Métodos de búsqueda directa para optimización sin derivadas

Autores
Martínez Arraigada, María de los Ángeles
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión publicada
Colaborador/a o director/a de tesis
Pilotta, Elvio Angel
Descripción
Tesis (Lic. en Matemática)--Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física, 2014.
Fil: Martínez Arraigada, María de los Ángeles. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.
En este trabajo se realiza un análisis de los llamados métodos de búsqueda con conjuntos generadores, que abarcan distintas estrategias que se basan en direcciones de búsqueda para encontrar minimizadores (locales) de una función f continuamente diferenciable, pero cuyo gradiente no está disponible o es costoso de calcular computacionalmente. Se muestran, además, algunos resultados teóricos que aseguran la convergencia de tales métodos bajo ciertas hipótesis. También se presenta el conocido método de Nelder-Mead basado en simplices, que no se enmarca dentro de los métodos de búsqueda direccional pero es ampliamente aplicado en diversas áreas por su buen desempeño y su fácil implementación. Finalmente, se realizan experimentos numéricos utilizando problemas test de la literatura para comparar y analizar su comportamiento frente a fun- ciones que presentan distintos tipos de dificultad a la hora de encontrar sus mínimos locales.
Fil: Martínez Arraigada, María de los Ángeles. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.
Materia
Métodos sin derivadas y métodos que utilizan derivadas generalizadas
Programación no lineal
Métodos de programación matemática
Optimización no lineal
Métodos de búsqueda directa
Análisis de convergencia global
Métodos de búsqueda simplicial
Búsqueda con conjuntos generadores
Derivative-free methods and methods using generalized derivatives
Nonlinear programming
Mathematical programming methods
Nonlinear optimization
Direct search methods
Global convergence analysis
Simplicial search methods
Search with generator sets
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/553552

id RDUUNC_3edca15b19a5f08fed092c2aff1d9066
oai_identifier_str oai:rdu.unc.edu.ar:11086/553552
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Métodos de búsqueda directa para optimización sin derivadasMartínez Arraigada, María de los ÁngelesMétodos sin derivadas y métodos que utilizan derivadas generalizadasProgramación no linealMétodos de programación matemáticaOptimización no linealMétodos de búsqueda directaAnálisis de convergencia globalMétodos de búsqueda simplicialBúsqueda con conjuntos generadoresDerivative-free methods and methods using generalized derivativesNonlinear programmingMathematical programming methodsNonlinear optimizationDirect search methodsGlobal convergence analysisSimplicial search methodsSearch with generator setsTesis (Lic. en Matemática)--Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física, 2014.Fil: Martínez Arraigada, María de los Ángeles. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.En este trabajo se realiza un análisis de los llamados métodos de búsqueda con conjuntos generadores, que abarcan distintas estrategias que se basan en direcciones de búsqueda para encontrar minimizadores (locales) de una función f continuamente diferenciable, pero cuyo gradiente no está disponible o es costoso de calcular computacionalmente. Se muestran, además, algunos resultados teóricos que aseguran la convergencia de tales métodos bajo ciertas hipótesis. También se presenta el conocido método de Nelder-Mead basado en simplices, que no se enmarca dentro de los métodos de búsqueda direccional pero es ampliamente aplicado en diversas áreas por su buen desempeño y su fácil implementación. Finalmente, se realizan experimentos numéricos utilizando problemas test de la literatura para comparar y analizar su comportamiento frente a fun- ciones que presentan distintos tipos de dificultad a la hora de encontrar sus mínimos locales.Fil: Martínez Arraigada, María de los Ángeles. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.Pilotta, Elvio Angel2014-03info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://hdl.handle.net/11086/553552spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:40:48Zoai:rdu.unc.edu.ar:11086/553552Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:40:48.216Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Métodos de búsqueda directa para optimización sin derivadas
title Métodos de búsqueda directa para optimización sin derivadas
spellingShingle Métodos de búsqueda directa para optimización sin derivadas
Martínez Arraigada, María de los Ángeles
Métodos sin derivadas y métodos que utilizan derivadas generalizadas
Programación no lineal
Métodos de programación matemática
Optimización no lineal
Métodos de búsqueda directa
Análisis de convergencia global
Métodos de búsqueda simplicial
Búsqueda con conjuntos generadores
Derivative-free methods and methods using generalized derivatives
Nonlinear programming
Mathematical programming methods
Nonlinear optimization
Direct search methods
Global convergence analysis
Simplicial search methods
Search with generator sets
title_short Métodos de búsqueda directa para optimización sin derivadas
title_full Métodos de búsqueda directa para optimización sin derivadas
title_fullStr Métodos de búsqueda directa para optimización sin derivadas
title_full_unstemmed Métodos de búsqueda directa para optimización sin derivadas
title_sort Métodos de búsqueda directa para optimización sin derivadas
dc.creator.none.fl_str_mv Martínez Arraigada, María de los Ángeles
author Martínez Arraigada, María de los Ángeles
author_facet Martínez Arraigada, María de los Ángeles
author_role author
dc.contributor.none.fl_str_mv Pilotta, Elvio Angel
dc.subject.none.fl_str_mv Métodos sin derivadas y métodos que utilizan derivadas generalizadas
Programación no lineal
Métodos de programación matemática
Optimización no lineal
Métodos de búsqueda directa
Análisis de convergencia global
Métodos de búsqueda simplicial
Búsqueda con conjuntos generadores
Derivative-free methods and methods using generalized derivatives
Nonlinear programming
Mathematical programming methods
Nonlinear optimization
Direct search methods
Global convergence analysis
Simplicial search methods
Search with generator sets
topic Métodos sin derivadas y métodos que utilizan derivadas generalizadas
Programación no lineal
Métodos de programación matemática
Optimización no lineal
Métodos de búsqueda directa
Análisis de convergencia global
Métodos de búsqueda simplicial
Búsqueda con conjuntos generadores
Derivative-free methods and methods using generalized derivatives
Nonlinear programming
Mathematical programming methods
Nonlinear optimization
Direct search methods
Global convergence analysis
Simplicial search methods
Search with generator sets
dc.description.none.fl_txt_mv Tesis (Lic. en Matemática)--Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física, 2014.
Fil: Martínez Arraigada, María de los Ángeles. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.
En este trabajo se realiza un análisis de los llamados métodos de búsqueda con conjuntos generadores, que abarcan distintas estrategias que se basan en direcciones de búsqueda para encontrar minimizadores (locales) de una función f continuamente diferenciable, pero cuyo gradiente no está disponible o es costoso de calcular computacionalmente. Se muestran, además, algunos resultados teóricos que aseguran la convergencia de tales métodos bajo ciertas hipótesis. También se presenta el conocido método de Nelder-Mead basado en simplices, que no se enmarca dentro de los métodos de búsqueda direccional pero es ampliamente aplicado en diversas áreas por su buen desempeño y su fácil implementación. Finalmente, se realizan experimentos numéricos utilizando problemas test de la literatura para comparar y analizar su comportamiento frente a fun- ciones que presentan distintos tipos de dificultad a la hora de encontrar sus mínimos locales.
Fil: Martínez Arraigada, María de los Ángeles. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina.
description Tesis (Lic. en Matemática)--Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física, 2014.
publishDate 2014
dc.date.none.fl_str_mv 2014-03
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/553552
url http://hdl.handle.net/11086/553552
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1844618884208918528
score 13.070432