Académique Documents
Professionnel Documents
Culture Documents
Mtodos de Optimizacin
Ingeniera Civil
Apuntes 4
Programacin No Lineal
Mtodo de Lagrange y
condiciones de Kuhn-Tucker
Mnica Woywood Y.
Juan Carrasco M.
Especialidad Transporte
SEGUNDO SEMESTRE 2015
UdeC DIC / mwy
Mtodos de Optimizacin
3.Programacin No Lineal.
1. Introduccin
Contenido
Introduccin
Caso bidimensional con restricciones
funcionales
Interpretacin multiplicador de Lagrange
Caso general, muchas restricciones
Restricciones de no negatividad
Condiciones de Kuhn-Tucker
Aspectos bsicos de la teora dual
UdeC - DIC /mwy
Mtodos de Optimizacin
3.Programacin No Lineal.
ptimo se obtiene:
Mtodos de Optimizacin
3.Programacin No Lineal.
24/04/2015
L = L(f, g, )
Mtodos de Optimizacin
3.Programacin No Lineal.
= 0
= 0
L/ =
= 0
a - g(x1, x2)
Mtodo de Lagrange
Funcin de Lagrange o lagrangiano L
Multiplicador de Lagrange
Notar que en el ptimo:
L (x1, x2, )opt f (x1, x2)opt
UdeC - DIC /mwy
Mtodos de Optimizacin
3.Programacin No Lineal.
=>
3.Programacin No Lineal.
L/ a ptimo = (a)
L/ a ptimo = f /a ptimo = (a)
24/04/2015
Mtodos de Optimizacin
1
2
Max L (xi, j) = f (x1, x2, ... xn) + j (aj gj (x1, x2, ... xn) )
Condiciones de primer orden:
L/xi = f/xi - j g/xi = 0 i = 1,2,...n
L/j = aj - gj (x1, x2, xn ) = 0 j = 1,2,...m
As se tiene un sistema de n+m ecuaciones, n+m incgnitas.
3.Programacin No Lineal.
Max f(x)
s.a x 0
Se pueden distinguir 3 situaciones diferentes para
encontrar un punto mximo.
Mtodos de Optimizacin
3.Programacin No Lineal.
i)
ii)
x* = 0 y est en el borde de X = { x / x 0 }
Se observa que debe cumplirse:
f (x*) < 0
f(x)
Mtodos de Optimizacin
5. Restricciones de no negatividad.
f(x)
5. Restricciones de no negatividad.
f(x)
3.Programacin No Lineal.
y adems,
Mtodos de Optimizacin
f (x*) = 0.
3.Programacin No Lineal.
24/04/2015
5. Restricciones de no negatividad
Resumiendo, las condiciones de primer orden se puede caracterizar:
f (x*) = 0,
si x* > 0
(x* es interior de X)
f (x*) 0,
si x* = 0
(x* en un borde de X)
es decir:
f (x*) 0
x * f (x*) = 0
Se tiene:
Max f(x)
s.a g(x) + y = b
x 0, y 0
f (x*) /x 0
x * f (x*) /x = 0
x* 0
UdeC - DIC /mwy
Mtodos de Optimizacin
Aplicar el Lagrangeano.
3.Programacin No Lineal.
Explicitando:
L = f(x) + ( b - g(x) y )
L/x = 0
L/y = 0
L/ = 0
L/y = - 0
y L/y = - y = 0
y 0
3.Programacin No Lineal.
x L /x = 0
x 0
Mtodos de Optimizacin
L /y 0
y L /y = 0
y 0
Mtodos de Optimizacin
L/ = 0
3.Programacin No Lineal.
L/ = b g(x) y = 0
Dado que y no est en el problema original, se debe eliminar y.
Recordar y reemplazar: y = b - g(x).
UdeC - DIC /mwy
Mtodos de Optimizacin
3.Programacin No Lineal.
24/04/2015
0
(b g(x)) = 0
b g(x) 0
L/ = b g(x) y = 0
0 = 0
a) L/x 0
b) x L/x = 0
c) x 0
d) L/ 0
e) L/ = 0
f) 0
L/x 0 ; x L/x = 0 ; x 0
L/ 0 ; L/ = 0 ; 0
UdeC - DIC /mwy
Condiciones de
Kuhn-Tucker
Mtodos de Optimizacin
3.Programacin No Lineal.
Mtodos de Optimizacin
3.Programacin No Lineal.
a) L/x = c - A 0
b) x L/x = x ( c - A ) = 0
c) x 0
cx Ax b
b Ax
cx b
En especial, en el ptimo:
d)
e)
f)
L/ = b A x 0
L/ = ( b Ax ) = 0
0
Para que la solucin sea ptima, es necesario y suficiente que exista al menos
un tal que junto a esta solucin satisfaga las condiciones de KT.
Si el problema de PL tiene solucin, debe existir.
UdeC - DIC /mwy
L ( x* , * ) = f ( x* )
* (b g(x*)) = 0
ya que en el ptimo:
Analizar: L = f(x) + (b g(x) )
s.a x 0
Por lo tanto:
b g(x) 0
(b g(x)) = 0
Mtodos de Optimizacin
Max cx = c x* b
3.Programacin No Lineal.
, y x X.
Max c x = c x* = * b = Min b
Mtodos de Optimizacin
3.Programacin No Lineal.
24/04/2015
es equivalente a
Min b
s.a A c
0
Dual (min)
variable i 0
variable i 0
variable i irrestricta
restriccin j c
restriccin j c
restriccin j = c
Mtodos de Optimizacin
3.Programacin No Lineal.