Professional Documents
Culture Documents
Métodos de optimización
(Sin restricciones)
Trabajo #4
Nombre: IsamarSanchez
CI: V-20.513.393
El método del gradiente (conocido también como método de Cauchy o del descenso más
pronunciado) consiste en un algoritmo 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 está asociada a la resolución secuencial de una serie de problemas
unidimensionales.
Método de Newton
El método del gradiente conjugado se puede utilizar también para resolver los problemas
de optimización sin restricciones como la minimización de la energía.
Una de las propiedades más importantes del método de gradiente es suhabilidad de generar
direcciones conjugadas de una manera muy económica.La importancia de las direcciones
conjugadas radica en el hecho de quepodemos minimizar
Existe una gran similitud entre los esfuerzos actuales por mejorar los métodos de métrica
variable y aquellos que buscan mejorar los métodos de gradiente conjugado. Por tanto,
mucho de lo descrito en métodos de gradiente conjugado aplica también para los métodos
de métrica variable. Davidon (1975) ha propuesto una clase de actualizaciones que
permiten búsquedas lineales inexactas. Powell (1977) estableció posteriormente la
propiedad determinación cuadrática de estos métodos en la ausencia de búsquedas lineales.
Pareciera ser que un método de métrica variable con terminación cuadrática pero sin la
necesidad de búsquedas lineales costosas seria robusto y rápido en funciones generales.
Goldfarb(1977) se cuenta entre los que han explorado esta promisoria línea de
investigación.
Método de Davidon-Fletcher-Powel