metodos de optimización

9
EJERCICIOS DE MÉTODOS DE OPTIMIZACIÓN República Bolivariana de Venezuela Instituto Universitario Politécnico “Santiago Mariño” Optimización de Sistemas y Funciones Profesor: Ing. Diógenes Rodríguez Realizado por: Br. Ervin J. La Rosa C.I. 21.323.331 Porlamar, Junio 2014

Upload: ervin-er-negro

Post on 11-Aug-2015

45 views

Category:

Internet


0 download

TRANSCRIPT

Page 1: Metodos de optimización

EJERCICIOS DE MÉTODOS DE OPTIMIZACIÓN

República Bolivariana de Venezuela

Instituto Universitario Politécnico “Santiago Mariño”

Optimización de Sistemas y Funciones

Profesor: Ing. Diógenes Rodríguez

Realizado por:Br. Ervin J. La Rosa

C.I. 21.323.331Porlamar, Junio 2014

Page 2: Metodos de optimización

EJERCICIO MÉTODO DE LAGRANGESe Necesita Optimizar la siguiente Función

Optimizar Z = 6x3-3y2

Sujeta a la siguiente restricción

s.a = 4x + 2y = 40

Según el método de LaGrange, se aplica la formula L = Z - λ(s.a)

L = 6x3-3y4– λ (4x + 2y = 40)

Salen las 3 ecuaciones

x = 18x2 - 4 λ = 0y = 12y3 - 2 λ = 04x + 2y – 40 = 0

Page 3: Metodos de optimización

EJERCICIO MÉTODO DE LAGRANGEDe manera que:

λ = 4.5x2 = 6y3

Se descubre el valor de x

4x + 4x – 40 = 0 x* = 5

Se descubre el valor de y

4(5) + 2y = 40y=(-20+40)/2y*=10λ = 22.5

Función Optimizada = F(x) = 450

Page 4: Metodos de optimización

EJERCICIO MATRIZ JACOBIANA

El determinante jacobiano de la función F : R3 → R3 definida como:

F (x, y, z) = (x2 + seny , 5y , 4z2)

Se Construye la matriz jacobiana derivando cada variable

J (x, y, z) = 2x cosy 0 0 5 0

0 0 8Z

SE CALCULA EL DETERMINANTE JACOBIANO ELIMINANDO LA MATRIZ CON MAYOR CANTIDAD DE CEROS (0)

= 5 . 2X 0 = 10X 0 8Z

{ }

| |

Page 5: Metodos de optimización

EJERCICIO CONDICIONES DE KUHN TUCKER

Minimizar la siguiente función

El problema puede ser graficado con software tal como “Geobra”

Las condiciones de tucker de primer orden vienen dadas por:

Page 6: Metodos de optimización

EJERCICIO CONDICIONES DE KUHN TUCKER

Como las condiciones aun no están restringidas se activa de forma simultanea:

Al calcular los gradientes respectivos se obtiene:

Lo cual da origen al siguiente sistema de ecuaciones:

Reemplazando x1=2 y x2=1 podemos despejar los valores de los multiplicadores los cuales cumplen con las condiciones de no negatividad:

Page 7: Metodos de optimización

EXTREMOS NO RESTRICTOS CON DOS VARIABLES

Dada la función Z = f(x,y) = 2x2 + 3y2 + 18x – 24y +25

Determinar que tipo de punto critico posee

Primero se derivan las variables y para encontrar los valores se iguala a 0

F(x)=4x + 18 = 0 F(y)= 3y – 24 = 0

Despejamos para ambas variables para conseguir los valores (x,y):

4x = -18 3y = 24X= -18/4 = -4,5 y = 24/3 = 8

Page 8: Metodos de optimización

EXTREMOS NO RESTRICTOS CON DOS VARIABLES

Ahora se sustituyen los valores encontrados en la función f(x,y)

F(-4.5 , 8) = 2(-4.5)2 + 3(8)2 + 18(-4.5) – 24(8) +25

F(-4.5 , 8) = 2(20.25) + 3(64) + (-81) – 192 + 25

F(-4.5 , 8) = 40.5 + 192 + (-81) – 192 + 25F(-4.5 , 8) = -15.5

Quiere decir que el punto critico se localiza en el punto (-4.5, 8, -15.5)

Page 9: Metodos de optimización

EXTREMOS NO RESTRICTOS CON DOS VARIABLES

Para determinar la naturaleza del punto se deriva nuevamente las variables

F(x)=4 F(y)= 3

Se evalúa el para determinar el criterio de punto critico

D (-4.2, 8) = (4)(2) – [0]2D (-4.2, 8) = 8 > 0Como se determina que es mayor a 0,

entonces el punto es un mínimo relativo