Académique Documents
Professionnel Documents
Culture Documents
Apuntes de
Optimizacin y Simulacin de Procesos
Julio 2007
Contenido
Optimizacin _________________________________________________________ 1
Porqu optimizar? ________________________________________________________ 1
Simplex __________________________________________________________________ 1
Ejemplo 1______________________________________________________________________1
Ejemplo 2______________________________________________________________________1
Nelder-Mead______________________________________________________________ 1
Ejemplo 1______________________________________________________________________1
Ejemplo 2______________________________________________________________________1
Bibliografa __________________________________________________________ 1
ii
GESR
Optimizacin [1]
La optimizacin es el uso de mtodos especficos para determinar la solucin ms
rentable y ms eficiente a un problema o a un diseo para un proceso. Esta tcnica es
una de las herramientas cuantitativas principales en la toma de decisin industrial. Una
amplia variedad de problemas en el diseo, la construccin, la operacin, y el anlisis
de plantas qumicas (as como muchos otros procesos industriales) se puede resolver por
la optimizacin.
El objetivo de la optimizacin es encontrar los valores de las variables en el proceso que
produzcan el mejor valor del criterio establecido tal como el costo mnimo.
Normalmente existe una compensacin entre los costos de capital y de operacin.
Porqu optimizar?
Por qu los ingenieros estn interesados en la optimizacin? Qu beneficios resultan
de usar este mtodo en vez de tomar decisiones intuitivamente? Los ingenieros trabajan
para mejorar el diseo inicial del equipo y se esfuerzan para mejorar la operacin de ese
equipo una vez que est instalado de tal modo que realice la mayor produccin, el
mximo beneficio, el costo mnimo, el menor uso de energa y as sucesivamente. El
valor monetario proporciona una medida conveniente de objetivos diversos, pero no
todos los problemas tienen que ser considerados en un marco monetario (costo contra
rdito).
En operaciones de planta, las ventajas surgen del funcionamiento mejorado de la planta,
tal como mejores producciones de productos valiosos (o producciones reducidas de
contaminantes), del consumo de energa reducido, de velocidades de procesamiento
mayores y de tiempos ms largos entre paros. La optimizacin puede tambin conducir
a costos de mantenimiento reducidos, a menos desgaste del equipo y a una utilizacin
mejor del personal. Adems, las ventajas intangibles surgen de las interacciones entre
operadores de planta, ingenieros y la gerencia. Es extremadamente provechoso
identificar sistemticamente el objetivo, las restricciones y los grados de libertad en un
proceso o una planta, conduciendo a beneficios tales como calidad mejorada del diseo,
una localizacin de averas ms rpidamente y ms confiables, y una toma de decisin
ms rpida.
Los beneficios pronosticados se deben hacer con cuidado. Las variables de operacin y
diseo en la mayora de las plantas se relacionan siempre de cierta manera. Si la cuenta
del combustible para una columna de la destilacin es $3000 por da, un ahorro del 5
por ciento puede justificar un proyecto sobre conservacin de energa. Sin embargo, en
una operacin unitaria tal como destilacin, es incorrecto simplemente sumar los
servicios del intercambiador de calor y hacer una reduccin en el calor total requerido.
Una reduccin en el servicio de calentamiento del rehervidor puede influenciar en la
pureza del producto, que se puede traducir en un cambio en las ganancias y en los
requerimientos de enfriamiento en el condensador. Por lo tanto, puede ser engaoso no
hacer caso de los efectos indirectos y de relacin que tienen las variables del proceso en
los costos.
GESR
Clasificacin de modelos
Basados en la teora fsica
Basados en descripciones
estrictamente empricas
Linear
No linear
f (x)
f (x)
=0
t
0
t
GESR
Parmetro agrupado
Parmetro distribuido
=0
V
0
V
Variable discreta
Variable continua
Determinsticos
Estocsticos
GESR
GESR
Ejemplo 1
Se desea enfriar un gas [Cp=0.3 Btu/(lb F)] de 195 a 90 F, usando agua de
enfriamiento a 80 F. Los costos del agua son $0.20/1000 pies3 y los cargos fijos
anuales para el intercambiador son $0.50/pie2 de superficie interna, con un dimetro de
0.0875 pies. El coeficiente de transferencia de calor es U=8 Btu/(h pie2 F) para un
gasto msico de gas de 3000 lb/h. Grafique los costos anuales del agua de enfriamiento
y los cargos fijos del intercambiador como una funcin de la temperatura del agua de
salida. Cul es el costo total mnimo?
Solucin:
Paso 1.
Suposicin: Intercambiador de calor de un solo paso por tubos y un solo paso por
coraza en contracorriente y sin cambio de fase.
GESR
195F
T0
90F
80F
0.20 $
1000 pies 3
$
C fijos = 0.50
pie 2 ao
lb
m gas = 300
h
Btu
Cp gas = 0.3
lb F
Btu
U =8
h pie 2 F
C agua =
Paso 2.
Minimizar Costos totales como una funcin de la temperatura del agua de salida.
Costostotales = f (T0 ) =
$
ao
Paso 3.
Sumar todos los costos y dejarlos en $/ao. Para eso se necesita las ecuaciones que
describen el proceso:
Suposiciones: Prdidas de calor despreciables
Se laboran 365 das al ao, 24 horas al da.
lb
Btu
, agua = 62.4
Cp agua = 1
pie 3
lb F
ln
(90 80)
GESR
3
1000 pies agua lb
h
ao
ao
$
$
= 0.50
( A pies 2 ) =
2
pie ao
ao
C agua =
C fijos
Donde:
magua =
A=
Q
=
UTml
(3000)(0.3)(195 90)
= pies 2
ln (195 T0 )
(90 80)
Paso 4.
No hay nada que simplificar
Paso 5.
Una tcnica de solucin, es derivar la funcin objetivo en trminos de la variable T0.
Igualar a cero y encontrar la solucin.
dCtotal
=
dT0
T0 = 120.5 F
Ctotal = 249.40
$
ao
Paso 6.
Para comprobar la solucin, se puede graficar.
GESR
Ejemplo 2
Un compuesto orgnico se produce en un proceso por lotes donde no se obtiene ningn
producto hasta que se termine el procesamiento del lote. Cada ciclo consiste de un
tiempo de operacin necesario para completar la reaccin ms un tiempo adicional de
1.4 h requeridas para descarga y carga. El tiempo de operacin por ciclo es igual a
1.5P0.25, donde P son los kilogramos de producto producido por lote. Los costos de
operacin durante el periodo de operacin son $20 por hora, mientras que los costos
durante el periodo de descarga-carga son $15 por hora. Los costos fijos anuales (Cf) del
equipo, varan con el tamao del lote de la siguiente forma:
$
C f = 340 P 0.8
ao
Paso 1.
h
1.4 muerto
ciclo
hoperacin
1.5P0.25
ciclo
Kg producto
P
ciclo
GESR
$
20
hoperacin
$
15
hmuerto
$
C f = 340 P 0.8
ao
Kg producto
106
ao
Produccin anual
$
260 000
ao
De ser necesario asuma que la planta puede operar 24h/da por 300 das/ao.
Paso 2.
Minimizar los costos totales anuales en funcin de la nica variable P.
Costostotales = f ( P) =
$
ao
Paso 3.
Convertir todos los costos a $/ao y despus sumarlos.
Costo durante el periodo de operacin,
ciclo P Kg
ao ao
operacin
$ hmuerto 1 ciclo 6 Kg $
15
1.4
10
h
ciclo P Kg
ao ao
muerto
Paso 4.
No hay nada que simplificar
GESR
Paso 5.
Una tcnica de solucin, es derivar la funcin objetivo en trminos de la variable P.
Igualar a cero y encontrar la solucin.
dCtotal
=
dP
P = 1625.840
Ctotal =
Kg
ciclo
$
ao
h
ciclo
h 1 ciclo 6 Kg 10.9 10 6
h
10
= 6704.2
=
10.9
ciclo P Kg
ao
ao 1625.84
10
GESR
f ( x + h) f ( x )
h
Para una funcin dada f (x) , la pendiente en un punto estacionario (punto mnimo,
mximo o de inflexin) es cero.
f (x)
Mximo
f ' ( x) = 0
Inflexin
f ' ( x) = 0
Mnimo
f ' ( x) = 0
(x)
( x x0 ) 2
( x x0 ) n
+ L + f ( n) ( x0 )
2!
n!
x0 es un punto estacionario
x es un punto alrededor de x0
11
GESR
2!( f ( x ) f ( x0 ) )
( x x0 ) 2
En est ltima ecuacin, el trmino f ( x) f ( x0 ) vara de signo, los otros trminos son
siempre positivos.
Para un mnimo
f (x)
f ( x)
Como f ( x) > f ( x0 ) :
f (x)
f ( x) f ( x0 ) siempre es positivo
f ( x0 )
x0
(x)
Para un mximo
f ( x)
f ( x0 )
Como f ( x) < f ( x0 ) :
f ( x)
f ( x)
f ( x) f ( x0 ) siempre es negativo
f ' ' ( x0 ) < 0 es un mximo
x
x0
( x)
12
GESR
Ejemplo 1
x4 x2
. Decir de qu tipo se trata.
Encontrar el punto estacionario de la funcin f (x) =
2
2
Solucin:
La primera derivada de la funcin es,
f ' ( x) = 2 x 3 x = 0
La solucin de la ecuacin anterior es,
x=0
x=+ 12
x= 12
Hasta el momento se sabe que existen 3 puntos estacionarios, pero no se puede decir si
se trata de un punto mnimo, mximo o de inflexin.
La segunda derivada de la funcin es,
f ' ' ( x) = 6 x 2 1
Se evala cada punto estacionario y se obtiene,
f ' ' ( x = 0) = 1
f ''(x = + 1 2) = 2
f ''(x = 1 2) = 2
13
GESR
Ejemplo 2
Encontrar el punto estacionario de la funcin f(x)=x5. Decir de qu tipo se trata.
Solucin:
La primera derivada es,
f(x)=5x4=0
La solucin de la ecuacin anterior es x=0.
La segunda derivada de la funcin es,
f(x)=20x3
f(x=0)=0 Se necesita de una derivada de orden mayor
La tercera derivada de la funcin es,
f(3)(x)=60x2
f(3)(x=0)=0 Se necesita de una derivada de orden mayor
La cuarta derivada de la funcin es,
f(4)(x)=120x
f(4)(x=0)=0 Se necesita de una derivada de orden mayor
La quinta derivada de la funcin es,
f(5)(x)=120
f(5)(x=0)=120 como el orden de la derivada es impar (m=5), se trata de un
punto de inflexin.
14
GESR
x=0
Punto de inflexin
15
GESR
Derivacin Multivariable
Gradiente
El gradiente es la derivada parcial de una funcin respecto a cada una de las variables
independientes:
f
x
1
f
f ( x1 , x2 ,L, xn ) = x2
M
f
xn
Para una funcin dada f ( x1 , x2 ,L, xn ) , su gradiente en un punto estacionario (mnimo,
mximo u otro) es cero.
Por ejemplo, para la funcin:
f ( x, y ) = ( x 2) 2 + ( y 1) 2
Su gradiente es:
f
f ( x , y ) =
x
f
T
= [2( x 2) 2( y 1)]
f(x, y)
f ( x, y )
x
plano
Hessiano
La serie de Taylor se puede usar para desarrollar el criterio de un mnimo o un mximo
de una funcin de dos variables,
( x x0 ) 2
f ( x, y ) = f ( x0 , y0 ) + f x ( x0 , y0 )( x x0 ) + f y ( x0 , y0 )( x x0 ) + f xx ( x0 , y0 )
+
2!
( x x0 )( y y0 )
( y y0 ) 2
+ f xy ( x0 , y0 )
+ f yy ( x0 , y0 )
+L
2!
2!
16
GESR
f ( x, y ) = f ( x0 , y0 ) + f xx ( x0 , y0 )
( x x0 ) 2
( x x0 )( y y0 )
( y y0 ) 2
+ f xy ( x0 , y0 )
+ f yy ( x0 , y0 )
2!
2!
2!
En forma matricial,
f ( x, y ) = f ( x0 , y 0 ) +
f
1
[( x x0 ) ( y y0 )] xx
2
f yx
f xy ( x x0 )
f yy ( y y 0 )
Donde:
f xx f xy
es la matriz de segundas derivadas parciales evaluada en el
f yx f yy
punto estacionario (x0, y0), a esta matriz se le llama matriz Hessiana.
Para una funcin de n variables, la matriz Hessiana se puede escribir como,
2 f
2
2x1
f
x x
2
1
H = 2 f
x3x1
M
2
f
xn x1
2 f
x1x2
2 f
x22
2 f
x3 x2
M
2 f
xn x2
2 f
x1x3
2 f
x2 x3
2 f
x32
M
2 f
xn x3
2 f
x1xn
2 f
L
x2 xn
2 f
L
x3 xn
M
M
2
f
L
xn2
L
r
f ( x0 ) es un mnimo si:
H0 tiene determinantes Di > 0 donde i = 1, 2, , n
(H0 se denomina positiva definida)
r
f ( x0 ) es un mximo si:
H0 tiene determinantes Di < 0 para i = 1, 3, , impares y
H0 tiene determinantes Di > 0 para i = 2, 4, , pares
(H0 se denomina negativa definida)
Donde: i, representa el tamao de la matriz H0 (filas y columnas)
17
GESR
Si el resultado es cero para cualquier valor de Di, se dice que la matriz es semi-definida
positiva o semi-definida negativa, no se puede definir si se trata de un mnimo o un
mximo y por lo tanto se requiere de una derivada de orden mayor para definirlo.
Ejemplo 1
Para una funcin de dos variables: f ( x, y ) = ( x 2) 2 + ( y 1) 2 . Encontrar los puntos
estacionarios y decir si se trata de un mnimo, un mximo o que no se pueda definir
como tal.
Su gradiente es:
f
f x 2( x 2)
f ( x, y ) = fx = =
f y 2( y 1)
y
f x = 2( x 2) = 0
f y = 2( y 1) = 0
La solucin del sistema de ecuaciones anterior es:
x0 = 2
y0 = 1
Las derivadas parciales del gradiente, se vuelven a derivar para formar la matriz
Hessiana, es decir:
f x
x
H=
f y
x
f x (2( x 2))
y
x
=
f y (2( y 1))
x
y
(2( x 2))
2 0
y
=
(2( y 1)) 0 2
2 2
H0 =
2 2
La matriz Hessiana es de tamao i=2, se calcula la determinante de la matriz H0 de
tamao (1 x 1) y de (2 x 2), como:
18
GESR
D1 = 2
D2 =
2 0
0 2
=2
Ejemplo 2
Para la siguiente funcin:
0
=
0
19
GESR
Las derivadas parciales del gradiente, se vuelven a derivar para formar la matriz
Hessiana:
En el punto 1:
H0 =
D1 =
D1 =
D2 =
D2 =
f ( x0 = 0, y0 = 0) = 3
En el punto 2:
H0 =
D1 =
D1 =
D2 =
D2 =
20
GESR
Ejemplo 3
Para la siguiente funcin:
. Encontrar los
puntos estacionarios y decir si se trata de un mnimo, un mximo o que no se pueda
definir como tal.
Su gradiente es:
f x
f ( x, y ) = f y =
f z
Las derivadas parciales del gradiente, se vuelven a derivar para formar la matriz
Hessiana:
21
GESR
En el punto estacionario:
H0 =
D1 =
D1 =
D2 =
D2 =
D3 =
D3 =
Como D1 >0, D2 <0 y D3 <0 no se trata ni de un mnimo, ni de un mximo, se necesitan
de derivadas de orden mayor para definirlo.
22
GESR
Multiplicadores de Lagrange
Se aplica a problemas de optimizacin multivariable con restricciones de igualdad y
desigualdad
Ejemplo 1
Optimizar:
f ( x1 , x2 ) = x1 + x2
Sujeto a:
h( x1 , x2 ) = x12 + x22 1 = 0
f = 1.4142
f = 0.7000
f = 0.0000
f = -0.7000
f = -1.4142
De la grfica anterior se puede ver que el problema tiene dos valores ptimos, un
mnimo
en
f ( x1 = 0.7071, x2 = 0.7071) =-1.4142
y
un
mximo
en
f ( x1 = 0.7071, x2 = 0.7071) = 1.4142.
23
GESR
se pueden relacionar
f
f = h
f
h
Solucin 1 Solucin 2
24
GESR
Ejemplo 2
Optimizar:
f = x + 2y2 + z2
Sujeta a:
x + y + z =1
x y = -2
Las restricciones se igualan acero y la funcin L es:
25
GESR
f(x2)
f(x1)
a
x1
x2
Para la siguiente
iteracin este intervalo
se elimina
26
GESR
1
Iteracin 1
1 = 2 + 3
a
x1
x2
b
2
Iteracin 2
2 = 3 + 4
x1
x2
x3
3
Iteracin 3
3 = 4 + 5
x2
Iteracin 4
5 = 4 +
2 2
x3 x4
4
5
x3 x4 x5 b
En la ltima iteracin 4, si es muy pequeo 0 .
5 =
4
2
4 = 2 5
3 = 4 + 5 = 2 5 + 5 = 3 5
2 = 3 + 4 = 3 5 + 2 5 = 5 5
27
GESR
1 = 2 + 3 = 5 5 + 3 5 = 8 5
Igualando el intervalo 5 de la iteracin 1 y la iteracin 2,
5 = 1 = 2
8
5
En la iteracin 1,
1 = (b a )
2 = (b x1 )
2 = ( x2 a )
(b a) (b x1 )
=
8
5
(b a) ( x2 a)
=
8
5
x2 = a +
x1 = b
5(b a)
8
5(b a)
8
Si se realizarn n iteraciones,
x1 = b
x2 = a +
Donde:
=
m
fm
0
0
1
1
2
1
3
2
4
3
5
5
6
8
fm
f m +1
7
13
(b a )
8
21
9
34
10
55
m
f m = f m1 + f m2
Ejemplo
Maximizar:
Intervalo inicial:
Iteraciones:
y = 3 + 6x 4x 2
a=0, b=1
n = 4 (m=n+1=5 intervalos)
Solucin:
Con m= 5 intervalos, f 5 = 5 y f 6 = 8
28
GESR
5
= (1 0) = 0.625
8
Iteracin 1
a=0
f 1 = f ( x1 = 0.375) = 4.6875
f 2 = f ( x 2 = 0.625) = 5.1875
b=1
f1 < f 2
Se elimina el punto a=0
x1 = 0.625
b=1
f1 = 5.1875
f 2 = f ( x 2 = 0.750) = 5.2500
f1 < f 2
Se elimina el punto a=0.375
x1 = 0.750
f1 = 5.2500
b=1.0
x2 = 0.750
f 2 = 5.2500
b=0.875
La solucin es x= 0.750
29
GESR
Seccin dorada
El mtodo de seccin dorada es similar al mtodo de Fibonacci.
Iteracin 1
1 = 2 + 3
1 2
=
+1
3 3
x1
x2
b
2
Iteracin 2
2 = 3 + 4
2 3
=
+1
4 4
x1
x2
x3
3
Iteracin 3
3 = 4 + 5
3 4
=
+1
5 5
Iteracin 4
4 = 5 + 6
x2
x3 x4
4
6 5
4 5
=
+1
6 6
x3 x4 x5 b
30
GESR
2 3 4 5
=
=
=
=
3 4 5 6
En la iteracin 2 tenemos,
( es una constante)
2 3
=
+1
4 4
= + 1
2 1 = 0
En la iteracin 1,
2
=
3
1 = (b a )
2 = (b x1 )
2 = ( x2 a )
(b a )
=
(b x1 )
(b a )
=
( x2 a )
x2 = a +
x1 = b
(b a )
(b a)
Ejemplo
Minimizar
En el intervalo:
Iteraciones:
Tolerancia
f ( x) = 0.5 x exp( x 2 )
a=0, b=2
n=4
t=0.1
31
GESR
(b a)
(2 0)
= 1.2361
1.618
Iteracin 1
a=0
x1 = b = 2 1.2361 = 0.7639
x1 = a + = 0 + 1.2361 = 1.2361
f1 = f ( x1 = 0.7639) = 0.0738
f 2 = f ( x2 = 1.2361) = 0.2318
f1 < f 2
Se elimina el punto b=2
b=2
= (0.7639 0) = 0.7639
Iteracin 2
a=0
x1 = 0.7639
b=1.2361
f1 = f ( x1 = 0.4721) = 0.1222
f 2 = 0.0738
f1 > f 2
Se elimina el punto a=0
x1 = 0.7639
f1 = 0.0738
b=1.2361
b=0.9443
32
GESR
x2
centroide
3
x1
La funcin f ( x1 , x2 ) se evala en los puntos 1, 2 y 3, para minimizar se elimina el
punto que produzca el menor valor de f ( x1 , x2 ) (para maximizar se elimina el punto que
produzca el mayor valor de f ( x1 , x2 ) ). Si se elimina el punto 1, este punto se proyecta
al lado contrario para encontrar un nuevo punto 4. El proceso se repite hasta que ya no
sea posible minimizar ms la funcin.
De los textos de geometra analtica se puede demostrar que las coordenadas de los
vrtices de un simplex regular se pueden obtener de la siguiente tabla:
33
GESR
m puntos
n variables
2
3
x2
x3
d2 + x2 d2 + x3
d1 + x2 d2 + x3
d2 + x2 d1 + x3
M
M
d2 + x2 d2 + x3
1
2
3
4
M
m=n+1
1
x1
d1 + x1
d2 + x1
d2 + x1
M
d2 + x1
n + 1 + n 1
n + 1 1
Donde:
t
d1 =
n 2
t
d2 =
n 2
...
n
xn
d2 + xn
d2 + xn
d2 + xn
M
d1 + xn
Ejemplo 1
f ( x1 , x2 ) = ( x1 3) 2 + ( x2 4) 2
Minimizar:
Punto inicial: x1=0.5, x2=1.0
Tolerancia: t=0.1
Solucin:
El problema es de 2 variables independientes x1 y x2, se necesitan m=2+1=3 puntos.
d1 =
d2 =
t
n
(
2
t
n 2
0.1
2 + 1 + 2 1 = 0.0966
2 2
0.1
n + 1 1 =
2 + 1 1 = 0.02589
2 2
n + 1 + n 1 =
Punto
1
2
3
x1
0 .5
0.0966 + 0.5
0.0259 + 0.5
x2
1 .0
0.0259 + 1.0
0.0966 + 1.0
f(x1, x2)
15.2500
14.6218
14.5510
Tringulo
1, 2, 3
x1
0.5
0.5966
x2
1.0
1.0259
f(x1, x2)
15.2500
14.6218
Tringulo
34
GESR
0.5259
x1C =
1
n
1.0966
14.5510
1, 2, 3
Centroide:
[( x ) x ]
1
e
1
x2C =
1
n
[( x ) x ]
2
e
2
x1C =
1
[(0.5 + 0.5966 + 0.5259) 0.5] = 0.56125
2
x 2C =
1
[(1.0 + 1.0259 + 1.0966) 1.0] = 1.06125
2
Punto reflejado:
x1 = 2 x1C x1e
x2 = 2 x2C x2e
x1
0.5
0.5966
0.5259
0.6225
x2
1.0
1.0259
1.0966
1.1225
f(x1, x2)
15.2500
14.6218
14.5510
13.9328
Tringulo
1, 2, 3
2, 3, 4
Centroide:
x1C =
1
[(0.5966 + 0.5259 + 0.6225) 0.5966] = 0.5742
2
x2C =
1
[(1.0259 + 1.0966 + 1.1225) 1.0259] = 1.10955
2
Punto reflejado:
x1 = 2(0.5742) 0.5966 = 0.5518
35
GESR
x1
0.5
0.5966
0.5259
0.6225
0.5518
x2
1.0
1.0259
1.0966
1.1225
1.1932
f(x1, x2)
15.2500
14.6218
14.5510
13.9328
13.8721
Tringulo
1, 2, 3
2, 3, 4
3, 4, 5
x1
0.5000
0.5966
0.5259
0.6225
0.5518
0.6484
0.5776
0.6742
0.6035
0.7001
M
2.7374
2.7632
2.6925
2.7891
2.8598
2.8857
2.8150
2.9116
2.9823
3.0082
x2
1.0000
1.0259
1.0966
1.1225
1.1932
1.2191
1.2898
1.3157
1.3864
1.4123
M
3.6616
3.7582
3.8289
3.8548
3.7841
3.8807
3.9514
3.9773
3.9066
4.0032
f(x1,x2)
15.2500
14.6218
14.5510
13.9328
13.8721
13.2638
13.2131
12.6149
12.5741
11.9859
M
0.1835
0.1145
0.1238
0.0655
0.0663
0.0273
0.0366
0.0083
0.0090
0.0001
Tringulo
1
4
4
4
7
7
7
10
M
81
81
83
83
85
85
87
87
89
89
2
2
5
5
5
8
8
8
M
80
80
80
84
84
84
84
88
88
88
3
3
3
6
6
6
9
9
M
78
82
82
82
82
86
86
86
86
90
36
GESR
Ejemplo 2
Minimizar:
f ( x1 , x 2 ) = ( x1 3) 2 + ( x2 4) 2 + ( x3 5) 2
Punto inicial: x1=0.0, x2=0.0, x3=0.0
Tolerancia: t=0.1
Solucin:
Punto
1
2
3
4
5
6
7
8
9
10
M
230
231
232
233
234
235
236
237
238
239
x1
0.0000
0.0943
0.0236
0.0236
0.0943
0.0000
0.0550
0.0759
0.1502
0.0931
M
2.9066
2.9671
2.9335
3.0006
3.0275
3.0073
2.9782
2.9185
3.0026
3.0736
x2
0.0000
0.0236
0.0943
0.0236
0.0943
0.1179
0.0629
0.1598
0.0934
0.1164
M
3.8418
3.8929
3.9353
3.8614
3.9513
3.9390
4.0224
3.9799
4.0256
4.0115
x3
0.0000
0.0236
0.0236
0.0943
0.0943
0.1179
0.1807
0.1676
0.1772
0.2561
M
4.8971
4.8361
4.9202
4.9249
4.8903
4.9875
4.9405
5.0085
5.0374
4.9685
f(x1,x2,x3)
50.0000
49.0201
48.8786
48.7372
47.7639
47.9065
47.3998
46.6496
46.6424
46.0372
M
0.0443
0.0394
0.0150
0.0249
0.0152
0.0039
0.0045
0.0071
0.0021
0.0065
1
1
1
1
5
5
5
5
5
10
M
229
229
229
233
233
233
236
236
236
236
Tetraedro
2
3
2
3
2
3
2
3
2
3
6
3
6
7
6
7
9
7
9
7
M
M
230 228
230 231
230 231
230 231
234 231
234 235
234 235
237 235
237 235
239 235
4
4
4
4
4
4
4
8
8
8
M
227
227
232
232
232
232
232
232
238
238
x1 = 3.0736
x2 = 4.0115
x2 = 4.9685
f ( x1 = 3.0736, x2 = 4.0115, x3 = 4.9685) = 0.0065
37
GESR
Nelder-Mead [4]
El mtodo de Nelder-Mead es una versin ms eficiente del mtodo simplex que
permite que las figuras geomtricas se reflejen agregando un coeficiente , se
contraigan con un coeficiente o se expandan con un coeficiente . El mtodo es muy
robusto para hacerlo manualmente, pero se implementa fcilmente en un cdigo de
computadora.
Los valores de los coeficientes , y recomendados por los autores del mtodo son:
=1
= 0.5
=2
Ejemplo 1
f ( x1 , x2 ) = ( x1 3) 2 + ( x2 4) 2
Minimizar:
Punto inicial: x1=0.5, x2=1.0
Tolerancia: t=0.1
Solucin:
Punto
1
2
3
4
5
6
7
8
9
x1
0.5259
0.7449
0.7519
1.4160
2.1010
2.1010
2.1010
2.1790
2.1790
x2
1.0970
1.2450
1.6050
2.4110
4.2980
4.2980
4.2980
4.1280
4.1280
f(x)
14.5500
12.6800
10.7900
5.0340
0.8971
0.8971
0.8971
0.6909
0.6909
error
0.3142
0.9012
1.5360
3.2500
4.0560
1.8680
0.1990
0.2410
0.0889
38
GESR
Ejemplo 2
Minimizar:
f ( x1 , x 2 ) = ( x1 3) 2 + ( x2 4) 2 + ( x3 5) 2
Punto inicial: x1=0.0, x2=0.0, x3=0.0
Tolerancia: t=0.1
Solucin:
iteracin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
x1
0.0236
0.1886
0.1886
0.2959
0.6591
0.6591
1.6400
1.6400
3.2390
3.2390
3.2390
3.2390
3.2390
3.2390
3.2390
3.2390
3.2370
3.2370
3.2370
x2
0.0236
0.1886
0.1886
0.2409
0.7429
0.7429
1.5470
1.5470
3.5000
3.5000
3.5000
3.5000
3.5000
3.5000
3.5000
3.5000
3.6360
3.6360
3.6360
x3
0.0943
0.1886
0.1886
0.5474
0.9393
0.9393
2.6650
2.6650
5.3030
5.3030
5.3030
5.3030
5.3030
5.3030
5.3030
5.3030
5.4530
5.4530
5.4530
f(x)
48.7400
45.5800
45.5800
41.2700
32.5800
32.5800
13.3200
13.3200
0.3992
0.3992
0.3992
0.3992
0.3992
0.3992
0.3992
0.3992
0.3938
0.3938
0.3938
error
0.4958
1.4310
1.4320
2.7050
5.4930
5.4530
10.2900
9.8120
11.4800
6.1800
5.0450
1.4960
0.6770
0.5322
0.4255
0.1239
0.1386
0.1132
0.0095
x1 = 3.2370
x2 = 3.6360
x2 = 5.4530
f ( x1 = 3.2370, x2 = 3.6360, x3 = 5.4530) = 0.3938
39
GESR
Ejemplo 1
Minimizar:
Punto inicial
Nmero mximo de iteraciones:
Tolerancia:
f = f (x, y ) = ( x 2) 2 + ( y 6) 2
x=0.5, y=0.8
5
0.01
Solucin:
Se calcula el gradiente de la funcin objetivo:
f
= 2( x 2)
x
f
= 2( y 6)
x
x = x
Iteracin 1
40
GESR
El error es,
Iteracin 2
El error es,
Iteracin
0
1
2
x
0.5
2.0
2.0
y
0.8
6.0
6.0
f(x, y)
29.29
0
0
error=mxxn+1-xn
5.2
0
41
GESR
Ejemplo 2
Minimizar:
Punto inicial
Nmero mximo de iteraciones:
Tolerancia:
f = f ( x, y , z ) = 2 x 2 + y 2 + 3 z 2
x=2, y= -2, z= 1
5
0.5
f
= 4x
x
f
= 2y
x
f
= 6z
z
Calcular un nuevo punto (x, y, z):
f
= x (4 x)
x
f
y = y
= y (2 y )
y
f
z = z
= z (6 z )
z
x = x
Iteracin 1
42
GESR
El error es,
Iteracin 2
El error es,
43
GESR
Iteracin 3
El error es,
x
2
0.15873
0.00424
-0.00011
y
-2
-1.07937
-0.55409
-0.26956
z
1
-0.38095
0.17522
-0.09471
f(x, y) error=mxxn+1-xn
15
1.65079
1.8412
0.39916
0.55617
0.09957
0.28453
44
GESR
Mtodo grfico.
Ejemplo
Maximizar:
f = x1 + 3x2
Sujeto a:
x1 + x2 1
x1 + x2 2
x1 + x2 1
x1 0, x2 0
(1)
(2)
(3)
Solucin:
Graficar
Se grafican las restricciones que son rectas (para graficar una recta se necesitan dos
puntos):
Para la restriccin 1: x1 + x2 1 , se toma como igualdad, x1 + x2 = 1
Si x1=0, entonces x2=-1, punto 1 (x1,x2)=(0,1)
Si x2=0, entonces x1=1, punto 2 (x1,x2)=(-1,0)
Para la restriccin 2: x1 + x2 2 , se toma como igualdad, x1 + x2 = 2
Si x1=0, entonces x2=2, punto 1 (x1,x2)=(0,2)
Si x2=0, entonces x1=2, punto 2 (x1,x2)=(2,0)
Para la restriccin 3: x1 + x2 1 , se toma como igualdad, x1 + x2 = 1
Si x1=0, entonces x2=2, punto 1 (x1,x2)=(0,1)
Si x2=0, entonces x1=2, punto 2 (x1,x2)=(1,0)
45
GESR
x2
x1 + x2 2
x1 + x2 1
x1 + x2 1
1
-1
x1
Regin factible
Se toma un punto de referencia, por ejemplo el origen que tiene coordenadas
(x1,x2)=(0,0). Se sustituye en cada una de las restricciones:
x1 + x2 1 : 0 + 0 1 , 0 1 Verdadero
x1 + x2 2 : 0 + 0 2 , 0 2 Verdadero
x1 + x2 1 : 0 + 0 1 , 0 1 Falso
x1 0 , x2 0 indican el primer cuadrante
La regin factible de cada recta apunta hacia el punto de referencia, en este caso, si el
resultado es verdadero hacia el origen, si es falso hacia el lado opuesto del origen.
x2
x1 + x2 2
x1 + x2 1
x1 + x2 1
1
-1
x1
46
GESR
Se seala la regin factible que satisface a todas las restricciones. Es la regin, cuyos
lados sealan todos hacia adentro.
x2
x1 + x2 2
x1 + x2 1
x1 + x2 1
1
-1
x1
Punto ptimo
Se evalan las coordenadas de c/u de las esquinas de la regin factible
x2
x1 + x2 2
x1 + x2 1
x1 + x2 1
1
-1
Punto
A
B
C
D
x1
0.5000
0.000
2.000
1.000
x2
1.500
1.000
0.000
0.000
x1
f(x1,x2)
5.000
3.000
2.000
1.000
47
GESR
Mtodo Simplex
Ejemplo
Maximizar:
Sujeto a:
f = x1 + 3x2
x1 + x2 1
x1 + x2 2
x1 + x2 1
x1 0, x2 0
(1)
(2)
(3)
3+ 2 = 5
3= 52
x1 0, x2 0, x3 0, x4 0, x5 0
Se hace una tabla con los coeficientes de la funcin objetivo y las restricciones,
Tabla 1
E1
E2
E3
E4
x1
x2
x3
x4
x5
1
0
0
0
-1
-1
1
1
-3
1
1
1
0
1
0
0
0
0
1
0
0
0
0
-1
0
1
2
1
48
GESR
Solucin parcial
Variables bsicas. Una variable es bsica si tiene solamente un coeficiente diferente de
cero y su valor es la divisin de la constante b entre el coeficiente.
Variables no bsicas. Una variable es no bsica si tiene ms de un coeficiente diferente
de cero y su valor es cero.
1
2
1
= 1
Bsicas: x3 = = 1 , x4 = = 2 , x5 =
1
1
1
No bsicas: x1 = 0 , x 2 = 0
El valor de la funcin objetivo es f ( x1 = 0, x 2 = 0) = 0 (valor en la esquina superior
derecha de la tabla)
Pivote
Columna pivote. En el primer rengln (funcin objetivo), se elige el menor nmero
negativo. Si no hay negativos, se detiene el proceso iterativo.
Rengln pivote. Se divide la constante b entre su respectivo coeficiente de la columna
pivote. Se elige el menor nmero positivo diferente de cero.
El pivote es la interseccin de la columna pivote y el rengln pivote.
x1
x2
x3
x4
x5
1
0
0
0
-1
-1
1
1
-3
1
1
1
0
1
0
0
0
0
1
0
0
0
0
-1
0
1
2
1
1/1= 1
2/1= 2
1/1= 1
Eliminacin
Se hacen ceros los coeficientes arriba y abajo del pivote. El modo de eliminacin es:
Ecuacin = Ecuacin (nmero a eliminar/ pivote) Ecuacin pivote
x1
x2
x3
x4
x5
E1=E1-(1/-3)E2
1-(-3/1)0
-1-(-3/1)-1
-3-(-3/1)1
0-(-3/1)1
0-(-3/1)0
0-(-3/1)0
0-(-3/1)1
E2=E2
E3=E3-(1/1)E2
E4=E4-(1/1)E2
-1
0-(1/1)0
1-(1/1)-1
1-(1/1)1
0-(1/1)1
1-(1/1)0
0-(1/1)0
2-(1/1)1
0-(1/1)0
1-(1/1)1
1-(1/1)1
0-(1/1)0
0-(1/1)1
-1-(1/1)0
1-(1/1)2
49
GESR
Tabla 2
E1
E2
E3
E4
x1
x2
x3
x4
x5
1
0
0
0
-4
-1
2
2
0
1
0
0
3
1
-1
-1
0
0
1
0
0
0
0
-1
3
1
1
0
Solucin parcial
1
1
0
x 2 = = 1 , x 4 = = 1 , x5 =
=0
1
1
1
x1 = 0 , x3 = 0
f ( x1 = 0, x 2 = 1) = 3
Bsicas:
No bsicas:
El valor de la funcin objetivo es:
Pivote
x1
x2
x3
x4
x5
1
0
0
0
-4
0
1
0
0
3
1
-1
-1
0
0
1
0
0
0
0
-1
3
1
1
0
-1
2
2
1/-1= -1
1/2= 0.5
0/2= 0
Eliminacin
E1=E1-(-4/2)E3
E2=E2-(-1/2)E3
E3
E4=E4-(2/2)E3
x1
x2
x3
x4
x5
1-(4/2)0
-4-(4/2)2
0-(4/2)0
3-(4/2)-1
0-(4/2)1
0-(4/2)0
3-(4/2)1
0-(-1/2)0
-1-(-1/2)2
1-(-1/2)0
1-(-1/2)-1
0-(-1/2)1
0-(-1/2)0
1-(-1/2)1
-1
0-(2/2)0
2-(2/2)2
0-(2/2)0
-1-(2/2)-1
0-(2/2)1
-1-(2/2)0
0-(2/2)1
Tabla 3
x1
x2
x3
x4
x5
1
0
0
0
0
0
2
0
0
1
0
0
1
0.5
-1
0
2
0.5
1
-1
0
0
0
-1
5
1.5
1
-1
50
GESR
P
W = 2
100
0.286
P
+ 3
P2
0.286
1000
+
P3
0.286
Es recomendable que las variables y constantes que estn dividiendo, pasen del
denominador al numerador.
W = 100 0.286 P2
+ P2
0.286
0.286
P3
0.286
+ 1000 0.286 P3
0.286
A cada sumando se le divide por una variable wi y esta divisin se eleva a la misma wi,
con i =1,2, , # total de sumandos. Para formar una multiplicatoria:
100 0.286 P2 0.286
W =
w
1
w1
P2 0.286 P30.286
w
2
w2
w
3
w3
100 0.286 1
W =
w1 w2
w2
w3
10000.286
51
GESR
100 0.286
=
1/ 3
1/ 3
1
1 / 3
1/ 3
1000 0.286
1 / 3
1 1
1/ 3
P2 P3 = 3.73
0
100 0.286 P2
=
w1
mnimo
mnimo
mnimo
P2
0.286
P3
w2
0.286
100 0.286 P2
3.73 =
1/ 3
0.286
3.73 =
1000 0.286 P3
=
w3
0.286
P2
0.286
P3
1/ 3
0.286
0.286
1000 0.286 P3
3.73 =
1/ 3
0.286
Minimizar:
115
2 x3
x 2 x3
Es recomendable que las variables y constantes que estn dividiendo, pasen del
denominador al numerador.
y = 3 x10.25 3 x11.1 x 20.6 115 x 21 x31 2 x3
A cada trmino se le divide por un peso wi y esta divisin se eleva a la misma wi. con
i=1,2, , # total de trminos.
Se hace la divisin de la multiplicatoria de los trminos positivos entre la multiplicatoria
de los trminos negativos.
y=
3 x10.25
w
1
3 x11.1 x 20.6
w2
w2
w1
Trminos positivos
w2
115 x 21 x31 2 x3
w3 w4
w3
Trminos negativos
52
GESR
3
w1
y=
x10.25w11.1w2 x20.6 w2+ w3 x3w3 w4
w4
w2
w3
3 115 2 x3
w2 w3 w4
mnimo
3
2
=
3 / 11
5 / 11
3 / 11
3 115 2 x3
5 / 11 3 / 11 3 / 11
1 1 1
x x20 x30 = 0.1067
0
1
3x10.25
w1
0.1067 =
3x10.25
2
53
GESR
y mnimo =
y mnimo =
3 x11.1 x20.6
w2
y mnimo =
2 x3
w4
0.1067 =
0.1067 =
3x11.1 x20.6
5 / 11
115 x 21 x31
3 / 11
0.1067 =
2 x3
3 / 11
x2 = 2.716 105,
x3 = 1.455 10-2
54
GESR
Si (Estado)
S~i (Transicin)
Etapa i
Di
(Decisin)
Para mltiples etapas:
F3=F2+R3
F2=F1+R2
F1=R1
R3
R2
R1
Etapa 3
S3
d3
S~3 S2
Etapa 2
d2
~
S 2 S1
Etapa 1
~
S1
d1
El problema se comienza a resolver, a partir de la etapa final (etapa 1), debido a que
cualquier decisin que se tome en esta etapa (d1) no tendr efecto en etapas
subsecuentes, el flujo de informacin es de izquierda a derecha. El diagrama de etapas
puede tener ramificaciones que no se contemplan aqu.
55
GESR
Ejemplo 1
Un carro tanque transporta un producto fabricado en San Francisco que debe ser
entregado a cualquier puerto importante en la costa este para su envo a Europa. El costo
de envo a travs del Atlntico es esencialmente igual en todos los puertos principales
de la costa del este. Se desea para seleccionar la ruta ptima (el kilometraje de camino
ms bajo) de San Francisco a la costa este. Las distancias relativas entre las ciudades a
lo largo de las rutas posibles se muestran en el siguiente diagrama:
N0
C4
C0
S0
F3=F2+R3
F2=F1+R2
F1=R1
R4
R3
R2
R1
Etapa 4
S4
d4
~
S 4 S3
Etapa 3
S~3 S2
Etapa 2
d3
d2
~
S 2 S1
~
S1
Etapa 1
d1
~
Identificar las variables de cada etapa (Si, di, Ri, S i )
Variable de estado (Si): El nodo de salida
Variable de decisin (di): Seleccionar una ruta
Variable de resultado (Ri): El kilometraje acumulado
~
Variable de transicin ( S i ): El nodo de llegada
56
GESR
d4
F4
S~4
S3
N3
C3
S3
d3
F3
S~3
S2
N2
C2
S2
d2
F2
S~2
S1
N1
C1
S1
d1
1
3
7
F1
1
3
7
S~1
N0
N0
C0
Combinaciones
Combinaciones de la etapa 2
S2 R2
N2 8
N2 7
F2
8
7
S~2 F2=F1+R2
N1
9
menor
C1
10
C2
C2
C2
6
5
4
6
5
4
N1
C1
S1
7
8
11
menor
S2
S2
3
2
3
2
C1
S1
6
9
menor
Combinaciones de la etapa 3
S3 R3
N3 1
N3 3
F3
1
3
S~3 F3=F2+R3
N2
10
menor
C2
10
menor
C3
C3
C3
5
6
7
5
6
7
N2
C2
S2
14
13
13
menor
menor
S3
S3
8
9
8
9
C2
S2
15
15
menor
menor
Combinaciones de la etapa 4
S4 R4
C4 6
C4 5
C4 4
F4
6
5
4
S~4 F4=F3+R4
N3
16
menor
C3
18
S3
19
Se eligen las mejores combinaciones (los que tiene el menor kilometraje) y se obtiene la
siguiente tabla:
57
GESR
S4
C4
d4
6
~
S~3
F4 S 4 S3 d3 F3
S2
16 N3 N3 1,3 10 N2,C2 N2
C3 6,7 13 C2,S2 C2
S3 8,9 15 C2,S2 S2
d2
8
6
3
F2
9
7
6
S~2 S1
N1 N1
N1 C1
C1 S1
d1
1
3
7
S~1
N0
N0
C0
F1
1
3
7
Ejemplo 2
Un flujo msico de 700 lb/h se debe de distribuir entre tres reactores qumicos que
operan en paralelo:
Reactor
2
Reactor
1
N3
N2
N1
700
F2=F1+R2
F1=R1
R3
R2
R1
Etapa 3
Etapa 2
Etapa 1
d3
S3
d2
S~3
S2
d1
~
S 2 S1
~
S1
~
Identificar las variables de cada etapa (Si, di, Ri, S i )
58
GESR
S3
700
d3
F3
S~3
S2
0
100
200
300
400
500
600
700
d2
F2
S~2
S1
0
100
200
300
400
500
600
700
d1
0
100
200
300
400
500
600
700
F1
0
7
12
15
16
15
12
7
Combinaciones
Combinaciones de la etapa 2
S2
700
700
700
700
700
700
700
700
d2
700
600
500
400
300
200
100
0
R2
-42
-24
-10
0
6
8
6
0
S~2
0
100
200
300
400
500
600
700
600
600
600
600
600
600
600
600
500
400
300
200
100
0
-24
-10
0
6
8
6
0
0
100
200
300
400
500
600
-24
-3
12
21
24
21
12
500
500
500
500
500
500
500
400
300
200
100
0
-10
0
6
8
6
0
0
100
200
300
400
500
-10
7
18
23
22
15
400
400
400
400
300
200
0
6
8
0
100
200
0
13
20
F2=F1+R2
-42
-17
2
15
22
23
mayor
18
7
mayor
mayor
59
S~1
-
GESR
mayor
400
400
100
0
6
0
300
400
21
16
300
300
300
300
300
200
100
0
6
8
6
0
0
100
200
300
6
15
18
15
mayor
200
200
200
200
100
0
8
6
0
0
100
200
8
13
12
mayor
100
100
100
0
6
0
0
100
6
7
mayor
mayor
Combinaciones de la etapa 3
S3
700
700
700
700
700
700
700
700
d3
700
600
500
400
300
200
100
0
R3
-91
-60
-35
-16
-3
4
5
0
S~3
0
100
200
300
400
500
600
700
F3=F2+R3
-91
-53
-22
2
18
27
29
mayor
23
Se eligen las mejores combinaciones (los que tiene el mayor beneficio, F) y se obtiene
la siguiente tabla:
S3
700
d3
100
F3
29
S~3
600
S2
0
100
200
300
400
500
600
700
d2
0
0
100
100
100
200
200
200
F2
0
7
13
18
21
23
24
23
S~2
0
100
100
200
300
300
400
500
S1
0
100
200
300
400
500
600
700
d1
0
100
200
300
400
500
600
700
F1
0
7
12
15
16
15
12
7
S~1
-
60
GESR
Bibliografa
[1] T.F. Edgar, D.M. Himmelblau and L.S. Lasdon, Optimization of Chemical
Processes. McGraw-Hill, 2nd ed. 2001
[2] R.W. Pike, Optimization for Engineering Systems,
http://www.mpri.lsu.edu/bookindex.html, 2001
[3] D.M. Himmelblau, Applied nonlinear programming, McGraw-Hill, 1972
[4] J.A. Nelder and R. Mead, A simplex method for function minimization, Computer
Journal, vol 7, p 308-313, 1965
61