Documente Academic
Documente Profesional
Documente Cultură
Método analítico
Maximizar Z = f(x,y) = 3x + 8y
sujeto a: 4x + 5y 40
2x + 5y 30
x 0,y 0
Los vértices de la región factible son aquellos puntos que cumplen todas las
restricciones.
Optimización no restringida
Los problemas de optimización no restringida no tienen restricciones, por lo
que la función objetivo es sencillamente
Maximizar f(x)
sobre todos los valores x= (x1, x2,…,xn). Según el repaso del apéndice 3, la
condición necesa-ria para que una solución específica x = x* sea óptima cuando f(x)
es una función diferenciable es
Cuando f (x) es cóncava, esta condición también es suficiente, con lo que la
obtención de x* se reduce a resolver el sistema de las n ecuaciones obtenidas al
establecer las n derivadas parciales iguales a cero. Por desgracia, cuando se trata
de funciones no lineales f (x), estas ecuaciones suelen ser no lineales también, en
cuyo caso es poco probable que se pueda obtener una solu-ción analítica
simultánea. ¿Qué se puede hacer en ese caso? Las secciones 13.4 y 13.5
descri-ben procedimientos algorítmicos de búsqueda para encontrar x* primero para
n = 1 y luego para n > 1. Estos procedimientos también tienen un papel importante
en la solución de varios tipos de problemas con restricciones, que se describirán en
seguida. La razón es que muchos algo-ritmos para problemas restringidos están
construidos de forma que se adaptan a versiones no restringidas del problema en
una parte de cada iteración.
Cuando una variable Xj tiene una restricción de no negatividad, x- > 0, la
condición ne-cesaria (y tal vez) suficiente anterior cambia ligeramente a para cada
j de este tipo. Esta condición se ilustra en la figura 13.11, donde la solución óptima
de un problema con una sola variable es x = 0 aun cuando la derivada ahí es
negativa y no cero. Como este ejemplo tiene una función cóncava para maximizar
sujeta a una restricción de no negatividad, el que su derivada sea menor o igual a 0
en # = 0, es una condición necesaria y su-ficiente para que x= 0 sea óptima.
Un problema que tiene algunas restricciones de no negatividad y que no tiene
restriccio-nes funcionales es un caso especial (m = 0) de la siguiente clase de
problemas.
Sea:
ƒ: ℜn → ℜ diferenciable
gi: ℜn → ℜ i = 1…m diferenciables
b1…bm ∈ ℜ
(n=2, m=1)
Nota:
Métodos:
Siempre que sea posible será muy cómodo dibujar las curvas de nivel.
Se
trata de determinar el punto de la restricción por el que pasa la curva de nivel más
baja.
Ejemplo:
es equivalente a
Por tanto,
se sustituye por
Ver ejemplo 1
Ver ejemplo 2
Ver ejemplo 1
Ver ejemplo 2
Condición suficiente
tq
en otro caso:
tal que
Ejemplo de aplicación 1
Condición necesaria:
(*) =
Resolvemos:
Obtenemos:
Condición suficiente:
definida positiva
Resultado:
Condición necesaria:
Y obtenemos:
x = ½, y=½ λ=½
Entonces,
Resultado:
Sean
ƒ: ℜn → ℜ diferenciable
gi:ℜ → ℜi=1..m diferenciables
m
(n=2, m=3)
Nota: Las restricciones de desigualdad definen fronteras al dominio de soluciones
factibles .
desigualdad
Ejemplo:
Por tanto:
El teorema local-global nos dirá que el mínimo local será global ( y único).
Las condiciones de Kuhn-
Tucker serán necesarias y suficientes para mínimos(pero no
para máximos).
Ejemplo:
Notar que por la zona del dominio pintada en azul pasan curvas de niveles más
bajos que las que pasan por el punto (0,2) y que por la zona del dominio