PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE Curso: ICS2121-Métodos de Optimización

ESCUELA DE INGENIERÍA Semestre: 01-2019

Departamento de Ingeniería Industrial y de Sistemas Profesor: Gustavo Angulo
Ayudantes: Sebastián Vásquez, José Manuel Comber

Interrogación 2
Duración: 2 horas y 30 minutos.

Pregunta 1 (20 puntos)

Suponga que dada una muestra de puntos en Rn , usted ha podido agruparlos en m clusters.
El cluster i ha sido aproximado por la bola Bi = B(ci , ri ) = {z ∈ Rn : kz − ci k2 ≤ ri },
donde ci ∈ Rn es el centro y ri > 0 es el radio. Lo que le interesa determinar ahora es un
punto x∗ ∈ Rn que esté razonablemente cerca de todos los clusters a la vez. Para ello, sea
Pm
n
gi (x) = d(x, Bi ) = min{kx − zk2 : z ∈ Bi } la distancia de x ∈ R a Bi . Sea f (x) = i=1 gi (x)
la función que desea minimizar.

1. (4 puntos) Muestre que gi (x) = max{kx − ci k2 − ri , 0} y concluya que gi es convexa.

Solución: Si x ∈ Bi , entonces d(x, Bi ) = 0. Si x ∈
/ Bi , entonces d(x, Bi ) = kx−ci k2 −ri >
0. Luego, gi (x) = max{kx − ci k2 − ri , 0}. Además, la funciones x → kx − ci k2 − ri y x → 0
son convexas, por lo que el máximo entre ellas también lo es.

2. (2 puntos) Muestre que si kx − ci k2 ≤ ri , entonces h = 0 ∈ ∂gi (x).

Solución: Tenemos gi (x) = 0, por lo que

gi (x) + h> (y − x) = 0 + 0> (y − x) = 0 ≤ gi (y).

1
3. (4 puntos) Muestre que si kx − ci k2 ≥ ri , entonces h = kx−ci k2 (x − ci ) ∈ ∂gi (x).
Solución: Tenemos gi (x) = kx − ci k2 − ri , por lo que
1
gi (x) + h> (y − x) = kx − ci k2 − ri + (x − ci )> (y − x)
kx − ci k2
1 1
= kx − ci k2 − ri + (x − ci )> (y − ci ) + (x − ci )> (ci − x)
kx − ci k2 kx − ci k2
1 1
≤ kx − ci k2 − ri + kx − ci k2 ky − ci k2 − kx − ci k22
kx − ci k2 kx − ci k2
= ky − ci k2 − ri = gi (y).
 4. (2 puntos) ¿Es f de clase C 1 ? Justifique claramente.
1
Solución: Si kx − ci k2 = ri , entonces kx−ci k2 (x − ci ) 6= 0 y estos dos vectores pertenecen
a ∂gi (x). Luego, gi no es C 1 .

5. (4 puntos) Asuma que f es L−Lipschitz y que existen d ∈ Rn y R > 0 tales que

B(d, R) contiene un minimizador de f . Suponga, sin embargo, que solamente ha podido
determinar que f es L0 −Lipschitz y que B(d, R0 ) contiene un minimizador de f , donde
L0 ≥ L y R0 ≥ R. Si su objetivo es encontrar una solución −óptima para f , ¿cómo afecta
esta falta de precisión a la eficiencia del método del subgradiente?
Solución: Para alcanzar un error no superior a  > 0, con las estimaciones L0 y R0
obtenemos  0 0 2  0 0 2 
RL 2

RL RL
k+1≥ = .
 RL 
 0 0 2
Luego, la cantidad de iteraciones aumenta en un factor RRL
L
≥ 1 comparado con el
número de iteraciones obtenido si utilizáramos L y R.

6. (4 puntos) Suponga que en Julia tiene definidos n, m, una matriz C ∈ Rm×n cuyas filas
corresponden a c> m
i , y un vector r ∈ R cuyas componentes corresponden a ri . Indique el
código necesario para definir la función f .
Solución: Un código posible es

• using LinearAlgebra
• e = ones(n,1)
• f(x) = sum(max.(sqrt.(diag((C-e*x’)*(C-e*x’)’))-r,0))

Pregunta 2 (20 puntos)

Sean P ⊆ Rn un poliedro no vacío y x̂ ∈ Rn . Si P está representado algebraicamente como

P = {x ∈ Rn : Ax ≤ b} y x̂ ∈ / P , entonces x̂ viola alguna desigualdad del sistema. Luego, es
sencillo verificar que x̂ ∈
/ P . Veamos qué pasa cuando consideramos la representación puntual
de P .

Suponga ahora que P está representado como P = C + K, donde C = conv{v 1 , . . . , v p } y

K = cone{r1 , . . . , rq }. Sean las matrices V ∈ Rn×p y R ∈ Rn×q dadas por V = [v 1 · · · v p ] y
R = [r1 · · · rq ], respectivamente, y 1 ∈ Rp un vector de 1’s.

/ P , entonces no existen λ ∈ Rp y µ ∈ Rq tales que

1. (5 puntos) Muestre que si x̂ ∈

V λ + Rµ = x̂, 1> λ = 1, λ ≥ 0, µ ≥ 0.
Pp i
Solución: Si el sistema fuese factible, entonces existirían v̂ = i=1 λi v ∈ C y r̂ =
P q j
j=1 µj r ∈ K tales que x̂ = v̂ + r̂, por lo que x̂ ∈ C + K. Por el teorema de Minkowski-
Weyl, tendríamos x̂ ∈ P , una contradicción.
 / P , entonces existen π ∈ Rn y σ ∈ R tales que
2. (5 puntos) Muestre que si x̂ ∈

π > v i + σ ≤ 0 i = 1, . . . , p, π > rj ≤ 0 j = 1, . . . , q, π > x̂ + σ > 0. (∗)

Solución: De la parte anterior, el sistema

V λ + Rµ = x̂, 1> λ = 1, λ ≥ 0, µ≥0

es infactible. Por el lema de Farkas, existe (π, σ) tal que el sistema

V > π + σ1 ≤ 0, R> σ ≤ 0, π > x̂ + σ > 0

es factible. Como las columnas de V y R corresponden a v 1 , . . . , v p y r1 , . . . , rq , respecti-

vamente, obtenemos lo deseado.

3. (5 puntos) Concluya que si x̂ ∈/ P , entonces existen π ∈ Rn y σ ∈ R tales que π > x+σ ≤ 0

para todo x ∈ P y π > x̂ + σ > 0. En otras palabras, π > x + σ ≤ 0 define un hiperplano
que separa estrictamente x̂ de P .
Solución: De la parte anterior, existe (π, σ) tal que satisface (∗). Ahora, dados λ ∈ Rp+
y µ ∈ Rq+ , tenemos

λi π > v i + λi σ ≤ 0 i = 1, . . . , p, µj π > rj ≤ 0 j = 1, . . . , q.
Pp
Si además i=1 λi= 1, sumando obtenemos
 
p q p
!
X X X
>
π i
λi v + µj r j
+σ λi = π > x + σ ≤ 0,
i=1 j=1 i=1

donde x = pi=1 λi v i + qj=1 µj rj . Por el teorema de Minkowski-Weyl, todo x ∈ P se

P P

genera de esta forma, por lo que concluimos que π > x + σ ≤ 0 para todo x ∈ P .

4. (5 puntos) Para P = conv{(1, 0), (0, 2)} + cone{(1, 0), (0, 1)} y x̂ = (0, 0), verifique que
x̂ ∈
/ P exhibiendo (π, σ) que satisfaga (∗).
Solución: Escribamos P = conv{v 1 , v 2 } + cone{r1 , r2 }. Tomemos π = (−2, −1) y σ = 2.
Tenemos π > v 1 + σ = 0, π > v 2 + σ = 0, π > r1 = −2, π > r2 = −1, π > x̂ + σ = 2. Luego,
x̂ ∈
/ P.

Pregunta 3 (20 puntos)

Usted está a cargo de la calendarización de un torneo deportivo donde compiten n equipos.

Como parte del proceso de diseño del torneo, debe determinar patrones local-visita para los
equipos de manera que sean convenientes y respeten algunas reglas básicas. No es parte de su
labor determinar la secuencia precisa de partidos para cada equipo.

El torneo está dividido en dos rondas de t = n − 1 fechas cada una, donde en cada fecha f ,
cada equipo juega un partido de local o visita. Cada equipo juega la mitad de las fechas como
local y la otra mitad como visita. Ningún equipo puede jugar cuatro o más fechas consecutivas
de local o visita a lo largo del torneo. Por otro lado, si un equipo juega tres fechas consecutivas
de local o visita dentro de una ronda, decimos que hay un break. Cada equipo puede tener a lo
más un break en cada ronda. Si un equipo juega las fechas f y f + 1 como local o visita dentro
de una misma ronda, percibe un beneficio lf > 0 o un costo vf > 0, respectivamente. Note que
un break contabiliza dos veces estas cantidades. Su objetivo es determinar patrones local-visita
para los equipos del torneo tales que sean compatibles entre ellos y que maximicen la utilidad
total sobre todos los equipos.

1. (6 puntos) Formule un problema lineal entero donde cada columna representa un patrón
local-visita para un equipo cualquiera a lo largo del torneo. Sea explícito en la definición
de parámetros, variables y restricciones.
Solución: Sea m = 2t la cantidad de fechas del torneo. Sea P el conjunto de todos los
patrones local-visita válidos. Para cada p ∈ P , sea cp la utilidad del patrón p, y sea af p
un parámetro que toma el valor 0 o 1 si en el patrón p, la fecha f corresponde a un partido
de visita o local, respectivamente.
Si suponemos que un patrón puede ser utilizado por más de un equipo, consideramos la
variable xp ∈ Z+ que indica cuántos equipos utilizan el patrón p a lo largo del torneo. El
modelo resultante es
X
max cp xp
p∈P
X
s.a af p xp = n/2 f = 1, . . . , m
p∈P
xp ∈ Z+ p ∈ P.

Si suponemos que un patrón puede ser utilizado por un solo equipo, consideramos la
variable xp ∈ {0, 1} que indica si algún equipo utiliza el patrón p a lo largo del torneo. El
modelo resultante es
X
max cp xp
p∈P
X
s.a af p xp = n/2 f = 1, . . . , m
p∈P
xp ∈ {0, 1} p ∈ P.

En ambos casos, la restricción impone que en cada fecha, la mitad de los equipos juega
de local y la otra mitad de visita.

2. (4 puntos) Considerando la relajación lineal de su formulación, indique una colección

inicial de columnas que garantice la factibilidad del problema maestro.
Solución: Para el primer modelo, consideramos las columnas (h0 , h0 ) y (1 − h0 , 1 − h0 ),
donde h0 ∈ {0, 1}t es tal que sus componentes alternan 0 y 1. De esta forma, el vector
x = (n/2, n/2) es factible para el problema maestro.
Para el segundo modelo, las restricciones xp ≤ 1, p ∈ P , son parte de la relajación lineal del
problema maestro. Consideramos entonces n−2 columnas de la forma (hf , 1−hf , ef ), f =
 1, . . . , n−2, donde hf ∈ {0, 1}t es tal que tiene 1’s consecutivos solamente en las posiciones
f y f + 1, y alterna entre 0 y 1 en las posiciones restantes, y ef ∈ {0, 1}P es el f −ésimo
vector canónico. Además, consideramos las columnas (h0 , 1 − h0 , en−1 ) y (1 − h0 , h0 , en ).
De esta forma, obtenemos n patrones distintos, y el vector x = 1 es factible para el
problema maestro.

3. (10 puntos) Formule el problema de pricing correspondiente y explique cómo se generan

nuevas columnas.
Solución: Sea R ⊆ P el conjunto de columnas generadas. Para el primer modelo, sea
π ∈ Rm un vector dual óptimo correspondiente al problema
X
max cp xp
p∈R
X
s.a af p xp = n/2 f = 1, . . . , m (πf )
p∈R
xp ≥ 0 p ∈ R.

Para el segundo, sea (π, σ) ∈ Rm × RP un vector dual óptimo correspondiente al problema

X
max cp xp
p∈R
X
s.a af p xp = n/2 f = 1, . . . , m (πf )
p∈R
xp ≤ 1 p ∈ P (σp )
xp ≥ 0 p ∈ R.

Para este último problema, las restricciones xp ≤ 1 son inactivas para p ∈ / R, por lo
que σp = 0 en tales casos. Por lo tanto, el problema de pricing es el mismo para ambos
modelos.
Como el problema maestro es de maximización, el problema de pricing corresponde a
buscar una columna de costo reducido máximo. Para ello, consideramos variables uf ∈
{0, 1} que indican si la fecha f se juega de local o no, variables yf ∈ {0, 1} que indican si
las fechas f y f + 1 se juegan de local, variables wf ∈ {0, 1} que indican si las fechas f y
f + 1 se juegan de visita, y variables zf ∈ {0, 1} que indican si las fechas f − 1, f y f + 1
conforman un break. Obtenemos entonces
X m
X
η = max (lf yf − vf wf ) − πf uf
f 6=t,m f =1
Xm
s.a uf = t
f =1
f
X +3
ug ≤ 3 f = 1, . . . , m − 3
g=f
f
X +3
(1 − ug ) ≤ 3 f = 1, . . . , m − 3
g=f
f
X +1
ug ≤ zf + 2 f 6= 1, t, t + 1, m
g=f −1
f
X +1
(1 − ug ) ≤ zf + 2 f 6= 1, t, t + 1, m
g=f −1
t−1
X
zf ≤ 1
f =2
m−1
X
zf ≤ 1
f =t+1
yf ≤ uf f 6= t, m
yf ≤ uf +1 f 6= t, m
(1 − uf ) + (1 − uf +1 ) ≤ wf + 1 f 6= t, m
u ∈ {0, 1}m
y ∈ {0, 1}m−2
w ∈ {0, 1}m−2
z ∈ {0, 1}m−4 .

También podría haberse interpretado que si t y t + 1 corresponden a partidos de visita o

local, también se considera el costo vt o el beneficio lf , respectivamente.
Si η > 0, sea (u∗ , y ∗ , w∗ , z ∗ ) una
P solución∗ óptima. En el primer modelo, agregamos la
∗ ∗
columna u con valor objetivo f 6=t,m (lf yf −vf wf ) y reoptimizamos el problema maestro.
En el segundo modelo, agregamos la columna (u∗ , e|R|+1 ) con el mismo valor objetivo. Si
η ≤ 0, no existen nuevas columnas por agregar.