CURSUL NR. 1.

INTRODUCERE ÎN PROBLEMATICA OPTIMIZĂRII.

CLASIFICAREA PROBLEMELOR DE OPTIMIZARE. FORMA
STANDARD A UNEI PROBLEME DE OPTIMIZARE.

1. INTRODUCERE

.1. ASPECTE GENERALE PRIVIND PROBLEMELE DE

OPTIMIZARE

În cadrul etapelor de proiectare (design), optimizarea a devenit o componentă

necesară, obligatorie, atunci când se impun cerinţe de performanţă a produsului
realizat. Zona problematică nu se reduce doar la inginerie, fiind cunoscute o serie de
aplicaţii economice, de la evaluarea şi optimizarea performanţelor unei investiţii la
aplicaţii bancare ori din sfera asigurărilor. În anii din urmă, când optimizarea
profitului a devenit un termen al limbajului comun, aplicaţiile de optimizare, explicite
ori implicite (de exemplu, programele care comanda maşinile automate de
croire/tăiere în industria lemnului ori industria confecţiilor) sunt tot mai prezente. De
asemenea, instrumentele soft-ware de tip MAT-LAB au cunoscut în ultimele versiuni
îmbogăţirea semnificativă a aplicaţiilor utilizabile pentru rezolvarea problemelor de
optimizare.
Optimizarea reprezintă în cazul general acţiunea de obţinere a celui mai bun
rezultat în anumite condiţii impuse.
Conform definiţiei, procedeul poate fi aplicat unei extrem de largi varietăţi de
probleme. Din domeniul ingineriei, cele mai importante direcţii care au determinat în
timp evoluţia tehnicilor de optimizare, sunt :
- proiectarea aerospaţială (probleme de masa minimă)
- inginerie civilă (dimensionarea structurilor de rezistenţă, dimensionarea
grinzilor în structurile metalice, dimensionarea spaţiilor utile din construcţii)
- proiectarea pieselor mecanice
- proiectarea dispoziţivelor electrotehnice (dimensionarea miezului magnetic, al
înfăşurărilor, al elementelor de răcire, controlul nivelului de vibraţii ori al
armonicilor)
- proiectarea echipamentelor energetice şi a reţelelor energetice
- proiectarea unităţilor ori a liniilor de producţie

1
 Din punct de vedere istoric, bazele clasice ale tehnicilor de optimizare, bazate
pe operatori derivativi, au fost puse prin lucrările lui Newton, Filipacci, Euler, dar mai
ales prin cercetările lui Cauchy şi Lagrange. Aceştia din urma au reuşit în sec. 19 să
acopere teoretic domeniul clasic al problemelor de optimizare, pentru funcţii liniare şi
neliniare dar şi pentru cazurile aplicaţiilor care suferă restricţii.
Pînă la mijlocul sec.20 progresele în domeniul teoretic şi practice al tehnicilor
de optimizare au fost neînsemnate. Apariţia calculatorului numeric a schimbat
fundamental direcţiile cercetării matematice şi a grăbit în anii ’50 şi ’60 cercetările
şcolii engleze de matematică care s-au orientat asupra domeniului algoritmilor
numerici. Al doilea impuls a venit din direcţia care se poate încadra sub numele
generic de “inteligenţă artificială”.
Elementele generale ale formulării unei probleme de optimizare presupun
cunoaşterea prealabilă a regulilor de proiectare dintr-un domeniu specific apoi
abilitatea de a descrie proiectarea în termeni matematici. Aceasta presupune:
- designul variabilelor
- designul parametrilor
- designul funcţiilor obiectiv
În cele ce urmează, prin termenul “design” vom desemna operaţiile de
proiectare, alegere. Cum termenul ales are o sferă mai largă în raport cu fiecare
operaţie amintită, este potrivit în descrierea etapelor algoritmilor, tehnicilor de
optimizare.

1.2. CLASIFICAREA PROBLEMELOR DE OPTIMIZARE.

Problemele de optimizare pot fi descrise, clasificate în mai multe feluri, în funcţie de
diverse moduri de abordare:

A) pe baza existenţei constrîngerilor: optimizări cu ori făra constrîngeri

-problemele fără constrîngeri prezintă funcţtie obiectiv dar lipsesc constrîngerile
aplicate variabilelor. Ajustarea datelor masurate ori calculate, data fitting, este un
domeniu tipic al acestui gen de optimizare. Funcţia obiectiv trebuie sa fie
obligatoriu una neliniară, deoarece minimum unei funcţii liniare fara constrîngeri
este -∞.
B) pe baza naturii variabilelor de design (variabile de proiectare) se definesc
două tipuri importante:

2
-optimizarea parametrilor (optimizare statică): problema este aflarea valorilor
pentru setul de parametrii de proiectare care formează un set de funcţii prescrise,
supuse unor constrîngeri
-optimizarea traiectoriei (optimizare dinamică) : problema este aflarea setului
de parametrii de proiectare, care sunt funcţii continue de alţi parametrii, care
minimizează functia obiectiv supusă unui set de restricţii
C) pe baza structurii fizice a problemei se definesc două grupe:
-control optimal: sunt probleme de programare matematică ce presupune mai
multe etape, unde fiecare etapă este determinată de cea precedentă într-un mod
prescriptibil. Sunt descrise de două tipuri de variabile: cele de stare şi cele de
control. Variabilele de control (variabilele de design) trebuiesc determinate aşa
încît să minimizeze toate funcţiile obiectiv (indicele de performanţă) supuse la
setul de restrcţii, la nivelul tuturor etapelor care definesc procesul.
-controlul suboptimal: nu minimizează îtregul set de variabile pe la nivelul
tuturor etapelor din proces. De multe ori ţn problemele practice de inginerie,
adoptarea tehnicilor suboptimale poate simplifica remarcabil soluţia problemei,
pătrînd un nivel de performanţă impus iniţial
D) pe baza naturii ecuaţiilor modelului matematic: expresiile matematice ale
funcţei obiectiv ori ale constrîngerilor au permis dezvoltarea mai multor metode
de rezolvare specifice claselor de probleme următoare: liniare, neliniare,
geometrice ori pătratice (quadratic). Vom reveni în detaliu asupra specificului
fiecărui tip de problemă enunţată în capitolele următoare.
-optimizarea liniară (programarea liniară): cînd funţia obiectiv şi toate
constrîngerile sunt de tip liniar.
- optimizarea pătratică (programare pătratică): dacă funţia obiectiv este de tip
pătratic iar toate constrîngerile sunt de tip liniar. Metodele de rezolvare permit
extinderea celor elaborate pentru optimizarea liniară.
- optimizarea neliniară (programarea neliniară): unde una sau mai multe
restricţii, constrîngeri sunt de tip neliniar
E) pe baza valorilor permise variabilelor de design: probleme se împart în doua
categorii:
-cu variabile întregi
-cu variabile reale
F) pe baza naturii de tip deterministic a variabilelor:

3
 -deterministe
-stohastice
G) pe baza separabilităţii funcţiilor:
-probleme separabile dacă funcţiile ce descriu problema sunt separabile,
adică pot fi descrise ca sumă de n funcţii de unică variabilă
-probleme inseparabile daca funcţiile modelului matematic nu sunt
separabile
H) pe baza numarului funcţiilor obiectiv:
-probleme cu unică funcţie obiectiv
-probleme multiobiectiv
Clasificarea propusă pînă acum este una derivată din aspectele matematice ori fizice
ale modelelor pe baza cărora se obţin soluţiile optimale. Este utilă de amintit şi
clasificarea propusă în cadrul toolbox-ului de optimizare MATLAB, respectiv
algoritmi standard de optimizare şi algoritmi de optimizare de dimensiune mare
(large scale).
De asemenea metodele clasice de optimizare pot fi grupate în două categorii
principale:
- metode neiterative (într-un singur pas) – utilizează operatori derivative şi
folosesc proprietăţile de derivabilitate, convexitate ale funcţiei obiectiv
- metode iterative – utilizează algoritmi numerici iterativi de aflare a optimului.
Startul metodei îl reprezintă o valoare iniţială aleasă arbitrar din spaţiul de căutare iar
ulterior se calculează la fiecare iteraţie o noua soluţie a problemei. Metodele iterative
se împart la rîndul lor în două categorii:
- metode de căutare directă
- metode de gradient (de coborâre) - care reprezintă în prezent cele mai
cunoscute şi utilizate metode de optimizare

1.3. FORMA STANDARD A PROBLEMEI DE OPTIMIMIZARE

Exprimarea matematică generală a de optimizare se face astfel:

să se minimizeze: f(X1,X2,…,Xn) (1)
în prezenţa restricţiilor: h1(X1,X2,…,Xn)=0
h2(X1,X2,…,Xn)=0

4
 hl(X1,X2,…,Xn)=0

g1(X1,X2,…,Xn)≤ 0
g2(X1,X2,…,Xn)≤ 0
gm(X1,X2,…,Xn)≤ 0

în condiţiile: xi,min≤ xi≤ xi,max

unde:
f(X1,X2,…,Xn) = funcţia obiectiv (cost) dată că funcţie de n parametrii
xi,min = valoarea minimă admisă pentru parametrul xi
xi,max = valoarea maximă admisă pentru parametrul xi
În cazul problemelor clasice de optimizare, funcţia obiectiv este unică. Se
optimizează astfel un singur aspect, considerat esenţial, al problemei (de exemplu, în
cazul proiectării maşinilor electrice se alege drept funcţie obiectiv doar randamentul).
Practica impune însă unui produs ori unei acţiuni umane îndeplinirea simultană a mai
multor indici de calitate, funcţii obiectiv. În exemplul proiectării maşinii electrice, se
poate adaugă şi elementul cost că şi direcţie semnificativă al designului optimal
global. Acest tip de proiectare, de design, se numeşte design multiobiectiv (design
multidisciplinar). În mod evident funcţiile obiectiv alese sunt impuse de cerinţele
temei de proiectare şi putem regăsi alături de randament ori preţ şi masă, temperatura
maximă, nivelul de vibraţii, conţinutul de armonici, viteze maxime ş.a.m.d. Conform
percepţiei generale, ne aşteptăm că aceste funcţii obiectiv să fie concurente,
contradictorii. Exista totuşi şi situaţii în care ele sunt obiective cooperante. Din punct
de vedere al interesului actual, problemele de optimizare multiobiectiv sunt cele mai
importante, interesul pentru tehnicile şi algoritmii multiobiectiv fiind pe primul loc. În
cazul problemelor multiobiectiv, funcţia f va deveni vectorul f.
Din punct de vedere al formalismului matematic, minimizarea funcţiei
obiectiv (a funcţiei cost) este preferabilă şi are că semnificaţie practică tocmai
reducerea efortului, resurselor necesare atingerii unui anumit obiectiv, scop. În cazul
în care funcţia obiectiv impune determinarea maximului (în cazul optimizării
randamentului unui echipament, instalaţii, proces) atunci se poate foarte simplu afla
minimul funcţiei obiectiv negate:
Min f(x)=Max [- f(x)] (2)