4.

2 OPTIMIZACIÓN DE UNA
VARIABLE

SINTESIS Y OPTIMIZACIÒN DE EQUIPO 5

PROCESOS
INTEGRANTES:

COBA GÓMEZ ISAAC

GÓMEZ HERNÁNDEZ EDITH AMAIRANI
DOCENTE: MII. HILÈN ESCOBAR CASTRO
GUERRA AQUINO DALIA DEL CAREN
MORALES CALDERON FANNY ARELY
MORALES HERNÀNDEZ JEAN FRANCO
SURIANO SÀNCHEZ JORGE KAHLIL
Para optimizar un sistema se debe establecer una función
objetivo, la cual trata de maximizar algún tipo de beneficios
o salida del sistema, o de minimizar algún tipo de costos o
entradas al proceso.

El caso más simple de solución de un problema de

optimización es cuando se pueden usar los principios
de cálculo diferencial. La derivada de la función con
respecto a la variable de interés igualada a cero
proporciona el máximo o el mínimo que se busca.

La función objetivo para un problema de

optimización debe ser unimodal para que el valor
óptimo global se garantice al resolver el
problema mediante algún método numérico En la figura siguiente se muestran
algunos tipos de funciones
unimodales y no unimodales…
Ilustración 1. Ejemplos de funciones unimodales (a, b y c) y
funciones no unimodales (d y e)
 MÉTODO DE LA SECCIÓN DORADA

Uno de los métodos más efectivos para optimizar problemas de una

variable es el conocido como Sección Dorada o Sección Áurea.
El método se basa en la colocación de puntos de búsqueda simétricos, de
tal manera que, en cada iteración, el punto que se conserva sirve como
base para la selección del nuevo punto

El cual a su vez debe conservar la simetría original, pero

acotando la solución óptima dentro de un intervalo de
búsqueda menor.
La idea básica es economizar el número de evaluaciones de
función y acotar la solución óptima en intervalos anidados
sucesivos.
 Deducción Del Método

Comencemos con una estructura inicial, que El proceso de búsqueda se optimiza si el

consiste de los límites de búsqueda punto remanente I0 se conserva para la
especificados siguiente iteración.

𝐼0 = 𝑏0 − 𝜏 𝑏0 − 𝑎0 (1)
𝑟0 = 𝑎0 + 𝜏 𝑏0 − 𝑎0 (2)

Al evaluar la función objetivo en cada uno de

estos dos puntos interiores, se comparan los
valores obtenidos, y se rechaza la región
comprendida a la izquierda de I0 o la
comprendida a la derecha de r0,
Ilustración 2. Las dos primeras iteraciones del
método de Sección Dorada, suponiendo que el
Se supone que la función evaluada en r0 proporciona punto r0 es peor que el punto I0
un peor valor de la función objetivo que el obtenido
con el punto I0, por lo que se rechaza la región [r0,b0].
Ensayo de I0=I1

El valor de I0 está dado por la ecuación 1; el valor

de I1 sería entonces

𝑰𝟏 = 𝒓𝟎 − 𝝉 𝝉 𝒃𝟎 − 𝒂𝟎
O bien
𝑰𝟏 = [𝒂𝟎 + 𝝉 𝒃𝟎 − 𝒂𝟎 − 𝝉[𝝉 𝒃𝟎 − 𝒂𝟎 ]
Igualando 1 y 2, se obtiene
(3)
Lo cual no es satisfactorio debido a que 𝝉 debe ser
menor que uno para lograr una reducción del
intervalo de búsqueda en cada iteración.

𝒃𝟎 − 𝒂𝟎 𝝉𝟐 − 𝟐𝝉 − 𝟏 = 𝟎

De donde,
𝝉=𝟏
Ensayo de 𝑰𝟎 = 𝒓𝟏

El valor de 𝒓𝟏 está dado por

𝒓𝟏 = 𝒂𝟎 + 𝝉[𝝉(𝒃𝟎 − 𝒂𝟎 ]

Igualando con la ecuación 1

𝒃𝟎 − 𝒂𝟎 𝝉𝟐 + 𝝉 − 𝟏 = 𝟎

De donde, ignorando la raíz negativa de esta ecuación cuadrática por carecer de

significado, se obtiene,
𝝉 = 𝟎. 𝟔𝟏𝟖
Este resultado establece la base para el método de Sección Dorada.
 Reducción de Intervalo

La contracción que se logra en el espacio de búsqueda con el

método de Sección Dorada está dada por:
𝑪𝒏 = 𝝉𝒏−𝟏 = (𝟎. 𝟔𝟏𝟖)𝒏−𝟏
Donde n es el número de evaluaciones de función,
equivalentes a n-2 iteraciones. Esta relación puede servir para
establecer el número de iteraciones que se requiere en un
problema dado para alcanzar una aproximación deseada en el
valor óptimo.
 MÉTODO DE FIBONACCI

La sucesión de Fibonacci es una sucesión

La sucesión de Fibonacci es conocida
definida por recurrencia. Esto significa que para
desde hace miles de años, pero fue
calcular un término de la sucesión se necesitan
Fibonacci (Leonardo de Pisa)
los términos que le preceden.

La utilidad de este sistema está relacionada con la alta volatilidad que

tienen los mercados, y es que con la oscilación de los activos
subyacentes a veces se hace difícil acertar en la dirección de la
tendencia.
En el caso del método Fibonacci, éste nos ayudará precisamente con
eso, ya que sirve para identificar el comportamiento de los precios y
nos ayuda a medir las subidas y bajadas de los mismos.
El primer y segundo término de la sucesión son: El quinto término es

Los siguientes términos se obtienen sumando

los dos términos que les preceden: El sexto término es

El tercer término de la sucesión es:

El (n+1)(n+1)-ésimo término es
El cuarto término es
 OTROS TIPOS DE
OPTIMIZACION

FLETCHER REEVES QUASI NEWTON BOX SQP

OTROS TIPOS DE
OPTIMIZACION

MIXTO COMPLEX
EJEMPLO (MÈTODO DE SELECCIÒN DORADA)

Encontrar el mínimo de la función 𝒇 𝒙 = 𝒙𝟐 − 𝒙 en el intervalo

(0,2). Usar cuatro iteraciones

Podemos predecir primero el grado de reducción del intervalo original para las
cuatro iteraciones que se desean, las cuales equivalen a n=6 evaluaciones de
función.
𝟔−𝟏
𝑪𝟔 = 𝟎. 𝟔𝟏𝟖 = 𝟎. 𝟎𝟗
9% del intervalo original
Iteración 0.
𝑰𝟎 = 𝒃𝟎 − 𝝉 𝒃𝟎 − 𝒂𝟎 = 𝟐 − 𝟎. 𝟔𝟏𝟖 𝟐 − 𝟎 = 𝟎. 𝟕𝟔𝟒
𝒓𝟎 = 𝒂𝟎 + 𝝉 𝒃𝟎 − 𝒂𝟎 = 𝟎 + 𝟎. 𝟔𝟏𝟖 𝟐 − 𝟎 = 𝟏. 𝟐𝟑𝟔
Evaluando la función en estos puntos se obtiene
𝒇 𝑰𝟎 = −𝟎. 𝟏𝟖𝟎
𝒇 𝒓𝟎 = 𝟎. 𝟐𝟗𝟐
El peor punto es r0, por lo que se rechaza el intervalo (ro,b0) = (1.236,2)
Iteración 1
Intervalo (a1,b1) es (0,1.236).
I0=0.754 se convierte en r1
𝑰𝟏 = 𝒃𝟏 − 𝝉 𝒃𝟏 − 𝒂𝟏 = 𝟏. 𝟐𝟑𝟔 − 𝟎. 𝟔𝟏𝟖 𝟏. 𝟐𝟐𝟑𝟔 − 𝟎 = 𝟎. 𝟒𝟕𝟐
El valor de la función en este punto es
𝒇(𝑰𝟏 ) = −𝟎. 𝟐𝟒𝟗
Como f(r1)> f(I1) y se está minimizando la función
Iteración 2
Intervalo es (0, 0.764), y ahora
𝑰𝟏 => 𝒓𝟐 = 𝟎. 𝟒𝟕𝟐 𝒄𝒐𝒏 𝒇 𝒓𝟐 = −𝟎. 𝟐𝟒𝟗
El valor de I2 y de la función en este punto son
𝑰𝟐 = 𝒃𝟐 − 𝝉 𝒃𝟐− 𝒂𝟐 = 𝟎. 𝟕𝟔𝟒 − 𝟎. 𝟔𝟏𝟖 𝟎. 𝟕𝟔𝟒 − 𝟎 = 𝟎. 𝟐𝟗𝟐
𝒇(𝑰𝟐) = −𝟎. 𝟐𝟎𝟕

Este es un peor punto que el anterior, ya que 𝒇(𝑰𝟐) > 𝒇 𝒓𝟐

(0.764, 1.236)
Iteración 3 Iteración 4
𝒂𝟑 , 𝒃𝟑 = 𝟎. 𝟐𝟗𝟐, 𝟎. 𝟕𝟔𝟒 𝒂𝟒 , 𝒃𝟒 = (𝟎. 𝟐𝟗𝟐, 𝟎. 𝟓𝟖𝟒)
𝒓𝟐 => 𝑰𝟑 = 𝟎. 𝟒𝟕𝟐; 𝒇 𝑰𝟑 = −𝟎. 𝟐𝟒𝟗 𝑰𝟑 => 𝒓𝟒 = 𝟎. 𝟒𝟕𝟐; 𝒇 𝒓𝟒 = −𝟎. 𝟐𝟒𝟗
𝒓𝟑 = 𝒂𝟑 − 𝝉 𝒃𝟑− 𝒂𝟑 = 𝟎. 𝟓𝟖𝟒 𝑰𝟒 = 𝟎. 𝟒𝟎𝟑
𝒇 𝒓𝟑 = −𝟎. 𝟐𝟒𝟑 𝒇 𝑰𝟒 = −𝟎. 𝟐𝟒𝟎
𝑬𝒍𝒊𝒎𝒊𝒏𝒂𝒓 𝟎. 𝟐𝟗𝟐, 𝟎. 𝟒𝟎𝟑
Como 𝒇 𝒓𝟑 > 𝒇 𝑰𝟑

se rechaza el intervalo (r3,b3)=(0.584,0.764) El óptimo se ha acotado en el intervalo (0.403, 0.584),

el cual corresponde al 9% del intervalo original.

𝑿∗ = 𝟎. 𝟒𝟕𝟐
La solución exacta al problema es 𝑿∗ = 𝟎. 𝟓
 REFERENCIAS

Jiménez, A. (2008). Diseño de procesos en ingeniería química . En Principios de

optimización.México: Reverté, S.A.
Págs.: 80-96

Iván Gil, Javier Guevara y José García. (2011). Análisis y simulación de procesos
en ingeniería química. Colombia: Universidad Nacional de Colombia.

BINARIAS BLOG. (s.f.). Obtenido de https://www.binarias.org/blog/estrategia-del-

metodo-fibonacci/

GONZALES, E. Z. (2019). Tesis. Obtenido de

http://200.48.129.167/bitstream/handle/UNJFSC/4188/EDUARDO%20ZORRILLA%20G
ONZALES.pdf?sequence=1&isAllowed=y