Optimización: generalidades, convexidad
Investigación de operaciones Primera entrega
- Video:Lección 1. Optimización convexa I (Stanford)
- Fuente:StanfordUniversity
A tutorial on convex optimization
Un tutorial en optimización convexa
En años recientes, la optimización convexa se ha convertido en una herramienta computacional de gran importancia en la ingeniería gracias a su habilidad para resolver problemas muy extensos y prácticos de manera confiable y eficiente. La meta de este documento es brindar una visión general de los conceptos básicos de las funciones y los conjuntos convexos y de problemas de optimización convexa, de tal forma que los lectores puedan reconocer y formular de una manera más sencilla problemas ingenieriles utilizando este tipo de optimización.
Este documento fue elaborado por Haitham Hindi (Palo Alto Research Center PARC, Palo Alto, CA, Estados Unidos). Se encuentra alojado en la página web del curso ECE 273 Convex Optimization and Applications, impartido por Gert Lanckriet (UCSD Computational Statistics and Machine Learning Group, Department of Electrical and Computer Engineering, University of California-San Diego UCSD, San Diego, CA, Estados Unidos).
- Video:Lección 2. Optimización convexa I (Stanford)
- Fuente:StanfordUniversity
A tutorial on convex optimization II : duality and interior point methods
Un tutorial en optimización convexa II : dualidad y métodos del punto interior
El objetivo de este documento es continuar con una visión general de la optimización convexa moderna iniciada en un escrito anterior. Aquí se cubren tópicos importantes que se omitieron debida a una falta de espacio y resaltar las relaciones íntimas entre ellos. El enfoque se orienta hacia la dualidad y los algoritmos de punto interior, incluyendo ejemplos simples.
Este documento fue elaborado por Haitham Hindi (Palo Alto Research Center PARC, Palo Alto, CA, Estados Unidos). Se encuentra alojado en la página web del curso ECE 273 Convex Optimization and Applications, impartido por Gert Lanckriet (UCSD Computational Statistics and Machine Learning Group, Department of Electrical and Computer Engineering, University of California-San Diego UCSD, San Diego, CA, Estados Unidos).
