¿Qué es la optimización sustitutiva?
Un sustituto es una función que se aproxima a otra función. La madre sustituta es útil porque requiere poco tiempo para evaluarla. Entonces, por ejemplo, para buscar un punto que minimice una función objetivo, simplemente evalúe su sustituto en miles de puntos y tome el mejor valor como una aproximación al minimizador de la función objetivo.
La optimización sustituta es más adecuada para funciones objetivas que consumen mucho tiempo. La función objetivo no necesita ser suave, pero el algoritmo funciona mejor cuando la función objetivo es continua.
La optimización sustituta intenta encontrar un mínimo global de una función objetivo utilizando pocas evaluaciones de la función objetivo. Para ello, el algoritmo intenta equilibrar el proceso de optimización entre dos objetivos: exploración y velocidad.
Exploración para buscar un mínimo global.
Velocidad para obtener una buena solución en pocas evaluaciones de la función objetivo.
Se ha demostrado que el algoritmo converge a una solución global para funciones objetivo continuas en dominios acotados. Véase Gutmann [1] . Sin embargo, esta convergencia no es rápida.
En general, no existe un criterio de detención útil que detenga el solucionador cuando está cerca de una solución global. Normalmente, se establece un criterio de detención de una serie de evaluaciones de funciones o una cantidad de tiempo, y se toma la mejor solución encontrada dentro de este presupuesto computacional.
Para obtener detalles del algoritmo surrogateopt, consulte Surrogate Optimization Algorithm.
Referencias
[1] Gutmann, H.-M. A radial basis function method for global optimization. Journal of Global Optimization 19, Issue 3, 2001, pp. 201–227. https://doi.org/10.1023/A:1011255519438
