optimizacion

La localizacin de races (parte dos) y la optimizacin estn relacionadas, en el

sentido

de que ambas involucran valores iniciales y la bsqueda de un punto en una

funcin.

La localizacin de races es la bsqueda de los ceros de una funcin o funciones.

En

cambio, la optimizacin es la bsqueda ya sea del mnimo o del mximo.

El ptimo es el punto donde la curva es plana. En trminos matemticos, esto

corresponde

al valor de x donde la derivada (x) es igual a cero. Adems, la segunda derivada,

(x), indica si el ptimo es un mnimo o un mximo: si (x) < 0, el punto es

un mximo; si (x) > 0, el punto es un mnimo.

algunos mtodos de optimizacin

tratan de encontrar un ptimo resolviendo el problema de encontrar la raz: (x) =

0.

Deber observarse que tales bsquedas con frecuencia se complican porque (x)
no se

puede obtener analticamente. Por lo tanto, es necesario usar aproximaciones por

diferencia

finita para estimar la derivada.

la optimizacin tiene que ver con la determinacin

del mejor resultado, o solucin ptima, de un problema. As, en el contexto del

modelado,

se les llama con frecuencia modelos prescriptivos, puesto que sirven para sealar

un curso de accin o el mejor diseo.

Algunos ejemplos comunes de problemas de optimizacin en ingeniera.

Diseo de un avin con peso mnimo y resistencia mxima.

 Trayectorias ptimas de vehculos espaciales.

Diseo de estructuras en la ingeniera civil con un mnimo costo.

Planeacin de obras para el abastecimiento de agua, como presas, que permitan

disminuir daos

por inundacin, mientras se obtiene mxima potencia hidrulica.

la mayora de los elementos fundamentales de otros problemas

de optimizacin, que usted enfrentar en la prctica de la ingeniera. stos son

El problema involucrar una funcin objetivo que se optimizar.

Tendr tambin un nmero de variables de diseo. stas pueden ser nmeros

reales

o enteros. En nuestro ejemplo, dichas variables son r (real) y n (entero).

El problema incluye restricciones que consideran las limitaciones bajo las cuales
se

trabaja.

Los problemas de optimizacin se clasifican considerando la forma de f(x):

Si f(x) y las restricciones son lineales, tenemos un problema de programacin

lineal.

Si f(x) es cuadrtica y las restricciones son lineales, tenemos un problema de

programacin

cuadrtica.

Si f(x) no es lineal ni cuadrtica y/o las restricciones no son lineales, tenemos un

problema de programacin no lineal.

Otra forma de clasificar los problemas de optimizacin es segn su

dimensionalidad.

En general se dividen en unidimensionales y multidimensionales. Como su nombre

lo

indica, los primeros involucran funciones que dependen de una sola variable
independiente.
Los problemas multidimensionales implican

funciones que dependen de dos o ms variables independientes.

Se presentan mtodos para determinar el mnimo o el

mximo de una funcin con una sola variable.

En la optimizacin unidimensional no restringida Se examinan tres mtodos:

bsqueda de

la seccin dorada, interpolacin cuadrtica y el mtodo de Newton. Tales mtodos

tienen tambin relevancia en la optimizacin multidimensional.

Los mtodos directos, tales como bsquedas

aleatorias, bsquedas univariadas y bsquedas de patrones, no requieren la

evaluacin

de las derivadas de la funcin. Por otro lado, los mtodos de gradiente utilizan la
primera

o la segunda derivada para encontrar el ptimo.