Optimización

Plan de Estudios de la Licenciatura en Tecnología. Sistema Escolarizado. Modalidad Presencial

Semestre

  • Licenciatura en Tecnología, 5to, 6to, 7mo, 8vo semestre.

Impartido por:

  • Dr. Jesús Emmanuel Solís Pérez
  • Email: jsolisp@unam.mx

Prerequisitos

  1. Cálculo I y II, Métodos numéricos

Software requerido y herramientas

  1. Python & Jupyter Notebook.
  2. Sistema operativo: Windows 10, Linux, o macOS.
  3. Web Browser: Google Chrome, Opera o Firefox.
  4. Markdown para escribir documentación.
  5. Sistema de control de versiones.

Contenido del curso

  1. Introducción a la optimización.
    • Formalismo matemático.
    • Funciones convexas.
    • Tipos de problemas.
  2. Fundamentos de optimización sin restricciones.
    • Caracterización de un mínimo.
    • Tipo de algoritmos de optimización.
  3. Optimización sin restricciones.
    • Método de Búsqueda en Línea.
    • Método de Región de Confianza.
    • Método de Gradiente Conjugado.
    • Método de Quasi-Newton.
    • Método de Gradiente Descendente.
  4. Optimización con restricciones.
    • Programación Lineal
  5. Algoritmos heurísticos.
    • Algoritmos Genéticos (GA).
    • Optimización por Enjambre de Partículas (PSO).

Bibliografía básica

  1. Nocedal, J., & Wright, S. J. (Eds.). (1999). Numerical optimization. New York, NY: Springer New York.
  2. Kelley, C. T. (1999). Iterative methods for optimization. Society for Industrial and Applied Mathematics.
  3. Chopard, B., & Tomassini, M. (2018). An introduction to metaheuristics for optimization (pp. 191-203). Cham, Switzerland: Springer.
  4. Larrañaga, P., & Lozano, J. A. (Eds.). (2001). Estimation of distribution algorithms: A new tool for evolutionary computation (Vol. 2). Springer Science & Business Media.