OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 4 Optimización no Lineal
|
|
- María Carmen Parra Cortés
- hace 7 años
- Vistas:
Transcripción
1 OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 4 Optimización no Lineal
2 ORGANIZACIÓN DEL TEMA Sesiones: El caso sin restricciones: formulación, ejemplos Condiciones de optimalidad, métodos Caso con restricciones: ejemplo, condiciones de optimalidad, solución
3 PROBLEMAS SIN RESTRICCIONES Función objetivo no lineal, pero sin restricciones en las variables, min x f(x) Soluciones locales: no se pueden mejorar en entorno de solución Soluciones globales: las mejores de todas las soluciones locales
4 OPTIMIZACIÓN SIN RESTRICCIONES Escenario ideal: conseguir una solución global En general, no resulta posible calcular una solución local en tiempos razonables Dos alternativas: Conformarnos con una solución local rápida Intentar conseguir la solución global con un heurístico (aproximación) Si la dimensión del problema es moderada, se puede intentar buscar una solución global de forma determinista En general, los solvers eficientes de optimización encuentran soluciones locales En algunos casos también encuentran soluciones globales: Convexidad: soluciones locales = soluciones globales
5 OPTIMIZACIÓN SIN RESTRICCIONES Algunos solvers avanzados usan heurísticos para intentar conseguir soluciones globales, bajo condiciones generales Sin exigir diferenciabilidad, convexidad, etc. En la práctica: Si maximizamos y la función objetivo es cóncava, se puede conseguir el óptimo en un tiempo razonable Si minimizamos y la función objetivo es convexa, se puede conseguir el óptimo en un tiempo razonable
6 EJEMPLO 1: MARKETING EN MÓVILES Descripción: Una compañía quiere vender un nuevo móvil de gama alta capaz de competir en el mercado actual Ha invertido un millón de euros para diseñar y desarrollar el producto El éxito final dependerá de la inversión que se haga en marketing y del precio final del móvil en el mercado Dos decisiones importantes: a : cantidad a invertir en la campaña de marketing p : precio de venta al público del móvil
7 EJEMPLO 1: MARKETING EN MÓVILES Descripción: El departamento de marketing estima las ventas del móvil en el próximo año como: El coste de producción del móvil es 100 euros/unidad Cómo puede la compañía incrementar su beneficio el próximo año con la venta del nuevo móvil?
8 EJEMPLO 1: MARKETING EN MÓVILES Modelo: Beneficios por ventas: Coste de producción total: Coste de diseño y desarrollo: Costes de marketing: Beneficio total:
9 EJEMPLO 1: MARKETING EN MÓVILES Estrategia óptima? Maximizar beneficio Restricciones? Las variables han de ser no negativas Es necesario incluir estas restricciones? Solución inicial: Qué ocurre si los valores iniciales son negativos? Qué ocurre si son positivos y grandes? Y si son positivos y pequeños? El problema es convexo? El problema tiene varias soluciones locales? Podemos conseguir la solución global?
10 EJEMPLO 2: AJUSTE DE DATOS Problemas de regresión Como ajustar un modelo a un conjunto dado de datos Distintos procedimientos en función de criterio de ajuste Mínimos cuadrados: Mínimos cuadrados no lineales: Mínima desviación absoluta:
11 EJEMPLO 2: AJUSTE DE DATOS Modelo concreto: regresión logística o exponencial Analizar relación entre tasa de crecimiento de una persona y su edad Esta relación es no lineal El crecimiento es alto en los primeros años y luego estable Posible modelo tasa = exp( 2 edad) + error log(tasa) = edad + error
12 CONDICIONES DE OPTIMALIDAD (SIN RESTRICCIONES) Cuando resolvemos problemas prácticos: Hay veces que no logramos encontrar una solución Necesitamos buenos puntos iniciales (que pueden ser decisiones actuales) Incluso aunque encontremos una solución, puede ser de poca ayuda para obtener mejores soluciones Intentar resolver el problema con muchos puntos iniciales Cómo podemos obtener mejor información sobre las soluciones? Propiedades teóricas Analizar las condiciones que se satisfacen en la solución Chequear si realmente se satisfacen O usarlas para encontrar candidatos a solución
13 CONDICIONES DE OPTIMALIDAD (SIN RESTRICCIONES) Problema de optimización sin restricciones: Si queremos maximizar, entonces Un punto (decisión), x*, es solución local, si no hay una mejor solución cerca Un punto (decisión), x*, es solución global, si es la mejor en general
14 CONDICIONES DE OPTIMALIDAD (SIN RESTRICCIONES) Condiciones necesarias Caso univariante: Caso multivariante Condiciones de primer orden: Si x* es un mínimo local, entonces Condiciones de segundo orden: Si x* es un mínimo local, entonces
15 CONDICIONES DE OPTIMALIDAD (SIN RESTRICCIONES) Condiciones suficientes Caso univariante: Caso multivariante Si se satisfacen las siguientes condiciones en x*, entonces es un mínimo local:
16 CONDICIONES DE OPTIMALIDAD (SIN RESTRICCIONES) Ejemplo Para el siguiente problema sin restricciones: Condiciones necesarias: Existen dos puntos estacionarios (candidatos a mínimo):
17 CONDICIONES DE OPTIMALIDAD (SIN RESTRICCIONES) Ejemplo Condición suficiente: Por tanto: 2 f(x b ) es definida positiva x b mínimo local 2 f(x a ) es indefinida, por lo que x a no es ni mínimo ni máximo local
18 EJEMPLO 1: MARKETING EN MÓVILES Compañía que desea comercializar nuevo móvil de última generación Modelo de optimización: Condiciones de primer orden: Una solución: a = , p = Condición de segundo orden: matriz hessiana
19 CONDICIONES DE OPTIMALIDAD Qué ocurre si un mínimo no satisface las condiciones suficientes? Para todas estas funciones, f(0) = 2 f(0) = 0 Por tanto, x = 0 es candidato a óptimo en los tres casos Pero f 2 tiene un mínimo local en x = 0 f 1 tiene un punto de silla en 0 f 3 tiene un máximo local en 0 Este tipo de puntos se llaman estacionarios o singulares
20 CONDICIONES DE OPTIMALIDAD Resumen Un punto es estacionario si f(x*) = 0 Para estos puntos: 2 f(x*) 0 mínimo 2 f(x*) 0 máximo 2 f(x*) indefinida punto de silla 2 f(x*) singular cualquier caso
21 MÉTODO DE NEWTON Cómo calcular una solución local: La mayoría de algoritmos son iterativos y de descenso en la f.o. x 0,x 1,x 2,... tales que f(x k+1 ) <f(x k ), k =0, 1, 2,... El paso importante es calcular la dirección de movimiento, p k, que nos lleva de x k a x k+1 Método de Newton. Las iteraciones son:
22 Ahora el problema es PROBLEMAS CON RESTRICCIONES Tanto la función objetivo como las restricciones pueden ser funciones no lineales Ahora las soluciones pueden tener propiedades distintas (respecto al caso sin restricciones) Solución local: mejor solución en un entorno dentro de la región factible Solución global: la mejor solución de la región factible
23 PROBLEMAS CON RESTRICCIONES Propiedades de la solución: Diferencias respecto al caso sin restricciones Identificar las restricciones activas en la solución es tan importante como mejorar el objetivo Diferencias respecto a PL Las soluciones no tienen por qué estar en vértices Cómo encontrar un óptimo local Transformar el problema en uno sin restricciones (o solo restricciones de igualdad) Encontrar las restricciones activas en la solución Métodos eficientes basados en ensayo-error
24 PROBLEMAS CON RESTRICCIONES Dificultades prácticas: Soluciones locales Si el problema no es convexo, la solución encontrada será probablemente local Difícil de comprobar formalmente Heurístico: ejecutar el método con muchos puntos iniciales Problemas mal condicionados En algunos casos, el objetivo o restricciones pueden no estar bien definidos siempre (raíz cuadrada, logaritmos, etc.) Podríamos añadir restricciones para evitar esos puntos, pero el algoritmo podría generar puntos infactibles en esa región Heurístico: empezar cerca de la solución
25 EJEMPLO 1: OPTIMIZACIÓN DE CARTERAS Descripción: Tenemos n activos donde invertir una cierta cantidad de dinero Sin pérdida de generalidad, esta cantidad es 1 La variable (aleatoria) R i representa la rentabilidad (futura) en cada activo El objetivo es encontrar los pesos x i que definen la inversión en cada activo Para maximizar la rentabilidad total (a un periodo vista) Y para minimizar el riesgo de la inversión
26 EJEMPLO 1: OPTIMIZACIÓN DE CARTERAS Modelo: Queremos resolver: Pero está bien definido ese problema? Versión bien definida: Pero es razonable?
27 EJEMPLO 1: OPTIMIZACIÓN DE CARTERAS Versión más razonable (modelo de Markowitz): donde S = Var(R) y γ coeficiente aversión al riesgo Este modelo permite el cálculo de la frontera eficiente (estrategias que, dada una rentabilidad, minimizan la varianza o riesgo) Es un problema cuadrático
28 EJEMPLO 1: OPTIMIZACIÓN DE Otro modelo razonable: CARTERAS donde VaR β es el Valor en Riesgo (percentil) correspondiente a un nivel dado 0 β 1 Es un problema no lineal y no convexo Cómo calcular la solución? Necesitamos algoritmos de optimización con restricciones
29 CASO CON RESTRICCIONES: CONDICIONES DE OPTIMALIDAD Queremos buscar soluciones para: Usaremos las condiciones de optimalidad para obtener información adicional Condiciones de optimalidad r x f(x ) r x c(x ) = 0 estacionariedad c I (x ) 0yc E (x ) = 0 factibilidad c I (x ) T I = 0 complementariedad Diremos que un punto x* es estacionario si satisface estas condiciones para algún vector λ* I 0 signo de multiplicadores
30 CASO CON RESTRICCIONES: CONDICIONES DE OPTIMALIDAD Las condiciones anteriores son necesarias, pero no suficientes Condiciones de optimalidad de primer orden (sin derivadas segundas) El vector λ se conoce como el vector de multiplicadores de Lagrange Parte de las condiciones de Karush-Kuhn-Tucker (KKT) Condiciones de segundo orden: L(x, ) f(x) X j jc j (x) Z matriz con columnas que forman una base de {d : rĉ(x)d = 0} donde ĉ denota las restricciones activas, ĉ(x) = 0 Z T r 2 xxl(x, )Z 0
31 CASO CON RESTRICCIONES: CONDICIONES DE OPTIMALIDAD Ejemplo: Comprobar que el punto (1,0) satisface las condiciones necesarias
32 CASO CON RESTRICCIONES: CONDICIONES DE OPTIMALIDAD El vector de multiplicadores λ* = (3/4,1/4,0,0) satisface
Optimización de Problemas no lineales.
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Optimización de Problemas no lineales. Marcel Goic F. Esta es una versión bastante
Más detallesDepartamento de Matemáticas. ITAM Programación lineal (+ extensiones). Objetivos y panorama del c
Programación lineal (+ extensiones). Objetivos y panorama del curso. Departamento de Matemáticas. ITAM. 2008. Introducción Programación lineal http://allman.rhon.itam.mx/ jmorales La programación lineal
Más detallesMétodo lagrangiano. En el método de Jacobi, sea que el vector Λ represente los coeficientes de sensibilidad; esto es.
Método lagrangiano. En el método de Jacobi, sea que el vector Λ represente los coeficientes de sensibilidad; esto es Entonces, Λ = Y0 J 1 = f g f Λ g = 0 Esta ecuación satisface las condiciones necesarias
Más detallesClase 9 Programación No Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 9 Programación No Lineal ICS 110 Optimización Profesor : Claudio Seebach Apuntes de Clases
Más detallesMultiplicadores de Lagrange y dualidad
Multiplicadores de Lagrange y dualidad Problemas con solo restricciones de igualdad Sea x* un mínimo local y regular ( : son linealmente independientes), entonces existen tales que: Interpretación y ejemplos.
Más detallesPROGRAMACIÓN MATEMÁTICA
PROGRAMACIÓN MATEMÁTICA TEMA 1. INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA. CONJUNTOS CONVEXOS. CONVEXIDAD DE UNA FUNCIÓN. PLANTEAMIENTO FORMAL DEL PROBLEMA DE PROGRAMACION MATEMATICA. - Función Objetivo:
Más detallesTema 5 Dualidad y condiciones de Karush-Kuhn-Tucker
Tema 5 Dualidad y condiciones de Karush-Kuhn-Tucker José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 5 Condiciones de Karush-Kuhn-Tucker (KKT). Problemas
Más detallesForma estándar de un programa lineal
Forma estándar de un programa lineal Sin pérdida de generalidad, todo programa lineal se puede escribir como: min cx s.t Ax = b x 0 Objetivo: minimizar Todas las desigualdades como ecuaciones Todas las
Más detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
Más detallesJesús Getán y Eva Boj. Marzo de 2014
Optimización con restricciones de igualdad Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Optimización con restricciones de igualdad 1
Más detallesCAPÍTULO 2 PROGRAMACIÓN NO LINEAL. Programación No Lineal
CAPÍTULO 2 PROGRAMACIÓN NO LINEAL Programación No Lineal Capítulo 2: Programación No Lineal mín (ó máx)f(x) s.a. x S R n No existe un método que permita resolver cualquier problema de programación no lineal.
Más detallesTema 1 Introducción. José R. Berrendero. Departamento de Matemáticas Universidad Autónoma de Madrid
Tema 1 Introducción José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Información de contacto José Ramón Berrendero Díaz Correo electrónico: joser.berrendero@uam.es Teléfono:
Más detalles1. Sensibilidad en caso de restricciones de igualdad
FACULTAD CS. FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE MA57B Optimización No Lineal. Semestre 2007-1 Profesor: Héctor Ramírez C. Auxiliar: Oscar Peredo. Clase Auxiliar #4 Análisis de Sensibilidad en Optimización
Más detallesEjercicios de optimización sin restricciones
Ejercicios de optimización sin restricciones Programación Matemática Licenciatura en Ciencias y Técnicas Estadísticas Curso 5/6 Indica la dirección que el método de Newton (sin modificaciones calcularía
Más detallesOptimización. Condiciones de Karush-Kuhn-Tucker ITESM. Condiciones de Karush-Kuhn-Tucker Profr. E. Uresti - p. 1/30. Dr. E Uresti
Optimización Condiciones de Karush-Kuhn-Tucker Dr. E Uresti ITESM Condiciones de Karush-Kuhn-Tucker Profr. E. Uresti - p. 1/30 Las condiciones necesarias que deben satisfacer los óptimos de problemas de
Más detallesINGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA
INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA Sesión 4 Objetivos: Aplicar el método simplex a la solución de problemas reales. Contenido: Introducción al método Simplex Requerimiento del método Simplex
Más detallesCONTENIDO Prefacio CAPITULO 1: Qué es la investigación de operaciones? CAPITULO 2: Introducción a la programación lineal...
CONTENIDO Prefacio XV CAPITULO 1: Qué es la investigación de operaciones? 1 1.1 Modelos de investigación de operaciones 1 1.2 Solución del modelo de investigación de operaciones.. 4 1.3 Modelos de colas
Más detallesClase 5: Multiplicadores de Lagrange
OPT Clase 5: Multiplicadores de Lagrange 1 Clase 5: Multiplicadores de Lagrange Ignacio Ramírez 29 de agosto de 2016 1. Introducción Consideremos un problema con restricciones, en principio de igualdad,
Más detallesBreve sobre Kuhn-Tucker
Breve sobre Kuhn-Tucker Alejandro Lugon 20 de agosto de 2010 Resumen Se presentan a manera de manual de referencia los resultados relevantes para la solución de problemas de maximización usando los resultados
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesTema 4 Funciones convexas y optimización convexa
Tema 4 Funciones convexas y optimización convexa José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 4 Repaso de algunos resultados sobre optimización de funciones.
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesTema 4: Programación lineal
Tema 4: Programación lineal 1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX) que consiste en una serie de métodos y procedimientos que permiten resolver
Más detallesProgramación lineal. Estimar M. Ejemplos.
Departamento de Matemáticas. ITAM. 2010. Los problemas P y P minimizar x c T x sujeta a Ax = b, x 0, b 0 minimizar c T x + M(y 1 + y 2 + + y m ) x sujeta a Ax + y = b, x 0, y 0. Cómo estimar M? Resultado
Más detallesCAPÍTULO 1 PRESENTACIÓN DEL PROBLEMA DE OPTIMIZACIÓN DE CARTERAS DE INVERSIÓN
CAPÍTULO 1 PRESENTACIÓN DEL PROBLEMA DE OPTIMIZACIÓN DE CARTERAS DE INVERSIÓN Este capítulo da una introducción al problema de Optimización de Carteras de Inversión. Se menciona el objetivo general y los
Más detallesUniversidad del Rosario Economía Matemática II Taller 8 - Kuhn Tucker
. En los siguientes problemas de optimización: Universidad del Rosario Economía Matemática - 202-II Taller 8 - Kuhn Tucker a. Dibuje el conjunto K de puntos factibles y las curvas de nivel de la función
Más detallesPROGRAMACION CUADRATICA
PROGRAMACION CUADRATICA Programación convexa La programación convexa abarca una amplia clase de problemas, entre ellos como casos especiales, están todos los tipos anteriores cuando /(x) es cóncava. Las
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 5 Simulación ORGANIZACIÓN DEL TEMA Sesiones: Introducción Ejemplos prácticos Procedimiento y evaluación de resultados INTRODUCCIÓN Simulación: Procedimiento
Más detallesAlgoritmos con restricción
Algoritmos con restricción El problema general de programación no lineal con restricciones se define como sigue: Maximizar (o minimizar z = f(x g(x 0 Las condiciones X 0 de no negatividad forman parte
Más detallesOptimización lineal. Diego A. Patino. 2 de septiembre de Pontificia Universidad Javeriana 1/ 29
Optimización lineal Diego A. Patino Pontificia Universidad Javeriana 2 de septiembre de 2016 1/ 29 Introducción Formulación del problema Herramientes del análisis convexo Formas de las restricciones 2/
Más detallesDualidad 1. 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. 5 Condiciones de holgura complementaria.
Dualidad 1 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. Condiciones de holgura complementaria. 6 Solución dual óptima en la tabla. 7 Interpretación
Más detallesIntroducción a Programación Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 18 Programación Lineal ICS 1102 Optimización Profesor : Claudio Seebach 4 de octubre de 2005
Más detallesProblemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices:
Problemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices: 5 2 1 1 0 3 1 0 3 3 1 6. 3 1 6 5 2 1 2.- Dada la matriz A = 10 7 8 7 5 6, 8 6 10 hallar
Más detallesCAPÍTULO 3. GRASP (Greedy Randomized Adaptive Search Procedures). Los problemas de optimización surgen de las situaciones de aplicación práctica.
CAPÍTULO 3 GRASP (Greedy Randomized Adaptive Search Procedures). Los problemas de optimización surgen de las situaciones de aplicación práctica. Estos problemas se aplican en distintas áreas, tales como:
Más detallesECUACIONES DIFERENCIALES Y MÉTODOS NUMÉRICOS (Curso ) Cuarto Curso de Ingeniero Industrial
ECUACIONES DIFERENCIALES Y MÉTODOS NUMÉRICOS (Curso 2009-2010) Cuarto Curso de Ingeniero Industrial Optimización y Sistemas de Ecuaciones no Lineales FUNCIONES CONVEXAS. CRITERIOS DE OPTIMALIDAD Un problema
Más detallesCAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Más detallesEJERCICIO 1. Max Z = 6 x x 2 s.r. (1) 4 x x 2 12 (2) 2 x x 2 16 (3) 2 x 1 6 x 1, x 2 0
Considere el Programa Lineal siguiente: EJERCICIO Max Z 6 x + 9 x 2 s.r. () 4 x + 6 x 2 2 (2) 2 x + 8 x 2 6 (3) 2 x 6 x, x 2 0 (.a) 3 2 0 2 3 4 5 6 7 8 El Problema tiene una Región Factible delimitada
Más detallesJuan Manuel Pacheco Instituto de Investigaciones Teóricas y Aplicadas, Escuela de Estadística
Juan Manuel Pacheco Instituto de Investigaciones Teóricas y Aplicadas, Escuela de Estadística PROGRAMACIÓN CUADRÁTICA Y SELECCIÓN DE CARTERAS DE INVERSIÓN Introducción El trabajo aquí presentado se origina
Más detallesTema 8: Programación lineal. Nociones elementales. Ejemplos.
Tema 8: Programación lineal. Nociones elementales. Ejemplos.. Introducción / motivación: -La optimización en problemas reales depende en general de varias variables -Las técnicas de diferenciabilidad siguen
Más detallesTema 4: Programación lineal
Tema 4: Programación lineal 1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX) que consiste en una serie de métodos y procedimientos que permiten resolver
Más detallesProgramación Lineal. El modelo Matemático
Programación Lineal. El modelo Matemático 1 Modelización Definición 1.1 Consideremos el problema de optimización con restricciones, definido como sigue Min f(x) s.a. g i (x) b i i = 1, 2,..., m (P OR)
Más detallesMATEMÁTICAS PARA LA ECONOMIA II G.E.C.O. Curso 2012/2013
MATEMÁTICAS PARA LA ECONOMIA II G.E.C.O. Curso 2012/2013 Relación de Ejercicios N o 1 1. Dada la función f(x, y) = 2x 3 + 6xy 2 6x 2 6y 2 a) Hallar los puntos críticos de f. b) Averiguar si los puntos
Más detallesf(x) f(x) 2.- OPTIMIZACIÓN. CONCEPTOS BÁSICOS CONCAVIDAD Y CONVEXIDAD DE FUNCIONES.
.- OPTIMIZACIÓN. CONCEPTOS BÁSICOS...- CONCAVIDAD Y CONVEXIDAD DE FUNCIONES. La determinación de la concavidad y conveidad de unciones nos ayudará a establecer si una solución optima local es también una
Más detallesCómo optimizamos en varias variables?
Cómo optimizamos en varias variables? Introducción La optimización intenta dar respuesta a un tipo general de problemas donde se desea elegir el mejor entre un conjunto de elementos. En su forma más simple,
Más detallesRepaso del algoritmo SIMPLEX
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN70K: Clase Auxiliar Repaso del algoritmo SIMPLEX Marcel Goic F. 1 1 Esta es una versión bastante
Más detallesOptimización estática
Capítulo 5 Optimización estática 5.1. Conceptos básicos La teoría de optimización clásica o programación matemática está constituida por un conjunto de resultados y métodos analíticos y numéricos enfocados
Más detallesClase 8 Nociones Básicas de Convexidad
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 8 Nociones Básicas de Convexidad ICS 1102 Optimización Profesor : Claudio Seebach Apuntes
Más detallesOptimización de Problemas de Producción
Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile Colaboran: Héctor Cancela - Antonio Mauttone - Carlos Testuri Depto. Investigación Operativa. Instituto de Computación. Facultad de
Más detallesProgramación lineal. Tema Introducción / motivación
Tema Programación lineal Mientras que para funciones reales de variable real la derivación ha permitido resolver el problema de optimalidad en su conjunto, en este tema, la programación lineal resuelve
Más detalles1.3.1 Fundamentos de cálculo vectorial
131 Fundamentos de cálculo vectorial 1 Función escalar Una función se define como una representación escalar que está dada en términos de un vector Un ejemplo analítico puede darse por la función f(x)
Más detallesPROGRAMACIÓN NO LINEAL INTRODUCCIÓN
PROGRAMACIÓN NO LINEAL Conceptos generales INTRODUCCIÓN Una suposición importante de programación lineal es que todas sus funciones Función objetivo y funciones de restricción son lineales. Aunque, en
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesEspacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados
Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones
Más detallesContenido. 1 Resolución mediante planos de corte. Resolución mediante planos de corte
Contenido 1 Resolución mediante planos de corte para LP para IP Facultad de Ingeniería. UdelaR Fundamentos de Programación Entera 1/20 para LP para IP Resolución mediante planos de corte La metodología
Más detallesProgramación Lineal (PL)
Programación Lineal (PL) Se llama programación lineal al conjunto de técnicas matemáticas que pretenden resolver la siguiente situación. El objetivo es Optimizar, una función objetivo, lo cual implica
Más detallesFigura 1: Esquema de las tablas simplex de inicio y general.
RELACIONES PRIMAL-DUAL Los cambios que se hacen en el modelo original de programación lineal afectan a los elementos de la tabla óptima actual el que se tenga en el momento, que a su vez puede afectar
Más detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
Más detallesOptimización no lineal
Capítulo Optimización no lineal.1. Introducción En este capítulo se estudian algunos aspectos relacionados con la que hemos dado en llamar cuestión estática de los problemas de optimización. Se presentan
Más detallesPreliminares Métodos de Ajuste de Curvas AJUSTE DE CURVAS AJUSTE DE CURVAS
Contenido 1 Preliminares Definiciones 2 Definiciones Contenido 1 Preliminares Definiciones 2 Definiciones Definiciones En ciencias e ingeniería es frecuente que un experimento produzca un conjunto de datos
Más detallesTEMA 5.6 PROGRAMACIÓN NO LINEAL
TEMA 5.6 PROGRAMACIÓN NO LINEAL 5.6.. INTRODUCCIÓN 5.6.. CONCEPTOS BÁSICOS 5.6.. MÉTODO O DE NEWTON ONSN SIN RESTRICCIONES S 5.6.4. MÉTODO DE NEWTON CON RESTRICCIONES. FUNCIONES DE PENALIZACIÓN. INTRODUCCIÓN
Más detallesDualidad y postoptimización
Dualidad y postoptimización José María Ferrer Caja Universidad Pontificia Comillas Definición A cada problema de optimización lineal le corresponde otro que se denomina problema dual En forma canónica
Más detallesAlgoritmos de Planos de Corte
Algoritmos de Planos de Corte Problema: max {cx / x X} con X = {x / Ax b, x Z n + } Proposición: conv (X) es un poliedro que puede entonces escribirse como conv (X) = {x / Ax b, x 0} Lo mismo ocurre para
Más detallesTEMA 3 REGRESIÓN Y CORRELACIÓN
TEMA 3 REGRESIÓN Y CORRELACIÓN Regresión mínimo-cuadrática bidimensional Planteamiento del problema Dadas dos variables aleatorias X e Y definidas sobre un mismo espacio de probabilidad (asociadas a un
Más detallesInvestigación Operativa I. Programación Lineal. Informática de Gestión
Investigación Operativa I Programación Lineal http://invop.alumnos.exa.unicen.edu.ar/ - 2013 Exposición Introducción: Programación Lineal Sistema de inecuaciones lineales Problemas de optimización de una
Más detallesMatemáticas I - Grupo 2 Tema 7: Optimización con restricciones. Extremos condicionados
Matemáticas I - Grupo 2 Tema 7: Optimización con restricciones. Extremos condicionados Motivación Supongamos que f : Ω R 2 R es la función que nos proporciona la altura de cada punto con respecto al nivel
Más detallesCONTENIDO SEMBLANZA DE LOS AUTORES DE LOS ESCRITORES DE CASOS..
CONTENIDO SEMBLANZA DE LOS AUTORES DE LOS ESCRITORES DE CASOS.. PREFACIO. xix xxi xxiii CAPITULO I Introducción. 1 1.1 Orígenes de la investigación de operaciones. 1 1.2 Naturaleza de la investigación
Más detallesMétodos de gradiente. Métodos de Krylov
Métodos de gradiente. Métodos de Krylov Damián Ginestar Peiró Departamento de Matemática Aplicada Universidad Politécnica de Valencia Curso 2012-2013 (UPV) Métodos de gradiente. Métodos de Krylov Curso
Más detallesEjercicios - Resolución de problemas lineales. Método Simplex
Ejercicios - Resolución de problemas lineales. Método Simplex Programación Matemática LADE Curso 8/9. Dado el problema lineal máx x x x + x s.a. x + x + x = 4 x + x 4 x justifica que el punto x = ( T es
Más detallesPrograma Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Contenidos Didácticos
Ficha Técnica Titulación: Grado en Administración y Dirección de Empresas Plan BOE: BOE número 67 de 19 de marzo de 2014 Asignatura: Módulo: Métodos cuantitativos de la empresa Curso: 2º Créditos ECTS:
Más detallesOptimización en Ingeniería
Optimización en Ingeniería Departamento de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx El Concepto de Penalización Un método de
Más detallesLo que se hace entonces es introducir variables artificiales ADAPTACIÓN A OTRAS FORMAS DEL MODELO.
Clase # 8 Hasta el momento sólo se han estudiado problemas en la forma estándar ADAPTACIÓN A OTRAS FORMAS DEL MODELO. Maximizar Z. Restricciones de la forma. Todas las variables no negativas. b i 0 para
Más detallesTESIS. Universidad Tecnológica de la Mixteca. Algoritmo de Espacio Rango Para Programación Cuadrática. Ingeniero en Computación.
Universidad Tecnológica de la Mixteca Algoritmo de Espacio Rango Para Programación Cuadrática. TESIS Que para obtener el título de: Ingeniero en Computación Presenta: Ivor Acevedo Bautista. Asesor: M.
Más detallesMétodo de Newton. Cálculo numérico. Notas de clase. 25 de abril, 2011
Método de Newton Cálculo numérico. Notas de clase. 25 de abril, 2011 La resolución de sistemas de ecuaciones algebraicas no lineales de la forma F(x) = 0, F : R n R n, (1) en donde F es una función continua
Más detallesElementos de máquinas de vectores de soporte
Elementos de máquinas de vectores de soporte Clasificación binaria y funciones kernel Julio Waissman Vilanova Departamento de Matemáticas Universidad de Sonora Seminario de Control y Sistemas Estocásticos
Más detallesFundamentos matemáticos. Tema 6 Aplicaciones de la derivada
Fundamentos matemáticos Grado en Ingeniería agrícola y del medio rural Tema 6 Aplicaciones de la derivada José Barrios García Departamento de Análisis Matemático Universidad de La Laguna jbarrios@ull.es
Más detallesInstituto tecnológico de Minatitlán. Investigación de operaciones. Ing. Erika Lissette Minaya mortera. Unidad 3: programación no lineal
Instituto tecnológico de Minatitlán Investigación de operaciones Ing. Erika Lissette Minaya mortera Unidad 3: programación no lineal Alejandra de la cruz francisco Ingeniería en sistemas computacionales
Más detallesMÉTODOS MATEMÁTICOS DE LA ECONOMÍA
Universidad de Valladolid Facultad de Ciencias Económicas y Empresariales Departamento de Economía Aplicada Subsección de Matemáticas Esquemas teóricos de la asignatura de las licenciaturas en Economía
Más detallesIN34A - Optimización
IN34A - Optimización Complejidad Leonardo López H. lelopez@ing.uchile.cl Primavera 2008 1 / 33 Contenidos Problemas y Procedimientos de solución Problemas de optimización v/s problemas de decisión Métodos,
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 3 Programación Entera
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 3 Programación Entera ORGANIZACIÓN DEL TEMA Sesiones: Introducción y formulación Variables binarias Métodos de solución OPTIMIZACIÓN DE MODELOS DISCRETOS
Más detallesTema 7: Problemas clásicos de Programación Lineal
Tema 7: Problemas clásicos de Programación Lineal 1.- Características generales de un problema de transporte y asignación Surgen con frecuencia en diferentes contextos de la vida real. Requieren un número
Más detallesProgramación entera 1
Programación entera 1 1. El modelo de programación entera. 2. Aplicaciones de la programación entera. 3. Solución gráfica de problemas enteros. 4. El algoritmo de ramificación y acotación. 5. El algoritmo
Más detalles3.1. La Optimización Lineal El Planteamiento
Gerardo Febres Última revisión: 2016.03.23 3.1. La Optimización Lineal 3.1.1.- El Planteamiento Planteemos un problema extremadamente sencillo. Hacer máximas las ganancias obtenidas al vender tornillos.
Más detallesEl problema de selección de carteras: modelos y algoritmos
El problema de selección de carteras: modelos y algoritmos Enriqueta Vercher González Departamento de Estadística e Investigación Operativa. Universitat de València Facultad de CC. Económicas y Empresariales.
Más detallesMÉTODOS DE OPTIMIZACIÓN EN LA GESTIÓN EMPRESARIAL
UNIVERSIDAD DE ALCALÁ DE HENARES Departamento de Fundamentos de Economía e Historia Económica MÉTODOS DE OPTIMIZACIÓN EN LA GESTIÓN EMPRESARIAL (Obligatoria en Ciencias Actuariales, 3er curso, Optativa
Más detalles7. PROGRAMACION LINEAL
7. PROGRAMACION LINEAL 7.1. INTRODUCCION A LA PROGRMACION LINEAL 7.2. FORMULACION DE UN PROBLEMA LINEAL 7.3. SOLUCION GRAFICA DE UN PROBLEMA LINEAL 7.4. CASOS ESPECIALES DE PROBLEMAS LINEALES 7.4.1. Problemas
Más detallesProgramación Lineal. María Muñoz Guillermo Matemáticas I U.P.C.T. M. Muñoz (U.P.C.T.) Programación Lineal Matemáticas I 1 / 13
Programación Lineal María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Programación Lineal Matemáticas I 1 / 13 Qué es la Programación Lineal? Introducción La Programación
Más detallesCeros de Funciones: Multivariable
Ceros de Funciones: Multivariable Prof. Marlliny Monsalve 1 1 Postgrado en Ciencias de la Computación Universidad Central de Venezuela Análisis Numérico May 19, 2015 Prof. Monsalve (UCV) Ceros Multivariable
Más detallesAYUDA MEMORIA PARA EL ESTUDIO DE MATEMÁTICAS II - (COMUNES)
AYUDA MEMORIA PARA EL ESTUDIO DE MATEMÁTICAS II - (COMUNES) DERIVADAS INMEDIATAS Función Derivada y = c = 0 y = x = 1 y = x n = n x n-1 y = u n = n u n-1 y = u v = +v y = = v 0 y = u ± v± w = Y=u v = DERIVADAS
Más detallesPROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP).
PROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP. Optimización con restricciones La presencia de restricciones reduce la región en la cual buscamos el óptimo. Los criterios
Más detallesNOTAS DE CLASE: ANALISIS MEDIA-VARIANZA
NOTAS DE CLASE: ANALISIS MEDIA-VARIANZA Miguel Robles Universidad de Piura, Agosto 00 1 Teoría de la Cartera: el caso particular de la media-varianza El Modelo CAPM: donde E (R i ) = R f + i (E (R m )
Más detallesProgramación lineal: Algoritmo del simplex
Programación lineal: Algoritmo del simplex Se considera la formulación estándar de un problema de programación lineal siguiendo la notación utilizada en las clases teóricas: Minimizar c t x sa: Ax = b
Más detallesProgramación Matemática para Economistas 1
Programación Matemática para Economistas 1 CAPÍTULO 4. TOMA DE DECISIONES MULTICRITERIO. 1.- Introducción. Los problemas de programación lineal vistos hasta ahora, no implicaban ninguna decisión. Una vez
Más detallesRESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY
25 de Junio de 2012 RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación
Más detallesCAPÍTULO II METODOLOGÍA DE SOLUCIÓN. Este capítulo es de suma importancia ya que en él se explica la metodología de solución
CAPÍTULO II METODOLOGÍA DE SOLUCIÓN Este capítulo es de suma importancia ya que en él se explica la metodología de solución utilizada en este trabajo para resolver de manera exacta el Problema de Localización
Más detallesPOST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES.
POST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES. Una de las hipótesis básicas de los problemas lineales es la constancia de los coeficientes que aparecen en el problema. Esta hipótesis solamente
Más detallesTema No. 3 Métodos de Resolución de Modelos de Programación Lineal. El Método Gráfico y Método Simplex Autoevaluación y Ejercicios Propuestos
UNIVERSIDAD NACIONAL EXPERIMENTAL FRANCISCO DE MIRANDA ÁREA DE TECNOLOGÍA DEPARTAMENTO DE GERENCIA INVESTIGACIÓN DE OPERACIONES PROFESOR: Dr. JUAN LUGO MARÍN Tema No. 3 Métodos de Resolución de Modelos
Más detallesMáximos y mínimos. Mínimo global Máximo global máximo relativo mínimo relativo
Máximos y mínimos. Anteriormente estudiamos métodos para obtener los extremos de funciones de una variable. Extenderemos esas técnicas a funciones de dos variables. Sea una función de dos variables, definida
Más detallesTema 3: El Método Simplex. Algoritmo de las Dos Fases.
Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo
Más detallesKg P1 Kg P Unidades Vitamina A
Dualidad El concepto de dualidad desempeña importantes papeles dentro de la programación lineal (también en la no lineal), tanto desde un punto de vista teórico como práctico. Todo programa lineal lleva
Más detallesDUALIDAD EN PROGRAMACION LINEAL
DUALIDAD EN PROGRAMACION LINEAL Relaciones primal-dual Asociado a cada problema lineal existe otro problema de programación lineal denominado problema dual (PD), que posee importantes propiedades y relaciones
Más detalles