Dualidad y Metodos Convexos
Dualidad y Metodos Convexos
Dualidad y Metodos Convexos
XAVIER DE CH.
FACULTAD DE ING CIVIL
La Programacin Lineal
Es una tcnica matemtica aplicable a la designacin de recursos limitados, para
llevarlos hacia un objetivo comn y provechoso, en el que se puede maximizar
beneficios (utilidades o rendimiento) o minimizar esfuerzo (costos, mano de obra o
desperdicio de recursos).
Para ello se usa un modelo grfico o matemtico para la resolucin del problema en
base a lneas rectas (slo una variable de primer grado en cada trmino).
El modelo grfico consiste en dibujar las funciones (sobre un papel milimetrado o
computadora), pero este mtodo es limitado ya que solo se puede llegar a modelar
sistemas de no ms de 3 incgnitas, y para mas incgnitas y sistemas ms grandes de
varias restricciones o sistemas inconsistentes se pueden usar mtodos analticos
(Simplex, Dualidad, etc)
La Programacin no Lineal.
Se refiere a que pueden existir ms de una variable y de grado superior en cada
trmino del problema, presentndose parbolas e incluso funciones trigonomtricas.
Estos problemas complejos se pueden resolver con el mtodo convexo o bien
aproximaciones diferenciales.
2da parte
Funcin objetivo que se requiere optimizar (maximizar o minimizar).
3ra parte
Definicin de las restricciones (sistema de ecuaciones).
Se usa:
4ta parte
Condiciones de no negativo de las variables. Se usa => 0 ya que las
soluciones negativas no son coherentes en el mundo real
Segunda restriccin.
Tercera restriccin.
DUALIDAD
Para entender la teora de la dualidad vamos a representar en forma matricial todo
el problema anterior
Max
Z=
CX
AX <= b
X => 0
Positivo.
Muchas veces las restricciones presentan desigualdades diversas e incluso
igualdades, entonces se debe llevar a una forma conocida como la cannica o estndar.
Muchas veces el problema planteado puede presentar demasiada dificultad es por
eso que se recurre a la teora de la dualidad.
TEORIA DE LA DUALIDAD.
Se inicia bajo la consideracin de que todo problema de programacin lineal tiene
un problema asociado. El problema original se llama PRIMAL y el asociado se llama
DUAL. Ambos problemas estn estrechamente relacionados y tienen la misma solucin,
por lo tanto si se encuentra la solucin de uno de ellos se encontrara la solucin para el
otro. Esto es especialmente til cuando el Primal en un problema muy complejo.
PROBLEMA DUAL OBTENIDO DE LA FORMA CANONICA.
convenga.
grfico.
Las variables del dual representan variables extremas del primal. Asi 1 y 2
representan a X1 y X5.
X1 = 1 y el X5=1
Entonces la Solucin de la funcin
primal queda asi.
cannico
PRIMAL
s.a.
DUAL
Min G = 4 y1 + 12 y2 + 18 y3
x1
s.a
1y1
y1 ; y2 ; y 3 0
x1 , x 2 0
EJEMPLO:
+3y3 3
2y2 +2y3 5
PRIMAL
DUAL
y1 0 ; y2 0 ; y3 LIBRE
(y3 > 0 ;
y3 < 0 )
OPTIMIZACION CONVEXA
Definiremos a continuacin a qu nos referimos con funcin convexa y conjunto
convexo.
Conjunto convexo.
Todos los puntos del segmento arbitrario A-B se encuentran dentro del conjunto
(restricciones). Lneas tangentes trazadas al exterior del conjunto no atraviesan el mismo.
Por tanto es un conjunto convexo.
Conjunto no convexo (cncavo).
Algunos ejemplos de conjunto no convexo:
Funcin Convexa.
en el intervalo , y cualquier
Funcin no convexa:
Se dice que una funcin no es convexa (cncava) cuando dados dos puntos
cualesquiera, el segmento que los une queda por debajo de la curva. Una funcin
cncava, tambin se llama cncava hacia abajo, mientras que una funcin convexa es
llamada cncava hacia arriba.
Programacin convexa.
Parbola
Considerando siempre que el conjunto-restriccin sea convexo.
En resumen la programacin convexa abarca todos los problemas en que se
garantice encontrar las soluciones tanto globales como locales en funciones y
restricciones lineales o no lineales y existe varios mtodos para resolverlos como ser
Programacin Cuadrtica, Simplex, Dual-Simplex, Variables separables, Dualidad, etc.
Para problemas de programacin no convexa existen mtodos que si bien nos
pueden brindar soluciones locales no siempre se garantiza que stas sean tambin
soluciones globales. Por lo tanto no se tiene un algoritmo que garantice encontrar una
solucin ptima para todos estos problemas.
Ejemplos de programacin convexa.
Programacin Separable.
La programacin separable es una caso especial de programacin convexa, en
donde las suposiciones adicionales es:
todas las funciones f(X) y gj(X) son funciones separables.
Una funcin separable es una funcin en la que cada trmino incluye una sola
variable, por lo que la funcin se puede separar en una suma de funciones de variables
individuales. Por ejemplo, si f(X) es una funcin separable, se puede expresar como
F(X)= fj (Xj),
En donde cada fj(Xj) incluye solo los trminos con Xj. en la terminologa de
programacin lineal , los problemas de programacin separable satisfacen las
suposiciones de auditividad pero no las de proporcionalidad (para funciones no lineales).
Para ilustrar, la funcin objetivo considerada en la siguiente figura:
F(X1, X2)=126X1 9x21 + 182X2 13X22
Es una funcin separable porque puede ser expresada como
F(X1, X2)= F(X1) + F(X2)
Donde F1(X1)= 126X1 9x21 y F(X2)= 182X2 13X22 son cada una funciones de
una sola variable x1 y x2, respectivamente. Usando el mismo razonamiento, se puede
verificar que la funcin considerada en la figura siguiente, tambin es una funcin
separable.
Es importante distinguir estos problemas de otros de programacin convexa, pues
cualquier problema de programacin separable se puede aproximar muy de cerca
mediante uno de programacin lineal y, entonces, se puede aplicar el eficiente mtodo
simplex. Es te enfoque se describe, mas adelante.
BIBLIOGRAFIA
1. S. Boyd, Convex Optimization I, EE364A Lecture Videos, 2008,
Web de la Universidad de Stanford,
2. IBM Corporation, Software Group, IBM ILOG CPLEX Optimizer,
High Performance Mathematical Optimization Engines,
2010,
3. R. Lorenz y S. Boyd, Robust minimum variance beamforming,
4. Y. Ye, M. J. Todd, y S. Mizuno, An O(pnL)-iteration homogeneous
and self-dual linear programming algorithm, Mathematics
of Operations Research 19 (1994), 5367.
PAGINAS WEB
5. INVESTIGACION DE OPERACIONES, Instituto Politcnico Nacional,
http://www.sites.upiicsa.ipn.mx/polilibros/portal/Polilibros/P_terminados/Inv
estigacion_de_Operaciones_Careaga/
6. http://programacionnolinealsm.wordpress.com/