SlideShare una empresa de Scribd logo
1 de 12
Descargar para leer sin conexión
Universidad Nacional Experimental
Politécnica de las Fuerzas Armadas Nacional Bolivariana
UNEFANB
Métodos de Búsqueda.
Estudiante: Profesor:
Albert Diaz. Luis Becerra.
C.I:25.332.322
Investigación de Operaciones.
Sección 501D.
Junio 2019.
Índice
Introducción..................................................................................................2
Métodos de Búsqueda.................................................................................3
Objetivo de los métodos de búsqueda....................................................4
Técnicas de Optimización........................................................................4
Optimización de una Variable..............................................................5
Método de la Sección Dorada......................................................................5
Selección del punto de prueba................................................................6
Condición de terminación........................................................................7
Método Fibonacci.........................................................................................8
Cómo aplicar la estrategia.......................................................................9
Conclusión..................................................................................................10
Bibliografías................................................................................................11
Introducción.
los métodos de búsqueda se utilizan en los sistemas de
información a través de algoritmos, están diseñados para localizar un
elemento con ciertas propiedades dentro de una estructura de datos por
ejemplo, ubicar el registro correspondiente a cierta persona en una base
de datos, o el mejor movimiento en una partida de ajedrez gracias a esto
nos permite realizar búsquedas de forma rápida y eficiente.
A la hora de acudir a buscar información por internet o ya sea en un
computador debes tomar en cuenta una serie de métodos que puedan
facilitarnos contenido de calidad y fiable que pueda ser ocupado en el
desarrollo de nuestra tarea.
Métodos de Búsqueda.
La búsqueda es la ejecución primordial en el procesamiento de
información, ya que permite obtener datos anteriormente almacenados. El
resultado de una búsqueda puede ser un éxito, si se localiza la
información o un fracaso, si no la encuentra. Esta ejecución se puede
aplicar a elementos previamente organizados o sobre elementos
desordenados, en un primer caso la búsqueda es más fácil, en cambio en
el segundo se dificulta un poco más el proceso, sobre todo cuando de se
trata de encontrar una cantidad importante de elementos similares.
Las funciones que con mayor frecuencia se utiliza en los sistemas
de información, es la búsqueda de los datos, para esto se hace necesario
utilizar algoritmos, que permitan realizar búsquedas de forma rápida y
eficiente. A la hora de acudir a buscar información por internet o ya sea en
un computador debes tomar en cuenta una serie de métodos que puedan
facilitarnos contenido de calidad y fiable que pueda ser ocupado en el
desarrollo de nuestra tarea. La aplicación de estos métodos de búsqueda
debe cumplir una serie de requisitos antes de considerarse aceptable
para el desarrollo de una tarea, lo primordial es definir qué cualidades se
deben poseer y obtener para cumplir los requerimientos presentados.
En el análisis u diseño de sistemas de ingeniería ocurren muchas
veces situaciones que provocan efectos conflictivos en cuanto a su
economía o algún objetivo establecido. Por ejemplo, en el diseño de
columnas de destilación, el aumentar la razón de reflujo tiende a
disminuir el costo fijo de la columna a expensas de un mayor costo de
servicios. Un valor óptimo de la razón de reflujo bajo un objetivo
económico seria aquel que minimiza una combinación de ambos costos.
Las técnicas de búsqueda se basan en el concepto de eliminación
de regiones. La función objetivo se evalúa en varios puntos contenidos en
el espacio de búsqueda y se rechaza la región que contiene los peores
valores obtenidos, la religión remanente contiene el mejor punto que se
ha detectado hasta ese momento.
Objetivo de los métodos de búsqueda.
Su principal función es conocer los métodos más importantes de
búsqueda y de esta manera aplicar el más conveniente al conjunto de
datos que se ubique, ya sea en memoria principal o en la memoria
secundaria, así mismo manejará las funciones de dispersión.
Técnicas de Optimización.
Para optimizar un sistema se debe establecer una función objetivo,
la cual trata de maximizar algún tipo de beneficios o salidas del sistema, o
de minimizar algún tipo de costos o entradas al proceso. Relaciones
adicionales en forma de balances de energía, ecuaciones de diseño y
estipulación de algunas variables constituyen restricciones bajo las cuales
la búsqueda se va a llevar a cabo.
Si existe un solo grado de libertad, se tiene un caso de
optimización de una variable; si existen varios grados de libertad,
entonces la optimización se conoce como multi-variable. El tipo de
relaciones que definen la función objetivo y las restricciones del sistema
sirve también para clasificar el problema. Si todas las relaciones son
lineales (y todas las variables son continuas), se tiene un problema de
programación lineal, en caso de no cumplirse lo anterior, se tiene un
problema de programación no lineal.
Optimización de una Variable.
El caso más simple de solución de un problema de optimización es
cuando se pueden usar los principios de cálculo diferencial. La derivada
de la función con respecto a la variable de interés igualada a cero
proporciona al máximo o el mínimo que se busca. Este procedimiento
requiere de relaciones matemáticas explicitas y continuas. En muchos
casos este requerimiento no se cumple, o las relaciones están dadas en
forma de tablas o gráficas y no pueden usarse directamente los principios
de cálculo diferencial. Este aspecto es muy común en sistemas
ingenieriles y establecer la necesidad de técnicas de búsqueda.
Método de la Sección Dorada.
La búsqueda (o método) de la sección dorada es una técnica para
hallar el extremo (mínimo o máximo) de una función unimodal, mediante
reducciones sucesivas del rango de valores en el cual se conoce que se
encuentra el extremo. La técnica debe su nombre al hecho de que el
algoritmo mantiene los valores de la función en tríos de puntos cuyas
distancias forman una proporción dorada. El algoritmo es el límite de la
búsqueda de Fibonacci para un largo número de evaluaciones de la
función. La búsqueda de Fibonacci y la búsqueda de la sección dorada
fueron descubiertos por Kiefer(1953).
El diagrama ilustra un paso en la técnica para hallar un mínimo.
Los valores de la función f(x) están en el eje vertical y el horizontal
es el parámetro x. El valor de f(x) ha sido calculado ya para los tres
puntos x_{1}, x_{2} y {displaystyle x_{3}}. Dado que {displaystyle f_{2}}
es más pequeño que {displaystyle f_{1}} y que {displaystyle f_{3}}, es
evidente que el mínimo se encuentra dentro del intervalo desde x_{1}
hasta {displaystyle x_{3}} (porque f es unimodal).
El siguiente paso en el proceso de minimización es "probar" la
función evaluándola en el nuevo valor de x: x_{4}. Es más eficiente
escoger x_{4} en algún lugar dentro del intervalo más grande, dígase
entre x_{2} y {displaystyle x_{3}}. Por la figura, se puede notar que si {
displaystyle f(x_{4})=f_{4a}} entonces el mínimo se encuentra entre x_{1}
y x_{4} y el nuevo trío de puntos serán x_{1}, x_{2} y x_{4}. Sin embargo,
si {displaystyle f(x_{4})=f_{4b}}, entonces el mínimo pertenece al intervalo
desde x_{2} hasta {displaystyle x_{3}}, y el nuevo trío de puntos serán
x_{2}, x_{4} y {displaystyle x_{3}}. De esta manera, en cualquier caso, es
posible construir un nuevo intervalo de búsqueda más pequeño en el cual
está garantizado que se encuentra el mínimo de la función.
Selección del punto de prueba.
Del diagrama de arriba se deduce que el nueva intervalo de
búsqueda será desde x_{1} hasta x_{4} con tamaño {displaystyle a+c}, o
desde x_{2} hasta {displaystyle x_{3}} con tamaño b. Este método
requiere que ambos intervalos sean de igual tamaño. Si no lo son, es
posible que una "mala suerte" pueda llevar a utilizar el intervalo más
grande muchas veces, ralentizando así la convergencia del método. Para
garantizar que {displaystyle b=a+c}, el algoritmo debe escoger {
displaystyle x_{4}=x_{1}+(x_{3}-x_{2})}.
Sin embargo, queda aún sin responder dónde debe ubicarse x_{2}
con respecto a x_{1} y {displaystyle x_{3}}. La búsqueda de la sección
dorada escoge los espacios entre estos puntos de forma tal que se
mantenga la proporción entre ellos y los de los puntos subsecuentes
x_{1}, x_{2}, x_{4} o x_{2}, x_{4}, {displaystyle x_{3}}. Al mantener la
misma proporción durante todo el algoritmo, se evita la situación en la
cual x_{2} está muy cerca de x_{1} o {displaystyle x_{3}}, y se garantiza
que la longitud del intervalo se estreche con la misma proporción en cada
paso.
Matemáticamente, para asegurar que el espaciado después de
evaluar {displaystyle f(x_{4})} es proporcional al espaciado antes de la
evaluación, si {displaystyle f(x_{4})=f_{4a}} y el nuevo trío de puntos es
x_{1}, x_{2} y x_{4} entonces se quiere:
{displaystyle {frac {c}{a}}={frac {a}{b}}.}
En cambio, si {displaystyle f(x_{4})=f_{4b}} y el nuevo trío de
puntos es x_{2}, x_{4} y {displaystyle x_{3}}, entonces se quiere:
{displaystyle {frac {c}{(b-c)}}={frac {a}{b}}.}
Eliminando c de este sistema de dos ecuaciones se obtiene:
{displaystyle left({frac {b}{a}}right)^{2}={frac {b}{a}}+1}
O:
{displaystyle {frac {b}{a}}=varphi }
Donde varphi es la proporción dorada:
{displaystyle varphi ={frac {1+{sqrt {5}}}{2}}=1.618033988ldots }
La aparición del número dorado en el espaciado proporcional de la
evaluación de los puntos es el motivo por el cual este algoritmo de
búsqueda recibe su nombre.
Condición de terminación.
En adición al procedimiento de reducción del tamaño del espacio
de búsqueda de la solución, el algoritmo debe tener una condición de
terminación. Se basa en los espacios entre x_{1}, x_{2}, {displaystyle
x_{3}} y x_{4}, terminando cuando se cumple la siguiente cota de
precisión relativa:
{displaystyle |x_{3}-x_{1}|<tau (|x_{2}|+|x_{4}|),}
Donde tau es un parámetro de tolerancia del algoritmo y {
displaystyle |x|} es el valor absoluto de x. La condición está basada en el
tamaño del intervalo relativo a su valor central, porque el error relativo en
x es aproximadamente proporcional al cuadrado del error absoluto en f(x)
en los casos típicos. Por esa misma razón, se recomienda {displaystyle 
tau ={sqrt {epsilon }}} donde epsilon es la precisión absoluta requerida
para f(x).
Método Fibonacci.
Popularmente conocido por utilizarse en los juegos de azar, el
método Fibonacci fue creado por Leonardo de Pisa – conocido también
por Fibonacci-, un matemático italiano del siglo XIII.
Éste denominó cómo término Fibonacci a una sucesión de
números naturales infinita, que empezaba por 1 y 1 y cada número
consecutivo seguía a partir de éstos por la suma de los dos anteriores, es
decir, que a continuación iría el 2.
En la sucesión Fibonacci cada término es la suma de los dos
anteriores, y ahí está su relación de recurrencia que la define.
A modo de presentación esta sería parte de la serie qué –
recordemos- es infinita: 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377,
610, 986, 1597…
Ahora que conoces los inicios de la sucesión Fibonacci vamos a
hablar sobre la estrategia en sí.
El método Fibonacci se puede aplicar a las operaciones binarias y
con cualquier tipo de vencimiento, siendo las opciones a corto plazo las
más interesantes. Sobre todo las de 60”.
La característica principal de los mercados financieros es su alta
volatilidad, la cual permite que los precios de los activos subyacentes
fluctúen moviéndose en tendencias alcistas y bajistas.
Por tanto, sí para obtener beneficios hay que acertar en la dirección
del precio necesitaremos una herramienta que nos ayude a identificar
este comportamiento.
Y aquí es donde entraría en acción el método Fibonacci, una nueva
estrategia que te ayudará a identificar los movimientos de los precios de
los activos y valorar las subidas y bajadas.
En esta estrategia la sucesión de Fibonacci nos ayudará dentro del
análisis técnico. Para este fin nos plantearemos la sucesión como el
modelo de retrocesos de Fibonacci y a través del gráfico podremos
identificar y medir el porcentaje de retroceso en las tendencias.
En la práctica el trader tendrá que utilizar este método para medir
el porcentaje de retroceso de la tendencia y saber cuánto puede llegar a
retroceder en un determinado periodo de tiempo así como avistar cambios
en la dirección.
Por otro lado para esta estrategia los porcentajes de los retrocesos
ya estarán fijados, quedándose así: en 15%, 23,6%, 38,2%, 50%, 61,8%,
88% y 100%.
Vamos a ver la importancia que tienen estos porcentajes para
desarrollar adecuadamente la estrategia.
Nivel 15%. Se trata del más relevante al empezar la sesión.
Nivel 23,6%. Menos importante.
Nivel 38,2%. El primer nivel objetivo del trader.
Nivel 50%. La mitad del nivel y un punto clave del análisis.
Nivel 61,8%. Nivel importante de la sesión, se espera un retroceso.
Nivel 88%. Nivel también importe para los objetivos.
Nivel 100%. Inicio del nivel y muy importante para el trader.
Cómo aplicar la estrategia.
Sí ya tenemos claro esto de los porcentajes y su importancia a
continuación tendremos que ponernos en acción.
Una de las primeras cosas que habrá que hacer mediante el
análisis es identificar el punto de partida de la tendencia, para el alza y
para la baja.
Los puntos de partida serán principalmente los últimos niveles de
soporte o resistencia identificados en el gráfico, pues serán los mínimos y
máximos que habrá alcanzado el precio del activo.
Con estos niveles establecidos en el gráfico ya se podrá observar y
analizar la tendencia que se dibujará sobre el gráfico de manera
automática, solo hay que tener un poco de paciencia y veremos que los
niveles Fibonacci más relevantes quedarán destacados.
Como a estas alturas ya tendrás claros los niveles que te interesa
tener en cuenta solo tendrás que continuar tu análisis y esperar a que los
precios los alcancen para actuar. Una vez que estos niveles de lo que
hemos hablado antes sean alcanzados ya podremos lanzar las
operaciones que correspondan al mercado.
Cabe destacar que aquí los valores más importantes, cómo hemos
resaltado antes, son los que se encuentran en el 38,2%, el 50% y el
61,8%. Ahí estarán las oportunidades clave para ejecutar las opciones de
tipo CALL para opciones binarias.
Conclusión.
Contar con estructuras de datos es de suma importancia tanto para
el buen manejo de la información, como para la buena ejecución de los
programas del computador. Las estructuras de datos principales son los
archivos y dentro de ellos es posible almacenar numerosas cantidades de
información que normalmente no están bien organizada o en su caso es
muy extensa, lo que dificulta el acceso a un dato en particular. Este
problema se incrementa de manera exponencial cuando pasamos del
manejo de archivos a bases de datos, que pueden contener millones de
veces la cantidad de información contenida en un archivo, con miles o
millones de registros que en su momento serán utilizados.
Bibliografías.
INGENIERÍA de procesos. Instrumentación y Control.
Facciiprocesos [en linea]. Actualizada: 4 Febrero 2018. [Fecha de
consulta: 8 Junio 2019]. Disponible en: http://facciiprocesos.blogspot.com/
MILT, Robert. SlideShare [en linea]. Publicada: 26 Marzo 2017.
[Fecha de consulta: 8 Junio 2019]. Disponible en: https://es.slideshare.net/
RobertMilt/metodo-de-busqueda-73642791
INGENIERÍA DE PROCESO

Más contenido relacionado

La actualidad más candente

Trabajo de Investigación: Análisis Bayesiano de Tablas de Contingencia Bidime...
Trabajo de Investigación: Análisis Bayesiano de Tablas de Contingencia Bidime...Trabajo de Investigación: Análisis Bayesiano de Tablas de Contingencia Bidime...
Trabajo de Investigación: Análisis Bayesiano de Tablas de Contingencia Bidime...Juan Casanova González
 
Ejercicios prueba de hipótesis
Ejercicios prueba de hipótesisEjercicios prueba de hipótesis
Ejercicios prueba de hipótesisalimacni
 
Diseño aleatorizado por bloques aplicado a los Negocios
Diseño aleatorizado por bloques aplicado a los NegociosDiseño aleatorizado por bloques aplicado a los Negocios
Diseño aleatorizado por bloques aplicado a los NegociosMaría Pilco Ch
 
Teoria de Optimizacion
Teoria de  OptimizacionTeoria de  Optimizacion
Teoria de Optimizacionrebeca ferrer
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesisElisa Mendoza
 
Pruebas de hipótesis
Pruebas de hipótesisPruebas de hipótesis
Pruebas de hipótesiseduardobarco
 
Uso de Software computacional Disenos Estadistica
Uso de Software computacional Disenos EstadisticaUso de Software computacional Disenos Estadistica
Uso de Software computacional Disenos EstadisticaAlberto Carranza Garcia
 
Prueba de hipótesis y R - Commander
Prueba de hipótesis y R - CommanderPrueba de hipótesis y R - Commander
Prueba de hipótesis y R - CommanderJoer Saqui
 

La actualidad más candente (20)

Trabajo de Investigación: Análisis Bayesiano de Tablas de Contingencia Bidime...
Trabajo de Investigación: Análisis Bayesiano de Tablas de Contingencia Bidime...Trabajo de Investigación: Análisis Bayesiano de Tablas de Contingencia Bidime...
Trabajo de Investigación: Análisis Bayesiano de Tablas de Contingencia Bidime...
 
Prueba de hipótesis de la varianza
Prueba de hipótesis de la varianzaPrueba de hipótesis de la varianza
Prueba de hipótesis de la varianza
 
Ejercicios prueba de hipótesis
Ejercicios prueba de hipótesisEjercicios prueba de hipótesis
Ejercicios prueba de hipótesis
 
Optimización
OptimizaciónOptimización
Optimización
 
Programación - Matrices
Programación - Matrices Programación - Matrices
Programación - Matrices
 
Ejemplos prueba de hipótesis
Ejemplos prueba de hipótesisEjemplos prueba de hipótesis
Ejemplos prueba de hipótesis
 
DISEÑO DE BLOQUES COMPLETO AL AZAR 1
DISEÑO DE BLOQUES COMPLETO AL AZAR 1DISEÑO DE BLOQUES COMPLETO AL AZAR 1
DISEÑO DE BLOQUES COMPLETO AL AZAR 1
 
Ejercicios de Programación Matemática Aplicada
Ejercicios de Programación Matemática Aplicada Ejercicios de Programación Matemática Aplicada
Ejercicios de Programación Matemática Aplicada
 
211 209-1-pb
211 209-1-pb211 209-1-pb
211 209-1-pb
 
Diseño aleatorizado por bloques aplicado a los Negocios
Diseño aleatorizado por bloques aplicado a los NegociosDiseño aleatorizado por bloques aplicado a los Negocios
Diseño aleatorizado por bloques aplicado a los Negocios
 
Teoria de Optimizacion
Teoria de  OptimizacionTeoria de  Optimizacion
Teoria de Optimizacion
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 
Pruebas de hipótesis
Pruebas de hipótesisPruebas de hipótesis
Pruebas de hipótesis
 
Uso de Software computacional Disenos Estadistica
Uso de Software computacional Disenos EstadisticaUso de Software computacional Disenos Estadistica
Uso de Software computacional Disenos Estadistica
 
Organizacion de datos
Organizacion de datosOrganizacion de datos
Organizacion de datos
 
Prueba Hipotesis
Prueba HipotesisPrueba Hipotesis
Prueba Hipotesis
 
Clase 4 diseños de bloques - final
Clase 4   diseños de bloques - finalClase 4   diseños de bloques - final
Clase 4 diseños de bloques - final
 
Optimizacion de funcion
Optimizacion de funcionOptimizacion de funcion
Optimizacion de funcion
 
Prueba de hipotesis unidad3
Prueba de hipotesis unidad3Prueba de hipotesis unidad3
Prueba de hipotesis unidad3
 
Prueba de hipótesis y R - Commander
Prueba de hipótesis y R - CommanderPrueba de hipótesis y R - Commander
Prueba de hipótesis y R - Commander
 

Similar a Busqueda

Trabajo de estadistica 2 prueba de suma de rango.pptx
Trabajo de estadistica 2 prueba de suma de rango.pptxTrabajo de estadistica 2 prueba de suma de rango.pptx
Trabajo de estadistica 2 prueba de suma de rango.pptxleifalopezcastillo21
 
Teoria de optimizacion by. manuel rivas
Teoria de optimizacion by. manuel rivasTeoria de optimizacion by. manuel rivas
Teoria de optimizacion by. manuel rivasmanuelrivasv95
 
Metodos de programcion no lineal
Metodos de programcion no linealMetodos de programcion no lineal
Metodos de programcion no linealAngel Jhoan
 
Metodos de Programacion no lineal
Metodos de Programacion no linealMetodos de Programacion no lineal
Metodos de Programacion no linealluisatero
 
Presentacion programacion de redes de distribucion..pptx
Presentacion programacion de redes de distribucion..pptxPresentacion programacion de redes de distribucion..pptx
Presentacion programacion de redes de distribucion..pptxSantiagoMartnezBrian1
 
Javierperez teoría de la optimización
Javierperez teoría de la optimizaciónJavierperez teoría de la optimización
Javierperez teoría de la optimizaciónRobin Duben
 
Documents.mx 13 enfoque-en-la-toma-de-decisiones
Documents.mx 13 enfoque-en-la-toma-de-decisionesDocuments.mx 13 enfoque-en-la-toma-de-decisiones
Documents.mx 13 enfoque-en-la-toma-de-decisioneshugo santiago champs
 
Presentación clase 5 regresión múltiple.pdf
Presentación clase 5 regresión múltiple.pdfPresentación clase 5 regresión múltiple.pdf
Presentación clase 5 regresión múltiple.pdfMARLENIMIGUELMARTINE
 
Optimizacion presentacion Victorherrera
Optimizacion presentacion VictorherreraOptimizacion presentacion Victorherrera
Optimizacion presentacion VictorherreraVictor Herrera Prado
 
T026800007004 0-felvir rivas-_trabajofinaldefensa-000
T026800007004 0-felvir rivas-_trabajofinaldefensa-000T026800007004 0-felvir rivas-_trabajofinaldefensa-000
T026800007004 0-felvir rivas-_trabajofinaldefensa-000Cleto de la Torre
 
Teoría de optimización
Teoría de optimizaciónTeoría de optimización
Teoría de optimizaciónAngel Jhoan
 
Tema2. pronosticos de demanda
Tema2. pronosticos de demandaTema2. pronosticos de demanda
Tema2. pronosticos de demandaingRobertoBriceno
 
Reconocimiento de Dígitos Manuscritos usando la Dase de Datos MNIST
Reconocimiento de Dígitos Manuscritos usando la Dase de Datos MNISTReconocimiento de Dígitos Manuscritos usando la Dase de Datos MNIST
Reconocimiento de Dígitos Manuscritos usando la Dase de Datos MNISTEmilio Garcia
 
algoritmos 7 4p.pptx
algoritmos 7 4p.pptxalgoritmos 7 4p.pptx
algoritmos 7 4p.pptxmartin298577
 
informatica_iv_-_unidad_2._algoritmos.pptx
informatica_iv_-_unidad_2._algoritmos.pptxinformatica_iv_-_unidad_2._algoritmos.pptx
informatica_iv_-_unidad_2._algoritmos.pptxyvillada8
 

Similar a Busqueda (20)

Trabajo de estadistica 2 prueba de suma de rango.pptx
Trabajo de estadistica 2 prueba de suma de rango.pptxTrabajo de estadistica 2 prueba de suma de rango.pptx
Trabajo de estadistica 2 prueba de suma de rango.pptx
 
Teoria de optimizacion by. manuel rivas
Teoria de optimizacion by. manuel rivasTeoria de optimizacion by. manuel rivas
Teoria de optimizacion by. manuel rivas
 
Metodos de programcion no lineal
Metodos de programcion no linealMetodos de programcion no lineal
Metodos de programcion no lineal
 
Metodos de Programacion no lineal
Metodos de Programacion no linealMetodos de Programacion no lineal
Metodos de Programacion no lineal
 
Presentacion programacion de redes de distribucion..pptx
Presentacion programacion de redes de distribucion..pptxPresentacion programacion de redes de distribucion..pptx
Presentacion programacion de redes de distribucion..pptx
 
Javierperez teoría de la optimización
Javierperez teoría de la optimizaciónJavierperez teoría de la optimización
Javierperez teoría de la optimización
 
Documents.mx 13 enfoque-en-la-toma-de-decisiones
Documents.mx 13 enfoque-en-la-toma-de-decisionesDocuments.mx 13 enfoque-en-la-toma-de-decisiones
Documents.mx 13 enfoque-en-la-toma-de-decisiones
 
Algoritmos Evolutivos
Algoritmos EvolutivosAlgoritmos Evolutivos
Algoritmos Evolutivos
 
Presentación clase 5 regresión múltiple.pdf
Presentación clase 5 regresión múltiple.pdfPresentación clase 5 regresión múltiple.pdf
Presentación clase 5 regresión múltiple.pdf
 
Optimizacion presentacion Victorherrera
Optimizacion presentacion VictorherreraOptimizacion presentacion Victorherrera
Optimizacion presentacion Victorherrera
 
T026800007004 0-felvir rivas-_trabajofinaldefensa-000
T026800007004 0-felvir rivas-_trabajofinaldefensa-000T026800007004 0-felvir rivas-_trabajofinaldefensa-000
T026800007004 0-felvir rivas-_trabajofinaldefensa-000
 
Informe proyecto final
Informe proyecto finalInforme proyecto final
Informe proyecto final
 
Teoría de optimización
Teoría de optimizaciónTeoría de optimización
Teoría de optimización
 
Taller 2 aplicacion de derivadas
Taller 2 aplicacion de derivadasTaller 2 aplicacion de derivadas
Taller 2 aplicacion de derivadas
 
Tema2. pronosticos de demanda
Tema2. pronosticos de demandaTema2. pronosticos de demanda
Tema2. pronosticos de demanda
 
Teoria optimizacion
Teoria optimizacionTeoria optimizacion
Teoria optimizacion
 
380531571-funcion-objetivo.pptx
380531571-funcion-objetivo.pptx380531571-funcion-objetivo.pptx
380531571-funcion-objetivo.pptx
 
Reconocimiento de Dígitos Manuscritos usando la Dase de Datos MNIST
Reconocimiento de Dígitos Manuscritos usando la Dase de Datos MNISTReconocimiento de Dígitos Manuscritos usando la Dase de Datos MNIST
Reconocimiento de Dígitos Manuscritos usando la Dase de Datos MNIST
 
algoritmos 7 4p.pptx
algoritmos 7 4p.pptxalgoritmos 7 4p.pptx
algoritmos 7 4p.pptx
 
informatica_iv_-_unidad_2._algoritmos.pptx
informatica_iv_-_unidad_2._algoritmos.pptxinformatica_iv_-_unidad_2._algoritmos.pptx
informatica_iv_-_unidad_2._algoritmos.pptx
 

Último

Trabajo de electricidad y la electrónica.docx
Trabajo de electricidad y la electrónica.docxTrabajo de electricidad y la electrónica.docx
Trabajo de electricidad y la electrónica.docxAnaSofaRosmaya
 
Familias más ricas de AL en la historia (2024).pdf
Familias más ricas de AL en la historia (2024).pdfFamilias más ricas de AL en la historia (2024).pdf
Familias más ricas de AL en la historia (2024).pdfJC Díaz Herrera
 
Trabajo herramientas informáticas trabajo pestel.pdf
Trabajo herramientas informáticas trabajo pestel.pdfTrabajo herramientas informáticas trabajo pestel.pdf
Trabajo herramientas informáticas trabajo pestel.pdfjggaratep
 
Trabajo tecnología sobre la ley de OHM y WATT
Trabajo tecnología sobre la ley de OHM y WATTTrabajo tecnología sobre la ley de OHM y WATT
Trabajo tecnología sobre la ley de OHM y WATTDanielDavila95
 
Tinkercad Mikaela Lagos- Skarleth Ayala .
Tinkercad Mikaela Lagos- Skarleth Ayala .Tinkercad Mikaela Lagos- Skarleth Ayala .
Tinkercad Mikaela Lagos- Skarleth Ayala .mikalagos1roa
 
Preservación de documentos digitales (CIDBA)
Preservación de documentos digitales (CIDBA)Preservación de documentos digitales (CIDBA)
Preservación de documentos digitales (CIDBA)SantiagoS6
 
Familias más ricas de México en la historia (2024) .pdf
Familias más ricas de México en la historia (2024) .pdfFamilias más ricas de México en la historia (2024) .pdf
Familias más ricas de México en la historia (2024) .pdfJC Díaz Herrera
 
RED DE PARQUES NACIONALES DANIELA CASAS 4ºB
RED DE PARQUES NACIONALES DANIELA CASAS 4ºBRED DE PARQUES NACIONALES DANIELA CASAS 4ºB
RED DE PARQUES NACIONALES DANIELA CASAS 4ºBdanihouses0609
 
taller tecnologia 11-3 .docx d jhonatan gamboa
taller tecnologia 11-3 .docx d jhonatan gamboataller tecnologia 11-3 .docx d jhonatan gamboa
taller tecnologia 11-3 .docx d jhonatan gamboajhonatan gamboa
 
Trabajo de electricidad y electrónica.docx
Trabajo de electricidad y electrónica.docxTrabajo de electricidad y electrónica.docx
Trabajo de electricidad y electrónica.docxAnaSofaRosmaya
 

Último (10)

Trabajo de electricidad y la electrónica.docx
Trabajo de electricidad y la electrónica.docxTrabajo de electricidad y la electrónica.docx
Trabajo de electricidad y la electrónica.docx
 
Familias más ricas de AL en la historia (2024).pdf
Familias más ricas de AL en la historia (2024).pdfFamilias más ricas de AL en la historia (2024).pdf
Familias más ricas de AL en la historia (2024).pdf
 
Trabajo herramientas informáticas trabajo pestel.pdf
Trabajo herramientas informáticas trabajo pestel.pdfTrabajo herramientas informáticas trabajo pestel.pdf
Trabajo herramientas informáticas trabajo pestel.pdf
 
Trabajo tecnología sobre la ley de OHM y WATT
Trabajo tecnología sobre la ley de OHM y WATTTrabajo tecnología sobre la ley de OHM y WATT
Trabajo tecnología sobre la ley de OHM y WATT
 
Tinkercad Mikaela Lagos- Skarleth Ayala .
Tinkercad Mikaela Lagos- Skarleth Ayala .Tinkercad Mikaela Lagos- Skarleth Ayala .
Tinkercad Mikaela Lagos- Skarleth Ayala .
 
Preservación de documentos digitales (CIDBA)
Preservación de documentos digitales (CIDBA)Preservación de documentos digitales (CIDBA)
Preservación de documentos digitales (CIDBA)
 
Familias más ricas de México en la historia (2024) .pdf
Familias más ricas de México en la historia (2024) .pdfFamilias más ricas de México en la historia (2024) .pdf
Familias más ricas de México en la historia (2024) .pdf
 
RED DE PARQUES NACIONALES DANIELA CASAS 4ºB
RED DE PARQUES NACIONALES DANIELA CASAS 4ºBRED DE PARQUES NACIONALES DANIELA CASAS 4ºB
RED DE PARQUES NACIONALES DANIELA CASAS 4ºB
 
taller tecnologia 11-3 .docx d jhonatan gamboa
taller tecnologia 11-3 .docx d jhonatan gamboataller tecnologia 11-3 .docx d jhonatan gamboa
taller tecnologia 11-3 .docx d jhonatan gamboa
 
Trabajo de electricidad y electrónica.docx
Trabajo de electricidad y electrónica.docxTrabajo de electricidad y electrónica.docx
Trabajo de electricidad y electrónica.docx
 

Busqueda

  • 1. Universidad Nacional Experimental Politécnica de las Fuerzas Armadas Nacional Bolivariana UNEFANB Métodos de Búsqueda. Estudiante: Profesor: Albert Diaz. Luis Becerra. C.I:25.332.322 Investigación de Operaciones. Sección 501D. Junio 2019.
  • 2. Índice Introducción..................................................................................................2 Métodos de Búsqueda.................................................................................3 Objetivo de los métodos de búsqueda....................................................4 Técnicas de Optimización........................................................................4 Optimización de una Variable..............................................................5 Método de la Sección Dorada......................................................................5 Selección del punto de prueba................................................................6 Condición de terminación........................................................................7 Método Fibonacci.........................................................................................8 Cómo aplicar la estrategia.......................................................................9 Conclusión..................................................................................................10 Bibliografías................................................................................................11
  • 3. Introducción. los métodos de búsqueda se utilizan en los sistemas de información a través de algoritmos, están diseñados para localizar un elemento con ciertas propiedades dentro de una estructura de datos por ejemplo, ubicar el registro correspondiente a cierta persona en una base de datos, o el mejor movimiento en una partida de ajedrez gracias a esto nos permite realizar búsquedas de forma rápida y eficiente. A la hora de acudir a buscar información por internet o ya sea en un computador debes tomar en cuenta una serie de métodos que puedan facilitarnos contenido de calidad y fiable que pueda ser ocupado en el desarrollo de nuestra tarea.
  • 4. Métodos de Búsqueda. La búsqueda es la ejecución primordial en el procesamiento de información, ya que permite obtener datos anteriormente almacenados. El resultado de una búsqueda puede ser un éxito, si se localiza la información o un fracaso, si no la encuentra. Esta ejecución se puede aplicar a elementos previamente organizados o sobre elementos desordenados, en un primer caso la búsqueda es más fácil, en cambio en el segundo se dificulta un poco más el proceso, sobre todo cuando de se trata de encontrar una cantidad importante de elementos similares. Las funciones que con mayor frecuencia se utiliza en los sistemas de información, es la búsqueda de los datos, para esto se hace necesario utilizar algoritmos, que permitan realizar búsquedas de forma rápida y eficiente. A la hora de acudir a buscar información por internet o ya sea en un computador debes tomar en cuenta una serie de métodos que puedan facilitarnos contenido de calidad y fiable que pueda ser ocupado en el desarrollo de nuestra tarea. La aplicación de estos métodos de búsqueda debe cumplir una serie de requisitos antes de considerarse aceptable para el desarrollo de una tarea, lo primordial es definir qué cualidades se deben poseer y obtener para cumplir los requerimientos presentados. En el análisis u diseño de sistemas de ingeniería ocurren muchas veces situaciones que provocan efectos conflictivos en cuanto a su economía o algún objetivo establecido. Por ejemplo, en el diseño de columnas de destilación, el aumentar la razón de reflujo tiende a disminuir el costo fijo de la columna a expensas de un mayor costo de servicios. Un valor óptimo de la razón de reflujo bajo un objetivo económico seria aquel que minimiza una combinación de ambos costos. Las técnicas de búsqueda se basan en el concepto de eliminación de regiones. La función objetivo se evalúa en varios puntos contenidos en el espacio de búsqueda y se rechaza la región que contiene los peores valores obtenidos, la religión remanente contiene el mejor punto que se ha detectado hasta ese momento. Objetivo de los métodos de búsqueda. Su principal función es conocer los métodos más importantes de búsqueda y de esta manera aplicar el más conveniente al conjunto de datos que se ubique, ya sea en memoria principal o en la memoria secundaria, así mismo manejará las funciones de dispersión.
  • 5. Técnicas de Optimización. Para optimizar un sistema se debe establecer una función objetivo, la cual trata de maximizar algún tipo de beneficios o salidas del sistema, o de minimizar algún tipo de costos o entradas al proceso. Relaciones adicionales en forma de balances de energía, ecuaciones de diseño y estipulación de algunas variables constituyen restricciones bajo las cuales la búsqueda se va a llevar a cabo. Si existe un solo grado de libertad, se tiene un caso de optimización de una variable; si existen varios grados de libertad, entonces la optimización se conoce como multi-variable. El tipo de relaciones que definen la función objetivo y las restricciones del sistema sirve también para clasificar el problema. Si todas las relaciones son lineales (y todas las variables son continuas), se tiene un problema de programación lineal, en caso de no cumplirse lo anterior, se tiene un problema de programación no lineal. Optimización de una Variable. El caso más simple de solución de un problema de optimización es cuando se pueden usar los principios de cálculo diferencial. La derivada de la función con respecto a la variable de interés igualada a cero proporciona al máximo o el mínimo que se busca. Este procedimiento requiere de relaciones matemáticas explicitas y continuas. En muchos casos este requerimiento no se cumple, o las relaciones están dadas en forma de tablas o gráficas y no pueden usarse directamente los principios de cálculo diferencial. Este aspecto es muy común en sistemas ingenieriles y establecer la necesidad de técnicas de búsqueda. Método de la Sección Dorada. La búsqueda (o método) de la sección dorada es una técnica para hallar el extremo (mínimo o máximo) de una función unimodal, mediante reducciones sucesivas del rango de valores en el cual se conoce que se encuentra el extremo. La técnica debe su nombre al hecho de que el algoritmo mantiene los valores de la función en tríos de puntos cuyas distancias forman una proporción dorada. El algoritmo es el límite de la búsqueda de Fibonacci para un largo número de evaluaciones de la función. La búsqueda de Fibonacci y la búsqueda de la sección dorada fueron descubiertos por Kiefer(1953).
  • 6. El diagrama ilustra un paso en la técnica para hallar un mínimo. Los valores de la función f(x) están en el eje vertical y el horizontal es el parámetro x. El valor de f(x) ha sido calculado ya para los tres puntos x_{1}, x_{2} y {displaystyle x_{3}}. Dado que {displaystyle f_{2}} es más pequeño que {displaystyle f_{1}} y que {displaystyle f_{3}}, es evidente que el mínimo se encuentra dentro del intervalo desde x_{1} hasta {displaystyle x_{3}} (porque f es unimodal). El siguiente paso en el proceso de minimización es "probar" la función evaluándola en el nuevo valor de x: x_{4}. Es más eficiente escoger x_{4} en algún lugar dentro del intervalo más grande, dígase entre x_{2} y {displaystyle x_{3}}. Por la figura, se puede notar que si { displaystyle f(x_{4})=f_{4a}} entonces el mínimo se encuentra entre x_{1} y x_{4} y el nuevo trío de puntos serán x_{1}, x_{2} y x_{4}. Sin embargo, si {displaystyle f(x_{4})=f_{4b}}, entonces el mínimo pertenece al intervalo desde x_{2} hasta {displaystyle x_{3}}, y el nuevo trío de puntos serán x_{2}, x_{4} y {displaystyle x_{3}}. De esta manera, en cualquier caso, es posible construir un nuevo intervalo de búsqueda más pequeño en el cual está garantizado que se encuentra el mínimo de la función. Selección del punto de prueba. Del diagrama de arriba se deduce que el nueva intervalo de búsqueda será desde x_{1} hasta x_{4} con tamaño {displaystyle a+c}, o desde x_{2} hasta {displaystyle x_{3}} con tamaño b. Este método requiere que ambos intervalos sean de igual tamaño. Si no lo son, es posible que una "mala suerte" pueda llevar a utilizar el intervalo más grande muchas veces, ralentizando así la convergencia del método. Para garantizar que {displaystyle b=a+c}, el algoritmo debe escoger { displaystyle x_{4}=x_{1}+(x_{3}-x_{2})}.
  • 7. Sin embargo, queda aún sin responder dónde debe ubicarse x_{2} con respecto a x_{1} y {displaystyle x_{3}}. La búsqueda de la sección dorada escoge los espacios entre estos puntos de forma tal que se mantenga la proporción entre ellos y los de los puntos subsecuentes x_{1}, x_{2}, x_{4} o x_{2}, x_{4}, {displaystyle x_{3}}. Al mantener la misma proporción durante todo el algoritmo, se evita la situación en la cual x_{2} está muy cerca de x_{1} o {displaystyle x_{3}}, y se garantiza que la longitud del intervalo se estreche con la misma proporción en cada paso. Matemáticamente, para asegurar que el espaciado después de evaluar {displaystyle f(x_{4})} es proporcional al espaciado antes de la evaluación, si {displaystyle f(x_{4})=f_{4a}} y el nuevo trío de puntos es x_{1}, x_{2} y x_{4} entonces se quiere: {displaystyle {frac {c}{a}}={frac {a}{b}}.} En cambio, si {displaystyle f(x_{4})=f_{4b}} y el nuevo trío de puntos es x_{2}, x_{4} y {displaystyle x_{3}}, entonces se quiere: {displaystyle {frac {c}{(b-c)}}={frac {a}{b}}.} Eliminando c de este sistema de dos ecuaciones se obtiene: {displaystyle left({frac {b}{a}}right)^{2}={frac {b}{a}}+1} O: {displaystyle {frac {b}{a}}=varphi } Donde varphi es la proporción dorada: {displaystyle varphi ={frac {1+{sqrt {5}}}{2}}=1.618033988ldots }
  • 8. La aparición del número dorado en el espaciado proporcional de la evaluación de los puntos es el motivo por el cual este algoritmo de búsqueda recibe su nombre. Condición de terminación. En adición al procedimiento de reducción del tamaño del espacio de búsqueda de la solución, el algoritmo debe tener una condición de terminación. Se basa en los espacios entre x_{1}, x_{2}, {displaystyle x_{3}} y x_{4}, terminando cuando se cumple la siguiente cota de precisión relativa: {displaystyle |x_{3}-x_{1}|<tau (|x_{2}|+|x_{4}|),} Donde tau es un parámetro de tolerancia del algoritmo y { displaystyle |x|} es el valor absoluto de x. La condición está basada en el tamaño del intervalo relativo a su valor central, porque el error relativo en x es aproximadamente proporcional al cuadrado del error absoluto en f(x) en los casos típicos. Por esa misma razón, se recomienda {displaystyle tau ={sqrt {epsilon }}} donde epsilon es la precisión absoluta requerida para f(x). Método Fibonacci. Popularmente conocido por utilizarse en los juegos de azar, el método Fibonacci fue creado por Leonardo de Pisa – conocido también por Fibonacci-, un matemático italiano del siglo XIII. Éste denominó cómo término Fibonacci a una sucesión de números naturales infinita, que empezaba por 1 y 1 y cada número consecutivo seguía a partir de éstos por la suma de los dos anteriores, es decir, que a continuación iría el 2. En la sucesión Fibonacci cada término es la suma de los dos anteriores, y ahí está su relación de recurrencia que la define. A modo de presentación esta sería parte de la serie qué – recordemos- es infinita: 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 986, 1597… Ahora que conoces los inicios de la sucesión Fibonacci vamos a hablar sobre la estrategia en sí.
  • 9. El método Fibonacci se puede aplicar a las operaciones binarias y con cualquier tipo de vencimiento, siendo las opciones a corto plazo las más interesantes. Sobre todo las de 60”. La característica principal de los mercados financieros es su alta volatilidad, la cual permite que los precios de los activos subyacentes fluctúen moviéndose en tendencias alcistas y bajistas. Por tanto, sí para obtener beneficios hay que acertar en la dirección del precio necesitaremos una herramienta que nos ayude a identificar este comportamiento. Y aquí es donde entraría en acción el método Fibonacci, una nueva estrategia que te ayudará a identificar los movimientos de los precios de los activos y valorar las subidas y bajadas. En esta estrategia la sucesión de Fibonacci nos ayudará dentro del análisis técnico. Para este fin nos plantearemos la sucesión como el modelo de retrocesos de Fibonacci y a través del gráfico podremos identificar y medir el porcentaje de retroceso en las tendencias. En la práctica el trader tendrá que utilizar este método para medir el porcentaje de retroceso de la tendencia y saber cuánto puede llegar a retroceder en un determinado periodo de tiempo así como avistar cambios en la dirección. Por otro lado para esta estrategia los porcentajes de los retrocesos ya estarán fijados, quedándose así: en 15%, 23,6%, 38,2%, 50%, 61,8%, 88% y 100%. Vamos a ver la importancia que tienen estos porcentajes para desarrollar adecuadamente la estrategia. Nivel 15%. Se trata del más relevante al empezar la sesión. Nivel 23,6%. Menos importante. Nivel 38,2%. El primer nivel objetivo del trader. Nivel 50%. La mitad del nivel y un punto clave del análisis. Nivel 61,8%. Nivel importante de la sesión, se espera un retroceso. Nivel 88%. Nivel también importe para los objetivos. Nivel 100%. Inicio del nivel y muy importante para el trader. Cómo aplicar la estrategia. Sí ya tenemos claro esto de los porcentajes y su importancia a continuación tendremos que ponernos en acción.
  • 10. Una de las primeras cosas que habrá que hacer mediante el análisis es identificar el punto de partida de la tendencia, para el alza y para la baja. Los puntos de partida serán principalmente los últimos niveles de soporte o resistencia identificados en el gráfico, pues serán los mínimos y máximos que habrá alcanzado el precio del activo. Con estos niveles establecidos en el gráfico ya se podrá observar y analizar la tendencia que se dibujará sobre el gráfico de manera automática, solo hay que tener un poco de paciencia y veremos que los niveles Fibonacci más relevantes quedarán destacados. Como a estas alturas ya tendrás claros los niveles que te interesa tener en cuenta solo tendrás que continuar tu análisis y esperar a que los precios los alcancen para actuar. Una vez que estos niveles de lo que hemos hablado antes sean alcanzados ya podremos lanzar las operaciones que correspondan al mercado. Cabe destacar que aquí los valores más importantes, cómo hemos resaltado antes, son los que se encuentran en el 38,2%, el 50% y el 61,8%. Ahí estarán las oportunidades clave para ejecutar las opciones de tipo CALL para opciones binarias.
  • 11. Conclusión. Contar con estructuras de datos es de suma importancia tanto para el buen manejo de la información, como para la buena ejecución de los programas del computador. Las estructuras de datos principales son los archivos y dentro de ellos es posible almacenar numerosas cantidades de información que normalmente no están bien organizada o en su caso es muy extensa, lo que dificulta el acceso a un dato en particular. Este problema se incrementa de manera exponencial cuando pasamos del manejo de archivos a bases de datos, que pueden contener millones de veces la cantidad de información contenida en un archivo, con miles o millones de registros que en su momento serán utilizados.
  • 12. Bibliografías. INGENIERÍA de procesos. Instrumentación y Control. Facciiprocesos [en linea]. Actualizada: 4 Febrero 2018. [Fecha de consulta: 8 Junio 2019]. Disponible en: http://facciiprocesos.blogspot.com/ MILT, Robert. SlideShare [en linea]. Publicada: 26 Marzo 2017. [Fecha de consulta: 8 Junio 2019]. Disponible en: https://es.slideshare.net/ RobertMilt/metodo-de-busqueda-73642791 INGENIERÍA DE PROCESO