25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Optimizacin en Ingeniera
Ing. Johnny Cueva Valdivia

Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Introducci on
Llamamos optimizaci n al acto de obtener el mejor resultado o posible dadas ciertas circunstancias. No existe ningun m todo de e optimizaci n que pueda resolver eficientemente todo tipo de problemas o y de ah que se hayan desarrollado diversos m todos a lo largo de los e an os.

Clase No. 1

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Introducci on
La optimizaci n tiene enorme aplicabilidad en muchas ramas del o conocimiento, aunque el nfasis de este curso ser n las aplicaciones en e a ingeniera. N tese que este curso dar prioridad a los aspectos o a algortmicos y de implementaci n sobre los aspectos te ricos. Por o o lo tanto, se requieren buenos conocimientos de programaci n, o as como conocimientos b sicos de c lculo y de trigonometra. a a

Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Introducci on
A los m todos de optimizaci n se les conoce tambi n como e o e t cnicas de programaci n m ate m tica y se les suele estudiar e o a en investigaci n de operaciones. o La investigaci n de op eraciones es una rama de las o matem ticas que se ocupa de m todos y t cnicas aplicables a a e e problemas de toma de decisiones, as como del establecimiento las mejores soluciones posibles (o sea, las ptimas). o

de

Clase No. 1

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Introducci on
La tabla del acetato siguiente muestra una clasificaci n de m todos o e de optimizaci n: o

Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

T c n i c a s d e P r o g r a m a c i n e o M a t e m t ic a a M t o d o s d e c lc ulo C lc ulo d e e a a v a r i a c i o n e s P r o g r a m a c i n n o o l i n e a l P r o g r a m a c i n g e o m t r i c a o e P r o g r a m a c i n c u a d r t i c a o a P r o g r a m a c i n l i n e a l o P r o g r a m a c i n d i n m i c a o a P r o g r a m a c i n e n t e r a o P r o g r a m a c i n e s t o c s t i c a o a P r o g r a m a c i n s e p a r a b l e o P r o g r a m a c i n m u l t i o b j e t iv o o M t o dos de redes : C P M y P E R T e T e o r a d e j u e g o s R e c o c i d o s im u l a d o Algo r it mo s ge n t ic o s e R e d e s Ne ur o na le s

T c nic a s e E s t o c s t ic a s a T e o r a d e d e c i s i n o e s t a d s t ic a P r o c e s o s d e M a rk o v T e o r a d e c o l a s T e o r a d e r e n o v a c i n o M t o d o s d e s im u l a c i n e o T e o r a d e c o n f i a b i l i d a d

M todos e E s t a d s t ic o s A n lis is d e r e g r e s i n a o A n lis is d e c l u s t e r s , a r e c o n o c imie nt o d e p a t r o n e s Dis e n o d e e xp e r ime n t o s A n lis is d i s c r i m i n a t o r i o a ( a n lis is d e f a c t o r e s ) a

Clase No. 1

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Introducci on
N tese que en este curso nos concentraremos en las t cnicas de o e programaci n matem tica y no cubriremos ni m todos estoc sticos o a e a ni m todos estadsticos. e Dentro de las t cnicas de programaci n matem tica, nos e o a concentraremos fundamentalmente en los m todos para e optimizaci n no lineal sobre una y varias variables, en la ausencia o de restricciones. Veremos tambi n (si el tiempo lo permite) un poco e sobre m todos de optimizaci n en espacios restringidos. e o

Clase No. 1

2009

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Introducci on
Las t cnicas de programaci n m ate m tica son utiles para e o a encontrar el mnimo de una funci n de varias variables sujeta a un o conjunto de restricciones. Las t cnicas esto c sticas pueden e a usarse para analizar problemas descritos por un conjunto de variables aleatorias con una distribuci n de probabilidad conocida. o Los m to dos estad e sticos nos permiten analizar datos experimentales y construir modelos empricos para obtener representaci n m s precisa posible del problema real. o a la

Clase No. 1

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

Los primeros m todos de optimizaci n se remontan e o a la poca de e Isaac Newton (1643-1727), Joseph-Louis Lagrange (1736-1813) y Augustin-Louis Cauchy (1789-1857).

Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

El desarrollo de m todos de c lculo diferencial para optimizar fue e a posible gracias a las contribuciones de Isaac Newton y Gottfried Wilhelm von Leibniz (1646-1716).

Clase No. 1

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

Los fundamentos de c lculo de variaciones, que lidia con la a minimizaci n de funciones, fueron sentados por Johann o Bernoulli (1667-1748), Leonhard Euler (1707-1783), Joseph-Louis Lagrange y Karl Weierstrass (1815-1897).

Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

El m todo de optimizaci n para problemas con restricciones, e o el cual involucra la adici n de multiplicadores desconocidos, se conoce o como hoy en da con el nombre de su inventor: Lagrange.

Clase No. 1

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

Cauchy desarroll la primera aplicaci n del m todo o o e empinado para resolver problemas de minimizaci n o restricciones.

de descenso sin

Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes Hist oricos

A pesar de estas primeras aplicaciones, se logr muy poco progreso o hasta mediados del siglo XX, cuando el advenimiento de las computadoras digitales hizo posible la implementaci n de los o algoritmos de optimizaci n existentes y estimul el desarrollo de o o nuevos m todos. e Esto marc el inicio de una poca increblemente productiva en la cual o e surgi un volumen muy considerable de publicaciones sobre o optimizaci n. Esto produjo tambi n el surgimiento de varias reas bien o e a definidas en teora de la optimizaci n. o

Clase No. 1

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

Es interesante hacer notar que los principales desarrollos en el rea a de m todos num ricos para optimizaci n sin restricciones se e e o llevaron a cabo en el Reino Unido en los 1960s. El m todo simplex fue e desarrollado por George Dantzig (1914- ) en 1947 y el principio de optimalidad para problemas de programaci n din mica fue o a anunciado en 1957 por Richard Bellman (1921-1984).
Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

Esto sent las bases para el desarrollo de m todos o e de optimizaci n o en espacios restringidos. Sin embargo fue el traba jo de Harold W. Kuhn y Albert W. Tucker en 1951 en torno a las condiciones necesarias y suficientes para la soluci n a un problema de o optimizaci n lo que estableci los fundamentos para una enorme o o cantidad de investigaci n posterior en optimizaci n no lineal. o o
Clase No. 1

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

Igualmente significativas fueron las contribuciones de G. Zoutendijk y J. Ben Rosen durante principios de los 1960s (ambos contribuyeron a la optimizaci n no lineal). o

Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes Hist oricos

Aunque no se ha encontrado ninguna t cnica de optimizaci n e o cuya aplicabilidad a programaci n no lineal sea universal, el traba jo de o C.W. Carroll y el de Anthony V. Fiacco & Garth P. McCormick, permiti resolver una amplia gama de problemas con restricciones o usando funciones de penalizaci n. o

Clase No. 1

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

La programaci n geom trica fue desarrollada en los o e Duffin, C. Zener y E.L. Peterson.

1960s por R.J.

Ralph E. Gomory realiz traba jo pionero en programaci n entera, o o que ha sido una de las reas de mayor a crecimiento en optimizaci n o (esto se debe a que muchos problemas del mundo real caen dentro de este tipo de clasificaci n). o

Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

George Dantzig y Abraham Charnes & William Wager Cooper desarrollaron t cnicas de programaci n estoc stica para resolver e o a problemas en los cuales se presupone que los par metros de disen o a son independientes y siguen una distribuci n o normal.

Clase No. 1

10

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

El deseo de optimizar simult neamente dos o m s funciones a a objetivo, motiv el desarrollo de la optimizaci n multiobjetivo. o o Uno de los primeros m todos multiobjetivo que a un sigue en uso fue la e programaci n por metas (goal programming), propuesta por Charnes y o Cooper en 1961 para problemas lineales.
Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

Los fundamentos de teora de juegos fueron desarrollados por John von Neumann en 1928, y desde entonces se ha aplicado esta t cnica e a varios problemas, sobre todo en economa. La aplicaci n de teora o de juegos a la soluci n de problema de ingeniera es relativamente o reciente.
Clase No. 1

11

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes Hist oricos

La segunda mitad del siglo XX se caracteriz por el advenimiento o de las heursticas tales como el recocido simulado, los algoritmos gen ticos y las redes neuronales. e El recocido simulado imita el proceso de enfriamiento de los s lidos. Los o algoritmos gen ticos son t cnicas de busqueda y optimizaci n basadas en e e o la selecci n natural y la gen tica. o e

Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Antecedentes

Hist oricos

Las redes neuronales son t cnicas de clasificaci n basadas e o de modelos de celdas simples (llamadas neuronas) interconectadas entre s.

en el uso

Clase No. 1

12

25/10/2012

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Algunas Aplicaciones de la Optimizaci n en Ingenier o a

En el sentido m s amplio del t rmino, la optimizaci n a e o puede aplicarse para resolver cualquier problema de ingeniera. Algunos ejemplos de aplicaciones son los siguientes: Disen o de estructuras para aviaci n y el espacio con un peso o mnimo. Determinaci n de trayectorias ptimas de vehculos espaciales. o o
Clase No. 1

O P T IM IZ AC I N E N I N G E NIE RA

I n g J o h n n y C u e va V a l d i v i a

Algunas Aplicaciones de la Optimizacin en Ingeniera

Disen o de estructuras civiles tales como marcos, cimentaciones, puentes, torres, chimeneas, y presas, con un costo mnimo. Disen o ssmico de estructuras (con cargas aleatorias). Disen o de sistemas de agua potable y alcantarillado.

Clase No. 1

13