Professional Documents
Culture Documents
Ncleo Miranda
Optimizacin No Lineal
6to Semestre
Mtodos
de
Optimiza
cin
Profesora: Alumnos:
17/11/2016
Mtodo de optimizacin de funciones sin restriccin
(OSR) = _minx
f(x) IRn
Mtodo de Newton
Sea f: [a, b] -> R funcin derivable definida en el intervalo real [a, b].
Empezamos con un valor inicial X0 y definimos para cada nmero natural n
f (X n )
X n +1= X n
f ' ( Xn)
Mtodo Quasi-Newton
1era Iteracin
4) = (-6,0).
c) Realizar una bsqueda lineal que seleccione un paso
a. g0(0) = f(x0+ 0d0) < f(x0) = gk(0)
b. g0(0) = f((1,1) + 0(-6,0)) = f(1- 60,1)
2da Iteracin
(0,0)
Sabemos que f '(x) = -sin(x) - 3x2. Ya que cos(x) 1 para todo x y x3 > 1
para x>1, deducimos que nuestro cero est entre 0 y 1. Comenzaremos probando
con el valor inicial x0 = 0,5
Los
Funcin de Lagrange
L ( x , , )=f ( x ) + t h ( x ) + g ( x ) , 0,
negativos.
min L ( x , , )=f ( x )+ t h ( x )+ g ( x ) , 0
x, , 0
Condiciones de Karush-Kuhn-Tucker
lagrangiana resulta:
derivada es nula.
c) Punto de frontera lo que implica que x 1 0 y su derivada es positiva
z=f ( x 1 , x 2)
sujeto a g1 (x 1 , x 2) r 1 sujeto a
x j 0 j: 1, 2 g1 (x 1 , x 2) r 1
x j 0 j :1, 2
F/ 1=0 F / s1=0
igual a
Esto permite expresar las condiciones de KKT sin las variables artificiales.
F/ x j 0 x j 0 x j ( F / x j )=0 j:1, 2
F/ 1 0 1 0 1 ( F / 1 )=0 [Maximizacin ]
F/ x j 0 x j 0 x j F / x j=0 j:1, 2
F/ 1 0 1 0 1 ( F / 1 )=0 [Minimizacin]
Bibliografa
Investigacin de Operaciones II
Venezuela, Julio, 2.012
http://operaciones2iupsm.blogspot.com/2012/07/metodo-quasi-
newton.html