Vous êtes sur la page 1sur 55

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello Departamento de Computacin o CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco Mxico, D.F. 07300 e email: ccoello@cs.cinvestav.mx

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Algunas Aplicaciones de la Optimizacin en Ingenier o a

Diseo de herramientas y dems componentes mecnicos. n a a Diseo de turbinas, bombas y equipo para transferencia de n calor. Diseo de equipo elctrico (motores, generadores y n e transformadores).

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Algunas Aplicaciones de la Optimizacin en Ingenier o a

Diseo de redes elctricas. n e Planeacin de produccin. o o Diseo de redes hidrulicas. n a

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Algunas Aplicaciones de la Optimizacin en Ingenier o a

Optimizacin de horarios. o Diseo ptimo de procesos qu n o micos. Control de inventarios. Diseo de sistemas de control. n

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Planteamiento de un Problema de Optimizacin o



x1 x2 . . . xn

Encontrar x = sujeto a:

que minimice f (x)

gj (x) 0, j = 1, 2, ..., m hj (x) = 0, j = 1, 2, ..., p donde x es el vector de variables de decisin, f (x) es la funcin o o objetivo, gj (x) y hj (x) son las restricciones de desigualdad e igualdad, respectivamente.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Restricciones de Dise o n
En la mayor parte de los problemas de ingenier las variables de a, diseo no pueden elegirse de manera arbitraria, sino que tienen que n satisfacer ciertos requerimientos. Las restricciones que deben satisfacer para producir un diseo n aceptable son llamadas, genricamente, restricciones de dise o. e n

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Restricciones de Dise o n
Las restricciones que representan limitaciones en el comportamiento o el desempeo del sistema son denominadas n restricciones funcionales o de comportamiento. Las restricciones que representan limitaciones f sicas tales como disponibilidad, facilidad de fabricacin y transportabilidad son o denominadas restricciones geomtricas. e

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Clasicacin de Problemas de Optimizacin o o


1. Basndose en la existencia de restricciones a Con restricciones Sin restricciones 2. Basndose en la naturaleza de las variables de decisin a o Problemas estticos o paramtricos a e Problemas dinmicos o de trayectorias (las variables son a funcin de un parmetro determinado) o a

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Clasicacin de Problemas de Optimizacin o o


3. Clasicacin basada en la naturaleza de las ecuaciones o involucradas 1. Problemas lineales Si la funcin objetivo y todas las restricciones son lineales. o Encontrar x que minimice f (x) = sujeto a:
n n i=1 ci xi

aij xi = bj , j = 1, 2, ..., m
i=1

xi 0, i = 1, 2, ..., n ci , aij y bj son constantes.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Clasicacin de Problemas de Optimizacin o o


2. Problemas no lineales. Si la funcin objetivo y/o las restricciones son no lineales. o 3. Problemas de programacin geomtrica o e Es un problema en el que la funcin objetivo y las o restricciones se expresan como posinomios de x.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Clasicacin de Problemas de Optimizacin o o


Una funcin h(x) es llamada posinomio si h puede o expresarse como la suma de potencias de la forma: ci xai1 xai2 ...xain n 1 2 donde ci y aij son constantes. ci > 0, xj > 0. De tal forma, un posinomio con N trminos puede e expresarse como: h(x) = c1 xa11 xa12 xa1n + + cN xaN 1 xaN 2 xaN n n n 1 2 1 2

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Clasicacin de Problemas de Optimizacin o o


4. Problemas de Programacin Cuadrtica o a Es un problema no lineal que tiene una funcin objetivo o cuadrtica y restricciones lineales. a min f (x) = c + sujeto a:
n n i=1 qi xi

n i=1

n j=1

Qij xi xj

aij xi = bj , j = 1, 2, ..., m
i=1

xi 0, i = 1, 2, ..., n donde c, qi , Qij , aij y bj son constantes.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Clasicacin de Problemas de Optimizacin o o


4. Basndose en los Valores Permisibles de las Variables a de Dise o n Problemas de Programacin Entera o Son aquellos en los que algunas o todas las variables de diseo pueden tomar slo valores enteros (o discretos). n o Problemas de Programacin con Valores Reales. o Son aquellos en los que las variables de diseo pueden tomar n cualquier valor real.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Clasicacin de Problemas de Optimizacin o o


5. Basndose en la Naturaleza Determinista de las a Variables Problemas Estocsticos a Es aqul en el que alguno o todos los parmetros son e a probabil sticos. Problemas Deterministas Es aqul en el que todos los parmetros (variables de e a decisin) son deterministas. o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Clasicacin de Problemas de Optimizacin o o


6. Basndose en la Separabilidad de las Funciones a Problemas Separables Se dice que una funcin f (x) es separable si puede o expresarse como la suma de n funciones de una sola variable, f1 (x1 ), f2 (x2 ), ..., fn (xn ):
n

f (x) =
i=1

fi (xi )

Un problema separable es aqul en el que tanto las e funciones objetivo como las restricciones son separables. No separables.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Clasicacin de Problemas de Optimizacin o o


7. Basndose en el N mero de funciones Objetivo a u Mono-objetivo Multiobjetivo

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Conceptos Bsicos a
Normalmente se usa la notacin x = {x , ..., x } para denotar el o n 1 punto ptimo, y el valor correspondiente de f (x ) se denomina el o valor ptimo de la funcin objetivo. El par x y f (x ) o o constituyen una solucin ptima. o o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Conceptos Bsicos a
Existen varias categor de soluciones ptimas si la funcin as o o objetivo no es unimodal (es decir, si tiene ms de un extremo a como se ilustra en la funcin multimodal de la gura siguiente): o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Conceptos Bsicos a
Un ptimo global (suponiendo minimizacin) es aqul que o o e representa el valor ms pequeo de f (x), mientras que un ptimo a n o local representa el valor ms pequeo de f (x) en la vecindad de a n algn vector x. u

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Concavidad y Convexidad
Una funcin (x) es llamada convexa sobre el dominio de R si o para 2 vectores cualquiera x1 y x2 R,

(x1 + (1 )x2 ) (x1 ) + (1 )(x2 ) donde es un escalar en el rango 0 1.

(1)

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Concavidad y Convexidad
La funcin (x) es estrictamente convexa si, para x1 = x2 , el signo o de la ecuacin (1) puede ser reemplazado con una desigualdad o (<). Una funcin convexa no puede tener ningn valor mayor que los o u valores de la funcin obtenidos mediante interpolacin lineal entre o o (x1 ) y (x2 ).

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Concavidad y Convexidad
Si la desigualdad reversa de la ecuacin (1) se cumple, la funcin es o o cncava. De tal forma, una funcin (x) es cncava o o o (estrictamente cncava) si (x) es convexa (estrictamente o convexa). Las funciones lineales son convexas y cncavas. o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Conceptos Bsicos a
El requerimiento de que una funcin sea unimodal es mucho ms o a dbil que el requerimiento de que sea convexa o cncava, ya que la e o unimodalidad no demanda ni continuidad ni la existencia de una derivada unica.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Conceptos Bsicos a
Un conjunto (o regin) de puntos se dene como un conjunto o convexo en un espacio n-dimensional si, para todos los pares de puntos x1 y x2 en el conjunto, el segmento rectil neo que los une est tambin enteramente dentro del conjunto. De tal forma, todo a e punto x, donde x = x1 + (1 )x2 , 0 1 est tambin en el conjunto. a e

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Conceptos Bsicos a

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Ventajas de la Optimizacin Numrica o e


Reduccin en el tiempo de diseo. o n Mejoras en el diseo que produce ahorros de algn tipo. n u Pueden resolverse problemas ms complejos y grandes que con a los mtodos grcos y tabulares. e a No est sesgada por la intuicin o la experiencia, lo que a o permite soluciones no tradicionales. Requiere una m nima interaccin hombre-mquina. o a

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Desventajas de la Optimizacin Numrica o e


El tiempo de cmputo se incrementa conforme crece la o cantidad de variables de diseo, hasta llegar a ser prohibitivo. n Rara vez puede garantizarse que un mtodo de optimizacin e o produzca el ptimo global. Por lo tanto, suele ser necesario o ejecutar varias veces el mismo algoritmo con puntos distintos de inicio.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Desventajas de la Optimizacin Numrica o e


La mayor parte de los mtodos de optimizacin tienen e o dicultades para lidiar con funciones discontinuas. As mismo, los problemas altamente no lineales pueden converger muy lentamente o no hacerlo. Es importante ser cuidadoso con la precisin numrica que se o e maneje al escribir programas de optimizacin, pues sta puede o e impactar seriamente los resultados.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Optimizacin para e o Funciones de Una Variable


Comenzaremos por estudiar diversos mtodos numricos para e e optimizar funciones de una sola variable. Los primeros mtodos que veremos son los denominados mtodos e e de acotamiento (bracketing methods), los cuales operan en 2 fases: u Fase de Acotamiento: Se hace una bsqueda inicial de grano grueso para acotar el ptimo. o Fase de Renamiento del Intervalo: Se realiza una secuencia nita de reducciones de intervalo o renamientos para reducir el intervalo inicial de bsqueda a una cierta precisin deseable. u o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

B squeda Exhaustiva u
El primer mtodo de acotamiento que estudiaremos es la e b squeda exhaustiva, que es el ms simple de todos. En este u a mtodo, el ptimo de una funcin es acotado calculando los valores e o o de la funcin en un conjunto de puntos equidistantes entre s o .

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

B squeda Exhaustiva u

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

B squeda Exhaustiva u
Usualmente, la bsqueda comienza desde el l u mite inferior de la variable y se calculan 3 valores consecutivos de la funcin a la vez, o basndose en la premisa de unimodalidad de la funcin. Basndose a o a en los resultados de la comparacin, la bsqueda se concluye o se o u contina reemplazando uno de los 3 puntos por uno nuevo. La u bsqueda contina hasta que se acota el m u u nimo.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

B squeda Exhaustiva u
Algoritmo Paso 1:

Paso 2:

Paso 3:

x1 = a; x = (b a)/n (n es el nmero de puntos intermedios) u x2 = x1 + x; x3 = x2 + x IF f (x1 ) f (x2 ) f (x3 ) el m nimo se encuentra en (x1 , x3 ). TERMINAR ELSE x1 = x2 ; x2 = x3 ; x3 = x2 + x GOTO Paso 3 Es x3 b? Si lo es, ir al Paso 2 ELSE no existe un m nimo en (a, b) o un punto extremo (a b) es el m o nimo.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

B squeda Exhaustiva u
Ntese que el intervalo nal obtenido por este algoritmo es o 2(b a)/n. En promedio, se requieren (n/2 + 2) evaluaciones de la funcin para obtener la precisin deseada. Es decir, que se necesitan o o ms evaluaciones para obtener una mejor precisin. Por ejemplo, si a o a = 0, b = 10 y la precisin requerida es de 0,001, entonces tenemos: o 2(10 0)/n = 0,001 (2)

de donde: n = 20, 000. Es decir, que se requieren al menos 20, 000 iteraciones para lograr una precisin de 0.001. o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de la Fase de Acotamiento e


Este es otro mtodo de acotamiento que se conoce en ingls como e e bounding phase method. El algoritmo comienza con un valor cualquiera y se inicia la bsqueda basndose en dos o ms u a a evaluaciones de la funcin objetivo en la vecindad del punto inicial. o Posteriormente se adopta una estrategia de bsqueda exponencial u para alcanzar el ptimo. o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de la Fase de Acotamiento e


Algoritmo Paso 1: Paso 2:

Paso 3: Paso 4:

Elegir un punto inicial x(0) y un incremento Hacer k = 0 IF f (x(0) ||) f (x(0) ) f (x(0) + ||), THEN es positivo ELSE IF f (x(0) ||) f (x(0) ) f (x(0) + ||), THEN es negativo ELSE GOTO Paso 1 x(k+1) = x(k) + 2k IF f (x(k+1) ) < f (x(k) ) THEN k = k + 1 y GOTO Paso 3 ELSE el m nimo se encuentra en el intervalo (x(k1) , x(k+1) ) TERMINAR
2009

Clase No. 2

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de la Fase de Acotamiento e


Observaciones: La efectividad de este mtodo depende del valor adoptado para el e incremento de . Si es grande, se obtiene un intervalo inicial grande y la precisin del acotamiento del m o nimo es, en consecuencia, pobre. Si se elige un pequeo, la precisin del n o acotamiento mejorar, pero se requerirn ms evaluaciones de la a a a funcin. o Una vez que se ha acotado la ubicacin del ptimo, pueden o o aplicarse esquemas ms sosticados de reduccin de intervalos para a o aproximar el ptimo. o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Eliminacin de Regiones e o


Se llama as a los mtodos de bsqueda que localizan el ptimo e u o mediante la eliminacin sucesiva de subintervalos que reducen el o intervalo de bsqueda restante. u Ntese que prcticamente todos los mtodos de bsqueda o a e u unidimensionales presuponen unimodalidad de la funcin a o resolverse, al menos en el dominio de inters de la misma. e

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Eliminacin de Regiones e o


Este tipo de mtodos se basan en la llamada propiedad de e eliminacin, denida por el siguiente teorema: o Teorema: Supongamos que f es estrictamente unimodal (o sea, es unimodal y no tiene intervalos de longitud nita en los cuales la funcin sea de valor constante) en el intervalo a x b con un o m nimo en x . Hagamos que x1 y x2 sean 2 puntos en el intervalo, de forma que a < x1 < x2 < b.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Eliminacin de Regiones e o


Tenemos entonces que: 1. Si f (x1 ) > f (x2 ), entonces el m nimo de f (x) no se encuentra en el intervalo (a, x1 ) En otras palabras, x (x1 , b).

2. Si f (x1 ) < f (x2 ), entonces el m nimo de f (x) no se encuentra en el intervalo (x2 , b) En otras palabras, x (a, x2 ).

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Eliminacin de Regiones e o

Ntese que cuando f (x1 ) = f (x2 ) podemos eliminar los 2 extremos o y x (x1 , x2 ).

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodos de Eliminacin de Regiones e o


Usando la propiedad de eliminacin, puede organizarse la o bsqueda de manera que se encuentre el ptimo eliminando u o recursivamente secciones del intervalo acotado originalmente. La bsqueda termina cuando el subintervalo restante es reducido a una u longitud sucientemente pequea. n Ntese que la mayor ventaja de este tipo de mtodos es que no o e requieren que la funcin sea diferenciable (slo requieren evaluarla). o o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de Divisin de Intervalos por la Mitad e o


En este mtodo de eliminacin de regiones se consideran valores en e o tres puntos diferentes (espaciados de forma equidistante) y se borra exactamente una mitad del intervalo a cada iteracin. o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de Divisin de Intervalos por la Mitad e o


Estos 3 puntos se ilustran en la gura anterior. Dos de los valores de la funcin se comparan a la vez y una cierta regin se elimina. o o Hay 2 escenarios posibles: nimo no puede encontrarse ms a Caso 1: If f (x1 ) < f (xm ) el m all de xm . Por lo tanto, reducimos el intervalo de (a, b) a (a, xm ). a Dado que xm es el punto medio del espacio de bsqueda, esta u eliminacin reduce el espacio de bsqueda a la mitad. o u

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de Divisin de Intervalos por la Mitad e o


Caso 2: If f (x1 ) > f (xm ) el m nimo no puede encontrarse en el intervalo (a, x1 ). Entonces comparamos los valores de la funcin en o xm y x2 para eliminar un 25 % del espacio de bsqueda (ya se u hab eliminado otro 25 % antes, porque x1 estaba a 1/4 de a distancia del l mite inferior de la bsqueda). u

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de Divisin de Intervalos por la Mitad e o


Este proceso contina hasta que se encuentra un intervalo u sucientemente pequeo. Como a cada iteracin se retiene n o exactamente la mitad del espacio de bsqueda, se denomina al u algoritmo el mtodo de divisin de intervalos por la mitad. e o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de Divisin de Intervalos por la Mitad e o


Algoritmo Paso 1:

Paso 2: Paso 3: Paso 4: Paso 5:

Elegir un l mite inferior a y un l mite superior b. Denir tolerancia xm = (a + b)/2 Lo = L = b a Calcular f (xm ) x1 = a + L/4; x2 = b L/4 Calcular f (x1 ) y f (x2 ) IF f (x1 ) < f (xm ) b = xm ; xm = x1 GOTO Paso 5 IF f (x2 ) < f (xm ) a = xm ; xm = x2 GOTO Paso 5 ELSE a = x1 ; b = x2 ; GOTO Paso 5 L=ba IF |L| < TERMINAR ELSE GOTO Paso 2
2009

Clase No. 2

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de Divisin de Intervalos por la Mitad e o


Observaciones: A cada etapa del algoritmo, se borra exactamente la mitad de la longitud del intervalo de bsqueda. u El punto medio de los intervalos subsecuentes es siempre igual a uno de los puntos previos x1 , x2 o xm . Por tanto, se requieren, cuando mucho, dos evaluaciones de la funcin a cada o paso subsecuente.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de Divisin de Intervalos por la Mitad e o


Despus de n evaluaciones de la funcin, el intervalo inicial de e o bsqueda ser reducido a ( 1 )n/2 Lo. u a 2 En consecuencia, el nmero de evaluaciones requeridas para u obtener una precisin deseada puede calcularse resolviendo: o (0,5)n/2 (b a) =

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de B squeda de Fibonacci e u

En este mtodo de eliminacin de regiones, el intervalo de bsqueda e o u se reduce de acuerdo a la serie que se atribuye a Leonardo Pisano Fibonacci, un matemtico del 1200 de nuestra era. a

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de B squeda de Fibonacci e u


La propiedad de los nmeros de Fibonacci es que, dados dos u nmeros consecutivos Fn2 y Fn1 , el tercer nmero se calcula u u usando: Fn = Fn1 + Fn2 donde n = 2, 3, 4, ... Los primeros nmeros de Fibonacci son: u F0 = 1, F1 = 1, F2 = 2, F3 = 3, F4 = 5, F5 = 8, F6 = 13 y as sucesivamente.

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de B squeda de Fibonacci e u


Los nmeros de Fibonacci pueden usarse para crear un algoritmo u de bsqueda que requiera slo una evaluacin de la funcin objetivo u o o o a cada iteracin. o El principio de la bsqueda de Fibonacci es que de dos puntos u requeridos para el uso de la propiedad de eliminacin de regiones, o uno es siempre el punto previo y el otro punto es nuevo. Por ende, slo se requiere una evaluacin de la funcin a cada iteracin. o o o o

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de B squeda de Fibonacci e u


En la iteracin k, se eligen dos puntos intermedios, cada uno de los o cuales est a una distancia L de cada extremo del espacio de a k bsqueda (L = b a). Cuando la propiedad de eliminacin de u o regiones elimina una porcin del espacio de bsqueda, el espacio de o u bsqueda restante es Lk . u

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de B squeda de Fibonacci e u


Deniendo L = (Fnk+1 /Fn+1 )/L y Lk = (Fnk+2 /Fn+1 )/L se k puede mostrar que: Lk L = L k k+1 lo que signica que uno de los dos puntos usados en la iteracin k o se mantiene como uno de los puntos de referencia en la iteracin o (k + 1). Ver la gura siguiente:

Clase No. 2

2009

Optimizacin en Ingenier o a

Dr. Carlos A. Coello Coello

Mtodo de B squeda de Fibonacci e u

Puesto que los dos primeros nmeros de Fibonacci son los mismos, u el algoritmo usualmente empieza con k = 2.

Clase No. 2

2009