OPTIMIZACIÓN NO LINEAL

DRA. ADRIANA LARA

CLASE 01
 PREGUNTAS

• Lineamientos del curso…

• Uso de Moodle…
• Tarea 01…
¿QUÉ ES LA OPTIMIZACIÓN?
Según la RAE:

Optimización: Acción y efecto de optimizar.

Optimizar: Buscar la mejor manera de realizar una

actividad.
RECURSOS LIMITADOS

¿Qué tipo
de recursos
son
valiosos?
EN LA NATURALEZA:
estados de mínima
energía, trayectorias de
partículas, etc.
¿PARA QUÉ OPTIMIZAR?
ÁREAS DE APLICACIÓN DE LA
OPTIMIZACIÓN:
• Medios de transporte

• Fabricación

• Diseño de partes

• Inversiones monetarias

• Manejo de tiempos y horarios

• Entre otros...
 OPTIMIZACIÓN NUMÉRICA
(PROGRAMACIÓN MATEMÁTICA)
Consiste en encontrar el conjunto de valores o parámetros
que nos llevan a obtener la mejor solución (valor máximo o
mínimo).

FASES EN LA OPTIMIZACIÓN:
• Modelado matemático.
• Elección del método (clasificación del problema).
• Solución del problema (implementación computacional del
algoritmo elegido).
• Verificación de la solución (condiciones de optimalidad).
• Análisis de sensibilidad (interpretación de la solución en
términos prácticos).
CLASIFICACIÓN DE LAS
TÉCNICAS:

• Optimización continua
• Optimización discreta
• Optimización entera
• Optimización lineal y no lineal
CLASIFICACIÓN DE LAS
TÉCNICAS:

• Optimización sin restricciones

• Optimización con restricciones

X
0  xi  100, xi  1
i
CLASIFICACIÓN DE LAS
TÉCNICAS:

GLOBAL
VS
LOCAL
 FORMULACIÓN MATEMÁTICA
El problema de optimización no lineal se
define como:

minn f (x)
x2R

sujeto a:
gi (x)  0 con i 2 {1 · · · m}
hi (x) = 0 con i 2 {1 · · · k}
PARA EL MODELADO SE
REQUIERE:

• Identificar el objetivo a optimizar.

• Identificar las variables en juego.

• Identificar las restricciones.

 ALGORITMOS DE
OPTIMIZACIÓN

Iterativos xt ! xt+1
Buscamos que nuestros algoritmos sean:

• Robustos

• Eficientes

• Precisos

Nota: los tres requerimientos anteriores están

generalmente en conflicto.
EJEMPLO:
AJUSTE DE DATOS POR MÍNIMOS
CUADRADOS

Supongamos que
tenemos ciertos datos
experimentales

y 1 . . . ym
obtenidos en los
tiempos

t 1 . . . tm .
De la observación de los datos y nuestra experiencia
en el área, determinamos que la función debe tener
un comportamiento exponencial y oscilatorio, por lo
que decidimos modelarla mediante la siguiente
función:
2
(x t) /x4
(t; x) = x1 + x2 e 3
+ x3 sin(x6 t).

Aqui, x = (x1 , x2 , . . . , x6 ) son los parámetros del

modelo.

La meta es hacer que cada punto (tj ; x) del

modelo sea lo más cercano posible a los datos
observados; es decir, si formamos los residuos
rj = yj (tj ; x), con j = 1 . . . m
 rj = yj (tj ; x), con j = 1 . . . m
y planteamos el problema como encontrar los
valores para x1 , x2 , . . . , x6 que arrojen los
menores residuos, el problema se plantea como
minimizar la suma de dichos residuos, i.e.,:

min6
x2R
2 2 2
f (x) = r1 + r2 + ... + rm .
PARA ESTE CURSO SE NECESITA:

1. Conocimientos de los cursos siguientes:

• Métodos numéricos I, II

• Optimización lineal

• Programación de computadoras

2. Compromiso de trabajo

• Habrá trabajo entre clase y clase que deben realizar (lecturas,

programas, ejercicios, etc.).
PARA LA PRÓXIMA CLASE…

DEBEN HACER LO SIGUIENTE:

1. Tomar el curso online (partes 1 - 8) de Matlab

Onramp https://la.mathworks.com/learn/
tutorials/matlab-onramp.html

2. Recordar de Métodos Numéricos el método de

diferencias finitas para aproximar la derivada de una
función. Escribir código de Matlab para evaluar la
derivada de una función particular en cierto punto.