Академический Документы
Профессиональный Документы
Культура Документы
Localizacin de ptimos de
nmero de restricciones sea menor que el nmero de variables de decisin Si el nmero de restricciones supera al de variables, puede ocurrir que el problema sea infactible (ninguna solucin factible) Una restriccin de la forma g(x)=b es equivalente a g(x)-b=0
resulta operativo cuando el problema tiene muchas restricciones o las restricciones son complejas
Se utilizar un mtodo alternativo que
opt x 2 + y 2 x + y 1 = 0
Tiene un mnimo en el punto (x,y)=(1/2,1-1/2)=(1/2,1/2)
y = 1 x
opt x 2 + (1 x) 2
f ( x, y ) = x 2 + y 2 2x f ( x, y ) = 2y
Gradiente de la funcin de restriccin: g ( x, y ) = x + y 1
-0.5 -0.25
0.75
0.5
(1/2,1/2)
0.25
opt x 2 + y 2 x + y 1 = 0 f ( x, y ) = x 2 + y 2 g ( x, y ) = x + y 1
El problema no tiene mximo y tiene un mnimo en el punto (x,y)=(1/2,1/2)
0.5
0.25
0.5
0.75
-0.25
1 g ( x, y ) = 1
1 f (1 / 2,1 / 2) = 1
-1 -0.5 0 0.5 1
-0.5
-0.5
-1
1 g (1 / 2,1 / 2) = 1
f (1 / 2,1 / 2) + g (1 / 2,1 / 2) = 0
El teorema de Lagrange establece una condicin necesaria de optimalidad (bajo las condiciones de regularidad) Todos los ptimos que verifiquen las condiciones de regularidad establecidas tienen asociados los correspondientes multiplicadores
g1 ( x*),..., g m ( x*)
son linealmente independientes, entonces: Existen 1, 2,..., m nmeros reales tales que:
Puntos estacionarios
Se llaman puntos estacionarios del problema
3 2 ( x 1) y = 0
2( x 1) 2 g ( x, y ) = 2y
Puntos estacionarios:
2 x + 2( x 1) 2 = 0 2 y + ( 2 y ) = 0 ( x 1) 3 y 2 = 0
Siempre que se cumplan las condiciones de regularidad del teorema de Lagrange, todo punto ptimo es estacionario
Funcin lagrangiana
El problema alcanza un mnimo en el punto (1,0)
0.5
-0.5
2( x 1) 2 0 g ( x, y ) = 0 2 y g (1,0) =
No se verifica la condicin de regularidad: el conjunto de vectores gradientes de las restricciones no es un conjunto de vectores linealmente independientes en el ptimo
Bajo las condiciones de regularidad exigidas, todo ptimo de un problema con restricciones de igualdad es un punto estacionario No todo punto estacionario es ptimo, puede ser tambin un punto de silla El Teorema de Lagrange establece condiciones necesarias de optimalidad pero no suficientes, salvo en un caso....
EL CASO DE LOS PROBLEMAS CONVEXOS
max f ( x ) g i ( x ) = 0 i = 1,2,..., m
Si se verifica: p H x L( x*, *)p > 0 p M ( x*), p 0 entonces x* es un mnimo local estricto del problema
T
opt x + y 2 2 x + y 2 = 0
tiene dos puntos estacionarios: el punto (1,1) con = -1/2 y el punto (-1,-1) con = 1/2
Si se verifica: pT H x L( x*, *)p < 0 p M ( x*), p 0 entonces x* es un mximo local estricto del problema
p1 M (1,1) = ( p1 , p2 ) g (1,1) = 2 p1 + 2 p2 = 0 = {( p, p) p R} p 2
M (1,1) = {( p, p ) p R}
Por la propia definicin de matriz definida negativa pT HxL(x*,*) p<0 para cualquier vector p
ESTUDIO DE LA EXPRESIN
entonces el punto podra ser un mnimo o un punto de silla Si HxL(x*,*) es semidefinida negativa entonces el punto podra ser un mximo o un punto de silla Si HxL(x*,*) es indefinida entonces el punto podra ser un mnimo, un mximo o un punto de silla
En estos tres ltimos casos para salir de dudas debera estudiarse el signo de la expresin
z=2
min x 3 + 2 yz x + y = 6 z = 2
min x 3 + 2 yz x + y = b1 z = b 2
Multiplicadores: 1 (b1 , b2 )
2 (b1 , b2 )
ValorOptimo(b) = k bk
bk .
Si k < 0 el valor ptimo del problema aumenta al aumentar el valor de bk. Si k > 0, el valor ptimo del problema disminuye al aumentar Si k = 0 no se dispone de informacin suficiente para predecir la variacin del valor ptimo.
VOpt ( P ) VOpt ( P ) k