Programa

CURSO
TRADUCCIN
SIGLA

:
:
:

OPTIMIZACIN AVANZADA
ADVANCED OPTIMIZATION
ICS3153

CRDITOS
MDULOS
REQUISITOS
CARCTER

:
:
:
:

10
03
ICS1113 Y MAT251I
MNIMO

DISCIPLINA

INGENIERA

I.

DESCRIPCIN

En este curso se busca comprender los principios de geometra lineal, dualidad, algoritmos de
punto interior.
Para ello se estudian las nociones de convexidad, problemas sin restricciones, teora de
optimizacin lineal,
optimizacin general diferenciable con restricciones, mtodos duales y lagrangeanos.

II. OBJETIVOS
Al finalizar el curso el alumno ser capaz de:
1.
2.
3.
4.
5.
6.

Comprender y aplicar los principios de la geometra de la optimizacin lineal y convexa.

Comprender y aplicar la teora de dualidad, tanto lineal como no lineal general.
Comprender la teora de convergencia de algoritmos de optimizacin.
Comprender la teora de los algoritmos de punto interior y sus aplicaciones.
Modelar problemas usando programacin semidefinida y entender la teora.
Comprender el concepto de dual lagrangeanos y su uso para la resolucin de problemas de
optimizacin.

III. CONTENIDOS
1.

Nociones de convexidad en optimizacin: poliedros y conos, polaridad.

2.

Problemas generales sin restricciones.

2.1.
Convergencia de los algoritmos de descenso ms pronunciado y de Newton.
2.2.
Teora de NewtonKantorovich.

3.

Teora de Optimizacin lineal.

3.1.
Geometra de la optimizacin lineal: estructura poliedral, teoremas de
alternativa.
3.2.
Conexiones con la dualidad de programacin lineal.
3.3.
Elementos de teora de juegos.
4.

Optimizacin general diferenciable con restricciones.

4.1.
Revisin de las condiciones de optimalidad, extensiones.
4.2.
Dualidad general.

5.

Optimizacin convexa general (no diferenciable).

5.1.

Nocin de subdiferencial.

5.2.

Condiciones de optimalidad.

5.3.

Mtodos generales para problemas convexos: algoritmos de subdiferencial y

algoritmos de
separacin (mtodo de las elipsoides).
6.

Mtodos duales y lagrangeanos.

6.1.

El concepto de relajacin lagrangeana y de descomposicin lagrangeana en

optimizacin.
6.2.
6.3.

Propiedades del dual lagrangeano y su "robustez".

Metodos "Bundle".

PONTIFICIA UNIVERSIDAD CATLICA DE CHILE

FACULTAD DE INGENIERA / Mayo de 2009
1
6.4.
7.

Algoritmos de punto interior en optimizacin convexa y cnica.

7.1. Visin general y convergencia.
7.2.
7.3.

8.

Lagrangeanos aumentados y mtodos.

Algoritmos primal-dual.
Algoritmos especficos para programacin lineal y no lineal.

Programacin semidefinida.
8.1. Modelamiento de problemas como SDP.
8.2.
8.3.

Propiedades.
Mtodos de punto interior para SDP.

IV. METODOLOGA
Mdulos semanales:
Ctedras: 2
-

Ayudantas: 1

El curso se realiza utilizando metodologas de enseanza centradas en el alumno que permitan a

los
estudiantes desarrollar las competencias definidas en los objetivos del curso.
Este curso est diseado de forma tal que el alumno dedique al estudio personal un promedio de 6
hrs. a la
semana.

V. EVALUACIN
Las evaluaciones pueden ser por medio de pruebas, proyectos y/o tareas.

VI. BIBLIOGRAFA
Textos Mnimos

Bertsekas, D.P.
Scientific,

Nonlinear

programming.

Massachussets, Athena

Belmont, 1999.
Hiriart-Urruty, J-B. and
Verlag,
Lamarechal, C.
Bem-Tal, A., A. Nemirovski
Algorithms;

Convex Analysis and Minimization Algorithms. Springer

1993, tomos I y II.
Lectures on Modern Convex Optimization: Analysis,
Engineering Applications. SIAM-MPS Series in

Optimization,
2001.

PONTIFICIA UNIVERSIDAD CATLICA DE CHILE

FACULTAD DE INGENIERA / Mayo de 2009
2