Page 111 - Acalán 121

Julio - Diciembre Acalán 121 15
Conclusiones Nath, R. (2024). Industrial process plants: Global
optimization of utility systems. Walter de Gruyter.
Los resultados muestran que la forma de una Kookos, I. K. (2022). Practical chemical process
función inf uye directamente en el desempeño optimization: With MATLAB® and GAMS®.
de un algoritmo de optimización. Mientras que Springer Nature Switzerland AG. https://doi.
org/10.1007/978-3-031-11298-0
las funciones convexas, con un solo mínimo, Segovia-Hernández, J. G., y Gómez-Castro, F. I. (2017).
pueden resolverse ef cazmente mediante métodos Stochastic process optimization using Aspen
clásicos basados en derivadas, las no convexas, Plus®. Boca Raton, FL: CRC Press. https://doi.
multimodales o discontinuas requieren algoritmos org/10.1201/9781315151385
más robustos, como los metaheurísticos o aquellos
libres de derivadas.

Visualizar la función —ya sea mediante gráf cas, Fecha de recepción: 1 de noviembre de 2025.
derivadas, contornos o campos de gradiente— Fecha de aceptación: 3 de diciembre de 2025.
facilita su comprensión y permite anticipar posibles
dif cultades. La matriz Hessiana, en particular,
aporta información valiosa sobre la curvatura
local, ayudando a identif car regiones estables o
conf ictivas.
La herramienta desarrollada ofrece así una guía
práctica para clasif car funciones y elegir estrategias
adecuadas, reduciendo el riesgo de aplicar métodos
inef cientes. Este enfoque resulta útil tanto en
entornos académicos como en aplicaciones reales,
donde cada evaluación puede tener un costo
signif cativo.

Como trabajo futuro, se propone implementar los
algoritmos de optimización sugeridos, permitiendo
resolver automáticamente cada función. También
se busca integrar enfoques adicionales (como
redes neuronales, optimización bayesiana o
métodos paralelos) y, de manera especial, aplicar
la herramienta al análisis de funciones reales
en ingeniería, como las que surgen en procesos
industriales, energía o logística.

Declaración de conf icto de interés.

Los autores del presente trabajo declaramos no tener
ningún tipo de conf icto de interés, ni f nanciero ni
de relaciones personales que puedan inf uir en el
presente artículo enviado a esta revista.

Referencias

Alanis, A. Y., Arana-Daniel, N., y Lopez-Franco, C.
(2018). Bio-inspired algorithms for engineering
(1st ed.).Butterworth-Heinemann. https://doi.
org/10.1016/B978-0-12-813788-8.00001-9
Cuevas Jiménez, E. V., Oliva Navarro, D. A., Díaz Cortés,
M. A., Osuna Enciso, J. V. (2016). Optimización:
Algoritmos Programados con MATLAB.
Colombia: Alpha Editorial.

UNIVERSIDAD AUTÓNOMA DEL CARMEN