Métodos computacionales de optimización irrestricta sin derivadas

Abstract

Estamos interesados en estudiar el problema de minimizar una función suave f multivariada cuyas derivadas no están disponibles. Nos restringimos a problemas con una cantidad moderada de variables y asumimos que el costo de evaluar la función objetivo es mayor que el álgebra lineal requerida en la iteración de optimización. En la literatura se pueden encontrar varios métodos para resolver este tipo de problemas tales como diferencias finitas, búsqueda por patrones y métodos de regiones de confianza basados en modelos de interpolación, entre otros. Debido al costo computacional, correspondiente a la gran cantidad de evaluaciones necesarias de la función objetivo, estos métodos están restringidos a resolver problemas de pocas variables. En este trabajo principalmente analizamos la clase de métodos basados en modelos de aproximación por interpolación.