Metodos de Optimización

METODOS DE OPTIMIZACIÓN
• ALGORITMOS 1D
• OPTIMIZACION SIN RESTRICCIONES
• PROGRAMACION LINEAL (FUNCION OBJETIVO Y
RESTRICCIONES SON LINEALES)
REQUISITOS:
-Funcion objetivo debe ser de tipo minimización
-Todas las variables de diseño deben ser no negativas
-Todas las componentes del vector b deben ser no
negativos
-Todas las restricciones deben ser del tipo igualdad.
• SOLUCION GRAFICA
OPTIMIZACIÓN MULTIOBJETIVO
FORMA GENERAL DE UN PROBLEMA DE OPTIMIZACION MULTIOBJETIVO
ESTRATEGIAS DE OPTIMIZACION
• Funciones objetivo pueden ser combinadas en una sola, pero podrían solo identificar un solo punto en el
pareto por simulación.
• Particle swarn o Genetic optimization son alternativas viables.
• Funciones objetivos pueden ser expresadas como restricciones.
• Se puede definir una meta para cada función objetivo.
ESTRATEGIA: SUMA PONDERADA
• Se necesita repetir la optimización varias veces para obtener el frente optimo de pareto
ESTRATEGIA: SUMA PONDERADA CON FRENTE CONVEXO
-Problema original: -Es combinado
ESTRATEGIA: SUMA PONDERADA CON FRENTE NO CONVEXO
• Se podría obtener un frente de pareto incompleto si el frente es no convexo

• Se recomienda usar algoritmos que evalúen varios puntos simultáneamente.
• Alternativas evolucionarias: Genéticos o Particle Swarm.
ESTRATEGIA: RESTRICCIONES EPSILON
• Se escoge una sola función objetivo y las demás son incluidas como
restricciones
• Por ejemplo:
• Resultado depende de información disponible sobre épsilon.
ESTRATEGIA: GOAL PROGRAMMING
• Una meta es establecida para cada función objetivo.

• Se minimiza la desviación con respecto a las metas establecidas.
METODO DE SIMPLEX Y APLICACIONES
METODO DE SIMPLEX Y APLICACIÓN: N VARIABLES CON M RESTRICCIONES

• Se necesita identificar una solución factible inicial.
• Se puede utilizar una matriz asociada con variables artificiales.
OPTIMIZACION CON RESTRICCIONES: APLICACIÓN NO LINEAL
INTRODUCCIÓN:
• Todas las funciones son diferenciales.
• Las variables de diseño están limitadas.
• Las restricciones pueden ser igualdades o desigualdades.
Existen diferentes técnicas de optimización:

• Restricciones son incluidas en la función objetivo como penalizaciones.
• Multiplicadores de Lagrange.
• Función objetivo puede ser aproximada por una función cuadrática y las restricciones son linearizadas.
• Dirección de búsqueda se asegura que Restricciones son cumplidas en cada iteración.
KKT CONDICIONES DE OPTIMIDAD
• KKT es válido si x es un punto regular.

• Los gradientes de todas las restricciones activas deben ser linealmente independiente.
• KKT es una condición necesaria.
TECNICAS DE SOLUCION:
FUNCION DE PENALIDAD
• Convierte restricciones en penalidades a la función objetivo.
• Simplifica optimización a problema sin restricciones.
• Desventajas: Función objetivo es distorsionada y puede no ser diferenciable en todos los puntos.
• Se recomienda utilizar algoritmos que no estén basados en gradientes.
VENTAJAS:
- Proceso iterativo puede empezar en el punto no factible.

- Métodos de optimización sin restricciones puede ser usado directamente.
DESVENTAJAS:
-Función se convierte en illconditioned cuando el termino de penalidad es aumentado.

-Algoritmo puede divergir.
-No garantiza que las restricciones sean cumplidas durante todas las iteraciones.
MULTIPLICADOR LAGRANGIANO AUMENTADO

• Lagrangianos + penalidad.
• Multiplicadores son actualizados en cada iteración.
• Se obtiene un valor optimo de los multiplicadores.
PROGRAMACION CUADRATICA SECUENCIAL

• Método mas utilizado para NLP.
• Función objetivo es aproximada por una función cuadrática.
• Restricciones son aproximadas con funciones lineales.
• El sub-problema cuadrático es resuelto en cada iteración.
DIRECCION FACTIBLE
• Se asegura que variables de diseño SIEMPRE están en la región FACTIBLE.
• Ej: Optimización de formas de un cuerpo cuyo arrastre debe ser minimizado usando CFD.
• Variantes: Zoutendijk y Proyección gradiente de Rosen
METODO ZOUTENDIJK
• El algoritmo de detiene si: Función objetivo no mejora entre iteraciones. / Variables de diseño no
cambian entre iteraciones.

Metodos de Optimización

Cargado por

Copyright:

Formatos disponibles

Metodos de Optimización

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

Metodos de Optimización

Cargado por

Copyright:

Formatos disponibles

METODOS DE OPTIMIZACIÓN

FORMA GENERAL DE UN PROBLEMA DE OPTIMIZACION MULTIOBJETIVO

ESTRATEGIA: SUMA PONDERADA CON FRENTE CONVEXO

-Problema original: -Es combinado

ESTRATEGIA: SUMA PONDERADA CON FRENTE NO CONVEXO

• Se podría obtener un frente de pareto incompleto si el frente es no convexo

ESTRATEGIA: RESTRICCIONES EPSILON

• Resultado depende de información disponible sobre épsilon.

ESTRATEGIA: GOAL PROGRAMMING

• Una meta es establecida para cada función objetivo.

METODO DE SIMPLEX Y APLICACIONES

METODO DE SIMPLEX Y APLICACIÓN: N VARIABLES CON M RESTRICCIONES

Existen diferentes técnicas de optimización:

KKT CONDICIONES DE OPTIMIDAD

• KKT es válido si x es un punto regular.

- Proceso iterativo puede empezar en el punto no factible.

-Función se convierte en illconditioned cuando el termino de penalidad es aumentado.

MULTIPLICADOR LAGRANGIANO AUMENTADO

PROGRAMACION CUADRATICA SECUENCIAL

También podría gustarte