Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 62 vistas

    Optimizacion Tarea 2

    Cargado por

    Roberto Hernandez Pescador
    Este documento describe varios métodos de optimización univariada como Newton, Quasi-Newton y Secante. El método de Newton requiere que la función sea dos veces derivable y converge cuadráticamente localmente. El método de Quasi-Newton aproxima las derivadas cuando no se conocen. El método de la Secante combina Newton con reducción de intervalos para encontrar raíces de f'(x)=0.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Optimizacion Tarea 2

    Cargado por

    Roberto Hernandez Pescador
    62 vistas4 páginas
    Este documento describe varios métodos de optimización univariada como Newton, Quasi-Newton y Secante. El método de Newton requiere que la función sea dos veces derivable y converge cuadráticamente localmente. El método de Quasi-Newton aproxima las derivadas cuando no se conocen. El método de la Secante combina Newton con reducción de intervalos para encontrar raíces de f'(x)=0.

    Título original

    OPTIMIZACION TAREA 2

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe varios métodos de optimización univariada como Newton, Quasi-Newton y Secante. El método de Newton requiere que la función sea dos veces derivable y converge cuadráticamente localmente. El método de Quasi-Newton aproxima las derivadas cuando no se conocen. El método de la Secante combina Newton con reducción de intervalos para encontrar raíces de f'(x)=0.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    62 vistas4 páginas

    Optimizacion Tarea 2

    Cargado por

    Roberto Hernandez Pescador
    Este documento describe varios métodos de optimización univariada como Newton, Quasi-Newton y Secante. El método de Newton requiere que la función sea dos veces derivable y converge cuadráticamente localmente. El método de Quasi-Newton aproxima las derivadas cuando no se conocen. El método de la Secante combina Newton con reducción de intervalos para encontrar raíces de f'(x)=0.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 4

    ESCUELA SUPERIOS DE INGENIERIA QUÍMICA

    E INDUSTRIAS EXTRACTIVAS

    OPTIMIZACIÓN Y SIMULACIÓN DE PROCESOS

    TAREA No 2 “ MÉTODOS DE OPTIMIZACIÓN


    UNIVARIABLE”

    ALUMNO: HERNÁNDEZ PESCADOR JESÚS


    ROBERTO

    PROFESOR: HUGO DÍAZ SÁNCHEZ

    12 OCT 2020
    Métodos numéricos para optimización de funciones de una variable

    Para la aplicación de estos métodos es necesario conocer el intervalo inicial ∆0 donde está
    contenido el óptimo de la función objetivo, y asegurar la unimodalidad de la función en el
    intervalo en estudio. Un método de optimización para una función de una sola variable podría ser
    determinar una grilla (tan fina como se quiera) de valores de x y calcular los valores de f(x) en cada
    valor de la grilla, el óptimo sería el mejor valor de f(x). Si utilizamos este procedimiento para
    funciones multimodales, el tiempo de cálculo se vuelve prohibitivo. La selección del método de
    búsqueda del óptimo es una solución de compromiso entre la complejidad del procedimiento y el
    número de evaluaciones necesarias.

    1. Métodos indirectos: Newton, Quasi-Newton y Secante

    Es de suponer que si además de unimodalidad y continuidad en las funciones que queremos


    optimizar, se requiere también la derivabilidad de las mismas, podremos incrementar la
    eficiencia de los algoritmos de búsqueda. Nos referiremos en esta sección a métodos de
    búsqueda de óptimos en funciones derivables. Recordemos en primer lugar que la condición
    necesaria para que un punto x* sea óptimo local de una función derivable es que se anule su
    derivada en ese punto, f´(x*) = 0. Cuando f(x) es una función de tercer grado o superior, la
    solución analítica de la ecuación f´(x) = 0 se complica. Por tanto, requerimos un método de
    búsqueda que se aproxime sucesivamente al punto estacionario de f(x). La efectividad de estas
    técnicas se evalúa mediante la velocidad de convergencia que presentan.
    Método de Newton

    El método de Newton requiere que la función sea dos veces derivable. Se expresa como:

    Ventajas: es un proceso que converge cuadráticamente en forma local. Para una función
    cuadrática converge con solo una iteración.

    Desventajas: se deben calcular las derivadas primeras y segundas, si las derivadas segundas son
    nulas el método converge lentamente, si existen más de un extremo el método puede no
    converger en el valor deseado.

    Desafortunadamente el método depende de la elección del punto de partida y de la naturaleza de


    la función. Es bastante posible que este método no converja hacia el verdadero punto
    estacionario. La figura siguiente ilustra esta dificultad. Si comenzamos en un punto a la derecha de
    x0, las aproximaciones sucesivas se alejarán del punto estacionario x*.
    Método de Quasi-Newton

    Este método es una solución a las limitaciones del método de Newton. En el caso en que la función
    objetivo no sea conocida o no puedan evaluarse las derivadas, estas pueden reemplazarse por
    aproximaciones de diferencias finitas:

    La desventaja adicional de este método consiste en la necesidad de evaluar funciones adicionales


    en cada iteración, también es necesario conocer el valor de h (paso de la diferencia finita).

    Método de la Secante

    El método de la secante combina el método de Newton con un esquema de reducción de intervalo


    para encontrar, si existe, la raíz de la ecuación f´(x)=0, en el intervalo (a,b). En este método la
    condición necesaria se resuelve mediante la siguiente expresión:

    También podría gustarte