Optimización local (fmincon) versus global (algoritmo genético): ejemplo Matlab

Antonio Sala, UPV

Dificultad: ** ,       Relevancia: ,      Duración: 05:56

Resumen:

En este vídeo se compara la solución de código de optimización local (fminunc de la Optimization Toolbox con la obtenida por ga de la Global Optimization Toolbox. La optimización local es rápida pero se puede quedar atrapada en mínimos locales, mientras que la optimización por algoritmo genético (búsqueda aleatoria dirigida) la probabilidad de obtener el mínimo global es alta a cambio de un coste computacional bastante mayor. La parte final del vídeo propone, como opción intermedia, el hacer varias optimizaciones locales con condiciones iniciales seleccionadas al azar en una región de búsqueda.

Un ejemplo de uso de algoritmos genéticos en un problema de identificación experimental de un modelo masa-muelle-amortiguador aparece en el vídeo [identga]; allí los métodos locales no funcionaron del todo bien, por eso se decidió hacer la grabación sólo con ga.

Colección completa [VER]:

• Anterior   Optimización sin restricciones y con restricciones de igualdad. Revisión teoría y ejemplo Matlab

• Siguiente Optimización de funciones cuadráticas. Mínimos cuadrados. Revisión teoría y ejemplo Matlab.