Los métodos de búsqueda directa se aplican principalmente a funciones estrictamente

unimodales de una variable.

La idea de los métodos de búsqueda directa es identificar el intervalo de incertidumbre que
comprenda al punto de solución óptima. El procedimiento localiza el óptimo estrechando en
forma progresiva el intervalo de incertidumbre hasta cualquier grado de exactitud que se
desee.
Dos algoritmos estrechamente relacionados son los métodos de búsqueda dicótomo y de
sección dorada (o áurea). Ambos buscan la maximización de una función unimodal/(x) en el
intervalo a < x < b, que se sabe que incluye el punto óptimo x*.Los dos métodos comienzan
con /0 = (a, b) que representa el intervalo inicial de incertidumbre.
Paso general i. Sea /, _ , = (xD xR) el intervalo actual de incertidumbre (en la iteración 0, xL =
a y xR = b). A continuación se definen xx y x2tales que
xj^ ^ ^ x2 ^ xr
El siguiente intervalo de incertidumbre, /z, se define como sigue:

1. Si f(xx) > /(x2), entonces xL < x* < x2. Se definen xR = x2 e /, = (xL, x2) (véase la figura
21.2[a]).
2. Si f(xx) < f(x2\ entonces xx < x* < xR. Se definen xL = xx e I¡ = (xh xR) (véase la figura
21.1 [b]). .
3. Si f{x\) = /(jc2), entonces xx < x* < x2. Se definen xL = x2 e /, = (xb x2).

La manera en que se determinan xx y x2 garantiza que /, < /,_ p como se demostrará en

breve. El algoritmo termina en la iteración ksilk< A,donde A es un grado de exactitud defi-
nido por el
usuario.
*
La diferencia entre los métodos dicótomo y de sección dorada estriba en la forma en que se
calculan xx y x2. La tabla siguiente presenta las fórmulas.

En el método dicótomo los valores jc, y x2 se encuentran simétricos respecto del punto
medio del actual intervalo de incertidumbre. Esto significa que
 La aplicación repetida del algoritmo garantiza que la longitud del intervalo de incertidumbre
se acercará al nivel de exactitud deseado, A.
En el método de la sección dorada la idea es de mayor involucramiento. Se puede apreciar
que cada iteración del método dicótomo requiere calcular los dos valores/(jc,) y f(x2), Pe” ro
termina por descartar alguno de ellos. Lo que propone el método de la sección dorada es
ahorrar cálculos mediante el reuso del valor descartado en la iteración inmediata siguiente.
Para definir 0 < a < 1

Cuando el intervalo de incertidumbre /, en la iteración i es igual a (jc¿, x2) o

a (xu xR). Considere el caso en que /, = (jcl, x2), lo cual significa que xx está incluido en /,.
En la iteración /+1, seleccione x2 igual a jc, de la iteración /, lo cual lleva a la siguiente
ecuación:
x2(iteración i+l) = x{(iteración i)

Comparado con el método dicótomo, el método de la sección dorada converge más rápida-
mente hacia el nivel deseado de exactitud. Adicionalmente, cada iteración en el método de
la sección dorada requiere la mitad de los cálculos, en virtud de que recicla siempre un
conjunto de los cálculos correspondientes a la iteración inmediata anterior.
EJEMPLO
 El máximo valor de f(x) ocurre en x = 2. La siguiente tabla muestra los cálculos para las
iteraciones 1 y 2, usando el método dicotomo y el de la sección dorada. Supondremos que
A = 0.1.

Al continuar de la misma forma, el intervalo de incertidumbre terminará por estrecharse hasta

la tolerancia A deseada.

La plantilla ch21DichotomousGoldenSection.xls de Excel está diseñada para manejar

cualquiera de estos dos métodos en forma automática. Los datos son/(*), a,b y A. La
función f{x) se captura en la celda E3 como sigue:
= IF(C3< = 2,3*C3, (-C3+20)/3)

conocido también como método de Cauchy o del descenso más pronunciado) consiste en un
algortimo específico para la resolución de modelos de PNL sin restricciones, perteneciente a
la categoría de algoritmos generales de descenso, donde la búsqueda de un mínimo esta
asociado a la resolución secuencial de una serie de problemas unidimensionales.

Los pasos asociados a la utilización del método del gradiente o descenso más pronunciado
consiste en:
Luego de realizar la segunda iteración se verifica que se cumplen las condiciones necesarias
de primer orden (d1=(0,0)). Adicionalmente se puede comprobar que la función objetivo
resulta ser convexa y en consecuencia las condiciones de primer orden resultan ser
suficientes para afirmar que la coordenada (X1,X2)=(-2,1) es el óptimo o mínimo global
del problema