16/12/2014

FACULTAD DE INGENIERIA ESTADSTICA E INFORMTICA

Ing. Alcides RAMOS CALCINA

SIMULACIN Y OPTIMIZACIN

16/12/2014

1. INTRODUCCIN

Estudiamos en este captulo un grupo importante de aplicaciones de

la simulacin a problemas de optimizacin.
Nuestro inters se centra en los problemas de optimizacin global y,
especialmente, en algoritmos que incluyan elementos estocsticos,
que denominaremos de optimizacin de Montecarlo.
Existe otra conexin entre simulacin y optimizacin de una funcin
objetivo definida especialmente, por ejemplo a travs de un
programa de simulacin.
Comencemos revisando algunas ideas sobre optimizacin local y
global.
Despus mencionaremos algunos mtodos estocsticos de
optimizacin clsicos como:
- Bsqueda aleatoria pura
- Mtodo multicomienzo
- Mtodo de direcciones aleatorias

2. OPTIMIZACIN LOCAL Y GLOBAL

La Optimizacin puede considerarse como la bsqueda de la
mejor solucin (solucin ptima) de un problema.
El trmino mejor aqu depende del contexto en el que se trabaje,
podra significar solucin que minimiza los costes, o maximiza los
beneficios, o que hace que la distancia recorrida sea mnima, etc.
El abordar un problema
bsicamente dos etapas:

real

de Optimizacin

supone

Determinar el modelo matemtico que rige el problema.

Resolver dicho problema usando una serie de tcnicas
matemticas y/o heursticas.

16/12/2014

2. OPTIMIZACIN LOCAL Y GLOBAL

Problema real de optimizacin

2. OPTIMIZACIN LOCAL Y GLOBAL

Los problemas que pueden ser resueltos mediante la
Optimizacin Matemtica son aquellos que pueden expresarse en
la forma:
min f ( x)

x D

max f ( x)

x D

Terminologa:

x es un vector de n componentes reales conocido como

vector de variables de decisin.
f(x) es una funcin de n variables que se conoce como funcin
objetivo.
El conjunto D se conoce como regin factible o conjunto de
soluciones factibles.
Los problemas de Optimizacin tambin se conocen como
programas matemticos.

16/12/2014

2. OPTIMIZACIN LOCAL Y GLOBAL

El objetivo de la Optimizacin Matemtica es, por tanto,
encontrar mximos y mnimos de funciones de varias variables
sujetas o no a una serie de restricciones.
Llegar a plantear un problema de optimizacin supone:

Elegir las variables de decisin.

Determinar la funcin objetivo.
Determinar las limitaciones o restricciones que han de
imponerse a las variables

2. OPTIMIZACIN LOCAL Y GLOBAL

2.1. Soluciones ptimas
Cuando se habla de solucin ptima de un problema, o
simplemente ptimo de dicho problema, es necesario distinguir
entre los conceptos de:

Punto ptimo: punto en el cul el problema alcanza el

mximo o el mnimo.
Valor ptimo: valor de la funcin objetivo en el punto ptimo.

Hecha esta observacin, se puede hablar de dos tipos de mnimos

y por supuesto de dos tipos de mximos:

Mnimos locales: el valor de la funcin en ese punto es ms

pequeo que en cualquier otro punto en un cierto entorno
suyo.
Mnimos globales: el valor de la funcin en ese punto es ms
pequeo que en cualquier otro punto de la regin factible.

16/12/2014

2. OPTIMIZACIN LOCAL Y GLOBAL

Se dice que un ptimo es no estricto cuando existen otros puntos
con valor de la funcin objetivo igual al valor ptimo. En caso
contrario se dice que el ptimo es estricto. La siguiente figura
pretende ilustrar los diferentes tipos de ptimos.

Valor Mximo

Y = f(x)

Valor Mnimo

Mnimo
global
estricto

Mximo
global
estricto

Mnimo
local
no estricto

2. OPTIMIZACIN LOCAL Y GLOBAL

2.2. Definiciones del campo de la optimizacin
Optimizacin.- Dada una funcin f(x) funcin de costo, encontrar
el valor de un vector de entrada tal que la salida de la funcin es
un mnimo o un mximo, cumpliendo el vector de entrada una
serie de restricciones.
Funcin de costo.- Es la funcin que determina cuan vlido es
nuestro vector de acuerdo con nuestro criterio.
Valor de costo.- Es aquel valor resultante de aplicar la funcin de
costo a una solucin vlida. El costo modela cuanto se aproxima
nuestra solucin a aquello que estamos buscando.

16/12/2014

2. OPTIMIZACIN LOCAL Y GLOBAL

Restricciones.- Es un conjunto de inecuaciones que determina
cuales son la soluciones aceptables. Determina, pues, en que
subespacio se va a proceder con la bsqueda.
Hiperespacio conformacional.- Es aquel hiperespacio en el que
todos y cada uno de los puntos corresponden a soluciones
posibles.
Solucin vlida.- Es aquella solucin posible que cumple las
restricciones.
Hiperespacio de conformaciones vlidas.- Es aquel hiperespacio
en el que todos y cada uno de los puntos corresponden a
soluciones vlidas.

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Encontrar un vector x tal que se minimice una funcin objetivo
f(x)
Sujeto a restricciones de la forma:

g k x 0


k = 1, , m
donde x es un vector de variables independientes
La funcin objetivo puede tener un solo mnimo, en cuyo caso se
denomina unimodal, o varios mnimos locales o globales, en cuyo
caso se denomina multimodal.

16/12/2014

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Clasificacin de problemas de optimizacin

De acuerdo a la forma de f (x) y las restricciones:

Programacin lineal: f (x) y las restricciones son lineales.
Programacin no lineal: f (x) y/o las restricciones son no
lineales.

De acuerdo a la presencia o no de restricciones:

Optimizacin no restringida: El problema de optimizacin
no tiene restricciones.
Optimizacin restringida: El problema de optimizacin
tiene restricciones.

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN

Segn su dimensionalidad:
Optimizacin unidimensional: funcin objetivo de una
variable.
Optimizacin multidimensional: funcin objetivo de varias
variables.

Segn el nmero de funciones objetivo:

Optimizacin con un objetivo: Una sola funcin objetivo.
Optimizacin con mltiples objetivos: Varias funciones
objetivo.

Nota: En el presente capitulo no se desarrollaran las tcnicas de optimizacin,

debido que estas en su gran mayora son procedimientos matemticos, nicamente
nos avocaremos a la representacin grafica de las funciones y ubicacin de mximos
y mnimos globales y/o locales. En el captulo 4 se desarrollaran las tcnicas de
optimizacin estocstica, especficamente los algoritmos evolutivos.

16/12/2014

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Requisitos para encontrar los ptimos en las funciones

Continuidad de una funcin en un nmero

Se dice que f es continua en el nmero a si y solo si las
siguientes 3 condiciones se satisfacen:
i) f(a) existe
f ( x) existe
ii) lim
xa
iii) lim f ( x) f (a)
xa

Continuidad en un intervalo
Una funcin cuyo dominio incluye el intervalo cerrado [a,b]
se dice que es continua en [a,b] si y solo si es continua en el
intervalo abierto a,b, as como es continua por la derecha
de a y continua por la izquierda de b.

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
3.1. Optimizacin sin restricciones (OSR)
La formulacin matemtica es:
mx / mn f ( x)
(OSR )
x n

donde f es una funcin suficientemente regular.

Funciones de una sola variable: y = f(x)

16/12/2014

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
3.1. Optimizacin sin restricciones (OSR)
La formulacin matemtica es:
mx / mn f ( x)
(OSR )
x n

donde f es una funcin suficientemente regular.

Funciones de una sola variable: y = f(x)

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Ejemplo 1:
Analice los mximos y mnimos globales y/o locales de la funcin:
f ( x ) sen( x )e 0.4 x en el intervalo [0, 10].
Solucin:
La funcin implementada en MatLab presenta la siguiente
sintaxis:
>> x=0:0.05:10;
>> y=sin(x).*exp(-0.4*x);
>> plot(x,y)
>> title('Funcin: f(x)=sen(x).exp(-0.4x)')

16/12/2014

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Grafico N1.
Funcin: f(x)=sen(x).exp(-0.4x)

0.6
0.5
0.4
0.3
0.2
0.1
0
-0.1
-0.2

10

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN

Funciones de dos variables: z = f(x,y)

10

16/12/2014

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Ejemplo 02:
Analice los mximos y mnimos globales y/o locales de la funcin:

f ( x) xe x

y2

en el intervalo [-2, 2] y [-2,3] para x e y respectivamente.

Solucin:
Implementando en MatLab tenemos:
>> [x,y]=meshgrid(-2:0.2:2,-2:0.2:3);
>> z=x.*exp(-x.^2-y.^2);
>> surf(x,y,z)
>> title('Funcin: f(z)=x.exp(-x^2-y^2)')

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Grafico N2.
Funcin: f(z)=x.exp(-x 2-y 2)

0.5

-0.5
4
2
0
-2

-2

-1

11

16/12/2014

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Se observa que existe un mnimo y mximo, pero que no se
puede determinar la aproximacin de los valores, por tanto, ser
necesario realizar la siguiente representacin grafica en un plano
a travs de contornos.
>> contour(x,y,z)
Grfico de contornos: f(z)=x.exp(-x 2-y 2)

3
2.5
2
1.5
1
0.5
0
-0.5
-1
-1.5
-2
-2

-1.5

-1

-0.5

0.5

1.5

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Es posible incrementar el nmero de contornos para una mejor
apreciacin (ver grafico ).
>> contour(x,y,z,50)

12

16/12/2014

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Ejemplo 03:
Grafique y analice para los siguientes valores de = -2, 1 y 6, los
mximos y mnimos de la funcin:

f ( x, y ) x 2 y 2 xy x 2 y
en el intervalo [-10,10] para x e y.

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
3.2. Optimizacin con restricciones (OCR)
El problema general de optimizacin con restricciones se puede
plantear de la siguiente forma:
La formulacin matemtica es:
Sujeto a:

(OCR) mx / mn f ( x)

Las restricciones h(x) = 0, g(x) 0 son conocidas como

restricciones funcionales, mientras que la restriccin x es un
conjunto restriccin. Un punto x que satisface las
restricciones funcionales se dice que es factible.

13

16/12/2014

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN

Modelo de Programa Lineal 2 variables: Maximizar

Max. [ Z = 2X1 + X2 ]

Sujeto a:

X2
<
2X1 + 5X2
X1 + X2
5X1 3X2
X1, X2

10
>
<
<
>

I
10
14
20
0

II
III
IV

Grficamente se muestra la regin de soluciones factibles. . Las

restricciones de no negatividad indican que la regin de
soluciones factibles se encuentran en el primer cuadrante.

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
x2

III

IV
I

10
8

Zona
Factible

Nivel Optimo

Zona no
factible

4
2

x1
0

10

12

14

II

14

16/12/2014

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Modelo de Programa Lineal 2 variables: Minimizar

Min. [ Z = 5X1 + 2X2 ]

Sujeto a:
3X1 + 6X2
>
5X1 + 4X2
8X1 + 2X2
7X1 + 6X2
X1, X2

18
>
>
<
>

I
20
16
42
0

II
III
IV

Igualmente para este ejemplo se muestra grficamente la regin

de soluciones factibles:

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
x2

8
III
7
6
5

Nivel Optimo

4
3
2
1
x1
0

5
II

IV

15

16/12/2014

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN
Modelo de Programa Lineal 3 variables: Maximizar
As mismo para el caso de tres variables se utilizo el siguiente
programa lineal:

Max. [ Z = 0.6X1 + 0.7X2 + 0.5X3 ]

Sujeto a:
2.5X2 + 1.5 X3
2.4X1 + 3.0X2 + 2.0 X3
5.0X1 + + 2.5X3

<
<
<

X1, X2, X3

600
1200
1500

I
II
III

>

Igualmente para este ejemplo se muestra grficamente la regin

de soluciones factibles para tres variables:

3. FORMULACIN DE PROBLEMAS DE
OPTIMIZACIN

x2
500
Mx Z
400
300

II

200

100

x1
100

200

300

400

500

100
200
300

III

400

x3

16

16/12/2014

GRACIAS

17