Escolar Documentos
Profissional Documentos
Cultura Documentos
Optimizacin en Ingenier o a
Dr. Carlos A. Coello Coello Departamento de Computacin o CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco Mxico, D.F. 07300 e email: ccoello@cs.cinvestav.mx
Clase No. 10
2007
Optimizacin en Ingenier o a
Encontrar (k) tal que: f (X (k) + (k) s(k) ) sea m nima con una tolerancia Hacer X (k+1) = X (k) + (k) s(k) Es
||X (k+1) X (k) || ||X (k) ||
Paso 6:
o || f (X (k+1) )||
3?
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
Vimos que el mtodo de Cauchy es la mejor estrategia local basada e en gradientes, pero es importante hacer ver que el gradiente negativo apunta directamente hacia el m nimo slo cuando los o contornos de f son circulares y, por tanto, el gradiente negativo no es una buena direccin global de bsqueda (en general) para o u funciones no lineales.
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
El mtodo de Cauchy emplea aproximaciones lineales sucesivas a la e funcin objetivo y requiere calcular tanto el valor de la funcin o o objetivo como el del gradiente a cada iteracin. Esto nos lleva a o considerar el uso de informacin de orden superior, o sea, las o segundas derivadas, en un esfuerzo por construir una estrategia de bsqueda ms global. u a
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
Consideremos la expansin de Taylor de la funcin objetivo: o o
f (X) = f (X (k) ) +
1 f (X (k) )T x + xT 2
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
Formamos una aproximacin cuadrtica a f (x) eliminando los o a trminos de orden mayor o igual a 3: e
f (X
(k) T
1 ) x + xT 2
f (X (k) )x (4)
donde usamos f (X; X (k) ) para denotar una funcin de o aproximacin construida en X (k) , la cual es, as mismo, una o funcin de X. o
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
Ahora usaremos esta aproximacin cuadrtica de f (x) para formar o a una secuencia iterativa, forzando a X (k+1) , que es el siguiente punto en la secuencia, a ser un punto donde el gradiente de la aproximacin es cero. o
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
Por tanto: f (X; X (k) ) = y
2 (k) 1
f (X (k) ) +
f (X (k) )x = 0
(5)
x =
f (X
f (X (k) )
(6)
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
Tenemos entonces que este esquema de aproximaciones cuadrticas a sucesivas produce el Mtodo de Newton: e
(k+1) (k) 2 (k) 1
=X
f (X
f (X (k) )
(7)
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
Algoritmo Paso 1: Elegir un punto inicial X (0) y dos parmetros de terminacin 1 y 2 a o Hacer k = 0 Paso 2: Calcular f (X (k) ) Paso 3: IF || f (X (k) )|| 1 THEN Terminar ELSE GOTO Paso 4. Paso 4: Efectuar una bsqueda unidireccional para encontrar (k) y calcular: u
2 f (X (k) ) X (k+1) = X (k) (k) f (X (k) ) tal que f (X (k+1) ) sea m nima. Para efectuar la bsqueda unidireccional puede usarse la tolerancia u directamente en el mtodo de minimizacin adoptado. e o 1
Paso 5:
Es
1?
Si es as Terminar. ,
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
2 Puede demostrarse que si la matriz f (X (k) ) es positivamente semidenida, la direccin s(k) debe ser descendente. o 1 2 Sin embargo, si la matriz f (X (k) ) no es positivamente semidenida, la direccin s(k) puede o no ser de descenso, o (k) T 2 (k) 1 dependiendo de si la cantidad f (X ) f (X ) f (X (k) ) es positiva o no. Por ende, la direccin de bsqueda que adopta o u este mtodo puede no siempre garantizar un decremento en el valor e de la funcin en la vecindad del punto actual. o 1
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
Un aspecto importante a considerar es que las condiciones de optimalidad de segundo orden sugiere que 2 f (x ) sea positivamente denida para el punto m nimo. Por tanto, puede presuponerse que la matriz 2 f (x ) es positivamente denida en la vecindad del m nimo y la direccin de bsqueda antes indicada se o u vuelve descendente cerca del ptimo. o
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
Esto nos lleva a concluir que este mtodo es apropiado es apropiado e y eciente cuando el punto inicial se proporciona cercano al ptimo. o Puesto que no puede garantizarse que se reducir el valor de la a funcin a cada iteracin, suele requerirse en este mtodo el hacer o o e reinicializaciones ocasionales desde un punto diferente.
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
La versin que estudiamos del mtodo de Newton tiene una o e modicacin que hace que funcione razonablemente bien en o funciones no cuadrticas (algo que no ocurre con el algoritmo a original). Esto hace al mtodo ms poderoso y se evita e a convergencia a un punto de paso o a un mximo. a
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
Sin embargo, a pesar de estas ventajas, el mtodo no es muy util en e la prctica debido a las siguientes razones: a 1. Se requiere el almacenamiento de una matriz de N N . 2. Se vuelve ms dif y, algunas veces, imposible, calcular los a cil elementos de la matriz Hessiana. 3. Se requiere la inversin de una matriz a cada iteracin. o o 4. Se requiere la evaluacin de una multiplicacin matricial a cada o o iteracin. o
Clase No. 10
2007
Optimizacin en Ingenier o a
Mtodo de Newton e
Estas desventajas hacen al mtodo de Newton imprctico para e a problemas que involucran una funcin objetivo complicada con un o gran nmero de variables. u
Clase No. 10
2007
Optimizacin en Ingenier o a
El Mtodo de Marquardt e
El mtodo de Cauchy funciona bien cuando el punto inicial e est lejos del ptimo y el mtodo de Newton funciona bien cuando a o e el punto inicial est cerca del ptimo. Dado que en un problema a o cualquiera no sabemos si un punto inicial est o no lejos del a o ptimo, parece intuitivo pensar en un mtodo que combine el de e Cauchy y el de Newton, tratando de combinar sus ventajas. Esa es precisamente la idea del mtodo de Marquardt. e
Clase No. 10
2007
Optimizacin en Ingenier o a
El Mtodo de Marquardt e
En este mtodo, se sigue primero el mtodo de Cauchy. e e Posteriormente se adopta el mtodo de Newton. La transicin del e o mtodo de Cauchy al de Newton es adaptativa y depende de la e historia de las soluciones intermedias obtenidas. Este mtodo se e propuso originalmente en 1963.
Clase No. 10
2007
Optimizacin en Ingenier o a
El Mtodo de Marquardt e
Algoritmo Paso 1: Elegir un punto inicial X (0) el nmero mximo de iteraciones, M , u a y un parmetro de terminacin, a o Hacer k = 0 y (0) = 1 104 (un valor grande) Paso 2: Calcular f (X (k) ) Paso 3: IF || f (X (k) )|| o k M THEN Terminar ELSE GOTO Paso 4. Paso 4: Paso 5: Calcular s(X (k) ) = H(k) + (k) I Hacer X (k+1) = X (k) + s(X (k) ) Es f (X (k+1) ) < f (X (k) )? Si es as GOTO Paso 6. , ELSE GOTO Paso 7. 1 Hacer (k+1) = 2 (k) k = k + 1. GOTO Paso 2 Hacer (k) = 2(k) GOTO Paso 4.
1
f (X (k) )
Paso 6: Paso 7:
Clase No. 10
2007