Está en la página 1de 28

1. CONCEPTOS DINÁMICA

FUNDAMENTALES

DE

LA

OPTIMIZACIÓN

  • LA OPTIMIZACIÓN:

La optimización es un tema predominante en el análisis económico. Por esta razón, los métodos de cálculo clásicos de encontrar extremos libres y limitados y las técnicas más recientes de programación matemática ocupan un lugar importante en el kit de herramienta de uso diario de los economistas. Útil como son, estas herramientas sólo son aplicables a los problemas de optimización estáticas. La solución buscada en este tipo de problemas por lo general consiste en " una sola magnitud óptima para cada variable de elección, tales como el nivel óptimo de producción por semana y el precio óptimo para cobrar por un producto. No llama a un calendario de acción secuencial óptimo.

  • LA DINÁMICA ECONÓMICA:

Permite el estudio de los hechos que anteceden a un fenómeno económico, el fenómeno en sí, las repercusiones o consecuencias de dicho fenómeno, así como su interrelación. La dinámica económica permite el estudio de hechos y fenómenos en forma cambiante, estudiando aspectos generales de los mismos, así como analizando concretamente la forma en que se desarrollan los diversos aspectos económicos

  • LA OPTIMIZACIÓN DINÁMICA

Estudia la obtención de la solución óptima de sistemas dinámicos que evolucionan en el tiempo; a estos sistemas se trata de guiar o controlar de manera óptima a lo largo de un horizonte temporal dado de acuerdo a un objetivo fijado ya que son susceptibles de influencia mediante decisiones externas.

La optimización dinámica, como su nombre indica, estudia la optimización dinámica de sistemas dinámicos, es decir, la optimización de sistemas que evolucionan en el tiempo, se trata de guiar o controlar el sistema de manera óptima a lo largo de un horizonte temporal dado, de acuerdo aún objetivo previamente fijado. Veamos algunos ejemplos que puede ayudar a una primera compresión. Un problema de optimización dinámica plantea la cuestión de cuál es la magnitud óptima de una variable de elección en cada período de tiempo dentro del período de planificación (caso de tiempo discreto) o en cada punto de tiempo en un intervalo de tiempo dado, digamos [0, 21 (caso de tiempo continuo). Incluso es posible considerar un horizonte de planificación infinito, de modo que el intervalo de tiempo correspondiente es [0, co) - literalmente, "de aquí a la eternidad. " La solución de un problema dinámico de optimización sería por lo tanto tomar la forma de una trayectoria temporal óptima para cada variable de elección, detallando el mejor valor de la variable actual, tomar fila, y así sucesivamente, hasta el final del período de planificación. A lo largo de este libro, vamos a utilizar el asterisco para denotar optimalidad. En particular, la trayectoria temporal óptima de un (- tiempo continuo) variable y se denota por Y *(t)

2. HISTORIA DE OPTIMIZACIÓN DINÁMICA

Se puede considerar que la optimización dinámica tiene raíces en el cálculo de variaciones, la teoría clásica de control y la programación lineal y no lineal (Bryson 1999) El cálculo de variaciones surgió en el siglo XVIII y recibió en los trabajos de Euler (1707-1783) y de LaGrange (1736-1813) la forma de una teoría matemática rigurosa. Tras algunos trabajos previos Euler público en 1744 el libro Método de búsqueda de líneas curvas con propiedad de máximos o mínimo, o la resolución del problema isoperimétrico tomado en su sentido más amplio, que es el primer libro en la historia sobre el cálculo de variaciones.

En 1755 Lagrange comunico a Euler el método general analítico, creado por él, en el que introduce la variación de una función y en donde extiende a las variaciones las reglas del cálculo diferencial. Esta idea de variaciones daría el nombre a la nueva disciplina. Otras aportaciones importantes al cálculo de variaciones se deben a Legendre (1752-1833), Jacobi (1804-1851), Hamilton (1805-1865), Weierstrass (1815- 18979.Bolza (1857-1942) y Bliss (1876-1951). El cálculo de variaciones se aplicó, tras su descubrimiento, sobre todo en física, especialmente en mecánica. El desarrollo sistemático de la teoría de control se inició en Estados Unidos alrededor de 1930 en el campo de las ingenierías eléctrica y mecánica. Hasta 1940, aproximadamente, los sistemas de control construidos eran sistemas de regulación: la velocidad de un motor o de una turbina hidráulica debían ser mantenidas en un entorno de un valor constante. Los diseños trataban de evitar inestabilidad. Durante la segunda guerra mundial aparecieron sistemas de control en los que la transición era más importante que la quietud: Es la clase de los servomecanismos, sistemas de persecución por ejemplo: el sistema de control para un arma de fuego requerida para alcanzar un objetivo móvil, con la ayuda de un radar. Se descubrió que gran parte de la teoría necesaria para el diseño de tales sistemas ya había sido desarrollado en el campo de la ingeniería de la comunicación. Aparecer la llamada teórica clásica de control, basada fundamentalmente en el dominio frecuencia.se comprobó que las ecuaciones diferenciales o en diferencias que describían la dinámica del sistema eran a menudo intratables, pero pasando el dominio frecuencia a través de la transformada de Laplace o z- transformada se producían resultados algebraicos a partir de los cuales se podían inferir características del sistema; sin embargo, esta teoría presentada serias limitaciones pues restringía el estudio a sistemas lineales con una sola variable de entrada y una de salida, e invariantes en el tiempo. Por otra parte, había que considerar, en determinados problemas, otros criterios que valorasen la evolución del sistema.

Los conceptos de controlabilidad y observabilidad introducidos por Kalma (1960) así como los métodos de optimización de Belma (1957) y Pontryagin (1962), fueron el origen de lo que se conoce como teoría moderna de control o teoría del control óptimo, basada en la descripción de un sistema según el enfoque del espacio de los estados. Los nuevos avances y sus aplicaciones no sólo caían en el campo de la ingeniería, sino también en el de la economía, biología, medicina, ciencias sociales. En esos años tuvieron lugar las aplicaciones más importantes del control óptimo al programa espacial americano. En economía, aparecen en los años cincuenta y sesenta del siglo xx algunas aportaciones que utilizan la teoría de control, aunque se trata de contribuciones aisladas. En los años sesenta se utilizan ya sistemáticamente técnica de control óptimo en la investigación de la teoría de crecimiento. A partir de 1970 hay ya gran interés por la teoría de control en distintos campos de la economía, tanto en trabajos teóricos como empíricos, y desde entonces proliferan los trabajos sobre el tema, que ha sido el instrumento básico para describir el comportamiento de individuos y empresas cuando la actividad económica se desarrolla a través del tiempo. En economía de la empresa se utilizan estas técnicas, con muy buenos resultados, para el estudio de problema como, por ejemplo, control de inventarios, selección de inversiones, mantenimiento y reemplazando de máquinas, planificación de la producción, política de publicidad, etc. Todo ellos desde la segunda mitad de los años sesenta. En macroeconomía hubo en los años setentas gran interés por la utilización de la teoría de control Kendri 1976 analiza alrededor de noventas aplicaciones.

3. CARACTERÍSTICAS PRINCIPALES DE LOS PROBLEMAS DE OPTIMIZACIÓN DINÁMICA

Aunque optimización dinámica se expresa sobre todo en términos de una secuencia de tiempo, también es posible contemplar el horizonte de planificación como una secuencia de etapas en un proceso económico. En ese caso, la optimización dinámica puede ser vista como un problema de toma de decisiones de múltiples etapas. La característica que distingue, sin embargo, permanece el hecho de que la solución óptima implicaría más de un valor único para la variable de elección.

3. CARACTERÍSTICAS PRINCIPALES DE LOS PROBLEMAS DE OPTIMIZACIÓN DINÁMICA Aunque optimización dinámica se expresa sobre todo

DECISIÓN MULTIETAPAS

El carácter de múltiples etapas de optimización dinámica se puede ilustrar con un ejemplo simple discreta. Supongamos que una empresa se dedica a la transformación de una determinada sustancia a partir de un estado inicial A (estado de materia prima) en un estado Z terminal (estado de productos acabados) a través de un proceso de producción de cinco etapas. En cada etapa, la empresa se enfrenta el problema de elegir entre varios subprocesos alternativas posibles, cada uno que implica un coste específico. La pregunta es: ¿Cómo debe la empresa de seleccionar la secuencia de subprocesos a través de las cinco etapas con el fin de minimizar el costo total. En la figura. 1.1, se expone un problema por el trazado de las etapas horizontalmente y verticalmente los estados. El estado A inicial se muestra por el punto más a la izquierda (al comienzo de la etapa 1), el estado del terminal de Z se muestra por el punto más a la derecha (al final de la etapa 5). El resto de los

puntos B, C,

K muestran los diversos estados intermedios en los que la

..., sustancia puede transformarse durante el proceso. Estos puntos (A, B,…, Z) se denominan vértices. Para indicar la posibilidad de transformación del estado A al estado B, trazamos un arco desde el punto A al punto. El otro arco AC muestra

Que la sustancia también se puede transformar en estado C en lugar de estado B. Cada

Que la sustancia también se puede transformar en estado C en lugar de estado B. Cada arco se le asigna un valor específico - en el presente ejemplo, un costo se muestra en un círculo en la figura. 1.1. La decisión de la primera etapa es si para transformar la materia prima en el estado B (a un costo $ 2) o en estado C (a un costo de $ 4), es decir, si elegir arco AB o de arco de CA. Una vez que se toma la decisión, surgirá otro problema de la elección en la etapa 2, y así sucesivamente, hasta que se alcanza el estado de Z. Nuestro problema es elegir una secuencia conectada de arcos que van de izquierda a derecha, comenzando en A y que termina en Z, de tal manera que la suma de los valores de los arcos de componentes se reduce al mínimo. Tal secuencia de arcos constituirá una trayectoria óptima. El ejemplo en la figura. 1.1 es lo suficientemente simple para que una solución se pueda encontrar mediante la enumeración de todos los caminos admisibles de la A a la Z y escoger el que tiene los valores de arco mínimos totales. Para problemas más complicados, sin embargo, se necesita un método sistemático de ataque. Esto lo discutiremos más adelante cuando introducimos la programación dinámica en la Sección. 1.4. Por el momento, sólo vamos a notar que la solución óptima para el presente ejemplo es el ACEHJZ camino, con US $ 14 como el

costo mínimo de producción. Esta solución sirve para señalar un hecho muy importante: Un procedimiento miope de una etapa - en -un-tiempo optimización no lo hará en el rendimiento general de la trayectoria óptima. Por ejemplo, un fabricante de decisión miope habría elegido arco AB sobre el arco de CA en la primera etapa, debido a que el primero implica sólo la mitad del costo de este último, sin embargo, en el lapso de cinco etapas, la más costosa de arco de la primera etapa de CA debe ser seleccionado en su lugar. Es precisamente por esta razón, por supuesto, que un método que puede tener en cuenta todo el período de planificación debe ser desarrollado.

costo mínimo de producción. Esta solución sirve para señalar un hecho muy importante: Un procedimiento miope

LA VERSIÓN VARIABLE CONTINUA

El ejemplo en la figura. 1.1 se caracteriza por una variable etapa discreta, que toma sólo valores enteros. Además, se supone que la variable de estado para

tomar valores que pertenece a un pequeño conjunto finito, {A, B, variables son continuas ... ,
tomar valores que pertenece a un pequeño conjunto finito, {A, B,
variables son continuas
...
,
Z). Si estas

Podemos en cambio tener una situación tal como se muestra en la figura. 1.2, donde, por ejemplo, nos hemos basado sólo cinco posibles caminos de la A a la Z. Cada camino posible es visto ahora a viajar a través de un número infinito de etapas en el intervalo [0, TI. También hay un número infinito de estados en cada

ruta, siendo cada estado el resultado de una elección particular hecho en una etapa específica. Para ser concretos, visualicemos la fig. 1.2 para ser un mapa de un terreno abierto, con la variable de fase que representa la longitud, y la variable de estado que representa la latitud. Nuestro trabajo asignado es la de transportar una carga desde el punto A a Z ubicando un costo mínimo al seleccionar una ruta de viaje apropiado. El coste asociado con cada posible camino depende, en general, no sólo de la distancia recorrida, sino también de la topografía en ese camino. Sin embargo, en el caso especial donde el terreno es completamente homogéneo, de manera que el coste de transporte por milla es una constante, el problema de menor costo simplemente se reducirá a un problema de más corta distancia. La solución en este caso es un camino recto, bien, porque este camino implica el menor costo total (tiene el valor de ruta más baja). La solución de la línea recta es, por supuesto, bien conocido, hasta el punto de que uno por lo general lo acepta sin exigir para ver una prueba de ello. Para la mayoría de los problemas descritos en lo que sigue, la variable etapa representar el tiempo; luego las curvas de la fig. 1.2 representará trayectoria en el tiempo. Como ejemplo concreto, consideremos una empresa con un capital social inicial igual a A en el tiempo 0, y un capitel stock objetivo predeterminado igual a Z momento T. Muchos planes alternativos de inversión durante el intervalo de tiempo [0, TI son capaces de alcanzar el objetivo de capital en el momento T. y cada plan de inversiones implica un camino capital específico e implica un potencial de beneficio específico para la empresa. En este caso, podemos interpretar las curvas de la figura. 1.2 como posibles caminos de capital y sus valores de ruta como los beneficios correspondientes. El problema de la empresa es identificar el plan de inversión, de ahí la capital camino - que produce el máximo beneficio potencial. La solución del problema, por supuesto, dependerá crucialmente de cómo el beneficio potencial está relacionado y determinado por la configuración de la ruta del capital.

De la discusión anterior, debe quedar claro que, independientemente de si las

variables son discretas o continuas, un tipo simple de problema de optimización dinámica contendría los siguientes ingredientes básicos:

  • a. Un determinado punto inicial y un punto final determinado;

  • b. Una serie de trayectorias admisibles desde el punto inicial hasta el punto terminal;

  • c. Un conjunto de valores de ruta de acceso que sirven como índices de rendimiento (costo, beneficio, etc.) asociados a los diversos caminos; y

  • d. Un objetivo que se ha especificado para maximizar o minimizar el valor de la ruta o el índice de rendimiento mediante la elección de la ruta óptima.

4. ENFOQUES DINÁMICA

ALTERNATIVOS

PARA

LA

OPTIMIZACIÓN

Para abordar el problema anteriormente indicado de optimización dinámica, hay tres enfoques principales. Anteriormente hemos mencionado el cálculo de variaciones y programación dinámica. El restante, la generalización moderna de cálculo de variación, va bajo el nombre de teoría de control óptimo. Vamos a dar una breve reseña de cada uno.

De la discusión anterior, debe quedar claro que, independientemente de si las variables son discretas o

CÁLCULO DE VARIACIONES

El cálculo de variaciones data del listón del siglo 17, el cálculo de variaciones es el enfoque clásico del problema. Uno de los primeros problemas que se plantea es el de la determinación de la forma de una superficie de revolución que encontrar la menor resistencia cuando se mueve a través de algún medio resistente (una superficie de revolución con el área mínima). Isaac Newton resolvió este problema y declaró sus resultados en su Principia, publicado en 1887. Otros los matemáticos de la época (por ejemplo, a Juan ya Jacobo Bernoulli) también estudiaron los problemas de carácter similar.

Estos problemas pueden ser representados por la siguiente formulación general:

Estos problemas pueden ser representados por la siguiente formulación general: Maximizar o minimizar Sujeto a: Y

Maximizar o minimizar

Sujeto a: Y y (0)=A (dado)
Sujeto a:
Y
y (0)=A
(dado)

y (T)=Z

(T, Z dado)

Tal problema, con un funcional integral en una sola variable de estado, con puntos inicial y terminal completamente especificados, y sin limitaciones, se conoce como el problema fundamental (o problema más simple) de cálculo de variaciones. Con el fin de hacer este tipo de problemas significativos, que, es necesario que el funcional integrable (es decir, la integral debe ser convergente). Supondremos se cumple esta condición cuando escribimos una integral de la forma general. Además, supondremos que todas las funciones que aparecen en el problema son continuas y continuamente diferenciables. Se necesita esta hipótesis porque la metodología básica que subyace a la de las variaciones se asemeja mucho a la del cálculo diferencial clásico. La principal diferencia es que, en lugar de tratar con el dx diferencial que cambia el valor de y = f (x), ahora vamos a hacer frente a la " variación " de toda una curva y (t) que afecta el valor de la funcional V [y]. Se presenta el problema básico de cálculo de control de variaciones con la deducción de las condiciones necesarias y suficientes de optimalidad. El resultado fundamental es la ecuación de Euler. En cualquier problema de cálculo de variaciones, a cada función admisible se le asigna un número real, lo cual se establece a partir de un funcional. Un funcional es una aplicación, cuyo dominio es un conjunto de funciones, y cuyo rango es un subconjunto de R.

a. Conceptos Variaciones:

Previos

de

Formulación

del

Problema

de

Cálculo de

En

el

caso

que nos ocupa, consideramos funcionales J cuyo dominio es el

conjunto Ω

Veamos algunos ejemplos sencillos de funcionales:

1) A cada función, le hacemos corresponder.

Como,

x es una función continua por lo que es integrable, y por tanto,

es

un número real. Se trata por tanto de un funcional.

 

2)

Para

, sea

. En este caso no se trata de un funcional pues la

derivada de una función derivable es en general otra función, y no es un número

real.

3) Para

sea

 

(

)

En este caso es un funcional pues, al ser derivable, la derivada de en el punto medio del intervalo en el que está definida, existe y es un número real.

  • b. Formulación del Problema de Cálculo de Variaciones:

A continuación, se define el problema de cálculo de variaciones para el caso escalar, con extremos fijos. Sea la función F una función de tres variables, de clase C (es decir que posee todas las derivadas parciales primeras y segundas, y son continuas). Se considera el siguiente funcional:

 

[

̇

]

En donde es la función derivada de

Se trata de encontrar

   

con derivadas

con respecto a primera y segunda

continuas

[

],

aquella función verificando que

funcional

siendo

, alcance el valor máximo (o el valor mínimo).

dados, para

la

que

el

El problema, por tanto, en el caso de maximización es

 
 

[

̇

]

En donde recordamos que

{

[

]

[

]}

Por tanto, para este problema, el conjunto factible (llamado conjunto de funciones admisibles) es

{

}

Como es habitual en optimización, el considerar solo el máximo (o el mínimo) de la función objetivo, en este caso del funcional objetivo, no supone ninguna pérdida de generalidad, ya que

[

]

Y, además, el elemento que minimiza

es el mismo

que maximiza [

].

  • c. Condición necesaria de primer orden. Ecuación de Euler:

La condición que vamos a obtener, llamada condición o ecuación de Euler, es la

más importante del cálculo de variaciones. Su deducción es muy sencilla y

fácilmente comprensible, pues se apoya en la programación matemática de funciones diferenciales.

Si

es un máximo local, entonces en

[

̇

]

̇ [

se verifica la siguiente condición:

̇

]

[

]

Que es la ecuación de Euler, donde

es la derivada parcial de

con respecto a

su primera variable variable ̇.

y

̇

es la derivada parcial de

con respecto a su segunda

  • EJERCICIO:

Obtener las funciones que verifiquen las condiciones necesarias de máximo local del siguiente problema:

[

̇

]

En este caso,

[

̇

]

̇

Calculemos sus derivadas con respecto a

 

y a

̇:

 

̇

 

̇

De donde:

̇

Como la ecuación de Euler es

 

̇

En este caso queda así:

 

̈

, es decir

̈

Integrando ambos miembros de la igualdad, se obtiene:

̈

Que es el único extremal.

Al imponer ahora las condiciones inicial y final, se obtiene.

Por lo que el máximo solo puede alcanzarse en la función

TEORÍA DEL CONTROL ÓPTIMO El estudio continuado de problemas de variaciones ha llevado al desarrollo del

TEORÍA DEL CONTROL ÓPTIMO

El estudio continuado de problemas de variaciones ha llevado al desarrollo del método más moderno de teoría de control óptimo. En la teoría de control óptimo, el problema de optimización dinámica es visto como que consta de tres (en lugar de dos) tipos de variables. Aparte de la variable tiempo t y la variable de estado y (t), se tiene en cuenta una variable de control u (t). De hecho, es el último tipo de variable. Que da la teoría de control óptimo de su nombre y ocupa el lugar central en este nuevo enfoque de la optimización dinámica. Para centrar la atención en la variable de control implica que la variable de estado es relegado a una posición secundaria. Esto sólo sería aceptable si la decisión sobre una vía de control u (t), una vez dada una condición inicial de y, determinar de forma inequívoca un camino y- variable de estado (t) como un subproducto. Por esta razón, un problema de control óptimo debe contener una ecuación que relaciona Y para U:

TEORÍA DEL CONTROL ÓPTIMO El estudio continuado de problemas de variaciones ha llevado al desarrollo del

Tal ecuación, llamada ecuación de movimiento (o la ecuación de transición o ecuación de estado), muestra cómo, en cualquier momento del tiempo, dado el valor de la variable de estado, la elección del planificador de que impulsará la variable de estado y en el tiempo. Una vez que hemos encontrado el camino de variables de control óptimo u * (t), la ecuación de movimiento haría posible la construcción de la relacionadas a la ruta variable de estado óptima 30 (t). El problema de control óptimo correspondiente al cálculo de variaciones problema (1.8) es la siguiente: maximizar o minimizar

TEORÍA DEL CONTROL ÓPTIMO El estudio continuado de problemas de variaciones ha llevado al desarrollo del

Tenga en cuenta que, en (1.9), no sólo el objetivo funcional contienen es como un argumento, sino que también ha cambiado de V [y] para V [ u). Esto refleja el hecho de que ahora es el instrumento fundamental de optimización. Sin embargo, este problema de control está íntimamente relacionado con el cálculo de las variaciones - problema (1.8). De hecho, mediante la sustitución de y (t) con u (t) , y la adopción de la ecuación diferencial y (t) U (t) como la ecuación de movimiento , se obtiene inmediatamente (1.9) . El avance más significativo en la teoría de control óptimo se conoce como el principio del máximo. Este principio se asocia comúnmente con el matemático ruso LS Pontryagin, aunque un matemático estadounidense, Magnus R. Tlestenes, producido de forma independiente un trabajo comparable en un informe de la Rand Corporation en 1949.2 La omnipotencia de este principio radica en su capacidad para tratar directamente con ciertas restricciones en la variable de control. En concreto, permite el estudio de los problemas en los que los valores admisibles de la variable de control se están confinados a otras cerradas, delimitadas convexas fijar bien. Por ejemplo, el conjunto de t puede ser el intervalo cerrado (0, 13, 0 requiriendo su (t) 5 1 durante todo el período de planificación. Si la propensión marginal a ahorrar es la variable

de control, por ejemplo, a continuación, con una restricción

Tenga en cuenta que, en (1.9), no sólo el objetivo funcional contienen es como un argumento,

, puede

muy bien ser apropiado. En suma, el problema abordado por la teoría de control óptimo es (en su forma simple) el mismo que en (1.9), excepto que una restricción adicional, u (t) ɛ U. para puede ser añadido a la misma. En este sentido, el problema de control (1.9) constituye un caso especial (sin restricciones) cuando el juego U control es toda la recta real.

  • a. Conocimientos básicos:

Control óptimo es definido como un control admisible que maximiza el funcional objetivo. La teoría de control óptimo constituye una generalización del cálculo de variaciones. Este método fue desarrollado por el matemático ruso L.S Pontryagin, a fines de la década de los cincuenta. Este matemático desarrollo la condición de

primer orden al problema del control óptimo, la cual se denomina principio máximo. Diferencia del cálculo de variaciones, en el problema de control optimo se incorpora tanto la variable de control (u) como la variable de estado (y).Además, las

dos variables se encuentran relacionadas mediante la ecuación de movimiento g ( . ).El objetivo del control óptimo es determinar las trayectorias de las variables de control y estado que optimicen un funcional objetivo:

Maximizar:

[

]

́

Sujeto a:

(

(

)

)

Este problema es muy similar al del cálculo de variaciones. El control óptimo se ha venido aplicando en la formulación de problemas económicos desde mediados de los años sesenta. Los trabajos pioneros fueron los de Koopmans y Cass, en los cuales se modela el crecimiento óptimo de una economía a lo largo del tiempo .El planteamiento de este modelo macroeconómico es simple. Por una parte, el funcional objetivo es la suma de las utilidades futuras de la sociedad:

 

Por otro

lado, en cada periodo, la economía está

sujeta

a

una restricción: la

producción debe destinarse a consumo o a inversión bruta en capital .De esta

manera:

 

́

Donde la función de producción depende del capital (k),

́

representa la

variación del stock de capital con respecto al tiempo o la inversión neta en capital, la tasa de depreciación y la depreciación del capital. Esta constituye la ecuación de movimiento, y relaciona el consumo (variable de control) con el capital existente en la economía (variable de estado).

En este tipo de problema de optimización dinámica se asume que existe un

“dictador benevolente” (denominado planificador social), a quien le interesa

maximizar el bienestar de la sociedad y decide las asignaciones de consumo y

capital en la economía.

De este modo, el problema que enfrenta el planificador social es el siguiente:

Maximizar:

 

́

sujeto a:

Dado)

A partir del problema (22) se obtiene la senda optima de tres variables: el consumo, EL CAPITAL (K) y la producción agregada ( . Una revisión detallada de la teoría de control optimo se encuentra en el capítulo III .En el desarrollo de la teoría y las aplicaciones se considerara el caso de una variable de control (u) y estado (y).

  • b. Desarrollo del tema control óptimo:

La teoría del control óptimo, mediante la cual pueden desarrollarse problemas de

optimización intertemporal más complejos. El problema básico de optimización intertemporal más complejos .El problema básico de control óptimo a resolver es el siguiente:

Maximizar:

Sujeto a:

́

(

Dado)

 

(

Libre)

[

]

Tal como se mencionó en el primer capítulo, en el problema de control optimo intervienen básicamente tres tipos de variables: el tiempo (t), la variable de estado (y) y la variable de control (u) .Algunos ejemplos económicos de variables de control y estado podrían ser la emisión monetaria y la inflación, o el gasto en publicidad y las ventas de una empresa. En estos casos, la primera variable, la de control, está sujeta a la decisión del agente que enfrenta el problema de optimización intertemporal, mientras que la segunda variable, la de estado, refleja el resultado de las decisiones tomadas sobre la variable de control.

La trayectoria de la variable de estado se encuentra determinada a través de la ecuación de movimiento o ecuación de estado, en la cual se relaciona la variación de la variable de estado con respecto al tiempo ( ́ ) con las variables “t”, “y” y “u” a través de la función g ( . ). Una vez seleccionado el valor óptimo de la variable de control en un instante del tiempo, la función g ( . ) determinar la dirección de crecimiento de la variable de estado y, de este modo, su trayectoria en el tiempo. De esta manera, cuando el agente optimizador selecciona la senda optima de la variable de control, afecta

tanto de manera directa el funcional objetivo mediante la variable “u”, como de

manera indirecta a través de la variable “y”, que se encuentra definida por la

ecuación de movimiento.

Por otra parte, en el problema (1) se considera un valor libre de y (T).Esta característica se debe a que en la derivación de la condición de primer orden del problema de control optimo, se hace referencia a sendas de control factibles, similares a las empleadas en la demostración de la ecuación de Euler. A través de la ecuación de movimiento, cada senda de control factible posee una correspondiente trayectoria factible de la variable de estado. En este sentido, si el problema tuviera un valor terminal dado, las sendas de control factibles no serian arbitrarias, sino que estarían predeterminadas para que satisfagan el

valor terminal de la variable de estado .De este modo, un valor terminal libre permite derivar la condición de primer orden del problema de control óptimo.

Con respecto a la variable de control, esta se encuentra restringida al conjunto Ω, que por lo general es un conjunto compacto y convexo .Esta restricción abre la posibilidad de que existan soluciones de esquina en el problema de optimización, a diferencia de los problemas de cálculo de variaciones, en los cuales solo se admiten soluciones interiores. En algunos problemas no se establecen restricciones a la senda de control (Ω=] [), por lo que se omite la condición u

(t)

.

Una de las ventajas que presenta la técnica de control optimo , es que no requiere necesariamente la continuidad y diferenciabilidad de las sendas de las variables de control y de estado en todo el horizonte de tiempo(0 , T).Para el caso de la senda optima de control , basta con que se sea continua por tramos o piecewisecontinuous .Este requisito implica que la trayectoria de la variable de control puede presentar un número determinado de puntos con discontinuidades , siempre y cuando en dichos puntos no tome un valor infinito.

  • c. CONDICION DE PRIMER ORDEN: principio del máximo:

Así como el cálculo de variaciones presenta una similitud con la optimización estática sin restricciones, el control óptimo vendría a ser equivalente a un problema de optimización estática sujeta a restricciones. En dicho caso, el problema puede resolverse mediante el método de los multiplicadores de Lagrange .A partir de la función objetivo, la restricción y una variable auxiliar λ, conocida como multiplicador de Lagrange, se conforma una nueva función, denominada Lagrangiana .Los valores que resuelven el problema una nueva función, denominada Lagrangiana .Los valores que resuelven el problema se determinan a partir de la optimización de esta función.

De igual forma, en el control optimo a partir de la función intermedia f (t , y , u) , la

ecuación de movimiento ́

y una variable auxiliar λ(t) , de nominada

variable de coestado , se determina la función hamiltoniana del siguiente modo:

Para determinar la senda

de las variables de control y estado que resuelven el

problema , a partir de la función Hamiltoniana se emplea una condición de primer

orden , denominada principio de máximo .A continuación , se derivaran las condiciones del principio del máximo y se desarrollaran algunas aplicaciones.

  • d. Principio del máximo:

Las sendas u (t) y (t) y

condiciones

del

principio

Hamiltoniana (2)

resuelven el problema (1) si satisfacen las

del

máximo

establecidas

para

la

función

a)

b)

́

c)

́

d)

La primera condición establece que el Hamiltoniana debe ser maximizado con respecto a la variable de control, sujeto a la restricción dada por el conjunto Ω. La maximización del Hamiltoniana puede brindar básicamente dos tipos de soluciones: una solución al interior de conjunto Ω o una solución en el contorno. Asumiendo que el conjunto de control es igual a Ω= ( ) y H es una función que depende de manera no lineal de “u”, entonces nos encontraríamos en una

situación como la presentada .En este caso, para maximizar H, en el punto A se debe cumplir que la primera derivada con respecto a la variable de control sea igual a cero y que el Hamiltoniano sea cóncavo con respecto a “u”

<0.

Por otra parte, con el mismo conjunto Ω, si H dependería linealmente de

la variable de control, la primera derivada nunca se haría igual a cero.

La segunda condición constituye la ecuación de movimiento de la variable de estado. La tercera condición representa la ecuación de movimiento de la variable

de costado. Estas dos ecuaciones, simultáneamente, se denominan sistema de

canónico o sistema Hamiltoniano. Finalmente, la cuarta condición consiste en la condición de transversal dad para el problema de control optimo, cuando el valor terminal de la variable de estado es libre.

Ejemplo:

Para ilustrar el principio de máximo, consideremos primero un ejemplo fuera de la economía: el de encontrar la trayectoria más corta desde un punto dado A hasta una línea recta dada. En la figura hemos graficado el punto A sobre el eje vertical en el plano ty, y hemos dibujado la línea recta como una vertical para t=T. se muestran tres trayectorias admisibles (del número infinito de ellas), cada una con una longitud diferente. La longitud de cualquier trayectoria es el agregado de pequeño segmentos de trayectoria, cada una de los cuales puede considerarse como la hipotenusa (que no se dibuja) de un triángulo formado por pequeños movimientos dt y dy. Si denotamos la hipotenusa como dh, por el teorema de Pitágoras tenemos:

La división de ambos lados entre

y la extraccion de la raiz cuadrada arrojan

[

(

)

]

[

]

……

..

(a)

La longitud total de la trayectoria puede encontrarse entonces por integración de (a) respecto a t=0 a t=T. si hacemos que y=u sea la variable de control, (a) puede expresarse como

………………… (b)

La minimización de la integral de (b) es equivalente a maximizar al negativo de (b). así como el problema de la trayectoria más corta es:

Maximizar

Sujeto a

Y

El Hamiltoniano para el problema es:

Sujeto a Y El Hamiltoniano para el problema es: PROGRAMACIÓN DINÁMICA Por primera vez por el

PROGRAMACIÓN DINÁMICA

Por primera vez por el matemático estadounidense Richard Bellman, de programación dinámica presenta otro enfoque del problema de control se indica en (1.9). Las más importantes características distintivas de este enfoque son dos: En primer lugar, incorpora el problema de control dado en una familia de problemas de control, con la consecuencia de que en la resolución del problema dado, en realidad estamos resolviendo toda la familia de problemas. En segundo lugar, para cada miembro de esta familia de problemas, la atención principal se centra en el valor óptimo de la funcional, V *, en lugar de en las propiedades de los YS óptimas estado de ruta de acceso (t) (como en el cálculo de variaciones) o la vía de control óptimo u * (t) (como en la teoría de control óptimo). De hecho, un valor óptimo función - la asignación de un valor óptimo para cada miembro de esta familia de problemas - se utiliza como una caracterización de la solución. Todo esto se explica mejor con un ejemplo específico discreta. Haciendo referencia a la figura. 1.6 (adaptado de Fig. 1.1), veamos primero cómo la " incrustación " de un problema que se hace. Dado el problema original de encontrar la ruta de menor

coste desde el punto A hasta el punto Z, consideramos que el problema más grande de encontrar la ruta de menor coste de cada punto en el conjunto (A, B , C

Z) para el punto terminal de Z. Hay entonces existe una familia de problemas

... de componentes, cada uno de los cuales está asociado con un punto inicial diferente. Esta es, sin embargo, que no debe confundirse con el problema de la variable en el punto inicial en el que nuestra tarea consiste en seleccionar el mejor

,

,

punto inicial. Aquí, vamos a considerar todos los puntos posibles como punto inicial legítimo por derecho propio. Es decir, aparte del punto genuino A inicial, hemos adoptado muchos puntos seudo iniciales (B, C, etc.) El problema relacionado con el punto de seudo Z inicial es obviamente trivial, ya que no permite ninguna elección real o de control, sino que se está incluyendo en el problema general en aras de la exhaustividad y la simetría. Pero el componente

punto inicial. Aquí, vamos a considerar todos los puntos posibles como punto inicial legítimo por derecho

Problemas a los otros puntos seudo iniciales no son triviales. Nuestro problema original ha sido así " incrustado " en una familia de problemas significativos. Dado que todos los problemas componente tiene un valor único camino óptimo, es posible escribir un valor óptimo función

V * = V * (i) (i = A, B,

Z) que dice que podemos determinar una vía óptima valor

... para cada punto inicial posible. De esto, podemos construir también una función política óptima. Que nos dirá la mejor manera de proceder de cualquier punto específico inicial i, con el fin de alcanzar la V * (i) mediante la selección adecuada de una secuencia de arcos que lleva desde el punto i hasta el punto Z, terminal de el propósito de la función de valor óptimo y la función de la política óptima es fácil

,

de entender, pero uno todavía puede preguntarse por qué tenemos que ir a la dificultad de encajar el problema, multiplicando así la tarea de solución. La respuesta es que el proceso de incorporación es lo que conduce al desarrollo de un procedimiento iterativo sistemático para la solución del problema original. Volviendo a la figura. 1.6, imaginemos que nuestro problema inmediato no es más

que el de determinar los valores óptimos para la etapa 5, asociado con los tres puntos iniciales I, J y K. La respuesta se ve fácilmente que V*(I)=3

V*(J)=1

V*(K)=2

Tras haber constatado los valores óptimos de I, J y K, la tarea de encontrar los valores de costo mínimo V * (G) y V * (H) se hace más fácil. Volviendo a la etapa 4 y la utilización de la información óptima - valor obtenido anteriormente en (1.10), podemos determinar V * (G), así como la GZ camino óptimo (de G a la Z) como sigue. Si tomamos el camino de GIZ, el valor de ruta resultante será el valor de GI arco más V * (I). Del mismo modo, si tomamos el GJZ camino, el valor de ruta resultante será el valor del arco GJ más V *(J). Así, el costo mínimo de la letra G para señalar Z es:

(1.11) * V (G) = min (valor de GI de arco + V * (I), valor de GJ arco + V * (J)) = min (2 + 3,8 + 1) = 5 [La trayectoria óptima. GZ es GIZ]

Para indicar que el camino óptimo de G a la Z debe pasar por I, hemos dibujado una flecha que apunta hacia la I de G, el número 5 en la flecha muestra el valor de la ruta óptima V (G). De la misma manera, nos encontramos con (1.12) * V (H) =min ( valor del arco HJ+ V * (J), valor de arco de HK + V *} =min (4 + 1,6 + 2) = 5 [El camino óptimo Hz se HJZ.] Nota de nuevo la flecha que apunta hacia la J de H y el número en él. El conjunto de todas esas flechas constituye la función de la política óptima, y el conjunto de todos los números en las flechas constituye la función de valor óptimo. Con el conocimiento de V * ( G) y V * ( H) , entonces podemos retroceder una etapa más para calcular V * ( D) , V * ( e) , y V * ( F) y las rutas óptimas DZ , EZ , y FZ- de una manera similar. Y, con dos más de estos pasos, estaremos de vuelta a la

etapa 1, en el que podemos determinar V * (A) y la ruta óptima AZ, es decir, resolver el problema original dado. La esencia del procedimiento de solución iterativa es capturado en principio de Bellman de optimalidad , que establece , más o menos , que si cortar el primer arco de una secuencia óptima de arcos , la secuencia abreviada restante todavía debe ser óptima en su propio derecho - como un ruta óptima desde su punto inicial hasta el punto terminal. Si EHJZ es el camino óptimo de E a Z, por ejemplo, entonces HJZ debe ser la ruta óptima de H a la Z. Por el contrario, si HJZ ya es conocido por ser el camino óptimo de H a Z, entonces un camino más largo que pasa óptima a H debe utilizar la secuencia HJZ al final de la cola. Este razonamiento está detrás de los cálculos en (1.11) y (1.12). Pero tenga en cuenta que con el fin de aplicar el principio de optimalidad y el procedimiento iterativo para delinear la trayectoria óptima de la A a 2, tenemos que encontrar el valor óptimo asociado con todos los puntos posibles en la figura. 1.6. Esto explica por qué tenemos que integrar el problema original. A pesar de que la esencia de la programación dinámica es suficientemente clarificado por el ejemplo discreto en la figura -. 1.6, la versión completa de dinámica programación incluye el caso de tiempo continuo. Por desgracia, la solución de los problemas de tiempo continuo de programación dinámica implica el más tópico matemático - avanzado de las ecuaciones diferenciales parciales. Además, las ecuaciones diferenciales parciales no suelen dan soluciones analíticas.

5. EJEMPLOS DE OPTIMIZACIÓN DINÁMICA

  • a. En Tiempo Continuo

Para solucionar problemas del tipo que veremos en clase, vamos a aplicar un resultado conocido como el Principio del Máximo. En general, este teorema se

describe de la siguiente forma. Supongamos que tenemos el problema de maximizar

A estas últimas condiciones se las denominan condiciones de transversalidad y a las funciones λ co

A estas últimas condiciones se las denominan condiciones de transversalidad y a las funciones λ co-estados. Las condiciones (5) a (8) son suficientes (además de necesarias) para una solución al problema si las funciones f y g son cóncavas en (x, u). Si el horizonte temporal fuese finito, es decir, si el problema fuese maximizar respecto a x(t) y u(t) la función

b. Tiempo Discreto Para entender el teorema del máximo, vamos a pensar en el problema pero
  • b. Tiempo Discreto

Para entender el teorema del máximo, vamos a pensar en el problema pero en

tiempo discreto y con horizonte finito. Queremos elegir x(t+1) = [x1(t+ 1), ... ,xn(t+ 1)] y
tiempo discreto y con horizonte finito. Queremos elegir x(t+1) = [x1(t+ 1),
...
,xn(t+
1)] y u(t)=[u1(t),
...
,um(t)] para maximizar