Please enable JavaScript.

Coggle requires JavaScript to display documents.

(Optimización (Pasos para resolver un problema de optimización (Si la…

- - - - a) Descomponer en partes manejables
      - b) Simplificar la función objetivo y el modelo
  - - - Simplex
    - - Secuencial
      - Cuadrática
      - Gradiente reducido generalizado
    - - Branch and Bound
    - - Outer Approximation
  - - - Sirven para muchos problemas
    - - Se mide con el tiempo de computación/almacenamiento
  - - - Es el proceso de generar modelos matemáticos abstractos o conceptuales
    - - Es la representación matemática de un sistema físico para un proceso físico
  - - - Nf=Nv-Ne
        
        Nf=Número de grados de libertad
        
        Nv=Número total de ecuaciones
        
        Ne=Número de ecuaciones independientes
  - - - Escoger la dirección de búsqueda
      - Minimizar a lo largo de esa dirección para encontrar un nuevo punto
      - Especificar previamente los valores del punto inicial
      - Criterio de convergencia para la terminación
  - - - Grid Search
      - Newton
        
        x^k+1=x^k-f'(x^k)/f''(x^k)
        
        Ventajas
        
        El algoritmo es cuadráticamente divergente
        
        Para una función cuadrática el mínimo se obtiene en una nueva iteración
        
        Desventajas
        
        Cálculo de f'(x) y f''(x)
        
        La convergencia es lenta
      - Quasi-Newton
        
        Se deben tener dos puntos iniciales
        
        m=(f'(xq)-f'(xp))/(xq-xp)
      - Diferencias finitas
        
        Es conveniente utilizarse cuando las funciones no están dadas por un modelo matemático o que la derivada esté muy compleja
        
        x^k+1=x*k-((f(x+h)-f(x-h))/2h)/((f(x+h)-2f(x)+f(x-h))/h^2)
      - Aproximaciones polinomiales
        
        Se deben tener 3 puntos iniciales