Escolar Documentos
Profissional Documentos
Cultura Documentos
6.1 Mtodos que usan nicamente valores de la funcin Bsqueda aleatoria. Seleccionar un vector de partida x0. Evaluar f(x0). Seleccionar otro vector de forma aleatoria x1. Evaluar f(x1). Tanto la direccin como el tamao de paso se han seleccionado simultneamente. Despus de una o ms etapas, el valor de f(xk) es comparado con el mejor valor previo de todas las etapas anteriores, y se toma la decisin de continuar o terminar con la bsqueda.
Bsqueda en malla
x2 xk x1
x2 xk x1
Bsqueda univariada
f1 (x) = ci x i
i =1 n 2
x0
f 1 (x) = d ij x i x j
i =1 j=1
x0
4 X
1 0
10
11 5
0 1
2 0
0 0
(s ) Q (s ) = 0 (s ) Qs
i T j
En general un conjunto de n direcciones linealmente independientes s 0 , s1 ,... , s n 1 son conjugadas con respecto a una matriz cuadrada positiva definida si =0 0 i j n -1 En optimizacin la matriz Q es la matriz de Hess de la funcin objetivo, H.
( )
T f (x)s < 0
f ( x k )
sk xk
f ( x k )
s k = f (x k )
x k +1 = x k + x k = x k k f (x k )
Si k se selecciona para obtener el mnimo,
d f ( x k + s k ) = 0 d g k ( ) = f x k + s k
gk()=f(xk+sk)
)
T
f (x k + s k ) k d k k si f ( x + s ) = x i d i = s k f x k + s k
Pendiente = f T x k + k s k s k = 0
k
( )
=0
( )
( ) ( )
( ) (
( ) ( ) f ( x )f (x ) f ( x )f (x )
T 1 1 T 0 0 k
T f ( x k +1 )f x k +1 s = f x +s T f ( x k )f x k Paso 4 : Aplicar el test de convergencia. Si no se cumple con el criterio de convergencia, regresar al paso 3.
( ) ( )
Paso n : Terminar el algoritmo cuando f(x k ) sea menor a alguna tolerancia prescrita.
Para una bsqueda en lnea, se puede optimizar el tamao de paso, mediante una aproximacin cuadrtica de la funcin, 1 k T f (x ) = f (x + s ) = f x + f (x )s + s H (x k )s k 2 T d f (x k + s k ) = 0 = T f (x k )s k + s k H (x k )s k d Tf xk sk opt = k T (s ) H (x k )s k
k k k T k k
( )
( )
( )
( )
Mtodo de Newton
( )
= x H x
k k
[ ( )]
k
f x k
( )
[ ( )]
k
f x k
( )