redtu xgdsfg
Páginas: 5 (1209 palabras)
Publicado: 17 de marzo de 2014
1. Caso no sujeto a restricciones.
2. Caso sujeto a restricciones de igualdad. La función de Lagrange. Interpretación de los multiplicadores de Lagrange.
3. Caso sujeto a restricciones de desigualdad. Condiciones necesarias y suficientes de optimalidad.
1. CASO NO SUJETO A RESTRICCIONES
DEFINICIÓN DEL PROBLEMA
Optimizar
F(x1 , x2 ,..., xn )
con Fdefinida en D de Rn.
¿Teoremas Weierstrass y Local-Global?
MÉTODOS CLÁSICOS
Condición necesaria
Teorema:
Si x* es solución del problema:
Optimizar F(x) , Entonces ∇F(x*) = 0
Notas:
•
Condiciones necesarias o de primer orden
•
Concepto de punto candidato a óptimo (crítico)
•
Concepto de punto de silla
Ejemplo:
Determinar los puntos candidatos a óptimo de lafunción: F(x,y) = x4 + y4 – 2(x-y)2
1
(
) (
Luego los puntos candidatos a óptimo son (0,0), − 2, 2 y
2
2,− 2
)
Podemos observar que (0,0) es punto de silla, ya que es un punto candidato a óptimo que no es ni máximo no mínimo (ver curvas de nivel)
Condición Suficiente
Teorema 2:
Sea x* un punto candidato a óptimo de:
Optimizar F(x)
Si F es cóncava en x* ⇒ x* esmáximo local
Si F es convexa en x* ⇒ x* es mínimo local
Si F es ni cóncava ni convexa en x* ⇒ x* puede ser punto de silla
Lo aplicamos al ejemplo anterior:
Observamos que los dos primeros son mínimos locales y que (0,0) es un punto de silla, ya que aunque
“parecía” que iba a ser un máximo local, al estudiar en el entorno hemos visto que no se conserva el
signo.
Puntos de silla:
3MÉTODOS NUMÉRICOS
Introducción
Los algoritmos de optimización no restringida (para mínimo)
1.- Partir de un punto inicial x0.
2.- Buscar una dirección de descenso dk
3.- Elegir un paso ρk.
4.- Calcular un nuevo punto: xk + 1 = xk + ρk dk .
5.- Repetir el proceso hasta que se verifique un test de parada y verificar la optimalidad del punto obtenido.
DEFINICION: Dados un punto x0 y una funciónf(x), un vector d es una dirección de descenso para
f(x) en x0, si existe ε > 0 de forma que:
f(x0 + ρ d) < f(x0 ) ∀ρ ∈ (0, ε)
TEOREMA: Si ∇f(x0 ).d < 0 entonces el vector d es una dirección de descenso para f(x) en x0.
EJEMPLO
Determinar las direcciones de descenso de la función:
f@x_, y_D = x3 − 3 x2 y + 5 x;
en el punto (0,1).
Solución:
4
Sea d = (a,b) el vector que estamosbuscando. Calculemos:
0
ht HL (x*, λ *) h
IV)
Re st.
(
)
EJEMPLO
Queremos ver si se verifica que siendo (-1, -1 ; 6) un punto estacionario de la función de Lagrange asociada al problema:
Maximizar x3 + y3 + 9xy
sujeta :
−x − y ≤ 2
podemos afirmar que (-1,-1) sea solución de dicho problema.
Observemos que no se verifican las condiciones de segundo orden ya que lafunción objetivo no es cóncava.
En primer lugar, al ser λ*=6 positivo, la restricción es activa en el punto. Por lo tanto apliquemos las
condiciones de Gill-Murray al problema:
Maximizar x3 + y3 + 9xy
sujeta :
−x − y = 2
Las condiciones I,II y III se verifican como es obvio.
41
Comprobemos la IV:
La matriz
∧
HL (x*, λ *) es:
Al ser indefinida hemos de clasificarla restringida.La matriz
(JI g(x*) )
t
es:
Por lo tanto:
Que es definida negativa y por lo tanto (-1,-1) es un máximo local.
EJERCICIO
Resolver:
Maximizar − (x − 1)2 − y 2
sujeta :
− x2 + y ≤ 0
x+y =2
x, y ≥ 0
Solución:
42
La función de Lagrange asociada:
Las condiciones de K.-T. Aplicadas a nuestro ejemplo son:
I)
IV)
∂L
≤0
∂x
∂L
≤0
∂y
λ1 ( −x2 + y) =0
2
II)
−x +y ≤0
x+y =2
x≥0
y≥0
V)
Al aplicar las condiciones V y VI nos quedamos con:
(0,2;0,−4 ), 3 , 1 ;0,−1 , (2,0;0,−2)
2 2
Veamos si verifican las restantes condiciones de K.-T.:
Condición I)
3 1
Luego la condición I la verifica únicamente el punto , ;0,−1
2 2
43
III)
VI)
Tomamos las de igualdad:
∂L
=0
∂x
∂L...
Leer documento completo
Regístrate para leer el documento completo.