Modelo de rostow
Clase 15 • Condiciones de Karush Kuhn Tucker
ICS 1102 • Optimizaci´n o Profesor : Claudio Seebach 25 de septiembre de 2006
Apuntes de Clases • Optimizaci´n • Claudio Seebach o
No Lineal • 105
Condiciones de Karush Kuhn Tucker
Proposici´n 9 Sup´ngase que f (x), gj (x) con j =1, ..., m, son funo o ciones diferenciables que satisfacen ciertas condiciones de regularidad. ¯ Entonces, x puede ser una soluci´n ´ptima para el problema de prograo o maci´n no-lineal, s´lo si existen m n´meros µ1, ..., µm que satisfagan o o u todas las condiciones necesarias siguientes:
Apuntes de Clases • Optimizaci´n • Claudio Seebach o
No Lineal • 106
Condiciones de Karush KuhnTucker
m ∂gj (¯) x ∂L ∂f (¯) x µj = + ≥ 0 ∂xi ∂xi ∂xi j=1 m x x ∂gj (¯) ∂L ∂f (¯) ∀i = 1, .., n ¯ ¯ µj xi = xi + = 0 ∂xi ∂xi ∂xi j=1 ¯ xi ≥0 ∂L x = gj (¯) − bj ≤ 0 ∂µj ∂L ∀j = 1, .., m µj = µj gj (¯) − bj = 0 x ∂µj µj ≥ 0
Apuntes de Clases • Optimizaci´n • Claudio Seebach o
No Lineal • 107
Comentarios acerca de KKT
• Interpretaci´n de losmultiplicadores µj : o
– Indican cu´nto baja la funci´n objetivo si bj aumenta en una unidad. a o – Aumentar bj implica expandir el dominio, o sea expandir el espectro de posibilidades de donde escoger.
m
• Complementariedad de las holguras: f (¯) + x
j=1
µj gj = 0
µj (gj (¯) − bj ) = 0 x – En el ´ptimo el gradiente de la funci´n objetivo es una combinaci´n o o o lineal del gradiente delas restricciones activas
Apuntes de Clases • Optimizaci´n • Claudio Seebach o
No Lineal • 108
Comentarios acerca de KKT
• Las condiciones de optimalidad de Karush-Kuhn-Tucker son condiciones necesarias y s´lo garantizar´ optimalidad global si se cumplen adio ıan cionalmente otras condiciones de convexidad. Corolario 10 Sup´ngase que f (x) es una funci´n convexa y difero o enciable, yque g1(x), g2(x), ..., gm(x) tambi´n lo son en donde todas e estas funciones satisfacen las condiciones de regularidad. Entonces ¯ ¯ x = (¯1, ..., xn) es una soluci´n ´ptima si y s´lo si se satisfacen todas x o o o las condiciones del teorema. • El m´todo identifica puntos ´ptimos locales que cumplan condiciones e o de regularidad • Los gradientes de las restricciones activas en el punto deben serlinealmente independientes.
Apuntes de Clases • Optimizaci´n • Claudio Seebach o
No Lineal • 109
Condiciones de Regularidad del Dominio
• Ciertas condiciones garantizan regularidad en todo el dominio:
Proposici´n 11 (Slater) Las condiciones de regularidad de Slater eso tablecen que si hay un dominio D = {x : gj (x) ≤ 0} con gj (x) ¯ funciones convexas, y existe un punto x ∈ D tal quegj (¯) < 0 x ∀j = 1, . . . , m,entonces todo punto x ∈ D es regular.
Proposici´n 12 (Slater-Usawa) Las condiciones de regularidad de Slatero Usawa establecen que si hay un dominio D = {x : gj (x) ≤ 0} con gj (x) ¯ funciones convexas, y existe un punto x ∈ D tal que gj (¯) < 0 para x toda restricci´n no lineal, y gj (¯) ≤ 0 para toda restricci´n lineal, o x o entonces todo punto x ∈ D es regular.Corolario 13 En problemas lineales basta que haya un punto factible para decir que su dominio es regular.
Apuntes de Clases • Optimizaci´n • Claudio Seebach o
No Lineal • 110
Ejemplo
Ejemplo 16 Considere el siguiente problema: P ) max f (x1, x2) = ln(x1 + 1) + x2 s.a 2x1 + x2 ≤ 3 x 1 , x2 ≥ 0
Apuntes de Clases • Optimizaci´n • Claudio Seebach o
No Lineal • 111
Soluci´nEjemplo o
P ) max f (x1, x2) = ln(x1 + 1) + x2 s.a 2x1 + x2 ≤ 3 x 1 , x2 ≥ 0 El problema puede modificarse del siguiente modo: P ) min − ln(x1 + 1) − x2 → −f (x) es convexa s.a 2x1 + x2 ≤ 3 → g(x) es convexa x 1 , x2 ≥ 0 El problema presenta caracter´sticas que permiten garantizar que el ı m´todo de KKT identificar´ s´lo un punto y que ´ste ser´ el ´ptimo e a o e a o global. Adem´s, el dominio est´...
Regístrate para leer el documento completo.