Metodo Kuhn - Tucker

Investigacin de Operaciones Heursticas
Modelo Kuhn-Tucker
Quin fue Kuhn-Tucker?
Harold William Kuhn (Santa Mnica, California, 29 de julio de 1925 - Nueva York, 2 de julio de 2014) fue un
matemtico estadounidense que estudi teora de juegos. Gan el Premio de Teora John von Neumann en
1980 junto con David Gale y Albert W. Tucker. Profesor emrito de matemticas en la Universidad de Princeton,
es conocido por las condiciones Karush-Kuhn-Tucker, para el desarrollo de pker Kuhn, as como la descripcin
del mtodo hngaro para el problema de asignacin. Recientemente, sin embargo, un artculo de Carl Gustav
Jacobi, publicado pstumamente en 1890 en latn, se ha descubierto que anticipa por muchas dcadas el
algoritmo hngaro.
Condiciones de Kuhn-Tucker
En programacin matemtica, las condiciones de Karush-Kuhn-Tucker (tambin conocidas como las condiciones
KKT o Kuhn-Tucker) son condiciones necesarias y suficientes para que la solucin de un problema de
programacin matemtica sea ptima. Es una generalizacin del mtodo de los Multiplicadores de Lagrange.
No existe una nica forma de abordar la resolucin de un problema de programacin no lineal utilizando el
teorema de KKT. Consideraremos la aplicacin de este teorema en este caso para problemas slo con
restricciones "<=" (menor o igual). Si el problema tiene restricciones ">=" stas se pueden transformar por "<="
multiplicando por -1.
Bsicamente el procedimiento consiste en resolver el problema no lineal como uno sin restricciones, luego si la
solucin ptima de dicho problema no cumple la totalidad o parte de las restricciones del problema se activan
dichas restricciones (en conjunto y/o secuencialmente) y se resuelve nuevamente. Esto se repite hasta llegar a
un conjunto de restricciones activas cuya solucin tambin satisface las restricciones omitidas. Notar que si se
han activado la totalidad de restricciones sin encontrar una solucin factible, entonces el problema es infactible.
Problema bsico
Usos de Kuhn-Tucker (CKT)

Al usar las CKT debemos encontrar soluciones completas, valores para las x 0 s y para las 0 s, es decir
tenemos n+m incognitos. Para esto necesitamos (genricamente) n+m ecuaciones. Observando las CKT, el
punto 1 provee de n ecuaciones, las otras m ecuaciones salen del punto 4 considerando las dos alternativas: [gj
(x) = cj] o [gj (x) < cj y por lo tanto j = 0]. Como tenemos m de estas posibilidades se generan 2m casos que
envuelven a m + n ecuaciones para m + n variables. En cada caso luego de resolver las ecuaciones se deben
verificar las desigualdades de los puntos 2 y 3.
Adecuacin de las condiciones de Kuhn-Tucker
Donde observamos que no aparecen los multiplicadores y las condiciones estn expresadas en terminos del
Lagrangiano. Finalmente podemos ordenar, simplificar y renumerar las condiciones para obtener:
Problemas con restricciones mixtas
Adecuacin de las CKT
Condiciones necesarias para los ptimos

Las condiciones necesarias que deben satisfacer los ptimos de problemas de optimizacin no lineal con
restricciones de desigualdad fueron publicadas por primera vez (1939) en la tesis de Maestra de William Karush
(1917-1997) (en aqul entonces estudiante de matemticas de la Universidad de Chicago) , aunque fueron
renombradas tras un artculo en una conferencia de Harold W. Kuhn y Albert W. Tucker en 1951. Las
condiciones de Karush-Kuhn-Tucker (KKT) son una generalizacin del mtodo de los multiplicadores de
Lagrange para restricciones de desigualdad.
Considere el problema de optimizacin:

Considere el problema de optimizacin
Min f (x 1, x 2,. . ., x n)
Sujeto a:
g 1 ( x 1, x 2, . . . , x n ) 0
g 2 ( x 1, x 2, . . . , x n) 0 .
g m ( x 1, x 2, . . . , x n ) 0
El mtodo de solucin procede de la siguiente manera. Cambiemos cada restriccin de desigualdad
g i 0 a una restriccin de igualdad introduciendo una variable s i de la siguiente manera:
De acuerdo a la tcnica de los multiplicadores de Lagrange se construye la funcin:
Los puntos que minimizan a f sujeta a las restricciones g i 0 ( 1 i m) estn dentro de los puntos crticos de
F:
Que
1, . . . ,
hacen cero las parciales con

respecto a las variables x j ( j =
n):
Que hacen cero las parciales con respecto a las variables i ( i = 1, . . . , m):
Que hacen cero las parciales con respecto a las variables s i ( i = 1, . . . , m):
Teorema: Suponga una formulacin para el problema anterior de minimizacin.

Si x 0 = ( a 1, a 2, . . . , a n) es un ptimo, entonces deben existir nmeros reales llamados multiplicadores 1,
2,. . . , m no negativos tales que (a 1, a 2, . . . , a n, 1, . . . , m) es un punto crtico para F. Es decir que se
cumple:
Bloque I
Bloque II: Condicin de Holgura Complementaria
Observe que los valores de si se obtienen de la relacin gi + s 2 i = 0 y de que gi 0.
Si ahora el problema es de maximizacin:

Max f(x 1, x 2, . . . , x n)
Sujeto a g:
1(x 1, x 2, . . . , x n) 0
g 2(x 1, x 2, . . . , x n) 0 . . .
g m(x 1, x 2, . . . , x n) 0
Para su solucin lo cambiamos a un problema de minimizacin para f(x). En este caso la funcin F queda en la
forma: F(x, , s) = f(x) + Xm i=1 i (gi + s 2 i )
Ejemplo:
Observamos que las tablas para minimizacin y para maximizacin son idnticas salvo que los valores de los
multiplicadores estn cambiados de signo. Por tanto, la estrategia conveniente para optimizar una funcin sujeta
a restricciones de desigualdad por el mtodo de las condiciones de KKT ser:
1. Plantear el problema como si se tratara solo de minimizacin y resolver el sistema de ecuaciones
correspondientes.
2. Eliminar aquellos puntos encontrados que no satisfacen las restricciones gi 0.
3. Eliminar aquellos puntos que tienen a la vez multiplicadores positivos y negativos.
4. Para minimizacin: escoger dentro de aquellos puntos que tienen multiplicadores no negativos aqul que
tienen la menor evaluacin de la funcin objetivo.
5. Para maximizacin: escoger dentro de aquellos puntos que tienen multiplicadores no positivos aqul que
tienen la mayor evaluacin de la funcin objetivo.

Metodo Kuhn - Tucker

Cargado por

Copyright:

Formatos disponibles

Metodo Kuhn - Tucker

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodo Kuhn - Tucker

Cargado por

Copyright:

Formatos disponibles

Investigacin de Operaciones Heursticas

Usos de Kuhn-Tucker (CKT)

Adecuacin de las condiciones de Kuhn-Tucker

Problemas con restricciones mixtas

Adecuacin de las CKT

Condiciones necesarias para los ptimos

Considere el problema de optimizacin:

De acuerdo a la tcnica de los multiplicadores de Lagrange se construye la funcin:

hacen cero las parciales con

Teorema: Suponga una formulacin para el problema anterior de minimizacin.

Bloque II: Condicin de Holgura Complementaria

Observe que los valores de si se obtienen de la relacin gi + s 2 i = 0 y de que gi 0.

Si ahora el problema es de maximizacin:

También podría gustarte