Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
Un problema de optimización también se conoce como un problema de programación matemática
o problema de minimización.
En el caso más simple, un problema de optimización consiste en maximizar o minimizar una función
real eligiendo sistemáticamente valores de entrada (tomados de un conjunto permitido) y
computando el valor de la función.
En un problema típico en ingeniería se tiene un proceso que puede ser representado por un modelo
matemático. Usted también tiene un criterio de desempeño tales como el costo mínimo. El objetivo
de la optimización es encontrar los valores de las variables del proceso que producen el mejor valor
del criterio de desempeño.
Tipos de modelos
Modelo físico
Modelo análogo
Modelo simbólico
Optimización y Modelado
Aplicaciones: Los problemas de optimización son muy comunes en el modelado matemático de
sistemas reales en un amplio rango de aplicaciones: economía, finanzas, química, astronomía, física,
medicina, computación, ...
Metodos de resolución
La clasificación de los métodos de resolución de problemas de optimización se puede organizar de
la siguiente forma:
Resolución mediante cálculo: Se utiliza el cálculo de derivadas para determinar para qué
valores del dominio la función presenta un máximo o un mínimo. Son métodos de
optimización muy robustos, pero no se ajustan a las restricciones continuidad y tienen
demasiadas variables como para que su tratamiento pueda ser eficiente.
Optimización convexa
La Optimización Convexa es una rama de las técnicas de Optimización que trata sobre técnicas de
minimización de funciones convexas sobre un dominio también convexo.
Características fundamentales
Cada problema de optimización contiene tres categorías esenciales.
2. Restricciones de igualdad
3. Restricciones de desigualdad
Descripción matemática
Maximice
Sujeto a
Donde
x ∈ ℜn es un vector de n variables
como
(x0,x1,x2,..xn)
h(x) es un vector de igualdades de dimensión m1.
g(x) es un vector de desigualdades de dimensión m2.
Solución Factible
Por una solución factible nos referimos a un conjunto de variables que satisfagan las
categorías 2 y 3 (Restricciones de igualdad Restricciones de desigualdad).
La región de soluciones factibles se llama la región factible.
Solución optima
Una solución óptima es un conjunto de valores de las variables que se contienen en la región
factible y también proporcionan el mejor valor de la función objetivo en la categoría 1.
Optimizacion estática
Algunos ejemplos de optimización estática son los siguientes:
Optimización dinámica
Algunos ejemplos de optimización dinámica son los siguientes:
Optimalidad
Consideremos primero el caso con dos variables de decisión, x1 y x2. Así, consideramos una
función f(x1,x2).
Para el caso de dos variables de decisión (variables independientes) se usan las derivadas parciales
del cálculo para describir óptimos locales o globales.
Usaremos la notación fx1 para la primera derivada parcial, para la segunda derivada parcial fx2.
Cualquier punto (por ejemplo, los valores de x1 y x2) en el que todas las primeras derivadas
parciales se anulen se conoce como punto estacionario. Tenemos la siguiente condición necesaria
para la optimalidad.
Condición de optimalidad
Tenemos la siguiente condición necesaria para la optimalidad.
En un punto máximo o mínimo local, ambas derivadas parciales deben ser iguales a cero
(esto es, fx1=fx2=0 ). Es decir, un punto máximo local o un punto mínimo local siempre es
un punto estacionario.
Máximos y Mínimos
Una función f tiene un máximo absoluto (o máximo global) en c si f(c) ≥ f(x) para toda x en D
donde D es el dominio de f. El número f(c) se llama valor máximo de f en D.
De manera análoga, f tiene un mínimo absoluto en c si f(c) ≤ f(x) para toda x en D; el número f(c)
se denomina valor mínimo de f en D. Los valores máximo y mínimo de f se conocen como valores
extremos de f.