Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D...
-
Upload
simon-montalvan -
Category
Documents
-
view
221 -
download
0
Transcript of Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D...
![Page 1: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/1.jpg)
Algoritmos de optimización
Objetivo: maximizar J para una cierta combinación de valores de 1 2 3, , ,..., nx x x x
En 2D
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
1b1a
Definir limites inferior y superior para cada parámetro: a y b
2a
2b
![Page 2: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/2.jpg)
Objetivo: minimizar/maximizar J para una cierta combinación de valores de x
La mayoría de las veces para N>3 la cantidad de máximos/mínimos es enorme (en modelos no lineales)
Máximo global
Máximos locales
Algoritmos de optimización
![Page 3: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/3.jpg)
1. Métodos de búsqueda en malla (generalized gridding methods)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Algoritmos de optimización
![Page 4: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/4.jpg)
1. Métodos de búsqueda en malla (generalized gridding methods)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
+ búsqueda local
- Método ineficiente:
2D: 10 intervalos N=102
8D: 10 intervalos N=108
Algoritmos de optimización
![Page 5: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/5.jpg)
2. Métodos de Monte Carlo (random search methods)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Algoritmos de optimización
![Page 6: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/6.jpg)
2. Métodos de Monte Carlo (random search methods)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
+ búsqueda local para el mejor
Algoritmos de optimización
![Page 7: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/7.jpg)
2. Métodos de Monte Carlo (random search methods)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
+ búsqueda local para todos
Algoritmos de optimización
![Page 8: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/8.jpg)
3. Métodos de búsqueda selectiva (greedy search)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Algoritmos de optimización
![Page 9: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/9.jpg)
3. Métodos de búsqueda selectiva (greedy search)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Algoritmos de optimización
![Page 10: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/10.jpg)
3. Métodos de búsqueda selectiva (greedy search)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Algoritmos de optimización
![Page 11: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/11.jpg)
3. Métodos de búsqueda selectiva (greedy search)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Algoritmos de optimización
![Page 12: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/12.jpg)
3. Métodos de búsqueda selectiva (greedy search)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Algoritmos de optimización
![Page 13: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/13.jpg)
3. Métodos de búsqueda selectiva (greedy search)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Algoritmos de optimización
![Page 14: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/14.jpg)
4. Métodos de simulación de cristalización (simulated annealing)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Algoritmos de optimización
![Page 15: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/15.jpg)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Tiende a mínimo con una pequeña probabidad de saltar de dominio de atracción
4. Métodos de simulación de cristalización (simulated annealing)
Algoritmos de optimización
![Page 16: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/16.jpg)
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Tiende a mínimo/máximo con una pequeña probabidad de saltar de dominio de atracción
4. Métodos de simulación de cristalización (simulated annealing)
Algoritmos de optimización
![Page 17: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/17.jpg)
4. Métodos de simulación de cristalización (simulated annealing)
Algoritmos de optimización
![Page 18: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/18.jpg)
4. Métodos de simulación de cristalización (simulated annealing)
Algoritmos de optimización
![Page 19: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/19.jpg)
5. Métodos basados en algoritmos genéticos
Basado en una analogía con los principios de la genética y de seleccción natural
La evolución se representa como un proceso de reproducción
Los “padres” tienen una alta probabilidad de generar descendientes más saludables
Los descendientes son generados a partir de los genes de los padres
Algoritmos de optimización
![Page 20: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/20.jpg)
5. Métodos basados en algoritmos genéticos
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x1 2 3, , ,..., Nx x x x
Genero N puntos aleatoriamente
Algoritmos de optimización
![Page 21: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/21.jpg)
5. Métodos basados en algoritmos genéticos
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x1 2 3( ), ( ), ( ),..., ( )Nf f f fx x x x
Obtengo el valor de la función objetivo J=f en esos N puntos
Algoritmos de optimización
![Page 22: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/22.jpg)
5. Métodos basados en algoritmos genéticos
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x* 1 * 2 * 3 *( ), ( ), ( ),..., ( )Nf f f fx x x x
Ordeno de menor a mayor los N valores de la función objetivo
Algoritmos de optimización
![Page 23: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/23.jpg)
5. Métodos basados en algoritmos genéticos
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x* 1 * 2 * 3 *( ), ( ), ( ),..., ( )Nf f f fx x x x
Asigno una ley de probabilidadesTrapezoidal a cada punto
Algoritmos de optimización
![Page 24: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/24.jpg)
5. Métodos basados en algoritmos genéticos
* 1 * 2 * 3 *( ), ( ), ( ),..., ( )Nf f f fx x x x
Selecciono dos padres de acuerdo a la ley de probabilidades ,a bx x
Genero dos hijos-descendientes (“offspring”) * *,a bx x
Calculo la función objetivo para los dos descendientes* *( ), ( )a bf fx x
Algoritmos de optimización
![Page 25: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/25.jpg)
5. Métodos basados en algoritmos genéticos
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Algoritmos de optimización
![Page 26: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/26.jpg)
5. Métodos basados en algoritmos genéticos
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
Algoritmos de optimización
![Page 27: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/27.jpg)
5. Métodos basados en algoritmos genéticos
¿ Cómo generar un descendiente ? Utilizando operadores de cruce y mutación
, , ,..., )
, , ,..., )
a a a a
b b b b
a1 2 3 n
b1 2 3 n
x = (x x x x
x = (x x x x
Cruce - crossover
a a a b b1 2 l l+1 n
b b b a a1 2 l l+1 n
(x ,x ,...,x ,x ...,x )
(x ,x ,...,x ,x ,...,x )
a*
b*
x =
x =
a a * a1 2 i n(x ,x ,...,x ,...,x )a*x =
Mutación - mutation
Número aleatorio generado entre (ai,bi)
Algoritmos de optimización
![Page 28: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/28.jpg)
6. Método de evolución y mezcla de equipos de búsquedaSCE-UA (shuffled complex evolution method)
Duan et al (1992,1994) Universidad de Arizona
Método más utilizado en calibración automática de modelos hidrológicos de cuenca y de hidrología urbana (DHI, Princeton, Washington, NOAA, Cornell…)
4 conceptos
a) Combinación de procedimientos deterministas y aleatorios
b) Evolución de “equipos de puntos” en el espacio N-dimensional
c) Evolución competitiva – algoritmo genético
d) Mezclado de equipos
Algoritmos de optimización
![Page 29: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/29.jpg)
6. Método de evolución y mezcla de equipos de búsqueda SCE-UA
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
12345678910
1
3
5
7
9
2
4
6
8
10
2 equipos de búsqueda
Algoritmos de optimización
![Page 30: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/30.jpg)
Algoritmos de optimización para la calibración automática de modelos
6. Método de evolución y mezcla de equipos de búsqueda SCE-UA
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
![Page 31: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/31.jpg)
Algoritmos de optimización para la calibración automática de modelos
6. Método de evolución y mezcla de equipos de búsqueda SCE-UA
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
![Page 32: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/32.jpg)
Algoritmos de optimización para la calibración automática de modelos
6. Método de evolución y mezcla de equipos de búsqueda SCE-UA
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x
![Page 33: Algoritmos de optimización Objetivo: maximizar J para una cierta combinación de valores de En 2D Definir limites inferior y superior para cada parámetro:](https://reader035.fdocuments.mx/reader035/viewer/2022062305/5665b4721a28abb57c9189b0/html5/thumbnails/33.jpg)
Algoritmos de optimización para la calibración automática de modelos
6. Método de evolución y mezcla de equipos de búsqueda SCE-UA
0 1 2 3 4 5
0
1
2
3
4
5
1x
2x