27
OPTIMIZACIÓN UNIVERSIDAD TÉCNICA DE MANABÍ FACULTAD DE CIENCIAS MATEMÁTICAS, FÍSICAS Y QUÍMICAS ESCUELA DE INGENIERÍA ELÉCTRICA TRABAJO DE MÉTODOS NUMÉRICOS MARÍA BELÉN CEVALLOS GILER CUARTO “C”

Optimización. Métodos numéricos

Embed Size (px)

Citation preview

Page 1: Optimización. Métodos numéricos

OPTIMIZACIÓN

UNIVERSIDAD TÉCNICA DE MANABÍFACULTAD DE CIENCIAS MATEMÁTICAS, FÍSICAS Y QUÍMICAS

ESCUELA DE INGENIERÍA ELÉCTRICATRABAJO DE MÉTODOS NUMÉRICOS

MARÍA BELÉN CEVALLOS GILER CUARTO “C”

Page 2: Optimización. Métodos numéricos

INTRODUCCIÓN

La optimización o programación matemática intenta dar respuesta a un tipo general de problemas donde se desea elegir el mejor entre un conjunto de elementos.

La localización de raíces y la optimización están relacionadas, en el sentido de que ambas involucran valores iniciales y búsqueda de un punto sobre una función.

Page 3: Optimización. Métodos numéricos

OBJETIVOS

OBJETIVO GENERAL:

Comprender el concepto de Optimización y orientarlo a resolver problemas prácticos de ingeniería.

OBJETIVOS ESPECÍFICOS: Diferenciar entre

localización de raíces y optimización.

Comprender la importancia que esta tiene en el campo de la ingeniería.

Utilizar herramientas informáticas (Excel, Matlab, Mathcad) para resolver problemas de optimización.

Page 4: Optimización. Métodos numéricos

OPTIMIZACIÓN

La localización de raíces involucra la búsqueda de raíces de una función o funciones. En contraste, la optimización involucra la búsqueda del mínimo o del máximo. Lo óptimo es el punto donde la curva es plana. En términos matemáticos, esto corresponde al valor de x donde la derivada f´(x) es igual a cero. Además, la segunda derivada, f´´ (x), indica si el óptimo es un mínimo o un máximo.

Page 5: Optimización. Métodos numéricos

Si f´´ (x) <0, el punto es un máximo; si f´´ (x) > 0, el punto es un mínimo.

Page 6: Optimización. Métodos numéricos

Un problema de optimización trata de tomar una decisión óptima para maximizar (ganancias, velocidad, eficiencia, etc.) o minimizar un criterio determinado (costos, tiempo, riesgo, error, etc). Las restricciones significan que no cualquier decisión es posible. Los métodos de cálculo diferencial aún están en uso para determinar soluciones óptimas.

Page 7: Optimización. Métodos numéricos

Algunos ejemplos comunes de la optimización en la ingeniería

Diseño de aviones para un mínimo peso y máxima resistencia.

Trayectorias óptimas de vehículos espaciales.

Diseño de estructuras en la ingeniería civil a un mínimo costo

Diseño de proyectos de abastecimiento de agua, como en presas, para mitigar el daño por inundación mientras se obtiene la máxima potencia de generación.

Predecir el comportamiento estructural al minimizar la energía potencial.

Page 8: Optimización. Métodos numéricos

Algunos ejemplos comunes de la optimización en la ingeniería

Estrategia de corte de materiales para un costo mínimo.

Diseño de bombas y equipos de transferencia

Redes de tubería óptimas. Maximizar la potencia de salida de redes

eléctricas y maquinaria mientras se minimiza el calor generado.

Ruta más corta de un vendedor que visita varias ciudades durante un viaje de ventas.

Page 9: Optimización. Métodos numéricos

Planeación óptima y calendarizada. Análisis estadístico y moderado con un

mínimo error. Control de inventario Planeación del mantenimiento para

minimizar costos. Minimizar tiempos de espera y ociosos. Diseñar sistemas de tratamiento de

aguas para cumplir con estándares de calidad del agua a bajo costo.

Algunos ejemplos comunes de la optimización en la ingeniería

Page 10: Optimización. Métodos numéricos

Para obtener los máximos y mínimos se siguen los siguientes pasos: Derivar la función Igualar a cero la derivada Despejar los valores de x Reemplazar estos valores en la ecuación

original para obtener f(x)Ejemplo: f(x)= x^2*-2f’(x)=2x0=2xx=0f(x)=-2f”(x)= 2

Page 11: Optimización. Métodos numéricos

BASES MATEMÁTICAS

Un problema de programación matemática u optimización, se puede establecer de forma general como.

Determine x, el cual maximiza o minimiza f(x) sujeto a

di(x) <= ai i = 1, 2,…, m

ei(x) = bi i= 1,2,…, pf(x) es la función objetivo; di(x) son

restricciones de desigualdad; ei(x) son restricciones de igualdad, y ai y bi son constantes.

Page 12: Optimización. Métodos numéricos

Clasificación con base en la forma de f(x)

Si f(x) y las restricciones son lineales, tenemos programación lineal.

Si f(x) es cuadrática y las restricciones son lineales, tenemos programación cuadrática.

Si f(x) es no lineal o cuadrática y/o las restricciones son no lineales, tenemos programación no lineal

Page 13: Optimización. Métodos numéricos

Cuando estas dos ecuaciones se incluyen, tenemos un problema de optimización restringida; de otra forma, es un problema de optimización no restringido:

di(x) <= ai i = 1, 2,…, m

ei(x) = bi i= 1,2,…, p

Page 14: Optimización. Métodos numéricos

Clasificación por su dimensionalidad

Se clasifican en unidimensionales y multidimensionales. Los primeros involucran funciones que dependen de una sola variable, la búsqueda consiste entonces en ascender o descender los picos y valles unidimensionales. Los problemas multidimensionales involucran funciones que dependen de dos o más variables dependientes.

Page 15: Optimización. Métodos numéricos

En el mismo sentido, la optimización bidimensional se puede de nuevo visualizar como una búsqueda de picos y valles.

Page 16: Optimización. Métodos numéricos

MétodosPara la optimización unidimensional no restringida•Búsqueda sección dorada•Interpolación cuadrática•Método de Newton

Optimización multidimensional no restringida•Métodos directos: Búsquedas aleatorias,

búsquedas invariables y búsqueda de patrones

•Métodos gradiente: Paso ascendente/descendente, gradiente conjugado, Newton, Marquardt y métodos cuasi-Newton

Optimización restringida•Representación gráfica•Método simplex

Page 17: Optimización. Métodos numéricos

Ejemplo: Optimización del volumen de una caja

Se desea construir de una plancha rectangular de 70 x 70 cm una bandeja de volumen máximo cortándole cuadrados en las esquinas. Hallar las dimensiones de la bandeja.

Page 18: Optimización. Métodos numéricos

V= B.B.x = B2.xB + x + x = 70

B = 70 – 2xx = (70-B)/2

V = (70 – 2x)2.x

B = 70 – 2x B= 70 – 2(70/6)

B = 46,667 Podemos concluir que las dimensiones de la

bandeja son 46,67 cm x 46,67 cm x 11,67 cm.

Page 19: Optimización. Métodos numéricos

Ejemplo: Optimización del costo de un paracaídas

Usted es un ingeniero que trabaja para una compañía aérea que lleva abastecimientos a los refugiados de una zona de guerra. Los abastecimientos se dejarán caer a baja altitud (500 m), de tal forma que la caída no sea detectada y que los abastecimientos caigan tan cerca como sea posible del campo de refugiados. Los paracaídas se abren en forma inmediata casi al salir del aeroplano. Para reducir el daño, la velocidad vertical de impacto debe ser menor que un valor crítico de vc= 20 m/s.

El área transversal del paracaídas es la de una semiesfera

A = 2πr2

La longitud de cada una de las 16 cuerdas que sostienen el paracaídas con la masa está relacionada con el radio del paracaídas por

l =

Page 20: Optimización. Métodos numéricos

La fuerza de arrastre en el paracaídas, es una función lineal de su área de sección transversal descrita por la siguiente fórmula

c = kcA donde c =coeficiente de arrastre (kg/s) y kc =

constante de proporcionalidad parametizando el efecto del área sobre el arrastre = 3 kg/(s.m2).

También es posible dividir la carga total en tantos paquetes como quiera. Es decir, la masa de cada paquete individual se puede calcular como:

Donde Mt= carga total que habrá que arrojarse (2000 kg), m= masa de cada paquete individual (kg) y n= número total de paquetes.

Page 21: Optimización. Métodos numéricos

Por último, el costo de cada paracaídas está relacionado con el tamaño en una forma no lineal,

Costo por paracaídas = c0 + c1 l + c2A2

Donde c0, c1 y c2 = coeficientes de costo. El término constante, c0 es el valor base para el paracaídas ($200), c1 el coeficiente de costo por longitud ($56/m) y c2 el coeficiente de costo por área ($0.1/m2). La relación no lineal se debe a que la manufactura de los paracaídas de gran tamaño es más complicada que la de los paracaídas pequeños.

Determine el tamaño (r) y el número de paracaídas (n) que pueden obtenerse a un mínimo costo, y que cumplan al mismo tiempo el requerimiento de tener una velocidad de impacto suficientemente pequeña.

Page 22: Optimización. Métodos numéricos

Solución

Objetivo: determinar la cantidad y el tamaño de paracaídas que minimicen el costo del planeador. El problema está restringido, ya que los paquetes deben tener una velocidad de impacto menor al valor crítico.

El costo se puede calcular al multiplicar el valor de un paracaídas individual por el número de paracaídas (n).

Función objetivo: Minimizar C = n(c0 + c1l + c2A2)

Page 23: Optimización. Métodos numéricos

Restricciones. 1: la velocidad que debe ser menor o igual a la

velocidad crítica v <= vc

2: el número de paracaídas debe ser un entero mayor o igual a 1

n >= 1 donde n es un entero. En este punto, el problema se ha formulado.

Aunque el problema se ha formulado de forma amplia, algo más que debe tomarse en cuenta: ¿Cómo se determina la velocidad de impacto v? Recordemos que la velocidad de un objeto en caída se puede calcular con

Donde v = velocidad (m/s), g = aceleración de la gravedad (m/s2), m = masa (kg) y t =tiempo (s).

Page 24: Optimización. Métodos numéricos

Aunque esta ecuación provee la relación entre v y t, se necesita conocer en cuanto tiempo cae la masa. Por tanto, es necesaria una relación entre la distancia de caída z y el tiempo de caída t. La distancia de caída se puede calcular de la velocidad por integración:

Esta integral se puede evaluar para obtener

Donde z0 = altura inicial (m).

Page 25: Optimización. Métodos numéricos

Sin embargo, no se necesita z como una función de t para resolverla. En lugar de esto, se debe calcular el tiempo requerido por el paquete para recorrer en caída la distancia z0. Así, se reconoce que se ha formulado la ecuación como un problema de determinación de raíces. Esto es, se debe resolver para el tiempo en el cual z se acerca a cero.

f(t) = 0 = z0

Una vez que se calcula el tiempo de impacto, se puede sustituir en la ecuación de la velocidad con el fin de resolver la misma.

Page 26: Optimización. Métodos numéricos

Especificación final del problema

Minimizar C = n(c0 + c1l+ c2A2)Sujeta av <= vc

n >= 1 dondeA = 2πr2

l = c = kcAt = raíz

Page 27: Optimización. Métodos numéricos

Resolución en Microsoft Excel