Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Esta es una compilacin de problemas hechos por diferentes autores y fuentes. Yo solo me he dedicado a ordenarlos en el
presente documento, con el fin de ser usado como apoyo a cursos de optimizacin.
-
Problema 1
Sea (P) el siguiente problema de optimizacin
( )
( )
d)
( )
( )
Pueden existir puntos factibles que cumplan KKT. Estas condiciones son necesarias y
no suficientes.
1
Problema 2
Considere el siguiente problema de optimizacin.
a)
b)
c)
d)
Solucin
3 9
A ,
2 4
Resolviendo el sistema de ecuaciones correspondiente a cada par de restricciones activas se
calculan los otros puntos.
Punto B: Se activan las restricciones
5 2
B ,
7 7
Punto C: Se activan las restricciones
C 0,1
3
D 0,
2
b)
min x1 2 x2
s.a.
5 x1 2 x2 3 0
x1 x2 1 0
3 x1 2 x2 3 0
x1 2 x2 3 0
x1 0
x2 0
Calculamos los elementos que componen la condicin KKT.
(
(
)
(
(
)
.
3
1
5
1 0
A : 1 4
2
2
2 0
No puede ser ptimo
1
5
1 0
B : 1 2
2
2
1 0
Cumple condicin necesaria, puede ser ptimo
1
1
1 0
C : 2 5
2
1
0 0
No puede ser ptimo
1
1
1 0
D : 4 5
2
2
0 0
No puede ser ptimo
convexa.
convexa
El punto debe cumplir la condicin necesaria de KKT
Como acabamos de probar iii) y tanto la funcin objetivo como las restricciones son convexas.
Luego el punto BH es el ptimo global del problema.
c)
Debieran existir direcciones factibles las cuales permitan mejorar la funcin objetivo. Estas
direcciones debieran formar un ngulo agudo con
y no debieran pertenecer al cono formado
por las restricciones activas en dichos puntos (es recomendable que grafiquen dichos vectores para
poder ver esto ms claramente).
d)
Grficamente, el cono corresponde a todos los vectores que estn entre
y
para el punto B.
Si graficamos
en el mismo punto, podemos ver que a diferencia de los puntos A, C y D, ahora
s pertenece al cono mencionado (la interpretacin es que para disminuir la funcin objetivo en
dicho punto, la nica forma es ir en contra de las restricciones y como esto no se puede, estamos en
el ptimo).
Problema 3
Considere el siguiente problema (P) de optimizacin
(
(
)
)
Dada la condicin de
crecimiento de ,
propondremos el punto A
como posible ptimo.
( )
( )
( )
( )
Pasando el problema a forma estndar.
)
(
(
(
)
)
), las restricciones
(
(
Sumando las ecuaciones (1) y (2) resulta
(1)
(2)
Luego reemplazamos:
(1)
(2)
(1) y (2) son l.d., existen infinitas soluciones, pero se puede demostrar que:
. En particular (
).
Problema 4
A) Dado el siguiente problema (P):
(P)
i)
ii)
Verificar grfica y analticamente que el punto ptimo cumple con las condiciones de
Karush-Kuhn-Tucker (KKT).
iii)
Puede haber otro punto que verifique KKT. En caso que s, encuntrelo. En caso que
no, justifique.
B) Supongamos que la funcin objetivo del problema (P) cambia como lo muestra el siguiente
problema:
(P1)
Solucin
A) Grficamente
ii)
Calculemos los gradientes del problema expresado segn la forma estndar de un problema
de KKT
(P)
Gradientes
f (2 x1 ,2 x 2 )
g1 (2 x1 ,1)
g 2 (2 x1 ,1)
Condiciones de KKT
1 g1 0 2 g 2 0
De la segunda ecuacin se tiene que
1 ( x12 x2 ) 0 1 (0 5) 1 0
2 ( x12 x2 5) 0 2 (0 5 5) 0 2
As se tiene que:
f (0,5) 2 g 2 (0,5) 0
(0. 10) 2 (0,1) 0
2 10
Luego Analticamente cumple KKT
Veamos grficamente: Tenemos los vectores:
f (0,5) (0,10)
g 2 (0,5) (0,1)
Grficamente se puede ver que menos el gradiente de la funcin objetivo es una combinacin lineal
(en particular una ponderacin) de la restriccin activa.
iv)
B) Supongamos que la funcin objetivo del problema (P) cambia como lo muestra el siguiente
problema:
(P1)
ii)
Verificar grfica y analticamente que el punto ptimo cumple con las condiciones de
Karush-Kuhn-Tucker (KKT).
Calculemos los gradientes del problema expresado segn la forma estndar de un problema de KKT
(P) (P1)
Gradientes
f ( 10,1)
g 1 ( 2 x1 ,1)
g 2 ( 2 x1 ,1)
10
Condiciones de KKT
1 g1 0 2 g 2 0
1 ( x12 x2 ) 0 1 (5 5) 1
2 ( x12 x2 5) 0 2 (2.5 2.5 5) 0 2
As se tiene que:
2 1.08
1 2.08
f (1.58,2.5) (10,1)
g1 (1.58,2.5) (3.16,1)
g 2 (1.58,2.5) (3.16,1)
Grficamente se puede ver que menos el gradiente de la funcin objetivo es una combinacin lineal
(en particular una ponderacin) de la restriccin activa.
11
No, no puede haber otro punto que verifique KKT pues la regin es convexa y tambin lo es
la nueva funcin objetivo, por lo tanto solo un punto verifica KKT y ste es el ptimo global.
Problema 5
Sea el siguiente problema de minimizacin:
a)
b)
c)
d)
e)
Determine un candidato para ser solucin ptima analizando el grafico. Verifique si este
candidato cumple con las condiciones de KKT.
f)
Solucin:
)
(
2 * x1 4
2 * x1 1
2 * x1
1
0
; g 1
; g 2
; g 3 ; g 3
f
0
1
2 * x2 4
2 * x2
2 * x2 1
2 * x1 4
2 * x1 1
2 * x1
1
0
1 *
2 *
3 * 4 *
0
1
2 * x 2 4
2 * x2
2 * x2 1
Y
* x
1 * x1 12 x 2 2 1 0
2
2
2
1 x 2 1 1 0
3 * x1 0
4 * x 2 0
Entonces,
13
2 1
y son linealmente dependientes, al igual que
0 0
0 0
y , por lo
2 1
De donde
Punto (2,0):
Entonces,
De donde
14
Punto (0,2):
Entonces
De donde
15
e).
El candidato para ser solucin ptima se encuentra entre la interseccin de las restricciones ms
cercanas al (4,4).
Utilizando entonces g1 y g2 (restricciones activas) para obtener el punto (x1, x2) correspondiente,
llegamos a que el candidato a ptimo es el (1,1).
Cumple KKT?
Entonces,
De donde
f)
La solucin ptima es el valor encontrado en la parte anterior, como se observa grficamente, la
regin es convexa, pues los puntos que conforman la lnea que une a cualquier par de puntos dentro
de la regin pertenecen a ella.
As como la regin es convexa, tambin lo son las restricciones asociadas y funcin objetivos
asociadas. Luego el punto ptimo es: (x1, x2) = (1,1).
Y la funcin objetivo: f(1,1)=9+9=18
16