OPTIMIZACIN

E r i k C u e v a s , Va l e n t n O s u n a , D i e g o O l i v a y M a r g a r i t a D a z

CAPTULO 1
OPTIMIZACIN Y MTODOS DE
CMPUTO EVOLUTIVO
Introduccin
Mtodos de cmputo evolutivo
Los mtodos de computo evolutivo [9] no usan informacin del
gradiente de la funcin objetivo. Prescindir de este requerimiento,
hace posible que los mtodos evolutivos puedan utilizar funciones
objetivo tan complejas como la aplicacin lo requiera. En algunos
casos, la funcin objetivo puede incluso contener simulaciones o
modelos experimentales.
Seleccin probabilstica
Bsqueda aleatoria
Temple simulado
El algoritmo de temple simulado mantiene durante su funcionamiento una sola
solucin candidato (x k ). Dicha solucin es modificada en cada iteracin utilizando
un procedimiento similar al mtodo de bsqueda aleatoria, donde cada punto es
modificando mediante la generacin de un vector aleatorio x .
k1
una nueva solucin x ser aceptada considerando 2 diferentes alternativas.
k 1
1. Si su calidad es superior a la de su antecesor x k . Esto es s f (x ) f (x )
k

2. Bajo una probabilidad de aceptacin pa

La segunda alternativa determina que anuqu la calidad de x k1 no sea superior a x k
( f (x k 1 ) f (x k ) ), la solucin ser aceptada de acuerdo a una probabilidad de
aceptacin pa definida como:
f

pa e T
,