Universidad Nacional Experimental Politécnica de la

Fuerza Armada Nacional Bolivariana

Núcleo Caracas
Ingeniería de Sistemas
Optimización No Lineal

SECCIÓN DORADA

Profesora: Integrantes:
Yerlin Herrera
Barrios German C.I: 14.690.983
Coronel Isis C.I: 18.690.983
García Jairo C.I: 19.223.507
Quiroz Josmar C.I: 19.499.043

Caracas, Abril de 2018

1
 INTRODUCCIÓN

Cuando se quiere minimizar o maximizar una función existen diversas

formas de hacerlo a través de métodos gráficos y analíticos, sin embargo,
estos pueden ser algo imprecisos o tediosos respectivamente, además en
muchos casos suelen ser poco prácticos, por tanto se recurren a técnicas
numéricas de optimización que permitan hallar máximos y mínimos locales
con cierta eficacia. Dentro de estas técnicas se encuentran dos grandes
familias de métodos: los de Búsqueda (Método de Fibonacci y Sección
Dorado o Áurea, entre otros) y los basados en técnicas de aproximación o
estimación de puntos (Método Cuadrático, Método Cúbico, Método Davies,
Swam y Campey – DSC, Método Powell de Interpolación cuadrática,
DSCPowell, Método de Media Aritmética)

Algunos de los métodos numéricos de búsqueda de óptimos de una

función en varias variables se basan en métodos de búsqueda de
óptimos en una variable. Por ejemplo, el método de ascenso más
rápido elige un punto dado y determina la dirección de máximo
crecimiento en tal punto. Esta dirección es la del gradiente de la
función en dicho punto. Así, y partiendo del punto y siguiendo esta
dirección, avanza para localizar el óptimo en dicha dirección.
Imagínese avanzando en línea recta y tomando en cuenta sólo la
evaluación de la función para determinar el punto en la línea con la
mayor evaluación. Una vez alcanzado este punto, se determina la
dirección de máximo crecimiento en tal punto y se repite el proceso
de búsqueda. Por su valor práctico, los métodos de búsqueda en
una dimensión son dignos de revisar.

2
Sección Dorada
Es una técnica para hallar el extremo (mínimo o máximo) de
una función unimodal, mediante reducciones sucesivas del rango de
valores en el cual se conoce que se encuentra el extremo. La técnica
debe su nombre al hecho de que el algoritmo mantiene los valores de la
función en tríos de puntos cuyas distancias forman una proporción
dorada. El algoritmo es el límite de la búsqueda de Fibonacci (también
descrita debajo) para un largo número de evaluaciones de la función. La
búsqueda de Fibonacci y la búsqueda de la sección dorada fueron
descubiertos por Kiefer (1953).

Es importante saber si el óptimo que buscamos existe y que no habrá

más de uno. Una función que efectivamente tiene un sólo óptimo recibe
un nombre de unimodal la cual se define:

Unimodal: Una función es unimodal si sólo tiene un óptimo (relativo o

absoluto). En caso que tenga varios óptimos se dice multimodal.

3
Idea Básica
El diagrama de arriba ilustra un paso en la técnica para hallar un
mínimo. Los valores de la función f(x) están en el eje vertical y el
horizontal es el parámetro x . El valor de f(x) ha sido calculado ya para
los tres puntos x1 , x2 y x3 . Dado que f2 es más pequeño que f1 y
que f3 , es evidente que el mínimo se encuentra dentro del intervalo
desde x1 hasta x3 (porque f es unimodal)

El siguiente paso en el proceso de minimización es "probar" la

función evaluándola en el nuevo valor de x: Es más eficiente
escoger x4 en algún lugar dentro del intervalo más grande, dígase
entre x2 y x3. Por la figura, se puede notar que si f (x4) = f4a entonces
el mínimo se encuentra entre x1 y x4 y el nuevo trío de puntos
serán , y . Sin embargo, si f (x4) = f4b , entonces el mínimo pertenece
al intervalo desde x2 hasta x3, y el nuevo trío de puntos serán x2,
x4 y x3. De esta manera, en cualquier caso, es posible construir un
nuevo intervalo de búsqueda más pequeño en el cual está garantizado
que se encuentra el mínimo de la función.

Esquema de Búsqueda de Sección Dorada

4
Método de la Sección Dorada

La estrategia de este método se basa en tres puntos iniciales: dos

considerados los extremos de un intervalo (x1 y x2) y el tercero (x3) entre los
dos primeros de tal suerte que relación entre la distancia de este punto
interno al extremo x2 (x2 − x3) y la distancia entre los extremos (x2 − x1) es
siempre una constante:

Note que el punto x3 divide al segmento [x1 : x2] en dos partes: la

parte [x1 : x3] es más pequeña que la parte [x3 : x2]: el segmento [x3 : x2]
es el 61.80 % de [x1 : x2], mientras que [x1 : x3] tiene una longitud que es
el 38.19 %.

El método itera generando un siguiente punto x4 en [x3: x2] (la parte

más amplia) de manera que se cumple:

5
Note que las fórmulas convenientes para el cálculo de x3 y x4 son:

Y la razón es porque en estas fórmulas no se requiere que x1 < x2.

Observemos las siguientes razones:

6
7
 Dependiendo de la función a maximizar, el algoritmo escoge tres puntos
de los cuatro disponibles de manera que la situación se repite en las
proporciones de los intervalos. En general, si Ii es la longitud del intervalo en
la iteración i se cumple que:

Por tanto, conociendo el intervalo inicial (I 1) y sabiendo a qué precisión

se desea estimar el punto (In), es fácil estimar el total de iteraciones
requeridas para que este método se aproxime al valor requerido:

8
Ubicación del Intervalo

El método de la sección dorada requiere de la ubicación de los tres

primeros puntos x1, x2 y x3 como se describen anteriormente.
Cuando el método se aplica a la determinación de un máximo de
una función f (x), los puntos deben satisfacer:
f (x1) < f (x3) y f (x3) ≥ f (x2).
Es decir, la función sube y cae. Al procedimiento para encontrar tales
puntos recibe el nombre de Ubicación del Intervalo de Trabajo (Bracketing).

La estrategia inicia a partir de un punto x1 y teniendo un incremento de

x inicial s. Se genera un siguiente punto

x3 = x1 + s.

9
 Si f (x1) ≥ f (x3) habrá que buscar hacia atrás
cambiando intercambiando los puntos y el signo de
incremento.
Si f (x1) < f (x3), el incremento se agranda en la
proporción τ por medio de la fórmula s = s/τ .

10
11
Algoritmo Basado en la Sección Dorada

[1.] Inicie con un punto x1 y un incremento s; tome f1 ← f (x1).

[2.] Tome x3 ← x1 + s y f3 ← f (x3).

[3.] Si (f1 > f3), intercambie (x1, f1) y (x3, f3) y tome s ← −s.

[4.] Tome s ← s/τ , x2 ← x3 + s, y f2 ← f (x2).

[5.] Si (f3 > f2), vaya a [7.]

[6.] Tome (x1, f 1) ← (x3, f 3) y (x3, f 3) ← (x2, f 2) y vaya a [4.]

[7.] Tome x4 ← (1 − τ ) x1 + τ x2 y f4 ← f (x4).

[8.] Si (f3 ≥ f4), tome (x2, f2) ← (x1, f1) y (x1, f1) ← (x4, f4); vaya a
[10.]

[9.] Tome (x1, f1) ← (x3, f3) y (x3, f3) ← (x4, f4);

[10.] Si Criterio de paro = OK, termine; caso contrario vaya a [7.]

12
13
Ejemplo:

Aplique el algoritmo anterior para encontrar el máximo de la función

f (x) = −x2 − 1

partiendo de x1 = −1 y con un primer intervalo de s = 0.5.

x1 f (x1) s x3 = x1 + s f (x3 ) ¿f (x1 ) < f (x3)?

-1.0 -2.0 0.5 -0.5 -1.25 sí

Aplique el algoritmo anterior para encontrar el máximo de la función

f (x) = −x2 − 1

partiendo de x1 = −1 y con un primer intervalo de s = 0.5.

Determinación´ n de la dirección´ n de avance

x1 f (x1) s x3 = x1 + s f (x3 ) ¿f (x1 ) < f (x3)?

14
 -1.0 -2.0 0.5 -0.5 -1.25 sí

Aplique el algoritmo anterior para encontrar el máximo de la función

f (x) = −x2 − 1

partiendo de x1 = −1 y con un primer intervalo de s = 0.5.

15
 CONCLUSIÓN

La técnica debe su nombre al hecho de que el algoritmo mantiene los valores de la

función en tríos de puntos cuyas distancias forman una proporción dorada. El algoritmo
es el límite de la búsqueda de Fibonacci la cual es otro método que se encarga de
realizar diferentes cálculos para conocer la función de mínimos y máximos. Así mismo
este método trabaja sobre iteraciones para tener acercamiento a cálculos más exactos.

16
 REFERENCIA WEB

 http://www.iiis.org/CDs2010/CD2010CSC/CISCI_2010/PapersPdf/CA
353HI.pdf

 https://es.wikipedia.org/wiki/B%C3%BAsqueda_de_la_secci
%C3%B3n_dorada

17