7: Optimización
- Page ID
- 84116
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)
- 7.1: Introducción a la Optimización
- ¿Qué es la optimización? Introducción al costo y espacio de parámetros.
- 7.2: Optimización continua de una sola dimensión
- Optimización de funciones de variable única conocidas y continuas, utilizando la prueba de derivada cero y el método de Newton.
- 7.3: Optimización Continua Multidimensional
- Métodos para encontrar la optimización de una función de costo multidimensional que depende de más de una variable: descenso más pronunciado, gradiente conjugado y método de segundo orden de Newton.
- 7.4: Programación lineal
- Optimización en casos donde el costo es una función lineal de múltiples parámetros, que comprende restricciones de desigualdad y/o igualdad.
- 7.5: Programación lineal de enteros
- El método branch-and-bound para resolver problemas de optimización que involucran funciones continuas de costo y restricción pero permiten solo soluciones enteras.
- 7.6: Optimización Mín-Máx para Opciones Discretas
- El método min-max: encontrar la desviación normalizada más pequeña del rendimiento máximo entre objetivos, como una forma de seleccionar la solución óptima en una situación que tenga múltiples candidatos discretos.
- 7.7: Programación dinámica
- Introducción al enfoque de programación dinámica para resolver problemas de optimización con un alto número de incógnitas, enfocándose específicamente en problemas de ruta más corta.
- 7.8: Resolver programación dinámica en una computadora
- Usar el algoritmo de iteración de valores para resolver de manera eficiente problemas de optimización de ruta más corta con una computadora.