Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 27 vistas

    Trabajo de Milexa Unidad 3 (Optimización No Lineal)

    Cargado por

    Jose Morales
    Este documento presenta un resumen de varios métodos de búsqueda utilizados para encontrar soluciones óptimas en problemas de optimización. Explica métodos como la búsqueda de Fibonacci, la búsqueda por la sección dorada y el método de interpolación cuadrática para funciones unimodales, así como métodos multidimensionales como el método de Newton y el método del gradiente descendente. También cubre métodos de variaciones cíclicas como el método de restricción proyectada y el método de penalización para problemas con restricciones

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Trabajo de Milexa Unidad 3 (Optimización No Lineal)

    Cargado por

    Jose Morales
    27 vistas6 páginas
    Este documento presenta un resumen de varios métodos de búsqueda utilizados para encontrar soluciones óptimas en problemas de optimización. Explica métodos como la búsqueda de Fibonacci, la búsqueda por la sección dorada y el método de interpolación cuadrática para funciones unimodales, así como métodos multidimensionales como el método de Newton y el método del gradiente descendente. También cubre métodos de variaciones cíclicas como el método de restricción proyectada y el método de penalización para problemas con restricciones

    Descripción original:

    Trabajo de Optimización no Lineal

    Título original

    Trabajo de Milexa Unidad 3 (Optimización No Lineal).docx

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta un resumen de varios métodos de búsqueda utilizados para encontrar soluciones óptimas en problemas de optimización. Explica métodos como la búsqueda de Fibonacci, la búsqueda por la sección dorada y el método de interpolación cuadrática para funciones unimodales, así como métodos multidimensionales como el método de Newton y el método del gradiente descendente. También cubre métodos de variaciones cíclicas como el método de restricción proyectada y el método de penalización para problemas con restricciones

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    27 vistas6 páginas

    Trabajo de Milexa Unidad 3 (Optimización No Lineal)

    Cargado por

    Jose Morales
    Este documento presenta un resumen de varios métodos de búsqueda utilizados para encontrar soluciones óptimas en problemas de optimización. Explica métodos como la búsqueda de Fibonacci, la búsqueda por la sección dorada y el método de interpolación cuadrática para funciones unimodales, así como métodos multidimensionales como el método de Newton y el método del gradiente descendente. También cubre métodos de variaciones cíclicas como el método de restricción proyectada y el método de penalización para problemas con restricciones

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 6

    REPÚBLICA BOLIVARIANA DE VENEZUELA

    MINISTERIO DEL PODER POPULAR PARA LA DEFENSA


    UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
    DE LA FUERZA ARMADA NACIONAL BOLIVARIANA
    NÚCLEO MIRANDA – EXTENSIÓN OCUMARE DEL TUY
    ING. DE SISTEMAS – SECCIÓN: 06S-2642-D1
    OPTIMIZACIÓN NO LINEAL

    MÉTODOS DE BÚSQUEDA
    (Trabajo Unidad 3)

    PROFESORA: ESTUDIANTE:
    Corina Brazón Milexa Aponte
    C.I: 29.801.940

    OCUMARE DEL TUY, NOVIEMBRE DEL 2023


    INTRODUCCIÓN

    La búsqueda es un proceso fundamental en la resolución de


    problemas, tanto en la vida cotidiana como en la informática. En la
    Unidad 3 de este trabajo, se verán diferentes métodos de búsqueda
    que son utilizados para encontrar soluciones óptimas en diversos
    contextos. En particular, nos enfocaremos en la función unimodal, la
    búsqueda de Fibonacci, la búsqueda por la sección dorada, el método
    de interpolación cuadrática, los métodos de búsqueda
    multidimensionales y los métodos de variaciones cíclicas.
    3. MÉTODOS DE BÚSQUEDA:

    Los métodos de búsqueda en optimización lineal se utilizan para


    encontrar una solución óptima en un problema de optimización lineal.
    Un problema de optimización lineal consiste en maximizar o minimizar
    una función lineal sujeta a una serie de restricciones lineales.

    3.1 Función Unimodal, Búsqueda de Fibonacci, Búsqueda por la


    Sección Dorada, Método de Interpolación Cuadrática:

    Función Unimodal:

    En esta sección, analizaremos cuatro métodos de búsqueda que se


    utilizan especialmente para encontrar el punto máximo o mínimo de
    una función unimodal. Una función unimodal es aquella que tiene un
    solo máximo o mínimo en su dominio.

    Búsqueda de Fibonacci:

    El método de búsqueda de Fibonacci es un algoritmo eficiente que


    utiliza la secuencia de Fibonacci para determinar la posición de una
    posible solución en el espacio de búsqueda. A medida que el algoritmo
    avanza, reduce el rango de búsqueda hasta encontrar el máximo o
    mínimo de la función.

    Búsqueda por la Sección Dorada:

    La búsqueda por la sección dorada también es un método de


    búsqueda eficiente que se basa en una proporción matemática
    conocida como la sección dorada. Este método divide el espacio de
    búsqueda en secciones y calcula la relación dorada para determinar
    qué sección contiene el máximo o mínimo de la función.
    Método de Interpolación Cuadrática:

    El método de interpolación cuadrática es otro enfoque para encontrar


    el máximo o mínimo de una función unimodal. Utiliza la interpolación
    polinómica para aproximar la función y encontrar su máximo o mínimo
    utilizando las propiedades de los polinomios de segundo grado.

    En resumen, estos tres métodos de búsqueda son útiles para


    encontrar soluciones óptimas en funciones unimodales, cada uno con
    sus propias características y eficiencia.

    3.2 Métodos de Búsqueda Multidimensionales:

    Los métodos de búsqueda multidimensionales se utilizan cuando la


    función a analizar depende de varias variables. Estos métodos son
    especialmente relevantes en problemas de optimización en los que se
    busca encontrar el punto máximo o mínimo de una función
    multidimensional.

    A continuación dos ejemplos de los numerosos métodos de búsqueda


    multidimensionales disponibles:

    ● Un método comúnmente usado es el Método de Newton, el cual


    utiliza la matriz Jacobiana y la matriz Hessiana para realizar
    aproximaciones sucesivas y encontrar el máximo o mínimo de la
    función en el espacio multidimensional. Este método es eficiente
    y puede converger rápidamente hacia la solución óptima.
    ● Otro método popular es el Método de Gradiente Descendente, el
    cual utiliza las derivadas parciales de la función para determinar
    la dirección de mayor descenso. A medida que el algoritmo
    avanza hacia la solución óptima, se ajusta la tasa de aprendizaje
    para alcanzar la convergencia.
    Cada uno de estos ejemplos tiene sus propias ventajas y desventajas,
    por lo que es importante estudiar y comprender las características de
    cada método para aplicar el más adecuado al problema específico.

    3.3 Métodos de Variaciones Cíclicas:

    Los métodos de variaciones cíclicas son técnicas de búsqueda


    utilizadas en problemas de optimización que involucran restricciones.
    Estos métodos se basan en el concepto de ciclos, donde se generan
    soluciones iniciales y se realizan modificaciones iterativas hasta
    alcanzar una solución óptima que cumpla con las restricciones
    establecidas.

    Un ejemplo de método de variaciones cíclicas es el método de


    restricción proyectada, el cual divide el espacio de búsqueda en
    regiones que satisfacen las restricciones y realiza ajustes en estas
    regiones hasta encontrar la solución óptima. Este método es eficiente
    y adecuado para problemas con múltiples restricciones.

    Otro método común es el método de penalización, el cual transforma


    un problema con restricciones en un problema sin restricciones
    mediante la adición de términos de penalización en la función objetivo.
    Con cada iteración, se ajusta la penalización hasta alcanzar una
    solución que se acerque a la óptima y cumpla con las restricciones.
    CONCLUSIÓN

    En conclusión, en este trabajo de investigación se exploró una


    variedad de métodos de búsqueda en distintos contextos de
    optimización. Se comenzó analizando métodos de búsqueda
    específicos para funciones unimodales, como la búsqueda de
    Fibonacci, la búsqueda por la sección dorada y el método de
    interpolación cuadrática. Estos métodos nos permiten encontrar el
    máximo o mínimo de una función unimodal de manera eficiente,
    aprovechando propiedades matemáticas y técnicas de aproximación.

    En resumen, estos métodos de búsqueda nos ofrecen enfoques


    versátiles y efectivos para abordar una amplia gama de problemas de
    optimización. Cada método tiene sus propias ventajas y desventajas, y
    la elección del método adecuado dependerá del tipo de problema y de
    sus características específicas. Al comprender y aplicar estos métodos
    de manera adecuada, podemos mejorar nuestra capacidad para
    encontrar soluciones óptimas en diferentes entornos de optimización,
    proporcionando avances significativos en diversas áreas de estudio y
    aplicación práctica.

    También podría gustarte