Un modelo en su forma estándar es la minimización de una función real
En muchos problemas de optimización no linear, la función objetivo
Algunos de los casos en los que se debe usar un enfoque de optimización global son: Las estrategias más usadas son: En ambas estrategias, el conjunto sobre el que las funciones va a ser optimizadas es un poliedro.
El cutting planes es un término global para los métodos de optimización que iterativamente refinan un conjunto factible o la función objetivo añadiéndole desigualdades lineales, llamadas cortes.
Estos procedimientos son muy utilizados para encontrar soluciones enteras y soluciones enteras mixtas de problemas de programación lineal, así como resolver problemas generales de optimización convexos, no necesariamente diferenciable function by means of linear inequalities, termed cuts.
Es a menudo usado si el espacio de búsqueda es discreto.
En este método, simulaciones aleatorias son utilizadas para utilizar soluciones aproximadas Ejemplo: El problema del viajante es uno de los problemas de optimización más famosos, cuyo objetivo es encontrar el camino óptimo a seguir que cumpla con que se recorrió la menor distancia posible.
Asumamos que en vez de minimizar la distancia total del viajero para visitar cada ciudad, queremos minimizar el tiempo necesitado para llegar a cada destino.
Como resultado para determinar este nuevo camino optimal querríamos usar simulación-optimización para entender el rango de tiempos potenciales que podría tomar ir de un punto a otro y entonces optimizar nuestras decisiones de viaje para identificar el mejor camino a seguir tomando en cuenta la incertidumbre.
Esencialmente, se corren N copias del sistema, inicializados de manera aleatoria a diferentes temperaturas.La idea de este método es hacer disponibles las configuraciones a altas temperaturas a las simulaciones de bajas temperaturas y viceversa.
Esto resulta en un conjunto robusto el cual es posible muestrear tanto configuraciones de bajas y altas temperaturas Otros acercamientos incluyen estrategias heurísticas para buscar en el espacio de búsqueda en una manera más inteligente, entre ellos: 1.
Search in Continuous Global Optimization and Constraint Satisfaction, pp.
Now distributed by Springer Science and Business Media, New York.
This book also discusses stochastic global optimization methods.
non-convex constraints: Sequential and parallel algorithms, Kluwer Academic Publishers, Dordrecht.
Minimization Algorithms in a Perfect Funnel Landscape.
Technical Report, Argonne National Lab., IL (United States), November 1996.