Professional Documents
Culture Documents
Otimizao restrita
Prof. Frederico Gadelha Guimares
fredericoguimaraes@ufmg.br
Universidade Federal de Minas Gerais
Programa de Ps-Graduao em Engenharia Eltrica, Brasil
Otimizao com restries Literatura Especializada
Mtodo de Lagrange
Sumrio
Otimizao com restries
Mtodo de Lagrange
Mtodo de Penalidades
Mtodo do Lagrangeano Aumentado
2/ 37
Otimizao com restries Literatura Especializada
Mtodo de Lagrange
Problemas de otimizao restrita
_
g
i
(x) 0; i = 1, . . . , p (restries de desigualdade)
h
j
(x) = 0; j = 1, . . . , q (restries de igualdade)
x X
3/ 37
Otimizao com restries Literatura Especializada
Mtodo de Lagrange
Mtodo de Lagrange
L
_
= 0
4/ 37
Otimizao com restries Literatura Especializada
Mtodo de Lagrange
Mtodo de Lagrange
Funo Lagrangeana
O ponto crtico da funo Lagrangeana leva a um sistema com n + 1
equaes e n + 1 incgnitas:
F(x, ) =
_
x
L(x, ) = f (x) +h(x) = 0
L(x, ) = h(x) = 0
).
5/ 37
Otimizao com restries Literatura Especializada
Mtodo de Lagrange
Mtodo de Lagrange
Exemplo
Seja o problema
minf (x) = 3x
1
+ 4x
2
s.a. h(x) = x
2
1
+ x
2
2
1 = 0
Determine a soluo usando o mtodo de Lagrange.
6/ 37
Otimizao com restries Literatura Especializada
Mtodo de Lagrange
Mtodo de Lagrange
No caso geral:
min
x
f (x) R, x F
F =
_
g
i
(x) 0; i = 1, . . . , p (restries de desigualdade)
h
j
(x) = 0; j = 1, . . . , q (restries de igualdade)
temos:
L(x, , ) = f (x) + g
+ h
7/ 37
Otimizao com restries Literatura Especializada
Mtodo de Lagrange
Mtodo de Lagrange
x
L(x, , ) = f (x) + J
h
(x)
+ J
g
(x)
= 0
L(x, , )
i
g
i
(x) = 0
L(x, , ) = h(x) = 0
com:
J
g
(x)
= [g
1
(x) g
p
(x)]
np
J
h
(x)
= [h
1
(x) h
q
(x)]
nq
8/ 37
Otimizao com restries Literatura Especializada
Mtodo de Lagrange
Mtodo de Lagrange
Infelizmente, o Mtodo de Lagrange no muito prtico, pelas
seguintes razes:
i =1
max [0, g
i
(x)]
2
+
q
j =1
[h
j
(x)]
2
_
_
_
16/ 37
Otimizao com restries Literatura Especializada
Mtodo de Penalidades
Mtodo de Penalidade Exterior
Exemplo
Seja o problema minf (x), com f (x) = x, sujeito a g(x) = x +3 0.
17/ 37
Otimizao com restries Literatura Especializada
Mtodo de Penalidades
Mtodo de Penalidade Exterior
Exemplo
Seja o problema minf (x), com f (x) = x, sujeito a g(x) = x +3 0.
Soluo
Usando p(x) = max[0, g(x)]
2
, tem-se:
p(x) =
_
0, x 3
(3 x)
2
, x < 3
Para x < 3, f (x) + p(x, u) = x + u(3 x)
2
. Assim:
df
dx
= 1 2u(3 x) = 0 x
= 3
1
2u
Com u , temos x
.
17/ 37
Otimizao com restries Literatura Especializada
Mtodo de Penalidades
Mtodo de Penalidade Exterior
Exemplo
Seja o problema
minf (x) = (x
1
5)
2
+ (x
2
6)
2
s.a h(x) = x
1
2 = 0
18/ 37
Otimizao com restries Literatura Especializada
Mtodo de Penalidades
Mtodo de Penalidade Exterior
Algorithm 1: Mtodo de Penalidade Exterior
Input: x
0
X, u
0
> 0, funo-objetivo f () e restries g() e h()
k 0; 1
while critrio de parada do 2
Comeando de x
k
, encontre x
k+1
arg min
x
f (x) + p(x, u
k
); 3
u
k+1
u
k
, com > 1 ; 4
k k + 1; 5
end 6
19/ 37
Otimizao com restries Literatura Especializada
Mtodo de Penalidades
Mtodo de Penalidade Interior
.
21/ 37
Otimizao com restries Literatura Especializada
Mtodo de Penalidades
Mtodo de Penalidade Interior
Funo de barreira
Uma possvel funo barreira
minf (x)
s.a g(x) 0
minf (x) + (u) log [g(x)]
. .
b(x,u)
22/ 37
Otimizao com restries Literatura Especializada
Mtodo de Penalidades
Mtodo de Penalidade Interior
Funo de barreira
Uma possvel funo barreira
minf (x)
s.a g(x) 0
minf (x) + (u) log [g(x)]
. .
b(x,u)
Outra opo mais usada na prtica :
minf (x)
s.a g(x) 0
minf (x) + (u)
1
g(x)
. .
b(x,u)
22/ 37
Otimizao com restries Literatura Especializada
Mtodo de Penalidades
Mtodo de Penalidade Interior
Funo de barreira
De forma geral temos:
b(x, u) = u
_
p
i =1
1
g
i
(x)
_
= 3 +
u
Com u 0
+
, temos x
3
+
.
24/ 37
Otimizao com restries Literatura Especializada
Mtodo de Penalidades
Mtodo de Penalidade Interior
Algorithm 2: Mtodo de Penalidade Interior
Input: x
0
F, u
0
> 0, funo-objetivo f () e restries g() e h()
k 0; 1
while critrio de parada do 2
Comeando de x
k
, encontre x
k+1
arg min
x
f (x) + b(x, u
k
); 3
u
k+1
u
k
, com 0 < < 1 ; 4
k k + 1; 5
end 6
25/ 37
Otimizao com restries Literatura Especializada
Mtodo de Penalidades
Consideraes nais
A teoria prev que a soluo converge para a soluo tima quando
u
k
(ou u
k
0
+
), porm:
A variao de u
k
deve ser gradual;
Penalidades mistas;
27/ 37
Otimizao com restries Literatura Especializada
Mtodo do Lagrangeano Aumentado
Sumrio
Otimizao com restries
Mtodo de Lagrange
Mtodo de Penalidades
Mtodo do Lagrangeano Aumentado
28/ 37
Otimizao com restries Literatura Especializada
Mtodo do Lagrangeano Aumentado
Introduo
e:
p(x
) = f (x
) +uh(x
)h(x
) = 0
Da funo Lagrangeana, sabemos que:
L(x
) = f (x
) +
h(x
) = 0
30/ 37
Otimizao com restries Literatura Especializada
Mtodo do Lagrangeano Aumentado
Mtodo do Lagrangeano Aumentado
uh(x)
i
[h
i
(x)]
2
= f (x) +
i
h
i
(x) +
u
2
i
[h
i
(x)]
2
31/ 37
Otimizao com restries Literatura Especializada
Mtodo do Lagrangeano Aumentado
Mtodo do Lagrangeano Aumentado
Em um ponto no crtico x = x
x
L
A
(x, , u) = f (x) +
i
[
i
+ uh
i
(x)] h
i
(x)
i
+ uh
i
(x)
32/ 37
Otimizao com restries Literatura Especializada
Mtodo do Lagrangeano Aumentado
Mtodo do Lagrangeano Aumentado
k+1
i
=
k
i
+ u
k
h
i
(x
k
)
No h necessidade de fazer u ;
A minimizao de L
A
mais estvel numericamente;
33/ 37
Otimizao com restries Literatura Especializada
Mtodo do Lagrangeano Aumentado
Mtodo do Lagrangeano Aumentado
i
g
i
(x) +
j
h
j
(x)+
+
u
2
i
max [0, g
i
(x)]
2
+
u
2
j
[h
j
(x)]
2
ou ainda
L
A
(x, , , u) =f (x) +
u
2
_
_
_
i
_
max
_
g
i
(x),
i
u
__
2
+
j
_
h
j
(x) +
j
u
_
2
_
_
_
34/ 37
Otimizao com restries Literatura Especializada
Mtodo do Lagrangeano Aumentado
Mtodo do Lagrangeano Aumentado
Algorithm 3: Mtodo do Lagrangeano Aumentado
Input: x
0
X,
0
,
0
, u
0
, funo-objetivo f () e restries g() e h()
k 0; 1
while critrio de parada do 2
Comeando de x
k
, encontre x
k+1
arg min
x
L
A
(x,
k
,
k
, u
k
); 3
k+1
i
k
i
+ u
k
max
_
g
i
(x
k+1
),
k
i
u
k
_
;
4
k+1
j
k
j
+ u
k
h
j
(x
k+1
) ;
5
u
k+1
u
k
; 6
k k + 1; 7
end 8
35/ 37
Otimizao com restries Literatura Especializada
Mtodo do Lagrangeano Aumentado
Mtodo do Lagrangeano Aumentado
Vantagens
possvel encontrar g
i
(x) = 0 e h
j
(x) = 0 com preciso;