Convergencia y optimización global en programación no lineal. Teoría y algoritmos

Autores
Taverna, María Laura
Año de publicación
2007
Idioma
español castellano
Tipo de recurso
tesis de maestría
Estado
versión aceptada
Colaborador/a o director/a de tesis
Pío, Antonio Aguirre
Aimar, Hugo
Espinosa, José
Vechietti, Aldo
Descripción
Fil: Taverna, María Laura. Universidad Nacional del Litoral. Facultad de Ingeniería Química; Argentina.
A variety of decision-making problems that arise in areas as diverse as science, engineering, economics, among others, can be modeled mathematically as a constrained optimization problems. When we want to optimize and model real situations arise mathematical models using functions of different types, linear and nonlinear. Under conditions of convexity for functions there is a robust theory that guarantees the global solution of the problems. Most of engineering and applied science problems of interest involve optimization models with non-convex functions, which are complex to solve due to the existence of multiple local solutions. Convex optimization techniques applied to these non-convex problems do not guarantee the global optimum of the problem, so it is a matter of study, known as global optimization. In this thesis, the general characteristics of the deterministic algorithm Branch and bound (Branch and Bound) developed for non-convex models, studying their problems in some of the techniques proposed in the area of global optimization. We carried out a reformulation of the method "Improve and Branch" developed by Marcovecchio, Bergamini and Aguirre, deterministic algorithm and optimize branch type to be deployed to reduce levels and restrictions to reduce the feasible region.
Una gran variedad de problemas de toma de decisión que surgen de áreas tan diversas como las ciencias, ingeniería, economía, administración entre otras, pueden ser modelados matemáticamente como problemas de optimización restringidos. Cuando queremos optimizar y modelar situaciones reales, surgen modelos matemáticos formulados mediante funciones de diversos tipos, lineales y no lineales. Bajo condiciones de convexidad para las funciones existe una teoría robusta que garantiza la solución global de los problemas. La mayoría de los problemas de ingeniería y ciencias aplicadas involucran modelos de optimización con funciones no convexas, resultando su resolución compleja debido a la existencia de óptimos locales múltiples. Las técnicas de optimización convexa aplicadas a estos problemas no convexos no garantizan el óptimo global del problema, por lo que son motivo de estudio, conocido como optimización global. En esta tesis se estudian las características generales de los algoritmos determinísticos de Ramificación y Acotamiento (Branch and Bound) desarrollados para modelos no convexos, estudiando su problemática en algunas de las técnicas propuestas en el área de optimización global. Finalmente se realiza una reformulación del método “Improve and Branch” desarrollado por Marcovecchio, Bergamini y Aguirre, algoritmo determinístico de tipo ramificar y optimizar al que se le implementan reducción de cotas y restricciones de reducción de la región factible.
Departamento de Matemática de la Facultad de Ingeniería Química, INGAR (Instituto de Investigación y Desarrollo)
Materia
Optimization
Global
Nonconvex
Branch
Bound
Optimización
Global
No convexo
Ramificar
Acotar
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://bibliotecavirtual.unl.edu.ar/licencia/licencia.html
Repositorio
Biblioteca Virtual (UNL)
Institución
Universidad Nacional del Litoral
OAI Identificador
oai:https://bibliotecavirtual.unl.edu.ar:11185/194

id UNLBT_297ac9420688c41b5db5e88912985f75
oai_identifier_str oai:https://bibliotecavirtual.unl.edu.ar:11185/194
network_acronym_str UNLBT
repository_id_str 2187
network_name_str Biblioteca Virtual (UNL)
spelling Convergencia y optimización global en programación no lineal. Teoría y algoritmosConvergence and global optimization in nonlinear programming. Theory and algorithmsTaverna, María LauraOptimizationGlobalNonconvexBranchBoundOptimizaciónGlobalNo convexoRamificarAcotarFil: Taverna, María Laura. Universidad Nacional del Litoral. Facultad de Ingeniería Química; Argentina.A variety of decision-making problems that arise in areas as diverse as science, engineering, economics, among others, can be modeled mathematically as a constrained optimization problems. When we want to optimize and model real situations arise mathematical models using functions of different types, linear and nonlinear. Under conditions of convexity for functions there is a robust theory that guarantees the global solution of the problems. Most of engineering and applied science problems of interest involve optimization models with non-convex functions, which are complex to solve due to the existence of multiple local solutions. Convex optimization techniques applied to these non-convex problems do not guarantee the global optimum of the problem, so it is a matter of study, known as global optimization. In this thesis, the general characteristics of the deterministic algorithm Branch and bound (Branch and Bound) developed for non-convex models, studying their problems in some of the techniques proposed in the area of global optimization. We carried out a reformulation of the method "Improve and Branch" developed by Marcovecchio, Bergamini and Aguirre, deterministic algorithm and optimize branch type to be deployed to reduce levels and restrictions to reduce the feasible region.Una gran variedad de problemas de toma de decisión que surgen de áreas tan diversas como las ciencias, ingeniería, economía, administración entre otras, pueden ser modelados matemáticamente como problemas de optimización restringidos. Cuando queremos optimizar y modelar situaciones reales, surgen modelos matemáticos formulados mediante funciones de diversos tipos, lineales y no lineales. Bajo condiciones de convexidad para las funciones existe una teoría robusta que garantiza la solución global de los problemas. La mayoría de los problemas de ingeniería y ciencias aplicadas involucran modelos de optimización con funciones no convexas, resultando su resolución compleja debido a la existencia de óptimos locales múltiples. Las técnicas de optimización convexa aplicadas a estos problemas no convexos no garantizan el óptimo global del problema, por lo que son motivo de estudio, conocido como optimización global. En esta tesis se estudian las características generales de los algoritmos determinísticos de Ramificación y Acotamiento (Branch and Bound) desarrollados para modelos no convexos, estudiando su problemática en algunas de las técnicas propuestas en el área de optimización global. Finalmente se realiza una reformulación del método “Improve and Branch” desarrollado por Marcovecchio, Bergamini y Aguirre, algoritmo determinístico de tipo ramificar y optimizar al que se le implementan reducción de cotas y restricciones de reducción de la región factible.Departamento de Matemática de la Facultad de Ingeniería Química, INGAR (Instituto de Investigación y Desarrollo)Pío, Antonio AguirreAimar, HugoEspinosa, JoséVechietti, Aldo2012-08-232007-05-03info:eu-repo/semantics/acceptedVersionSNRDinfo:eu-repo/semantics/masterThesishttp://purl.org/coar/resource_type/c_bdccinfo:ar-repo/semantics/tesisDeMaestriaapplication/pdfapplication/pdfhttp://hdl.handle.net/11185/194spaspainfo:eu-repo/semantics/openAccesshttps://bibliotecavirtual.unl.edu.ar/licencia/licencia.htmlreponame:Biblioteca Virtual (UNL)instname:Universidad Nacional del Litoralinstacron:UNL2025-09-29T14:30:02Zoai:https://bibliotecavirtual.unl.edu.ar:11185/194Institucionalhttp://bibliotecavirtual.unl.edu.ar/Universidad públicaNo correspondeajdeba@unl.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:21872025-09-29 14:30:02.508Biblioteca Virtual (UNL) - Universidad Nacional del Litoralfalse
dc.title.none.fl_str_mv Convergencia y optimización global en programación no lineal. Teoría y algoritmos
Convergence and global optimization in nonlinear programming. Theory and algorithms
title Convergencia y optimización global en programación no lineal. Teoría y algoritmos
spellingShingle Convergencia y optimización global en programación no lineal. Teoría y algoritmos
Taverna, María Laura
Optimization
Global
Nonconvex
Branch
Bound
Optimización
Global
No convexo
Ramificar
Acotar
title_short Convergencia y optimización global en programación no lineal. Teoría y algoritmos
title_full Convergencia y optimización global en programación no lineal. Teoría y algoritmos
title_fullStr Convergencia y optimización global en programación no lineal. Teoría y algoritmos
title_full_unstemmed Convergencia y optimización global en programación no lineal. Teoría y algoritmos
title_sort Convergencia y optimización global en programación no lineal. Teoría y algoritmos
dc.creator.none.fl_str_mv Taverna, María Laura
author Taverna, María Laura
author_facet Taverna, María Laura
author_role author
dc.contributor.none.fl_str_mv Pío, Antonio Aguirre
Aimar, Hugo
Espinosa, José
Vechietti, Aldo
dc.subject.none.fl_str_mv Optimization
Global
Nonconvex
Branch
Bound
Optimización
Global
No convexo
Ramificar
Acotar
topic Optimization
Global
Nonconvex
Branch
Bound
Optimización
Global
No convexo
Ramificar
Acotar
dc.description.none.fl_txt_mv Fil: Taverna, María Laura. Universidad Nacional del Litoral. Facultad de Ingeniería Química; Argentina.
A variety of decision-making problems that arise in areas as diverse as science, engineering, economics, among others, can be modeled mathematically as a constrained optimization problems. When we want to optimize and model real situations arise mathematical models using functions of different types, linear and nonlinear. Under conditions of convexity for functions there is a robust theory that guarantees the global solution of the problems. Most of engineering and applied science problems of interest involve optimization models with non-convex functions, which are complex to solve due to the existence of multiple local solutions. Convex optimization techniques applied to these non-convex problems do not guarantee the global optimum of the problem, so it is a matter of study, known as global optimization. In this thesis, the general characteristics of the deterministic algorithm Branch and bound (Branch and Bound) developed for non-convex models, studying their problems in some of the techniques proposed in the area of global optimization. We carried out a reformulation of the method "Improve and Branch" developed by Marcovecchio, Bergamini and Aguirre, deterministic algorithm and optimize branch type to be deployed to reduce levels and restrictions to reduce the feasible region.
Una gran variedad de problemas de toma de decisión que surgen de áreas tan diversas como las ciencias, ingeniería, economía, administración entre otras, pueden ser modelados matemáticamente como problemas de optimización restringidos. Cuando queremos optimizar y modelar situaciones reales, surgen modelos matemáticos formulados mediante funciones de diversos tipos, lineales y no lineales. Bajo condiciones de convexidad para las funciones existe una teoría robusta que garantiza la solución global de los problemas. La mayoría de los problemas de ingeniería y ciencias aplicadas involucran modelos de optimización con funciones no convexas, resultando su resolución compleja debido a la existencia de óptimos locales múltiples. Las técnicas de optimización convexa aplicadas a estos problemas no convexos no garantizan el óptimo global del problema, por lo que son motivo de estudio, conocido como optimización global. En esta tesis se estudian las características generales de los algoritmos determinísticos de Ramificación y Acotamiento (Branch and Bound) desarrollados para modelos no convexos, estudiando su problemática en algunas de las técnicas propuestas en el área de optimización global. Finalmente se realiza una reformulación del método “Improve and Branch” desarrollado por Marcovecchio, Bergamini y Aguirre, algoritmo determinístico de tipo ramificar y optimizar al que se le implementan reducción de cotas y restricciones de reducción de la región factible.
Departamento de Matemática de la Facultad de Ingeniería Química, INGAR (Instituto de Investigación y Desarrollo)
description Fil: Taverna, María Laura. Universidad Nacional del Litoral. Facultad de Ingeniería Química; Argentina.
publishDate 2007
dc.date.none.fl_str_mv 2007-05-03
2012-08-23
dc.type.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
SNRD
info:eu-repo/semantics/masterThesis
http://purl.org/coar/resource_type/c_bdcc
info:ar-repo/semantics/tesisDeMaestria
status_str acceptedVersion
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/11185/194
url http://hdl.handle.net/11185/194
dc.language.none.fl_str_mv spa
spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://bibliotecavirtual.unl.edu.ar/licencia/licencia.html
eu_rights_str_mv openAccess
rights_invalid_str_mv https://bibliotecavirtual.unl.edu.ar/licencia/licencia.html
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Virtual (UNL)
instname:Universidad Nacional del Litoral
instacron:UNL
reponame_str Biblioteca Virtual (UNL)
collection Biblioteca Virtual (UNL)
instname_str Universidad Nacional del Litoral
instacron_str UNL
institution UNL
repository.name.fl_str_mv Biblioteca Virtual (UNL) - Universidad Nacional del Litoral
repository.mail.fl_str_mv jdeba@unl.edu.ar
_version_ 1844621935676227584
score 12.559606