TALLER 2 OPTIMIZACIN DE PROCESOS

David A.Toro
Universidad San Buenaventura
20-3-2017
TALLER NO. 1

1. Determine la aproximacin lineal y cuadrtica segn series de Taylor para:

(1, 2) = (1 1)2 2 + 21

En los puntos: (a) X= (0,0); (b) X= (2, 1); demuestre grficamente sus resultados.

a) Punto (0,0)
Demostracin grfica:

b) Punto (2,1)
 Demostracin grfica:

2. Considere el problema:

Minimizar:
() = 1 + 2
Sujeto a:
2 150
1 + 2 450
41 + 2 900
1 0 2 0;

a) Dibuje la regin factible en el espacio 12

.
b) Dibuje el cono de descenso y el cono factible en el punto (225,0); c) Dibuje el cono de
descenso factible.

3. Para el siguiente problema:

Minimizar

10
() = 1 + 52
12

(a) Emplear la herramienta fminunc de Matlab para determinar la solucin del problema.
Vare el punto de inici. Incluya la informacin del gradiente y explique los resultados
obtenidos.

Coordenadas Valor de X Valor funcin Itera LAMBDA Gradient

de prueba (FVAL) cione e
s
(-0.5,0.5) 1.0e+20*1.636 9 1 1.0e22*
- 0.2033
1.0e+20*-0.003 1.6527e+*20 5 1.0e22*
0.2033
(10, 50) 1.0e+20*0.2467 1 1 1.0e-
-6.4015e+20 25*0.14
46
1.0e+20*1.2310 5 1.0e-
25*0.00
58
(-10,50) 1.0e+20*-0.2467 1 1 0
1.0e+20*1.2310 -6.4005e+20 5 0
 (0.001,0.001) 1.0e-06*-0.6873 1 1.0e+19 * 1.0e+21
-2.1170e+13 -3.0149 *-
1.4088
1.0e-06*-0.6873 1.0e+19 *
-3.0149

(b) Contraste los resultados con la solucin grfica.

4. Considere el problema:
Minimizar:
f(x) = 0.01 x12 + x22
Sujeto a:
1() = 25 1 2 0

2() = 2 1 0

1 0; 2 0
(a) Obtenga la solucin grafica

Punto ptimo (15.8, 1.58)

(b) Obtenga la solucin usando las condiciones KKT, es decir considerando los posibles casos.
Y c) Verifique las condiciones suficientes de optimalidad.

Tabla de condiciones KKT

Caso g1 u1 g2 u2 X1 X2 Observaciones
1 25 0 2 0 0 0 No cumple
-
2 0 12.5 0 152.250 2 12.5 No cumple
3 25 0 0 0.04 0 2 No cumple
4 0 0.2 -13.811 0 15.811 1.5811 Si cumple
 Condiciones:

Comprobacin de valores
(d) Resuelva el problema a travs de la funcin fmincon, muestre los resultados alcanzados
(Multiplicadores de Lagrange, iteraciones, Numero de evaluaciones de la funcin con y
sin incluir informacin del gradiente de la funcin).
(e) Resuelva el problema a travs de la funcin de optimizacin global (Pattern search o GA),
muestre los resultados grficos a travs de cada iteracin.

(f) Analice y concluya sobre los resultados obtenidos en los puntos (a), (b), (d) y (e).

Se puede ver con la funcin Fminco, que el resultado obtenido por el software cumple las
condiciones de optimalizad; este mtodo es bastante completo, entregndonos
informacin adicional, comolos valores de los multiplicadores de Lagrange y el valor de la
fucin en los puntos optimos. Con el sistema analtico y las condiciones KKT, se puede
encontrar los valores mnimos, tan solo probando y despejando ecuaciones; lo complicado
en encontrar rpidamente los valores para que las restricciones se cumplan, y en caso de
de incrementarse las restricciones u operar funciones con ms variables el mtodo
analtico de las condiciones KKT se torna complejo. El mtodo grfico, por su parte nos
muestra valores muy cercano, lo que lo hace un opcin muy aceptada, pero algo limitada
por los valores que se puedan ver al hacer zoom.