Saltar al contenido ForoHackers

Optimización: por dónde empezar

Optimización
#3144 · · Citar · Denunciar

La optimización es la búsqueda de la mejor elección bajo restricciones: la ruta más barata, la menor pérdida, el circuito más pequeño que funcione. Casi toda decisión de ingeniería y todo modelo entrenado es un problema de optimización. La primera destreza es formular bien el problema; la segunda, saber qué método encaja con su forma.

Conceptos clave

  • Formulación: variables, un objetivo que minimizar o maximizar y restricciones que limitan las opciones.
  • Convexidad: en un problema convexo todo óptimo local es global, lo que lo hace mucho más fácil de resolver.
  • Métodos de gradiente: seguir la pendiente cuesta abajo; el tamaño del paso y el condicionamiento deciden lo rápido que convergen.
  • Programación lineal y entera: objetivos lineales sobre restricciones lineales, resolubles de forma exacta; exigir enteros lo vuelve difícil.
  • Dualidad: todo problema tiene un compañero que da cotas y un certificado de optimalidad.

Vocabulario

  • Región factible: el conjunto de puntos que cumplen todas las restricciones.
  • Óptimo local y global: el mejor de los cercanos y el mejor de todos.
  • Descenso de gradiente: moverse repetidamente en contra del gradiente del objetivo.
  • Metaheurística: una estrategia general de búsqueda, como el recocido simulado o un algoritmo genético, sin garantía de hallar el óptimo.

Qué estudiar, en orden

  1. Escribe un problema pequeño como variables, objetivo y restricciones, y resuélvelo a mano en dos dimensiones.
  2. Implementa el descenso de gradiente para una cuadrática y varía el tamaño del paso para verlo divergir.
  3. Aprende la idea del símplex y resuelve un programa lineal con una biblioteca.
  4. Estudia la convexidad y los multiplicadores de Lagrange, y luego ajusta un modelo minimizando una pérdida.
  5. Prueba problemas enteros y una metaheurística, y compáralos con un resolvedor exacto en una instancia pequeña.

Etiquetas relacionadas

#operations-research #linear-algebra #machine-learning #algorithms #evolutionary-computation

No has iniciado sesión, así que esto se publica como anónimo: no se guarda con ello ninguna cuenta, nombre ni dirección, y no puede llevar enlaces ni imágenes. Inicia sesión o únete para publicar con tu nombre. Los registros de nuestro servidor web guardan la dirección y la hora de cada petición hasta 14 días; para que la tuya no quede en ellos, usa Tor. Para escribir al equipo de forma confidencial, usa el buzón. Firmar como fuente habitual (una clave guardada solo en este navegador)

Enviar tarda unos segundos aquí: tu navegador resuelve antes una prueba de trabajo contra el spam.

Responder