OPTIMIZACIN
UNIVARIABLE
Bases Matemticas
O Un problema de optimizacin, se puede establecer en forma
general como:
O Determinar x, el cual minimiza o maximiza f (x)
sujeto a
ei (x) = bi
di (x) ai
i = 1,2,.p (3.1)
i = 1,2,.m (3.2)
O Donde x es un vector de diseo con n dimensiones, f (x) es la
funcin objetivo; di (x) son las restricciones de desigualdad; ei (x)
son las restricciones de igualdad, y ai y bi son constantes.
O Los problemas de optimizacin se pueden
clasificar con base en la forma de f (x) como:
O 1. Programacin lineal.
O 2. Programacin cuadrtica.
O 3. Programacin no-lineal.
O Adems cuando las ecuaciones (3.1) y/o (3.2)
estn incluidas en el problema, tenemos un
problema de optimizacin restringida; de otra
forma es un problema de optimizacin norestringida.
O Otra manera de clasificar los problemas de optimizacin,
depende del tipo de variables x que se tenga.
Enteras; Variables que toman nicamente valores enteros.
No-Enteras; un problema que involucra solamente variables
reales.
Mixta-Enteras; involucre tanto variables enteras como
reales.
O Una manera ms en la cual se clasifican los problemas de
optimizacin es mediante la dimensionalidad, con lo cual se
clasifican los problemas en unidimensionales y
multidimensionales.
Como su nombre lo indica, los primeros involucran funciones
que
dependen de una sola variable, n = 1, mientras que los
problemas multidimensionales involucran funciones que
dependen de dos o ms variables, n 2.
O Finalmente, el proceso de encontrar un
mximo versus encontrar un mnimo es
en esencia idntico, ya que el mismo
valor, x, minimiza f (x) y maximiza
f(x).
O Esta equivalencia se ilustra en forma
grfica por una funcin unidimensional
Qu es?
O La primera aplicacin de la derivada
esta dirigida a la maximizacin o
minimizacin de funciones. Suponga
que y = f (x) es una funcin y se desea
conocer los valores mayor y menor de
y para x en algn dominio conocido.
En la mayora de los casos los valores
mximo o mnimo se encuentran en un
"turning point", el cual es un mximo o
mnimo local.
Mtodos analticos
O En este caso se tendr que disponer de la forma explcita de la
funcin objetivo y= f (x), su primera derivada dy/dx=f(x) y la
segunda derivada d^2y/dx^2=f(x). De esta manera se
resolver para x la ecuacin no-lineal df(x*)/dx=f(x)=0 (1) y
todos los valores x que cumplan con la identidad sern los
puntos crticos. Para determinar el tipo de punto crtico se
sustituir en la expresin de la segunda derivada, de acuerdo
al siguiente criterio
O F(x*)>0 Mnimo
O F(x*)<0 Mximo
O F(x*)= 0 Punto de Inflexin
O Cabe mencionar que cuando x no se puede resolver
analticamente de la ecuacin (1), se hace uso de los mtodos
numricos para la solucin de ecuaciones no-lineales. Tales
mtodos son: Biseccin, Secante, Newton-Raphson, etc.
Mtodo de reduccin de intervalo
O Consideremos el problema: min f(x) / x[a,b]. [a,b] se
denomina intervalo de incertidumbre, puesto que el
ptimo x* [a,b] pero se desconoce su valor. Es necesario
destacar que a y b son valores elegidos arbitrariamente,
no son restricciones del problema, de manera tal que si
el ptimo cae en uno de los extremos del intervalo, es
necesario desplazar el valor del intervalo y resolver
nuevamente el problema. Los algoritmos de bsqueda
del ptimo por reduccin de intervalo, esencialmente se
basan en reducir el intervalo de incertidumbre
eliminando porciones del mismo en las cuales se tiene
certeza que no se encuentra el ptimo. Los algoritmos
ms conocidos de este grupo son el mtodo de la
seccin dorada y el mtodo de Fibonacci.
EJEMPLO
O Se
va a construir una caja
rectangular que tenga un volumen
de 256 cm3. Su base debe ser doble
de largo que de ancho. El material
de la tapa cuesta $0.10 por
centmetro cuadrado y el de los
lados,
$0.05
por
centmetro
cuadrado. Encuentra las dimensiones
que hagan el costo mnimo.
