Академический Документы
Профессиональный Документы
Культура Документы
de Sistemas de Procesos
Min Z f(x, y)
s.t .
h(x, y) 0
g(x, y) 0
x , y {0,1}
n m
Optimización Clásica
Min Z f(x)
s.t . Optimiz. sin restricciones Newton (1664)
x n
Min Z f(x)
s.t . Optimiz. con restricciones Lagrange (1778)
h(x) 0
x n
Optimización Clásica
A2
f (x) A1
A3
B2 Ai A3 Máximos locales
A2 Máximo global
B1 Bi Mínimos locales
B2 Mínimo global
a b x
Teorema:
• Condición necesaria
Si f(x) es definida en a ≤ x ≤ b, tiene un punto crítico en
x = x*, si a < x* < b y
df
f ' (x * ) 0
dx x*
• Condición suficiente
Si f´´ (x*) ≠ 0
f (x*) es: un mínimo de f (x) si f´´ (x*) > 0
un máximo de f (x) si f´´ (x*) < 0
Optimización Clásica: Optimización de una variable, ejemplo
Condición necesaria
f ( x ) es un punto extremo (máximo o mínimo) a
x = x* , si
f x
*
f x *
........
f x
0
*
x 1 x 2 x n
Condición suficiente
La matriz de las segundas derivadas parciales (matriz Hessiana) de f( x ) evaluada en x* es
i) Positivamente definida entonces x* es un punto mínimo, 𝑥 𝑇 𝐻(𝑥 ∗ )𝑥 > 0, ∀𝑥 ∈ ℝ𝑛
ii) Negativamente definida entonces x* es un punto máximo, 𝑥 𝑇 𝐻(𝑥 ∗ )𝑥 < 0, ∀𝑥 ∈ ℝ𝑛
Optimización Clásica: Optimización multivariable, ejemplo
Determine un valor máximo o mínimo de la función
𝑓 𝑥, 𝑦 = 𝑥 2 + 𝑦 2 + 𝑥 + 𝑦 + 𝑥𝑦
i)
𝜕𝑓
= 2𝑥 + 1 + 𝑦 = 0
𝜕𝑥
𝜕𝑓
= 2𝑦 + 1 + 𝑥 = 0
𝜕𝑦
1 1
La solución es 𝑥∗ = (− , − )
3 3
ii)
𝐷𝑥𝑥 (𝑓) 𝐷𝑥𝑦 (𝑓) 2 1
𝐻 𝑓 = =
𝐷𝑦𝑥 (𝑓) 𝐷𝑦𝑦 (𝑓) 1 2
Una solución local, f(x*), es también una solución global de f(x) bajo las
siguientes condiciones suficientes basado en convexidad:
Programación Entera – IP
Gomory (1958)
Aplicaciones de PM en Ing. Pro.
Diseño de procesos
Síntesis de procesos
LP
Variables continuas
Planeamiento de la NLP
producción
Scheduling operativo MILP
Variables continuas y
Administr. cadenas de discretas
suministro MINLP
Control de procesos Variables continuas y
DO
diferenciales
Estimación de parámetros
MIDO Variables continuas,
diferenc. y discretas
Min f(x, y) a T . x b T . y
Min f(x) cT . x
s.t .
s.t .
LP MILP A . x B. y b
A.x b x0
x0 xL x xU
y {0,1}m
max 6 ∙ 𝑋1 +4 ∙ 𝑋2
s.t.
𝑋1 + 𝑋2 ≤ 12
𝑋1 − 2 ∙ 𝑋2 ≤ 6
𝑋2 ≤ 8
𝑋1 , 𝑋2 ≥ 0
Ejemplos LP
𝑋1 , 𝑋2 , 𝑋3 ≥ 0
Ejemplos LP
max 𝑐 𝑇 ∙ 𝑋
s.t.
𝐴∙𝑋 ≤𝑏
𝑋1 , 𝑋2 , 𝑋3 ≥ 0
Una refinería produce dos tipos de gasolinas, A y B, las cuales son obtenidos mediante
la mezcla de materias primas de distinto octanaje, costo y disponibilidad. Desarrolle
un programa en GAMS para maximizar las ganancias de la refinería
1* US1
SA1 SB1 1
2* US2
SA2 SB2
2
3* US3
SA3 SB3 3
⋮ 4* US4
⋮ US5
SA4 SB4 4 5*
A FB
SA5 SB5 5
B FA
Ejemplos LP
con
𝑐(𝑖, 𝑗) = 𝐹 ∙ 𝐷(𝑖, 𝑗)
Donde 𝑐(𝑖, 𝑗) es el costo por transporte, 𝑋(𝑖, 𝑗) cantidad enviadas, 𝐹costo por carga (90 US/Unidad) y 𝐷(𝑖, 𝑗) es la
distancia entre las plantas y los mercados..