Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello Seccin de Computacin o o CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco Mxico, D.F. 07300 e email: ccoello@cs.cinvestav.mx

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de la Seccin Dorada e o

En el mtodo de la seccin dorada, el intervalo se reduce a e o (0.618)n1 despus de n evaluaciones de la funcin objetivo. De tal e o forma, el nmero de evaluaciones de la funcin objetivo que se u o requieren para lograr una precisin deseada se calcula resolviendo o (para n) la siguiente ecuacin: o (0,618)n1 (b a) =

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de la Seccin Dorada e o

Al igual que en la bsqueda de Fibonacci, slo se requiere una u o evaluacin de la funcin objetivo por iteracin y la eliminacin o o o o regional efectiva por evaluacin de la funcin es exactamente o o 38.2 %, que es un valor ms alto que en el mtodo de divisin de a e o intervalos por la mitad. Esta cantidad es la misma que en la bsqueda de Fibonacci para un valor grande de n. De hecho, para u un valor grande de n, el mtodo de Fibonacci es equivalente a la e seccin dorada. o

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Comparacin de los Mtodos de Eliminacin de o e o Regiones

Comparemos ahora las eciencias relativas de los mtodos de e eliminacin de regiones que hemos visto hasta ahora. Denotemos el o intervalo de incertidumbre original como Lo y al intervalo de incertidumbre nal, despus de N evaluaciones de la funcin e o objetivo le llamaremos LN . Supongamos ahora que consideramos a la reduccin fraccional (RF ) del intervalo original como una o medida de mrito de los mtodos de eliminacin de regiones. e e o Tenemos entonces:

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Comparacin de los Mtodos de Eliminacin de o e o Regiones

LN Lo

RF (N ) =

La siguiente tabla muestra los intervalos nales de incertidumbre de cada uno de los mtodos que vimos: e

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Comparacin de los Mtodos de Eliminacin de o e o Regiones

Mtodo e Bsqueda Exhaustiva u Div. intervalos por la mitad Fibonacci Seccin dorada o Frmula o LN = LN =
2 N Lo N/2 2

LN =0.5

Lo

LN =(0.618)

FN +1 Lo N 1

Lo

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Comparacin de los Mtodos de Eliminacin de o e o Regiones

Las reducciones fraccionales pueden obtenerse fcilmente: a Bsqueda exhaustiva: u RF (N ) = LN 2Lo 2 = = Lo N Lo N

Divisin de intervalos por la mitad: o LN 0,5N/2 Lo RF (N ) = = = 0,5N/2 Lo Lo

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Comparacin de los Mtodos de Eliminacin de o e o Regiones

Fibonacci: LN 2Lo 2 RF (N ) = = = Lo FN +1 Lo FN +1 Seccin Dorada: o LN (0,618)N 1 Lo = = (0,618)N 1 RF (N ) = Lo Lo

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Comparacin de los Mtodos de Eliminacin de o e o Regiones

La siguiente tabla muestra los valores de RF (N ) para distintos valores de N . Estos valores son indicativos de la eciencia de cada mtodo. e
Mtodo e Bsqueda Exhaustiva u Div. intervalos por la mitad F6 =13 Fibonacci Seccin dorada o 0.1538 0.1459 F11 =144 0.01389 0.01315 F16 =1597 0.00125 0.001185 F21 =17711 0.000113 0.00010685 N =5 0.4 0.177 N = 10 0.2 0.03125 N = 15 0.133 0.0055 N = 20 0.1 0.0009765

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Comparacin de los Mtodos de Eliminacin de o e o Regiones

De esta tabla se desprende que el mtodo ms eciente es el de e a Fibonacci, seguido por la seccin dorada. o En la prctica, suele calcularse el nmero de iteraciones que se a u requieren para obtener una precisin dada. Esto se puede obtener o usando: LN = = precisin requerida. Si usamos Lo = 1, podemos obtener el o nmero de iteraciones que requiere cada mtodo para lograr una u e precisn dada. Ver la tabla siguiente: o

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Comparacin de los Mtodos de Eliminacin de o e o Regiones

Mtodo e Bsqueda Exhaustiva u Div. intervalos por la mitad Seccin dorada o 6 8 11 16 =0.1 19 7 =0.05 39 9 =0.01 199 14 =0.001 1999 20

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Aproximacin Polinomial o e o Estimacin de Puntos o

Los mtodos de eliminacin de regiones que vimos anteriormente, e o slo requieren que la funcin sea unimodal. Por tanto, son o o aplicables tanto a funciones continuas como discontinuas, as como a problemas con variables discretas. La lgica de estos mtodos se o e basa en una simple comparacin de valores de la funcin en 2 o o puntos diferentes. Adems, esta comparacin slo toma en cuenta el a o o ordenamiento de los valores de la funcin y no involucra de manera o alguna a las magnitudes de la diferencia entre valores funcionales.

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Aproximacin Polinomial o e o Estimacin de Puntos o

Los mtodos de estimacin de puntos s toman en cuenta las e o magnitudes relativas de los valores de la funcin y, en consecuencia, o suelen tener mejor desempeo que los mtodos de eliminacin de n e o regiones. Sin embargo, esta mejora en eciencia se obtiene a partir de requerir que las funciones a optimizarse sean suentemente suaves.

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Aproximacin Polinomial o e o Estimacin de Puntos o

La idea bsica de los mtodos de estimacin de puntos es que si la a e o funcin es sucientemente suave, entonces puede ser aproximada o mediante un polinomio, y dicho polinomio puede entonces usarse para predecir la ubicacin del ptimo. Para que esta estrategia sea o o efectiva, es necesario que la funcin a optimizarse sea tanto o unimodal como continua.

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Aproximacin Polinomial o e o Estimacin de Puntos o

El teorema de la aproximacin de Weierstrass garantiza que, si la o funcin es continua en el intervalo considerado, entonces sta puede o e ser aproximada con la precisin deseada usando polinomios de un o orden sucientemente alto. Consecuentemente, si la funcin es o unimodal y se cuenta con un polinomio que la aproxime razonablemente bien, entonces la ubicacin del ptimo puede o o predecirse razonablemente bien usando el polinomio en cuestin. o

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Aproximacin Polinomial o e o Estimacin de Puntos o

El teorema de Weierstrass tambin sugiere que se puede mejorar e nuestra aproximacin del ptimo usando polinomios de o o aproximacin mediante alguno de los 2 mecanismos siguientes: o 1. 2. Usando un polinomio de mayor orden, o Reduciendo el intervalo sobre el cual se aproximar el ptimo a o de la funcin. o

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Aproximacin Polinomial o e o Estimacin de Puntos o

De entre estas 2 opciones, suele preferirse la segunda, porque el a lgebra de los polinomios de un orden superior a tres se complica bastante y, debido a la premisa de unimodalidad, la reduccin de o intervalos es mucho ms fcil de realizarse. a a

Clase No. 4

2005

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Estimacin Cuadrtica e o a

El mtodo de interpolacin lineal ms simple es la aproximacin e o a o cuadrtica. Se basa en la observacin de que si una funcin alcanza a o o su m nimo en el interior de un intervalo, entonces debe ser al menos cuadrtica. Si es lineal, se supondr que su ptimo se encuentra en a a o alguno de los extremos del intervalo. Por tanto, un esquema de estimacin cuadrtica presupone que, dentro del intervalo dado, la o a funcin puede ser aproximada mediante una cuadrtica y dicha o a aproximacin mejorar conforme los puntos utilizados para o a construir la aproximacin se acercan al m o nimo real.

Clase No. 4

2005