Gradiente conjugada Minimización de energía Por: Miguel Quiliano
Potential energy surface
Variaciones de energía
Minimizacion de Energia: Planteamiento el problema Podemos clasificar los algoritmos de minimizacion en dos grupos: No usan derivadas Usan derivadas
Método de minimización: Derivadas Son los métodos mas populares. La dirección de la primera derivada para energía es la gradiente. La magnitud de la gradiente indica “the steepnes of the local slope”. Cuando se discuten este tipo de métodos es muy útil escribir la función como una expansión de la serie de Taylor. Para el punto X k. Para una función multidimensional, la variable X es remplazada por el vector X y las matrices son usadas para las varias derivadas. Se escribirá la gradiente para un punto K como g K.
Minimización por gradientes conjugadas Produce un conjunto de direcciones que no muestran el comportamiento oscilatorio de steepest descents. En steepest descents ambos la gradiente y la dirección de los sucesivos pasos son ortogonales. En gradiente conjugada, las gradientes para cada punto son ortogonales pero las direcciones son conjugadas.
Steepes descents Vs. Conjugate gradient
¿Qué método de minimización debo usar? The DNA inhibitor netropsin