La mayoría de los problemas de optimización implican limitaciones.

Para

Por ejemplo, puede ser necesario que no se supere una temperatura máxima

o un caudal máximo. Por lo tanto, la

La forma general de un problema de optimización implica tres

Elementos basicos:

1. Una función objetivo a optimizar (por ejemplo, minimizar

coste total, maximizar el potencial económico, etc.).

2. Restricciones de igualdad, que son ecuaciones que describen la

modelo del proceso o equipo.

3. Restricciones de desigualdad, que expresan límites mínimos o máximos

en varios parámetros.

Estos tres elementos del problema general de optimización

se puede expresar matemáticamente como

En este caso, hay n variables de diseño, con p igualdad

restricciones y restricciones q de desigualdad. La existencia de

tales restricciones pueden simplificar el problema de optimización al

reducir el tamaño del problema que se va a buscar o evitar

regiones problemáticas de la función objetivo. En general

Sin embargo, la existencia de las restricciones complica la

problema relativo al problema sin restricciones.

Ahora considere la influencia de las restricciones de desigualdad

sobre el problema de optimización. El efecto de las restricciones de

desigualdad es reducir el tamaño del espacio de solución que

debe ser registrado. Sin embargo, la forma en que las restricciones

limitan la región factible es importante. Figura 3.10

ilustra el concepto de regiones convexas y no convexas

La figura 3.10a muestra una región convexa. En una región convexa,

se puede trazar una línea recta entre dos puntos cualesquiera A

y B ubicado dentro de la región factible y todos los puntos

en esta recta también se ubicará dentro de la región factible. Por el

contrario, la figura 3.10b muestra una estructura no convexa.

región. Esta vez, cuando se traza una línea recta entre

dos puntos A y B ubicados dentro de la región, algunos de

los puntos en la línea recta pueden quedar fuera de lo factible

región. La figura 3.10c muestra una región que está restringida por

un conjunto de restricciones de desigualdad lineal. La región que se

muestra en

La figura 3.10c es convexa. Pero vale la pena señalar que un conjunto de

las restricciones de desigualdad lineal siempre proporcionarán un convexo

region1. Estos conceptos se pueden representar matemáticamente

para el problema general 1-3.

Ahora superponga las restricciones al objetivo

función. La figura 3.11a muestra un diagrama de contorno que tiene un

conjunto de restricciones de desigualdad impuestas. La región factible es

convexo y un algoritmo de búsqueda apropiado debe poder

para localizar el óptimo ilimitado. El sin restricciones

óptimo se encuentra dentro de la región factible en la Figura 3.11a.

En el nivel óptimo, ninguna de las restricciones está activa. Por

Por el contrario, considere la Figura 3.11b. En este caso, la región es

también convexo, pero el óptimo ilimitado se encuentra fuera

de la región factible. Esta vez, el punto óptimo está en
el borde de la región factible y una de las restricciones
está activo. Cuando se satisface la restricción de desigualdad,
como en la Figura 3.11b, se convierte en una restricción de igualdad.
La figura 3.11c ilustra el problema potencial de tener un
región no convexa. Si la búsqueda se inicia en el lado derecho
parte del diagrama a valores altos de x1, entonces es probable
que la búsqueda encontrará el óptimo global. Sin embargo, si
la búsqueda se inicia a la izquierda del diagrama en baja
valores de x1, es probable que la búsqueda localice el local
óptimo 1.
Cabe señalar que no es suficiente simplemente tener
una región convexa para garantizar que una búsqueda pueda localizar
el óptimo global. La función objetivo también debe ser
convexo si ha de minimizarse o cóncavo si ha de
ser maximizado.
También vale la pena señalar que la optimización estocástica
Los métodos descritos anteriormente se adaptan fácilmente a
la inclusión de restricciones. Por ejemplo, en simulado
recocido, si un movimiento sugerido al azar toma la solución
fuera de la región factible, entonces el algoritmo puede ser
limitado a evitar esto simplemente estableciendo la probabilidad
de ese movimiento a 0.