CONTROL PTIMO

TRABAJO COLABORATIVO
FASE 1 RESOLVER PROBLEMAS DE OPTIMIZACIN SIN RESTRICCIONES

JHONNY LPEZ ALCAL

1047366493

ANDRS ORLANDO PEZ

Tutor

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

FACULTAD DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA.
INGENIERA ELECTRNICA
CARTAGENA
2016
 INTRODUCCIN

En el siguiente trabajo se aplican los conocimientos aprendidos en la unidad nmero 1 del

curso metodolgico CONTROL PTIMO. Ofertado por la Universidad Nacional Abierta y
a Distancia - UNAD. Veremos principalmente los mtodos de optimizacin de funciones
como son el de la seccin aurea, interpolacin cuadrtica y el mtodo de Newton. Para la
aplicacin de estos mtodos es necesario conocer el intervalo inicial donde esta contenido
el ptimo de la funcin objetivo, y asegurar la unimodalidad de la funcin en el intervalo en
estudio.

Tambin se conocer y aplicara el mtodo de ascenso de mxima inclinacin con la

finalidad de localizar el mximo de una funcin determinada, conociendo previamente los
valores inciales del intervalo de evaluacin. Se emplear adems el concepto de biseccin,
con este herramienta o aplicacin matemtica se debe encontrar el tamao ptimo de paso
en la direccin de bsqueda del gradiente.
 ACTIVIDADES

1. Leer de la pgina 363 a la 375 del texto de Steven Chapra que se encuentra en el
entorno del conocimiento.
2. Dada la funcin
3 6
f ( x )= x 2 x 4 +12 x
2

Resolver los siguientes problemas:

2.1 Encuentre el valor de x que maximiza f(x), utilizando la bsqueda de la seccin

dorada. Emplee valores inciales de xl = 0 y xu = 2 y realice tres iteraciones.
R/ Primero que todo graficamos la funcin para visualizar la forma de esta.

Seccin de dorada para primera iteracin:

d= 1( x ux l ) =0,618( 20 ) =1.236
5
2
Creamos los puntos interiores
x 1=xl + d=0+1.236=1.236

x 2=x ud=21.236=0.764

Evaluando estos puntos en la funcin objetivo

3 6
f ( x )= x 2 x 4 +12 x
2
3
f ( x 1 )= (1.236)6 2 (1.236)4 +12( 1.236 )=4.816
2
3 6 4
f ( x 2 )= ( 0.764) 2 (0.764 ) +12( 0.764 )=8.188
2
 Podemos ver que f(x2) > f(x1), entonces nuestro mximo est en el intervalo
comprendido por xl, x2 y x1.

Ahora para la segunda iteracin tenemos que x l = 0, xu = 1.236, x1 = 0.764 y de

esta manera obtenemos nuestra nueva seccin dorada y nuestro nuevo x2:

d= 1( x ux l ) =0,618( 1.2360 )=0.7638

5
2
x 2=x ud=1.2360.7638=0.4722

Entonces
3
f ( x 1 )= ( 0.764)62 (0.764) 4 +12( 0.764 )=8.188
2
3
f ( x 2 )= ( 0.4722)6 2 (0.4722) 4+ 12( 0.4722 )=5.550
2

En esta ocasin vemos que f(x1) > f(x2), ahora nuestro mximo est en el
intervalo comprendido por x2, x1, y xu.

Realizando el mismo procedimiento encontramos los valores de la tercera

interaccin demostrando que el valor ptimo converge cada vez ms a 8.697 en
0.920.

f(xu
i xl f(xl) x2 f(x2) x1 f(x1) xu d
)
1 0 0 0.764 8.188 1.236 4.816 2 -104 1.236
0.472
2 0 0 5.550 0.764 8.188 1.236 4.816 0.7638
2
0.472
3 5.550 0.764 8.188 0.944 8.678 1.236 4.816 0.4720
2
2.2 Encuentre el valor de x que maximiza f(x), utilizando interpolacin cuadrtica.
Emplee valores inciales de x0 = 0, x1 = 1 y x2 = 2 y realice tres iteraciones.
R/ Primero evaluamos la funcin en los tres valores inciales.
3 6
f ( x )= x 2 x 4 +12 x
2
3 6
f ( x0 )= (0) 2(0)4 + 12 ( 0 )=0
2
 3 6 4
f ( x 1 )= (1) 2(1) + 12 ( 1 )=8.5
2
3 6
f ( x 2 )= ( 2 ) 2 ( 2 )4 +12 ( 2 )=104
2

Utilizando la interpolacin cuadrtica:

x
x
x
2 f ( 1) ( x 2x 0 ) +2 f ( 2) ( x 0x 1 )
2 f ( 0) ( x 1x 2) +

f ( x 0 ) ( x 1x 2) +f ( x 1 ) ( x 22x 20 ) + f ( x 2) ( x 20x 21 )
2 2

x 3=

( 0 ) ( 1222 ) + ( 8.5 ) ( 2202 ) +(104) ( 021 2) 138

x 3= = =0.570
2( 0) ( 12 )+2(8.5) ( 20 ) +2(104) ( 01 ) 242

3
f ( x 3 )= ( 0.570 )6 2 ( 0.570 )4 +12 ( 0.570 )=6.577
2

A raz de este valor tomamos nuevos valores inciales para la segunda

iteracin y el valor de la funcin en dichos puntos:
x0 = 0.570, f(x0) = 6.577 ; x1 = 1, f(x1) = 8.5; x2 = 2, f(x2) = -104

( 6.577 ) ( 1222 ) + ( 8.5 ) ( 220.5702 ) +(104) ( 0.570212 )

x 3= =0.812
2( 6.577) ( 12 )+ 2(8.5)( 20.570 ) +2(104) ( 0.5701 )

3
f ( x 3 )= ( 0.812 )6 2 ( 0.812 ) 4+ 12 ( 0.812 ) =8.444
2

De igual forma repetimos el procedimiento para la tercera iteracin

demostrando que el valor ptimo converge cada vez ms a 8.697 en 0.920.

i x0 F(x0) x1 f(x1) x2 f(x2) x3 f(x3)

1 0 0 1 8.5 2 -104 0.57 6.57
2 0.57 6.57 1 8.5 2 -104 0.812 8.44
3 0.812 8.44 1 8.5 2 -104 0.907 8.695
2.3 Encuentre el valor de x que maximiza f(x), utilizando el mtodo de Newton.
Utilice un valor inicial de x0 = 2 y realice tres iteraciones.
R/ Comenzamos calculando la primera y segunda derivada de la funcin:
3 6
f ( x )= x 2 x 4 +12 x
2

f ' ( x )=9 x5 8 x3 +12

f ' ' (x)=45 x 424 x 2

Reemplazamos en
'
f ( x i)
x i+1=x i ''
f ( x i)

9(2)58(2)3 +12
x 1=2 =1.583
45(2)4 24(2)2

3
f ( x 1 )= (1.583)6 2(1.583)4 +12 ( 1.583 )=17.166
2

Para la segunda iteracin tenemos

9(1.583)58(1.583)3 +12
x 1=1.583 =1.26
45(1.583)4 24(1.583)2

3 6 4
f ( x 1 )= ( 1.26) 2(1.26) +12 ( 1.26 )=4.076
2

De igual forma repetimos el procedimiento para la tercera, cuarta y quinta

iteracin demostrando que el valor ptimo converge cada vez ms a 8.697 en
0.920.

i x f(x)
 1 2 -104
2 1.583 -17.166
3 1.26 4.076
4 1.04 8.24
5 0.938 8.686

2.4 Utilizar una herramienta computacional (Scilab, Matlab, GAMS, o Excel) para
encontrar el mximo de la funcin f(x).

2.5 Analizar las ventajas y desventajas de la bsqueda de la seccin dorada,

interpolacin cuadrtica y el mtodo de Newton, para localizar un valor ptimo
en una dimensin.
R/ El mtodo de la seccin dorada o razn aurea es una tcnica, de bsqueda
para una sola variable, sencilla y de propsito general. En este mtodo en la
funcin se evala dos puntos interiores de acuerdo con la razn de oro y se
sigue acortando el intervalo de evaluacin en cada iteracin. Ahora, esta es la
ventaja real del uso de este mtodo. Los puntos originales se han escogido
mediante la razn dorada, no se tienen que recalcular todos los valores de la
funcin en la siguiente iteracin.

La interpolacin cuadrtica tiene como ventaja la aplicacin de un polinomio

de segundo grado que con frecuencia proporciona una buena aproximacin de
la cercana de un valor ptimo. Esto pues hay nicamente una ecuacin
cuadrtica que pasa por tres puntos. De esta forma, si se tienen tres puntos que
contienen un punto ptimo, se ajusta una parbola a los puntos, despus se
puede derivar e igualar a cero, y as obtener una estimacin del ptimo.

En el caso del mtodo de Newton, la ventaja mas notoria es que no trabaja con
valores inciales, mientras que sus desventajas son ms importantes. Este
mtodo llega a diverger segn sea la naturaleza de la funcin y la calidad del
valor inicial. De esta forma es recomendable usarla slo cuando se est cerca
del valor ptimo. De no ser as se requeriran de muchas iteraciones para
encontrar el valor que maximiza la funcin.
3. Leer de la pgina 26 a la 45 del texto gua de Optimizacin que se encuentra en el
repositorio.
4. Dada la funcin f ( x , y ) =4 x +2 y + x 22 x 4 + 2 xy3 y 2

5. Resolver los siguientes problemas:

6. Efectuar una iteracin del mtodo de ascenso de mxima inclinacin para localizar
el mximo con los valores inciales de x = 0 y y = 0. Emplee biseccin para
encontrar el tamao ptimo de paso en la direccin de bsqueda del gradiente.

7. Utilizar una herramienta computacional (Scilab, Matlab, GAMS, o Excel) para

encontrar el mximo de la funcin.

REFERENCIAS
 Uresti, E. 2008. Optimizacin, Bsqueda en una Dimensin. [En lnea].
<http://cb.mty.itesm.mx/materias/ma4011/materiales/a130-17.pdf>

Steven C. Chapra y Raymond P. Canale. 2006. Mtodos Numricos para

Ingenieros. 5ta Ed. McGrawHill. [En lnea].
<http://datateca.unad.edu.co/contenidos/201002/AVA/Referencias
%20Adicionales/Chapra.pdf>