Condições KKT

Introduc
ao
Refer
encias
Condicoes de Karush-Kuhn-Tucker
3 de novembro de 2014
Condic
oes de Karush-Kuhn-Tucker
Introduc
ao
Refer
encias
Multiplicadores de Lagrange
Problemas de Otimizac
ao N
ao-linear
Um pouco da historia das condic

oes de Karush-Kuhn-Tucker ou
condicoes KKT [Kjeldsen, 2000]:
Publicadas em 1951 por Harold W. Kuhn e Albert W. Tucker;
Definidas anteriormente (1939) na dissertacao de mestrado de
William Karush.
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
As condicoes KKT sao condic

oes necessarias para que uma solucao
em problemas de programacao nao-linear seja
otima.
Pode ser vista como uma generalizacao do metodo dos
multiplicadores de Lagrange, pois alem das restric
oes de igualdade,
aceita tambem restricoes de desigualdade.
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Segundo [Klein, 2004], o metodo dos multiplicadores de Lagrange

permite encontrar extremos de uma funcao diferenci
avel com uma
ou mais variaveis suscetveis a uma ou mais restricoes. Assim
temos:
f (x1 , x2 , ..., xn )
g1 (x1 , x2 , ..., xn ) c1 = 0 ... gm (x1 , x2 , ..., xn ) cm = 0
Os pontos que satisfazem as restric
oes estao na regiao viavel.
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Formalmente temos:
f (p) = g (p)
(1)
Que significa dizer que os vetores normais sao paralelos num ponto
extremo p. Para acha-los, deve-se procurar por pontos onde as
seguintes equacoes sao verdadeiras:
f (x) = g (x)
(2)
gi (x) = 0
(3)
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Pode-se representar o conjunto de equac

oes anteriores atraves do
Lagrangiano
(x, ) = f (x) g (x)
(4)
E podemos buscar por pontos onde:

(x, ) = 0
Condic
(5)
Introduc
ao
Refer
encias
ao N
ao-linear
Exemplo 1: Encontrar os valores de maximo e mnimo de

f (x, y ) = xy , sujeitos `a restricao x 2 + y 2 = 25.
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Resposta: Calculando o gradiente de f (x, y ) e g (x, y ) temos:

f (x, y ) = y ~i + x ~j
g (x, y ) = 2x ~i + 2y ~j
Pelo metodo dos multiplicadores de Lagrange temos:
y ~i + x ~j = (2x ~i + 2y ~j)
y = 2x
x = 2y
2
x + y 2 25 = 0
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Pelo conjunto de equac

oes anteriores temos que:
=
x
y
=
2x
2y
y2 = x2
Substituindo na equacao de restricao, temos:
5
5
2x 2 = 25 x = y =
2
2
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Agora basta aplicar o conjunto de soluc

oes em f (x, y ) e verificar
qual delas resulta no maximo e mnimo.

5
5
f
= 12.5; f ,
= 12.5
2
2

5 5
5
5
f ,
= 12.5; f ,
= 12.5
2 2
2
2
5 5
,
2 2
Assim, o mnimo da funcao e 12.5 e o maximo e 12.5 para as

condicoes de restricao dadas.
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Considerando agora um problema de otimizacao nao-linear com

restricoes de desigualdade, temos:
f (x1 , x2 , ...xn )
g1 (x1 , x2 , ...xn ) 0 ... gm (x1 , x2 , ...xn ) 0
h1 (x1 , x2 , ...xn ) = 0 ... hm (x1 , x2 , ...xn ) = 0
i (i = 1, ..., m)
j (j = 1, ..., l)
Onde i e j sao chamados de multiplicadores de KKT.
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
As condicoes para que o problema seja minimizado ou maximizado

sao:
1
Para maximizacao:
f (x ) =
m
X
i gi (x ) +
i=1
l
X
i hj (x )
j=1
Para minimizacao:
f (x ) =
m
X
i=1
i gi (x ) +
l
X
i hj (x )
j=1
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
gi (x ) 0, i = 1, ..., m
hj (x ) = 0, j = 1, ..., l
3
i 0, i = 1, ..., m
4
i gi (x ) = 0, i = 1, ..., m
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Exemplo 2: Determinar o ponto no espaco de tres dimensoes mais

proximo da origem, que tenha coordenadas nao-negativas e que
pertenca ao plano z = 4x + 3y 24. Considere
f (x) = x 2 + y 2 + z 2 .
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Vamos extrair as condic

oes de restricao do problema:
1
Sabemos que este e um problema de minimizacao.
Sabemos tambem que a solucao pertence ao plano:

4x + 3y 24 = z
h1 (x, y , z) = 4x + 3y z 24
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Sabemos que as coordenadas devem ser nao-negativas,

portanto:
x 0
y 0
z 0
g1 (x, y , z) = x
g2 (x, y , z) = y
g3 (x, y , z) = z
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Aplicando a primeira condicao, temos:
fx
g1x
g2x
g3x
h1x
fy = 1 g1y + 2 g2y + 3 g3y + 1 h1y
fz
g1z
g2z
g3z
h1z
2x
1
0
0
4
2y + 1 0 + 2 1 + 3 0 + 1 3 = 0
2z
0
0
1
1
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
O que resulta no seguinte conjunto de equac

oes:
2x 1 + 4 = 0
2y 2 + 3 = 0
2z 3 = 0
1 x = 0
2 y = 0
z =0
3
4x + 3y z 24 = 0
O sistema nao e linear pois temos variaveis se multiplicando, como
em 1 x = 0.
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Podemos resolver este sistema por tentativa, para as equacoes 3 e

4, temos as seguintes possibilidades:
1
x =0ey =0
x 6= 0 e y = 0
x = 0 e y 6= 0
x 6= 0 e y 6= 0
E para cada uma destas possibilidades, ha mais possibilidades para

os valores de 1 e 2 .
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Se fizermos x = y = 0, temos, para a eq. (7) do conjunto de

equacoes:
4x + 3y z 24 = 0
z = 24
E isto viola a restricao de que os pontos devem ser
nao-negativos;
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Se fizermos x 6= 0; y = 0, temos que:

1
1 = 0 e 2 6= 0
2x + 4 = 0; 2 + 3 = 0
x
2
0; =
0
2
3
x
2
0
== 0 x =0
3
2
1 = 0 e 2 = 0
=
2x + 4 = 0; 3 = 0
= 0; x = 0
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
Se fizermos x = 0; y 6= 0, recaimos na mesma situacao

anterior;
Se fizermos x =
6 0 y 6= 0, temos apenas uma possibilidade:
1
1 = 0 e 2 = 0
2x + 4 = 0 = x/2 < 0
2z 3 = 0 3 = 2z > 2z 0
3 > 0; 3 z = 0 z = 0
Agora basta eliminar do sistema as variaveis que sao nulas.
Condic
Introduc
ao
Refer
encias
ao N
ao-linear
O resultado e encontrado resolvendo o sistema linear:
2x + 4 = 0
2y + 3 = 0
3 = 0
4x + 3y 24 = 0
Cuja solucao e (x, y , , 3 ) = (96/25, 72/25, 48/25, 48/25), e a
resposta do problema e o ponto (x, y , z) = (96/25, 72/25, 0).
Condic
Introduc
ao
Refer
encias
[Kjeldsen, 2000] Kjeldsen, T. H. (2000).

A contextualized historical analysis of the kuhntucker theorem in nonlinear
programming: The impact of world war II.
Historia Mathematica, 27(4):331361.
[Klein, 2004] Klein, D. (2004).
Lagrange multipliers without permanent scarring.
University Lecture.
Condic

Condições KKT

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Condições KKT

Transféré par

Droits d'auteur :

Formats disponibles

Introduc

Um pouco da historia das condic

As condicoes KKT sao condic

Segundo [Klein, 2004], o metodo dos multiplicadores de Lagrange

Pode-se representar o conjunto de equac

E podemos buscar por pontos onde:

Exemplo 1: Encontrar os valores de maximo e mnimo de

Resposta: Calculando o gradiente de f (x, y ) e g (x, y ) temos:

Pelo conjunto de equac

Agora basta aplicar o conjunto de soluc

Assim, o mnimo da funcao e 12.5 e o maximo e 12.5 para as

Considerando agora um problema de otimizacao nao-linear com

As condicoes para que o problema seja minimizado ou maximizado

Exemplo 2: Determinar o ponto no espaco de tres dimensoes mais

Vamos extrair as condic

Sabemos que este e um problema de minimizacao.

Sabemos tambem que a solucao pertence ao plano:

Sabemos que as coordenadas devem ser nao-negativas,

Aplicando a primeira condicao, temos:

O que resulta no seguinte conjunto de equac

Podemos resolver este sistema por tentativa, para as equacoes 3 e

E para cada uma destas possibilidades, ha mais possibilidades para

Se fizermos x = y = 0, temos, para a eq. (7) do conjunto de

Se fizermos x 6= 0; y = 0, temos que:

Se fizermos x = 0; y 6= 0, recaimos na mesma situacao

Agora basta eliminar do sistema as variaveis que sao nulas.

O resultado e encontrado resolvendo o sistema linear:

[Kjeldsen, 2000] Kjeldsen, T. H. (2000).

Vous aimerez peut-être aussi