Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Abstract— The penalty method is responsible for solving debe estar estructurado de manera que la minimización
the restricted optimization of nonlinear functions by converja a la solución del restringido original. Los
means of algorithms. As mentioned above, optimization is problemas carentes de restricción o problemas resultantes
the ability to do or solve something in the most efficient surgen al agregar un término llamado “función de
way possible and, at best, using the least amount of penalización” a la función objetivo. La función objetivo es
resources. [2] For its part, restricted optimization refers to aquella que mapea un evento; es decir, es aquella que
the process of optimizing an objective function with mapea un conjunto de resultados de algún procedimiento
respect to some variables in the presence of restrictions on que puede ser repetido infinitamente. Consiste en un
themselves. [3] Algorithms are ordered sets of systematic parámetro de penalización multiplicado por una medida
operations that allow us to make a calculation and find the de violación de las restricciones.
solution to a type of problem.
Palabras claves—
The function of this method is to approximate a restricted Algoritmos
problem to an unrestricted one, the result must be Funciones no lineales
structured in such a way that the minimization converges Optimización restringida
to the solution of the original restricted one. Unrestricted Penalización
problems or resulting problems arise by adding a term Restricciones
called "penalty function" to the objective function. The
objective function is one that maps an event; that is, it is
one that maps a set of results of some procedure that can
be infinitely repeated. It consists of a penalty parameter I. INTRODUCCIÓN
multiplied by a measure of violation of restrictions.
En este artículo se da a conocer el método de la
Keywords— penalización, su desarrollo, sus utilidades y aplicaciones
Algorithms en el campo de la ingeniería. Este método surge como
Nonlinear functions una opción de aplicación a la optimización restringida, la
Penalty cual ayuda a encontrar los puntos máximos y mínimos
Restricted optimization sujeto a alguna restricción. Cabe aclarar que la
Restrictions optimización se basa en la reducción de los tiempos del
ciclo productivo y el aumento del rendimiento de las
Resumen— El método de la penalización se encarga de
darle solución a la optimización restringida de funciones diferentes plantas de producción. [1]
no lineales por medio de algoritmos. Como se mencionó
anteriormente la optimización es la capacidad de hacer o
resolver alguna cosa de la manera más eficiente posible y, II. CONFIGURACIÓN DEL PROBLEMA
en el mejor de los casos, utilizando la menor cantidad de Tenemos el problema de optimización restringido,
recursos.[2] Por su parte, la optimización restringida se
refiere al proceso de optimización de una función objetivo
con respecto a algunas variables en presencia de ( P): min f ( x )
x ∈δ
restricciones en ellas mismas.[3] Los algoritmos son
conjuntos ordenados de operaciones sistemáticas que
permiten hacer un cálculo y hallar la solución de un tipo Donde f : R n → R es continua y δ es una restricción
de problemas. establecida en Rn .
La función de dicho método consiste en aproximar un
problema restringido a uno no restringido, el resultante
2
Introducimos el programa de penalización (P(c)), el de esto, no es necesario comenzar con una solución
problema sin restricciones: factible en las funciones de penalización exterior. Porque
encontrar una solución factible en muchos problemas de
min f ( x ) +cp ( x ) GA es un NP-hard en sí mismo. La formulación general
x∈ Rn de una función de penalización exterior es:
q m
Donde c>0 y p : Rn → R es una función de penalización
donde p ( x ) ≥ 0 ∀ x ∈ Rn, y p ( x ) =0 iff x ∈δ .
Φ ( x )=f ( x ) + [ ∑ r i Gi +
i =0
∑
j=q+1
c jLj ]
Dónde φ (x) indica la nueva función objetivo que se
Intuitivamente, el término de penalización se usa para optimizará. G i Y L j las funciones de gi ( x ) y h j ¿ )
dar un alto costo por la violación de las restricciones. restricciones respectivamente, r i y c j son pena
parámetros Fórmulas generales de G i y L j son:
β
G i=max [ 0 , gi (x ) ] (1)
γ
L j =|h j ( x)| (2)
Para grande C, el punto mínimo de un problema VI. MÉTODO DEL PUNTO EXTERIOR
(P(c)) está en una región donde la penalización pes En este método se impone que la función objetivo
pequeña. De hecho, demostraremos a continuación que aumente su valor cuando el de x se aleja de la región
c → ∞ , la solución del problema de penalización (P(c)) factible. Se renuevan los parámetros de penalización
convergirá a una solución del problema restringido (P). haciendo que, la secuencia de soluciones de los
problemas de optimización sin restricciones asociados
converja a la solución óptima. Está sucesión está
contenida en el exterior de la región factible.
IV. METODO DE PENALIZACION LEMMAS
Tomamos 0< c1 < c2 … .<c k <c k +1<. … → ∞ como Problema de optimización:
nuestro parámetro de penalización. Se deja a
q (c , k) :=f ( x)+cp ( x) como el programa de Z=f ( x)
penalización. Así mismo se deja Sujeto a:
xk =arg minx q (ck , x)=argminx f ( x)+ckp ( x) . h ( x )=0
g ( x )≤ 0
Con la notación mencionada anteriormente, se
muestra lo siguiente para la penalización de lemmas: Donde f : R n → R , g : Rn ⟶ R m y h : Rl → R son
1. q ( ck , xk ) ≤ q ( ck +1 , xk +1 ) continuas.
2. p ( xk ) ≥ p ( xk +1 )
Se denota por S la región factible.
3. f ( xk ) ≤ f ( xk +1 )
4. f ¿ La función de penalización exterior es:
m
Se necesita la función de penalización:
0=∇ F ( х K )+гр K ∇ p( х к)=∇ f ( x k )+ ∑ u i, k ∇ g i(x k )donde u i , k=c k ∂ γ (g+(x k ))∂(g +i( x k ))
i=1
(3) p(x )=0 si g(x )≤ 0 Y h( x)=0
p(x )> 0 si g (x)>0 O h(x )=0
0=∇ f ( x k )+(u k )T ∇ g(x k ) (4)
Se puede utilizar:
uk ahora parece un multiplicador de Lagrange. De hecho, m k
bajo algunas condiciones, como x k → x∗¿ ⇒ u k → u∗¿ p(x )=∑ [max {0 , г я( X )}]q + ∑ ¿ h i(x)∨q , q ≥1
dónde u∗ es el multiplicador de Lagrange en el óptimo. i=1 i=1
(6)
4
∂ gi ( x )
PENALIZACIÓN ( x)
∂ g +¿
i
Suponer f, g, p son funciones continúas siendo Pero ¿ puede no ser continuo en 0. Sin
∂x
X k =argmin X f (x )+ c k p(x ) para una función de
embargo, si elegimos γ tal que ∂ γ ¿¿ = 0 cuando gi ( x )
penalización p (x) desde 0 < C 1 < C 2 < . . . < C k < C k ( x)
+ 1 < . . . → ∞. Siendo X el punto límite arbitrario de ∂ g +¿
i
entonces no importará si ¿ es discontinuo,
{ X k }∞ k=1 ¿. ∂x
Luego, X se resuelve p(x), dónde p(x) es el problema porque se multiplicará por 0. Uno de estos γ (x) es
m
restringido original min x f ( x ) st g( x )≤ 0.
∑ ¿¿
i=1
CONCLUSIONES
II. REFERENCIAS