Importancia – La optimización bayesiana es una metodología relativamente nueva para realizar la optimización, en la cual el principio de búsqueda del punto óptimo difiera de la metodología de programación matemática clásica. Resumidamente, en la optimización mediante programación matemática, se define una región factible para la función objetivo, y a partir de un punto de partida (proporcionado por el usuario o o) el solver busca en siguiente punto en función del gradiente de la función objetivo y un salto en la dirección del mismo hasta alcanzar el óptimo. En la optimización bayesiana, se parte de una serie de puntos evaluados sobre la función objetivo, y la búsqueda del nuevo punto optimo se basa en la probabilidad de que el mismo se encuentre en un nuevo punto de muestreo.
Problemática – La problemática de la programación matemática aplicada a la solución de problemas MINLP no convexos radica en la dificultad que tienen los solver de optimización en hallar un punto óptimo global en la región factible y la convergencia. La optimización bayesiana, podría ser útil en la solución de este tipo de problemas dado a que la metodología del óptimo es totalmente distinta, pero en la actualidad la metodología no está completamente desarrollada y presenta algunos inconvenientes a la hora de definir las restricciones del área de búsqueda.
Objetivos – El objetivo de este tema de tesis es introducir la optimización bayesiana en el campo de la síntesis, diseño y optimización de procesos, que en la actualidad es un área de excelencia de la programación matemática. Se busca que la aplicación de la optimización bayesiana represente una opción factible a la hora de optimizar un proceso.
Contactos: Carlos Daniel Fischer (ra.bo1732235815g.tec1732235815inoc-1732235815efatn1732235815as@re1732235815hcsif1732235815c1732235815); Ernesto Carlos Martínez, (ra.bo1732235815g.tec1732235815inoc-1732235815efatn1732235815as@it1732235815ramce1732235815)