Optimizacin no Linear

Bibliografa


Luenberger, David G. Linear and nonlinear programming. Second
edition. Kluwer Academic Publishers, Boston, MA, 2003. xviii+491 pp.
ISBN: 1-4020-7593-6


Luenberger, David G.; Ye, Yinyu. Linear and nonlinear
programming. Third edition. International Series in Operations Research
& Management Science, 116. Springer, New York, 2008. xiv+546 pp.
ISBN: 978-0-387-74502-2


Nocedal, Jorge; Wright, Stephen J. Numerical optimization. Second
edition. Springer Series in Operations Research and Financial
Engineering. Springer, New York, 2006. xxii+664 pp. ISBN: 978-038730303-1; 0-387-30303-0


Bazaraa, Mokhtar S.; Sherali, Hanif D.; Shetty, C. M. Nonlinear
programming. Theory and algorithms. Third edition. Wiley-Interscience
[John Wiley & Sons], Hoboken, NJ, 2006. xvi+853 pp. ISBN: 978-0-47148600-8; 0-471-48600-0

Introduccin

En general, los problemas de Ingeniera admiten ms de una solucin.

En la mayora de los casos el conjunto de soluciones es infinito.
El proyecto del ingeniero es una solucin. Cmo llega a la solucin?


Eleccin de las caractersticas generales del proyecto (Muy
importante).

Experiencia previa del ingeniero.

Recomendaciones de libros.

Estudio de otros proyectos semejantes.

Decisiones arbitrarias (estructuras isostticas)


Dimensionamiento (Menos importante).

Procedimientos de libros o normas.

Utilizacin de programas.

Decisiones arbitrarias (tomadas por el ingeniero, por quienes
escribieron las normas o por quienes implementaron los
programas).

Introduccin

Los conceptos de optimizacin no lineal pueden ser utilizados en la

etapa de dimensionamiento para encontrar la mejor solucin de
acuerdo a un cierto criterio:


Minimizar masa (Aeronutica)


Minimizar consumo (Energa)


Maximizar beneficios (Economa)


Minimizar riesgo (Economa, Ingeniera Ambiental)


Maximizar desempeo (Frmula 1, Aviones de guerra)


Maximizar carga de colapso (Estructuras)
Ventajas:


Obtiene la mejor solucin de acuerdo a ese criterio (Obliga a
pensar mucho en los criterios a seguir).


Procedimientos programables.

Introduccin

Problema de programacin no lineal:

Minimizar f ( x)

Ejemplo: x n

g ( x) 0
h( x ) = 0

f : n
g : n m

xS

h : n p

x: variable de proyecto, variable de diseo.

f, g, h: funciones de desempeo, funciones de performance.
f: funcin objetivo.
g: funcin que define las restricciones de desigualdad.
h: funcin que define las restricciones de igualdad.

Dnde aparecen estos

problemas?

Problemas de optimizacin:

Definir las secciones transversales de los elementos

estructurales constituidos por un material
elastoplstico de propiedades conocidas, de forma tal
que se maximice la carga de colapso F, utilizando una
cantidad de material menor o igual a M.

Dnde aparecen estos

problemas?

Problemas de optimizacin:
Maximizar Lift/Drag
Sujeto a una restriccin sobre
el rea transversal.

Dnde aparecen estos

problemas?

Problemas de optimizacin:

Minimizar el
trabajo de las
fuerzas externas
Sujeto a una
restriccin en la
cantidad de
material.

Dnde aparecen estos

problemas?

Problemas de anlisis:
Minimizar energa total
Sujeto a restricciones de
contacto.

Dnde aparecen estos

problemas?

Problemas de anlisis:
Minimizar energa del campo
magntico y de la tensin
superficial.

Dnde aparecen estos

problemas?

Problemas de ecuaciones no lineares:

Hallar x tal que :

F ( x) = 0
g ( x) 0

Minimizar f ( x) = F ( x)
g ( x) 0

Dnde aparecen estos

problemas?

Ajuste de datos:

( xi , yi )

Minimizar y F ( , x)

Dnde aparecen estos

problemas?

Ajuste de curvas:

Minimizar x( ) F ( , )

Dnde aparecen estos

problemas?

Problemas inversos:

Minimizar med resp( )

Clasificacin
Minimizar f ( x)
g ( x) 0
h( x ) = 0
xS

Continuo: S = n
Discreto: S = { x1 , x2 , x3 ,..., xN }
S = n { x1 , x2 , x3 ,..., xN }
Mixto:
Lineal:
No lineal

S = n,

f , g , h : funciones afines

Convexo: S convexo,
No Convexo

f , g , h, h

: funciones convexas

Diferenciable: S = n , f , g , h : funciones diferenciables

No diferenciable