Optimización para sistemas y control
Queridos seguidores y apasionados de la ingeniería de control,
¡Es hora de llevar tus habilidades al siguiente nivel con nuestro taller especializado en "Optimización para Sistemas y Control"! En un mundo donde la eficiencia y el rendimiento son clave, dominar los métodos de optimización se vuelve fundamental para cualquier ingeniero de control.
La optimización es el corazón de la ingeniería de control moderna. Desde diseñar algoritmos eficientes hasta mejorar la respuesta de sistemas complejos, la capacidad de optimizar es esencial para enfrentar los desafíos de la automatización y la tecnología en constante evolución. Este taller ofrece una inmersión en los métodos más avanzados de optimización, proporcionándote las herramientas necesarias para superar obstáculos y alcanzar objetivos de control de manera más eficiente y efectiva.
¡Espero contar contigo en este viaje hacia la excelencia en sistemas y control!
Adrian Guel
Grupo de Whatsapp del Taller: https://chat.whatsapp.com/Ej1CSOK9TNwBjXts2Tu8BO
Temario
Métodos de optimización de sistemas y control.
¿Qué es la optimización ?
Revisión de conceptos
Álgebra matricial: conceptos básicos .
Álgebra matricial: independencia lineal y rango .
Álgebra matricial: valores propios/vectores propios .
Álgebra matricial: cálculo vectorial .
Sistemas lineales: espacio de estados .
Sistemas Lineales: Controlabilidad/Observabilidad .
Optimización de parámetros: sin restricciones
Optimización sin restricciones: conceptos básicos .
Optimización sin restricciones: uno y dos parámetros .
Métodos de búsqueda de líneas .
Algoritmo de búsqueda de líneas: bracketing .
Algoritmo de búsqueda de líneas: seccionamiento .
Métodos de descenso .
Método de Newton .
Método de Newton modificado .
Métodos cuasi-Newton .
Optimización: restringida
Optimización restringida: conceptos básicos .
Restricciones de igualdad: dos parámetros .
Multiplicadores de Lagrange: problema de dos parámetros .
Multiplicadores de Lagrange: problema multiparámetro .
Restricciones de igualdad: ejemplos .
Algoritmos numéricos .
Restricciones de desigualdad: parámetro escalar .
Restricciones de desigualdad: parámetro vectorial .
Programación Lineal .
Programación lineal: algoritmo símplex .
Programación cuadrática .
Programación cuadrática: multiplicadores de Lagrange .
Programación cuadrática: restricciones de desigualdad .
Optimización en sistemas dinámicos
Tiempo discreto: etapa única .
Tiempo discreto: múltiples etapas .
Métodos de solución: problemas de valores en la frontera de 2 puntos .
Continuo: tiempo fijo, sin restricciones de terminal .
Continuo: tiempo fijo, restricciones terminales .
Tiempo continuo: Problemas de tiempo libre .
Tiempo Continuo: Tiempo Mínimo .
Tiempo Discreto: Tiempo Mínimo .
Tiempo continuo: Restricciones del camino de igualdad .
Restricciones de igualdad de sólo control .
Tiempo continuo: Restricciones de desigualdad .
Tiempo continuo: restricciones lineales .
Inscripción
Costo total: 80 USD
Metodo de pago: Paypal.
Envia tu email por mensaje privado a El inge de control o mi email personal adrianjguelc@gmail.com
Fechas: Sábados 11 AM a 1 PM tiempo de la ciudad de México. Del 1 de Junio 2024 al 13 de Julio.
Instructor
El Dr. Adrian Guel posee tanto una licenciatura como una maestría en Ingeniería, con experiencia en investigación, diseño y educación. Específicamente, la experiencia de Adrian Guel se encuentra en Sistemas Dinámicos Complejos, Ingeniería de Control, Estadística y Programación. Adrian Guel ha desarrollado: Algoritmos de Control, Implementaciones de Control, Identificación y Modelado de Sistemas, Métodos de Pronóstico y Algoritmos de Optimización. Durante su doctorado, se enfocó en el análisis de modelos y control para Sistemas Complejos utilizando métodos estocásticos y teoría de la información. Actualmente, trabaja en una empresa ubicada en el Reino Unido, donde implementa y desarrolla diversos algoritmos de estimación para sistemas de gestión de baterías.
Referencias
[1] Kochenderfer, M. J., & Wheeler, T. A. (2019). Algorithms for optimization. Mit Press.
[2] Bechhoefer, J. (2021). Control theory for physicists. Cambridge University Press.
[3] Sethi, S. P., & Sethi, S. P. (2019). What is optimal control theory? (pp. 1-26). Springer International Publishing.
[4] Burden, R. L., & Faires, J. D. (1997). Numerical analysis. Brooks Cole.