Documente Academic
Documente Profesional
Documente Cultură
Otimizao
Teoria de Otimizao
com Restries
Prof.: Erlon Cristian Finardi, D. Eng.
erlon@labplan.ufsc.br
4.5
Conjunto dado por
4 todos os pontos tal
3.5 que h(x)=0
3
x2 2.5
2
xb Note que a linha que
1.5
xa une os dois pontos xa
1
e xb esto fora do
0.5
conjunto
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
x1
Portanto, regio vivel formada por UMA
restrio no-linear de igualdade no um
conjunto convexo CESEE Mtodos Matemticos Aplicados Engenharia 5
Regio Vivel: Restries No
Lineares de Igualdade
Ri {x|h1(x) x12 x2 1 0; h2 (x) 0,5x12 x2 2 0}
5
x1
E se, Ri { x |h1 ( x) x12 x2 1 0; h2 ( x) 0,5 x12 x2 1 0}
o que se pode dizer sobre a convexidade de
CESEE Mtodos Matemticos Aplicados Engenharia 6
Regio Vivel: Restries No
Lineares de Desigualdade
Ri { x |g( x) x12 x2 1 0}
5 Conjunto dado por
4.5
todos os pontos tal
4
que g(x) 0
3.5 Regio Vivel
3
Note que a linha que
x2 2.5 une os dois pontos xa
2 e xb esto dentro do
1.5 conjunto
1 xa xb Hessiana de -g(x)
0.5
Definida Positiva
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
x1
Portanto, regio vivel formada por restries
no-lineares de igualdade um conjunto
convexo se as todas as funes gi(x) de gi(x) 0
CESEE Mtodos Matemticos Aplicados Engenharia 7
Regio Vivel: Restries No
Lineares de Desigualdade
Ri { x|g1 ( x) x12 x2 1 0}
5 Conjunto dado por
4.5
todos os pontos tal
4
que g(x) 0
3.5
3
Note que a linha que
x2 xb une os dois pontos xa
2.5
x a
2 e xb passa por fora
1.5 do conjunto vivel
1 Hessiana de g(x)
0.5 Regio Vivel Definida Negativa
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
x1
Portanto, regio vivel no um conjunto
convexo pois gi(x) (escrita do tipo 0) uma
funo cncava
CESEE Mtodos Matemticos Aplicados Engenharia 8
Regio Vivel: Restries No
Lineares de Desigualdade
{g1(x) x12 x2 1 0; g2 (x) 0,5x12 x2 2 0} { g1 ( x) x12 x2 1 0; g2 ( x) 0,5 x12 x2 2 0}
5 5
3.5 3.5
3
Regio Vivel 3
Regio Vivel
x2 2.5
x2
2.5
2 2
1.5 1.5
1 1
0.5
g2(x)
0.5
g2(x) 0
0 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
x1 x1
Conjunto Convexo Conjunto No-
Convexo
CESEE Mtodos Matemticos Aplicados Engenharia 9
Convexidade de Problemas
Restritos
Conseqncias do Teorema 1
Dado o problema min f(x), s.a. gi(x) 0,
i=1,...,m, se f e gi so convexas, o problema
de programao convexa, pois
Ri { x |gi ( x) 0}
um conjunto convexo
Se no problema acima existirem restries
lineares de igualdade a convexidade
mantida
Por sua vez, a presena de restries no
lineares de igualdade eliminam, em geral,
convexidade do problema
CESEE Mtodos Matemticos Aplicados Engenharia 10
Conceitos Bsicos de
Problemas Otimizao com
Restries
Formulao Geral
minn f ( x)
x
ci ( x) 0, i
sujeito a:
ci ( x) 0, i I
f e ci so funes suaves definidas em um subconjunto
que pertence ao n
f a funo objetivo, enquanto ci, i so as
restries de igualdade e ci, i I so as restries de
desigualdade
Abaixo definido um conjunto vivel que contm
{ x|xcique
todos os pontos ( x) atendem
0, i ; cias
( x)restries
0, i I }
Deste modo possvel escrever o problema acima na
forma compacta
min f ( x)
x
CESEE Mtodos Matemticos Aplicados Engenharia 12
Caracterizando as
Solues
Encontrar o mnimo global uma tarefa rdua
em problemas irrestritos
Adio das restries pode excluir muitos
mnimos locais e facilitar a busca pelo global
Contudo, as restries tambm podem tornar
essa tarefa mais complicada [1]
As restries podem produzir um grande
nmero de solues que no formam um
conjunto fechado [2]
Embora, no caso geral, as restries alterem a
soluo [3], em alguns casos elas no tem
efeito na determinao de um mnimo [4]
sujeito a: ci ( x) 0
ie I=
sujeito a: ci ( x) 0
iIe=
Em um ponto vivel x a isima restrio de
desigualdade, tal que i I, dita estar ativa
se ci(x) = 0 e inativa se ci(x) > 0
f ( x)T d 0
2) Direo de descida:
x2 0 0, i=1,2, so satisfeitas
com d no quadrante
definido por c1(x*) e
c 2(x*) neste quadrante
Vetores
atendem a f(x*)Td 0
1 2 2 0
f ( x*) , c1 ( x*) , c2 ( x*)
1 0 1
c2 ( x*) c 2 ( x a )
f ( x*) f ( x a )
1
c1 ( x*) c1 ( xa ) * 2 2
x* ( 2 ,0) T
1
CESEE Mtodos Matemticos Aplicados Engenharia 29
Condies de Otimalidade de
Primeira Ordem
Introduo
Os exemplos sugerem que as seguintes condies so
importantes na caracterizao de um mnimo restrito
xL(x,) = 0
No negatividade de i de todas as restries de
desigualdade
Complementariedade ici(x) = 0 para todas as restries
Funo
de desigualdade L( x , ) f ( x)
Lagrangeana c ( x)
i I
i i
1
1 1
T
(1)
Condies de KKT indicam como as derivadas
primeiras de f(x) e das restries ativas esto
relacionadas em x*
Quando as condies de KKT so verificadas, um
movimento de qualquer vetor w F1 faz com que
wTf(x*)>0 ou wTTf(x*)=0, onde
d ci ( x *) 0, i
F1 d| 0, T
d ci ( x *) 0, i A( x *) I
1, 4 w22 0
min 0,1( x1 4)2 x22
s.a: x12 x22 1 0 x* = (1,0)T um mnimo
local
CESEE Mtodos Matemticos Aplicados Engenharia 42
Exemplo 3...
(2)
x* = (1,0)T um mnimo global? Uma vez que o problema
no convexo deve-se verificar se existem outros pontos
que atendem as condies de 1 e 2 ordem
0,2( x1 4) 2x1 0
Condies de KKT
x L( x , ) , L( x , ) x12 x22 1 0
2 x2 2x2 0
1, 8631
a wT xx L( x a , )w
T
2, 5617w2 2, 2 0 2, 5617w 2
a 0 0 14, 4371w2 0
2
w 2 w2
Portanto, xa no um ponto de mnimo, pois a funo
Lagrangeana tem curvatura negativa
Uma vez que neste problema a curvatura no depende do valor
das variveis primais, ento xb tambm no representa uma
soluo local
Conseqentemente, o ponto x* = (1,0)T um mnimo global
Slides
http://www.labplan.ufsc.br/~erlon/EEL6000