Algoritmos de optimización

Opiniones de los lectores

El libro ofrece una visión completa de los algoritmos de optimización con explicaciones claras y fragmentos de código práctico en Julia. Aunque es apreciado por su claridad y la progresión de los temas, carece de profundidad en algunas áreas y se pierden ciertos algoritmos, por lo que es más una encuesta que una guía detallada.

⬤ Cobertura exhaustiva de alrededor de 100 algoritmos de optimización con claridad y concisión.
⬤ Proporciona toda la información básica necesaria, incluyendo cálculo básico y álgebra lineal.
⬤ Incluye fragmentos prácticos de código Julia y recursos en línea.
⬤ Accesible para lectores de nivel universitario e incluye ejercicios con soluciones.
⬤ Ayuda a refrescar y ampliar la comprensión de muchos conceptos importantes de optimización.

⬤ Falta exploración en profundidad y rigor en las explicaciones de algunos algoritmos.
⬤ Faltan algunos temas y algoritmos importantes, como Levenberg-Marquardt y MCMC.
⬤ El código está exclusivamente en Julia, que puede no ser fácil de usar para todo el mundo.
⬤ No hay capítulo de síntesis final; los lectores deben sintetizar la información de forma independiente.
⬤ Algunos usuarios encontraron la implementación de Julia demasiado abstracta, haciéndola difícil de seguir.

(basado en 21 opiniones de lectores)

Título original:

Algorithms for Optimization

Contenido del libro:

Una introducción completa a la optimización centrada en algoritmos prácticos para el diseño de sistemas de ingeniería.

Este libro ofrece una introducción exhaustiva a la optimización centrada en algoritmos prácticos. El libro aborda la optimización desde una perspectiva de ingeniería, donde el objetivo es diseñar un sistema que optimice un conjunto de métricas sujetas a restricciones. Los lectores aprenderán sobre enfoques computacionales para una serie de desafíos, incluyendo la búsqueda en espacios de alta dimensión, el manejo de problemas donde hay múltiples objetivos en competencia, y la acomodación de la incertidumbre en las métricas. Las figuras, los ejemplos y los ejercicios transmiten la intuición que subyace a los planteamientos matemáticos. El texto proporciona implementaciones concretas en el lenguaje de programación Julia.

Los temas tratados incluyen las derivadas y su generalización a múltiples dimensiones; el descenso local y los métodos de primer y segundo orden que informan el descenso local; los métodos estocásticos, que introducen aleatoriedad en el proceso de optimización; la optimización lineal con restricciones, cuando tanto la función objetivo como las restricciones son lineales; los modelos sustitutos, los modelos sustitutos probabilísticos y el uso de modelos sustitutos probabilísticos para guiar la optimización; la optimización bajo incertidumbre; la propagación de la incertidumbre; la optimización de expresiones; y la optimización multidisciplinar del diseño. Los apéndices ofrecen una introducción al lenguaje Julia, funciones de prueba para evaluar el rendimiento de los algoritmos y conceptos matemáticos utilizados en la derivación y el análisis de los métodos de optimización tratados en el texto. El libro puede ser utilizado por estudiantes avanzados de licenciatura y posgrado en matemáticas, estadística, informática, cualquier campo de la ingeniería (incluidas la ingeniería eléctrica y la ingeniería aeroespacial) y la investigación operativa, y como referencia para profesionales.