarantee the optimum. Allow getting multiple suboptimal.
✓ Require a tuning process of the parameter choice.
s. t. :
REGIÓN
CONVEXA
REGIÓN
NO
CONVEXA
Optimización convexa
Concepto de convexidad
✓ Conjunto convexo