La optimizaci贸n matem谩tica es la selecci贸n de la mejor alternativa con respecto a alg煤n criterio, entre un conjunto de opciones candidatas.
Existen m煤ltiples aplicaciones de optimizaci贸n matem谩tica. Por ejemplo, en optimizaci贸n de carteras de inversi贸n se busca la mejor manera de invertir un capital, dadas diferentes alternativas. En este caso, un problema de optimizaci贸n nos permitir谩 elegir una cartera que minimice el riesgo (o maximice la ganancia), entre todas las asignaciones posibles que cumplan con los requisitos definidos.
En la mayor铆a de los casos, la optimizaci贸n matem谩tica se utiliza como herramienta para facilitar la toma de decisiones. En ocasiones, estas decisiones pueden ser tomadas autom谩ticamente en tiempo real.
En esta charla se explorar谩 c贸mo formular y solucionar problemas de optimizaci贸n matem谩tica con Python, utilizando diferentes librer铆as de optimizaci贸n.
La optimizaci贸n matem谩tica se constituye como una herramienta importante en la toma de decisiones. Con ella, es posible optimizar el beneficio econ贸mico, el tiempo, la distancia, o cualquier variable que se desee.
El primer paso de la optimizaci贸n es la construcci贸n de un modelo. Una buena elecci贸n del modelo es esencial. Si el modelo es demasiado simple, no proporcionar谩 informaci贸n 煤til sobre el problema. Si es demasiado complejo, puede ser demasiado dif铆cil de resolver. Posterior a la creaci贸n del modelo, es posible solucionar el problema, normalmente con la ayuda de un ordenador.
Es importante notar que no existe un algoritmo de optimizaci贸n universal, sino que existen diferentes algoritmos que se adaptan a diversos problemas de optimizaci贸n. La elecci贸n correcta del algoritmo adecuado para una aplicaci贸n espec铆fica suele recaer en el usuario. Esta elecci贸n es importante, ya que puede determinar si el problema se resuelve r谩pida o lentamente y, de hecho, si se encuentra la soluci贸n.
En esta charla aprenderemos a solucionar problemas de optimizaci贸n matem谩tica, utilizando Python y diferentes librer铆as de optimizaci贸n.