En esta presentación se expondrán metodologías eficientes para la minimización de funciones de valor esperado. Inicialmente, se demuestra cómo estos problemas de optimización constituyen intrínsecamente problemas de optimización ruidosos.

Posteriormente, se expondrán dos enfoques principales para abordar estos retos: el descenso de gradiente estocástico y el Kriging estocástico. Cada enfoque se desarrollará detalladamente, destacando sus ventajas e inconvenientes, acompañado de ejemplos ilustrativos de aplicación en el diseño de sistemas de control pasivo en condiciones de incertidumbre.

Sobre Rafael Holdorf López

Es profesor del Departamento de Ingeniería Civil de la Universidad Federal de Santa Catarina (Brasil), donde enseña desde 2011. Obtuvo su licenciatura en Ingeniería Civil en la Universidad Tecnológica Federal do Paraná en 2006 y completó su doctorado en Ingeniería Mecánica en el Institut National des Sciences Appliquées de Rouen en 2010.

El Dr. López ha recibido en 2019 una beca CAPES-Humboldt y actualmente es Investigador Nivel 1D CNPq, centrando su investigación en el desarrollo de algoritmos para la optimización en ingeniería, optimización bajo incertidumbre, actualización de modelos bayesianos e identificación de daños, con aplicaciones particulares a sistemas estructurales.