Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PDF generado usando el kit de herramientas de fuente abierta mwlib. Ver http://code.pediapress.com/ para mayor información.
PDF generated at: Fri, 30 Apr 2010 16:48:39 UTC
Contenidos
Artículos
Optimización (matemática) 1
Optimización combinatoria 3
Optimización multiobjetivo 4
Referencias
Fuentes y contribuyentes del artículo 7
Fuentes de imagen, Licencias y contribuyentes 8
Licencias de artículos
Licencia 9
Optimización (matemática) 1
Optimización (matemática)
En matemáticas la optimización o programación matemática intenta
dar respuesta a un tipo general de problemas donde se desea elegir el
mejor entre un conjunto de elementos. En su forma más simple, el
problema equivale a resolver una ecuación de este tipo:
El máximo de un paraboloide.
Un problema de optimización trata entonces de tomar una decisión óptima para maximizar (ganancias, velocidad,
eficiencia, etc.) o minimizar un criterio determinado (costos, tiempo, riesgo, error, etc). Las restricciones significan
que no cualquier decisión es posible.
Tipos de optimizaciones
Según el nivel de generalidad que tome el problema, será la resolución que se plantee.
Optimización clásica
Si la restricción no existe, o es una restricción de igualdad, con menor o igual número de variables que la función
objetivo entonces, el cálculo diferencial, da la respuesta, ya que solo se trata de buscar los valores extremos de una
función.
Optimización estocástica
Cuando las variables del problema (función objetivo y/o restricciones) son variables aleatorias el tipo de
optimización realizada es optimización estocástica.
Enlaces externos
• Investigación Operativa - El Sitio de Investigación Operativa en Español del Ing. Santiago Javez Valladares-Perú
[2]
• COPA, Centro para la Optimización y la Probabilidad Aplicada ,Universidad de los Andes [3]
Véase también
• Categoría:Optimización
• Optimización multiobjetivo
• Eficiencia de Pareto
• Información parcial lineal
Referencias
[1] http:/ / es. wikipedia. org/ wiki/ L%C3%B3gica_difusa
[2] http:/ / www. invope. com
[3] http:/ / copa. uniandes. edu. co
Optimización combinatoria 3
Optimización combinatoria
La optimización combinatoria es una rama de la optimización en matemáticas aplicadas y en ciencias de la
computación, relacionada a la investigación de operaciones, teoría de algoritmos y teoría de la complejidad
computacional. También está relacionada con otros campos, como la inteligencia artificial e ingeniería de software.
Los algoritmos de optimización combinatoria resuelven instancias de problemas que se creen ser difíciles en general,
explorando el espacio de soluciones (usualmente grande) para estas instancias. Los algoritmos de optimización
combinatoria logran esto reduciendo el tamaño efectivo del espacio, y explorando el espacio de búsqueda
eficientemente.
Los algoritmos de optimización combinatoria a menudo son implementados en lenguajes imperativos como C y
C++,en lenguajes de programación lógicos tales como Prolog, o incluso en lenguajes multi-paradigma tales como
Oz.
Mediante el estudio de la teoría de la complejidad computacional es posible comprender la importancia de la
optimización combinatoria. Los algoritmos de optimización combinatoria se relacionan comúnmente con problemas
NP-hard. Dichos problemas en general no son resueltos eficientemente, sin embargo, varias aproximaciones de la
teoría de la complejidad sugieren que ciertas instancias (ej. "pequeñas" instancias) de estos problemas pueden ser
resueltas eficientemente. Dichas instancias a menudo tienen ramificaciones prácticas muy importantes.
Definición formal
Una instancia de un problema de optimización combinatoria puede ser descrito formalmente como una tupla
donde
• X es el espacio de soluciones (en el cual f y P están definidos)
• P es la factibilidad predicado.
• Y es el conjunto de soluciones factibles.
• f es la función objetivo.
• extr es el extremo (normalmente min o max).
Ejemplo de problemas
• El problema del vendedor viajero,
• Programación lineal
• El problema de las n-reinas
Métodos
Los métodos de búsqueda heurísticos (algoritmos metaheuristicos) como los listados abajo han sido usado para
resolver problemas de este tipo.
• Búsqueda local
• Simulated annealing
• GRASP
• Swarm intelligence
• Tabu search
• Algoritmos genéticos
• Optimización basada en colonias de hormigas
• Reactive search
Optimización combinatoria 4
Véase también
• Optimización discreta
• Algoritmos de búsqueda
Referencias
• William J. Cook, William H. Cunningham, William R. Pulleyblank, Alexander Schrijver; Combinatorial
Optimization; John Wiley & Sons; 1 edition (November 12, 1997); ISBN 047155894X.
• Pierluigi Crescenzi, Viggo Kann, Magnús Halldórsson, Marek Karpinski, Gerhard Woeginger, A Compendium of
NP Optimization Problems [1].
• Christos H. Papadimitriou, and Kenneth Steiglitz; Combinatorial Optimization : Algorithms and Complexity;
Dover Pubns; (paperback, Unabridged edition, July 1998) ISBN 0486402584.
Referencias
[1] http:/ / www. nada. kth. se/ %7Eviggo/ wwwcompendium/
Optimización multiobjetivo
En un problema de optimización se tratará de encontrar una solución que represente el valor óptimo para una
función objetivo.
En el caso más sencillo se tendrá un único objetivo, que estará representado por una función del tipo
, donde y . Tanto el dominio como la imagen de la función serán números reales (escalares), y
el valor óptimo corresponderá a un mínimo o a un máximo.
Ejemplo: Al minimizar la función , el valor óptimo es , y se da para ,
según puede verse en la figura 1.
Optimización multiobjetivo 5
y las p restricciones:
Métodos de solución
Para tratar el problema comentado del conflicto entre objetivos se han utilizado diversos métodos:
• Métodos basados en el concepto de eficiencia de Pareto.
• Métodos basados en la combinación de objetivos. Dentro de estos métodos se puede mencionar el método de la
suma ponderada, en el que se optimizará el valor obtenido mediante la suma de los valores correspondientes a
los distintos objetivos, multiplicados cada uno por un coeficiente de peso. Estos coeficientes de peso establecerán
la importancia relativa de cada objetivo. El problema de optimización multiobjetivo se transforma así en otro de
optimización escalar, que para el caso de la minimización será de la forma
Véase también
• Optimización
• Eficiencia de Pareto
• Algoritmo evolutivo
Referencias
[1] Steuer, R.E. (1986). Multiple Criteria Optimization: Theory, Computations, and Application. John Wiley & Sons, Inc. ISBN: 047188846X.
[2] Sawaragi, Y.; Nakayama, H. and Tanino, T. (1985). Theory of Multiobjective Optimization (vol. 176 of Mathematics in Science and
Engineering). Orlando, FL: Academic Press Inc. ISBN: 0126203709.
[3] (May 2002) Evolutionary Algorithms for Solving Multi-Objective Problems (Volume 5 of the Book Series on Genetic Algorithms and
Evolutionary Computation). Kluwer Academic Publishers. ISBN: 0306467623.
[4] (2001) Multi-objective optimization using evolutionary algorithms. Chichester, New York: John Wiley & Sons.
Fuentes y contribuyentes del artículo 7
Optimización combinatoria Fuente: http://es.wikipedia.org/w/index.php?oldid=35537980 Contribuyentes: Boja, Chfiguer, Gerkijel, Global.minimum, Poc-oban, 8 ediciones anónimas
Optimización multiobjetivo Fuente: http://es.wikipedia.org/w/index.php?oldid=35175988 Contribuyentes: Mparri, Nihilo, TuringTest, 3 ediciones anónimas
Fuentes de imagen, Licencias y contribuyentes 8
Licencia
Creative Commons Attribution-Share Alike 3.0 Unported
http:/ / creativecommons. org/ licenses/ by-sa/ 3. 0/