Professional Documents
Culture Documents
Algoritmos
genticos
geomtricos
Mtodos lgicos
La optimizacin lgica mediante eliminacin de redundancias tiene una
aplicacin muy limitada. Esto es debido a que no es una tcnica completa,
en el sentido de que una vez que se han eliminado todas las redundancias
de un circuito no es posible continuar optimizndolo mediante esta tcnica.
Para obtener un algoritmo general de optimizacin, la eliminacin de
redundancias se puede completar con su operacin inversa: la adicin de
redundancias. Esta operacin inversa tiene por objetivo la creacin de
nuevas redundancias, de forma que, tras la eliminacin de estas ltimas, el
circuito presenta menor rea o menor retraso o ambas cosas a la vez.
Bsqueda
Aleatoria
Este mtodo se basa en la generacin de una secuencia de aproximaciones
mejoradas al mnimo, cada una de las cuales se deriva de la aproximacin
previa. Entonces, si xi es la aproximacin al mnimo obtenida en la etapa (o
iteracin) (i 1), la nueva aproximacin en la etapa i se obtiene de: xi+1 =
xi + ui donde es una longitud de paso (valor escalar), ui es un vector
aleatorio
unitario
generado
en
la
iesima
etapa.
Algunas de las ventajas de los mtodos de bsqueda aleatoria son
las
siguientes:
Estos mtodos funcionan aunque la funcin objetivo sea discontinua y no
diferenciable en alguno de sus puntos. Estos mtodos pueden usarse para
encontrar el mnimo global cuando la funcin objetivo posee varios mnimos
relativos.
Estos mtodos son aplicables cuando otros mtodos fallan debido a
dificultades locales tales como funciones con formas determinadas y
regiones de bsqueda difciles de explorar. Aunque estos mtodos no son
muy eficientes, pueden usarse en las etapas iniciales de la optimizacin
para detectar la regin donde es ms probable encontrar el mnimo global.
Una vez localizada esta regin, puede usarse una tcnica ms eficiente para
ubicar
con
mayor
precisin
el
mnimo
global.
Procedimientos de aproximacin estocsticos
Consiste en la elaboracin de modelos de optimizacin con escenarios,
Muestreo de escenarios: Si el nmero de casos que hay que evaluar es muy
elevado es necesario reducirlo. Por ello se procede a un muestreo de los
mismos. Se determina la funcin de probabilidad acumulada y se procede al
muestreo ( el muestreo se realiza por el mtodo de Montecarlo).
La funcin objetivo final se determina empleando el mtodo de la
aproximacin media de muestra. Finalmente se analizan los resultados:
determinndose el tamao de muestra mnimo para obtener una solucin
fiable. Para luego analizar la solucin y disear el proceso.
de
en
de
de
_
Nuevo
P0
es
mnimo
a
lo
largo
de
nuevo
uN
_ Direcciones se van haciendo conjugadas, y se llega a mnimo de forma
cuadrtica
tras
N
iteraciones
del
ciclo
_ Problema de tendencia a dependencia lineal de (ui) (convergencia a
mnimo
de
un
subespacio):
_
Re
inicializacin
de
(ui)
tras
N
iteraciones
_ Powell: Eliminacin (salvo excepciones) de direccin en que f disminuy
ms en lugar de u1; prdida de direcciones conjugadas (y de convergencia
cuadrtica)
Mtodo del ascenso acelerado
Proceso interactivo de modelo de primer orden ajustado para acceder a las
cercanas del ptimo. Esto se logra realizando un conjunto de experimentos
que requieren llamar al modelo de simulacin con puntos de operacin
definidos en la direccin dada por el signo de los coeficientes del modelo
ajustado, con incremento en las variables proporcionales a la magnitud de
los coeficientes. Lo anterior se realiza mientras exista mejoramiento de la
respuesta o hasta encontrarse con una restriccin, debido a que, si se
encuentra una restrincion, los experimentos deben realizarse a travs de la
direccin impuesta por el vector director de la misma. El mejor punto
encontrado en la trayectoria de bsqueda se toma como el punto central
para
un
nuevo
diseo
experimental.
Este mtodo se experimenta en una funcin que emula el funcionamiento
del mismo; para ello recie como parmetros los coeficientes del modelo
ajustado, el margen de operacin y el punto actual de operacin, retornando
un
nuevo
punto
de
operacin.
Mtodo de Newton Raphson
Es un algoritmo eficiente para encontrar aproximaciones de los ceros o
races de una funcin real. Tambin puede ser usado para encontrar el
mximo o mnimo de una funcin, encontrando los ceros de su primera
derivada.
La idea de este mtodo es la siguiente: se comienza con un valor
razonablemente cercano al cero (denominado punto de arranque), entonces
se reemplaza la funcin por la recta tangente en ese valor, se iguala a cero
y se despeja (fcilmente, por ser una ecuacin lineal). Este cero ser,
generalmente, una aproximacin mejor a la raz de la funcin. Luego, se
aplican tantas iteraciones como se deseen. Supngase f : [a, b] R funcin
derivable definida en el intervalo real [a, b]. Empezamos con un valor inicial
x0
y
definimos
para
cada
nmero
natural
n.
Xn+1 = f(Xn) / f (Xn). Donde f denota la derivada de f.
Mtodo de Davidon Fletcher Powell
El mtodo de Davidon-Fletcher-Powell ha sido y sigue siendo una tcnica de
gradiente ampliamente utilizada. El mtodo tiende a ser robusto; esto es,
tpicamente tiende a tener un buen comportamiento en una amplia variedad
Mtodo de Smith.
Permite resolver el problema de varianza no constante en regresin en un
solo paso, ya que simultneamente se hallan las distribuciones posteriores
de todos los parmetros involucrados, un problema que para la
aproximacin tradicional es complejo y requiere primero modelar la
heteroscedasticidad y luego estimar los parmetros del modelo realizando
los
ajustes
necesarios.
Dado que este proceso de generacin de muestras es un proceso
markoviano donde la distribucin estacionaria es la distribucin posterior de
la cual se pretende extraer las muestras, se deben descartar los valores
generados al comienzo del proceso. Este es un problema complejo pero se
acostumbra eliminar los primeros 1000 valores y generar 5000 valores o
ms.
Tratamos de hacer
predicciones sobre esa magnitud, teniendo en cuenta sus caractersticas histricas o
del pasado
Ejemplo para las variaciones cclicas.
Supongamos que tenemos las ventas trimestrales de un supermercado en el perodo
1990-1994, expresadas en millones de pesetas constantes del ao 1990.
Mtodos para determinar la tendencia de las variaciones cclicas
1) METODO GRAFICO
a) Se efecta la representacin grfica de la serie ordenada Yt
b) Se unen mediante segmentos rectilneos todos los puntos altos de la serie,
obtenindose una poligonal de cimas
c) Se realiza lo mismo con los puntos bajos, obtenindose la lnea poligonal de fondos
d) Se trazan perpendiculares al eje de abscisas por los puntos cimas y fondos.
e) La tendencia viene dada por la lnea amortiguada que une los puntos medios de los
segmentos
2) METODO DE LAS MEDIAS MOVILES
*** Empleando 3 observaciones
a) Partimos de la serie temporal observada Yt.
b) Se obtienen sucesivas medias aritmticas para cada Yt, con un nmero de
observaciones anteriores y posteriores fijado de antemano
- Si el nmero de observaciones es impar la media Yt, est centrada y coincide con el
perodo t
c) La serie formada por las medias de Yt, nos indica la lnea amortiguada de la
tendencia 6 .
*** Empleando 4 observaciones
a) Partimos de la serie temporal observada Yt.
b) Se obtienen las sucesivas medias aritmticas Si el nmero de observaciones
empleados para obtener la media es par, yt no est centrada y no coincide con el
perodo t, y habr que volver a calcular una nueva media aritmtica yt, utilizando los yt,
obteniendo de esta manera una nueva serie de medias mviles centradas.
Fibonacci,
Leonardo de Pisa, Leonardo Pisano o Leonardo Bigollo (c. 1170 - 1250), tambin
llamado Fibonacci, fue un matemtico italiano, famoso por haber difundido
en Europa el sistema de numeracin indo-arbigo actualmente utilizado, el que
emplea notacin posicional (de base 10, o decimal) y un dgito de valor nulo: el cero; y por
idear la sucesin de Fibonacci.
El apodo de Guglielmo (Guillermo), padre de Leonardo, era Bonacci (simple o bien
intencionado). Leonardo recibi pstumamente el apodo de Fibonacci (por filius Bonacci,
hijo de Bonacci). Guglielmo diriga un puesto de comercio en Buga (segn algunas
versiones era el cnsul dePisa), en el norte de frica (hoy Bejaia, Argelia), y de nio
Leonardo viaj all para ayudarlo. All aprendi el sistema de numeracin rabe.
Consciente de la superioridad de los numerales rabes, Fibonacci viaj a travs de los
pases delMediterrneo para estudiar con los matemticos rabes1 ms destacados de ese
tiempo, regresando cerca de 1200. En 1202, a los 32 aos de edad, public lo que haba
aprendido en elLiber abaci (abaci en el sentido de aritmtica y no del baco instrumento).
Este libro mostr la importancia del nuevo sistema de numeracin aplicndolo a
la contabilidad comercial, conversin de pesos y medidas, clculo, intereses, cambio
de moneda, y otras numerosas aplicaciones. En estas pginas describe el cero,
la notacin posicional, la descomposicin en factores primos, los criterios de divisibilidad.
El libro fue recibido con entusiasmo en la Europa ilustrada, y tuvo un impacto profundo en
el pensamiento matemtico europeo.
Leonardo fue husped del Emperador Federico II, que se interesaba en las matemticas y
la ciencia en general. En 1240, la Repblica de Pisa lo honra concedindole un salario
permanente (bajo su nombre alternativo de Leonardo Bigollo).
Sucesin de Fibonacci
En matemticas, la sucesin de Fibonacci (a veces llamada errneamente serie de
Fibonacci) es la siguiente sucesin infinita de nmeros naturales:
La sucesin comienza con los nmeros 1 y 1,2 y a partir de estos, cada trmino es la
suma de los dos anteriores, es la relacin de recurrencia que la define.
A los elementos de esta sucesin se les llama nmeros de Fibonacci. Esta sucesin
fue descrita en Europa por Leonardo de Pisa, matemtico italiano del siglo XIII tambin
conocido como Fibonacci. Tiene numerosas aplicaciones en ciencias de la
computacin, matemticas yteora de juegos. Tambin aparece en configuraciones
biolgicas, como por ejemplo en las ramas de los rboles, en la disposicin de las
hojas en el tallo, en las flores de alcachofas ygirasoles, en las inflorescencias del
brcol romanesco y en la configuracin de las pias de las conferas.
es exactamente
nmeros.
Los nmeros de Fibonacci son la suma de las diagonales (marcadas en rojo) del tringulo
de Pascal.