Conceptos Generales(*)

(*) Basado en Boyd y Vandenberghe. Convex Optimization

http://www.stanford.edu/~boyd/cvxbook/

Problemas de optimizacin
Elementos generales de un problema de
optimizacin

La variable a determinar

La funcin objetivo

Un conjunto de restricciones

El problema de optimizacin es entonces

Solucin ptima Global

Dado el problema

Se dice que el vector x* es la solucin ptima

global si entre todos los vectores z que
satisfacen las restricciones se cumple

ptimo local

Una solucin xl se llama un ptimo local si para

todo z dentro de un vecindario de radio se
cumple

Tipos de problemas
de optimizacin

Optimizacin lineal

La funcin objetivo y las restricciones son

funciones lineales

Las funciones tienen la forma

Solucin de programas lineales

Existen varios mtodos eficientes de solucin

Simplex (usualmente muy eficiente, peor caso

exponencial)

Interior-point (orden n2m, mn)

Ellipsoid (tiempo polinmico)

No hay una solucin analtica

Problemas cuadrticos

Problemas de mnimos cuadrados (regresin)

Tienen solucin anlitica

Complejidad computacional: kn2

Programacin cuadrtica

Caso general

Buenas y malas noticias

Si es convexo, tiene solucin en tiempo polinmico

En otros casos, dependiendo de Q, el problema
pertenece a la clase NP-Hard.

10

Optimizacin Convexa

Volviendo a la forma general del problema de

optimizacin

Se dice que el problema es convexo si todas

las funciones son convexas, i.e.

La programacin lineal y los mnimos

cuadrados son casos particulares.
11

Mtodos de solucin de problemas

convexos

No existe forma analtica general, pero existen

mtodos muy eficientes en la prctica.
E.g.

Mtodos de punto interior (interior-point)

Variedad de mtodos numricos

12

Optimizacin no lineal

Cuando bien sea la funcin objetivo y/o algunas

de las restricciones no son convexas.
Generalmente muy dficiles de resolver, por lo
cual los mtodos de solucin se concentran en
encontrar ptimos locales.

13

Optimizacin Combinatoria

Las variables de decisin son discretas: E.g. ,

, binarias.
No son aplicables conceptos topolgicos:
Continuidad, Diferenciabilidad, Convexidad.
En algunos casos tienen solucin eficiente, e.g.
encontrar la ruta ms corta, rbol de
cubrimiento mnimo.
En muchos casos no se conoce ningn mtodo
de solucin eficiente: Coloreado, Ubicacin de
facilidades, Cubrimiento de conjuntos, etc.
14

Optimizacin multiobjetivo

Muchos problemas involucran ms de un

objetivo a la vez.

Dado el vector de variables

La funcin objetivo

Y las restricciones
(Observar que restricciones multi-valor se
llevan fcilmente a restricciones simples).
15