Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Lista de Exerccios 3
1.
() = ()( ) ( ) + ( ) = () + , pois = +
.
() mnimo quando () = , pois uma funo convexa, dado que > .
() = = , =
Para a funo , tem-se que:
= ( ) e = (
)>
( ) =
( + )
+
(
)
) .
= , ento o
Mostre que se as variveis do problema forem escaladas na forma
= ,
algoritmo do gradiente de maior descida convergir em um passo, qualquer que seja o ponto
inicial escolhido.
+
+
( )
= ( ) (
) ( )
= ,
= , a expresso se resume a
Se as variveis forem escaladas na forma
+
+
( )
= ( ) (
) ( ) ( )
=( )
2.
> , = +
< , =
= + + +
( ) ,
. . |
, = , , ,
= + + +
( ) + = + ,
. . |
, = , , ,
) ((
,
) ( ) ) + ( ) = + ( )
,
)(
,
) ( ) + ( ) = + ( )
)(
,
) =
( )
Como alternativa ao MATLAB, utilizou-se a funo linprog da biblioteca optimize, pacote scipy1
0.17.0, na linguagem Python. Para os problemas de classificao perfeita ( = ) e imperfeita
( > ), dois conjuntos com pares de distribuies normais multivariada sem e com interseo,
respectivamente, foram gerados. cada uma das distribuies, valores { }, so
assinalados.
(, , , )
Sero consideradas distribuies isotrpicas com = , = (
)
(, , , )
https://github.com/scipy/scipy
Classificao perfeita ( = ):
((, ; , ); (, ; , )) = ((; ); (, ; , )), = + e
((, ; , ); (, ; , )) = (((; ); (, ; , )), ), =
Resultado: = (, ; , ), = , , = {} , =
Classificao imperfeita ( = ):
((, ; , ); (, ; , )) = ((; , ); (, ; , )), = + e
((, ; , ); (, ; , )) = (((, ; ); (, ; , )), ), =
Resultado: = (, ; , ), = , , = , , = , , = , , demais =
{} {; ; }, = , > .
plt.close('all')
(Algoritmo Simplex) Suponha que numa dada iterao do algoritmo Simplex obtm-se a tabela a
seguir.
R: Para a soluo bsica ser tima os custos relativos de mudana de base, e , para
que no haja aumento do com uma nova base.
c)
R: Para que o problema seja ilimitado, com > , precisa ser < , de maneira que a varivel
crescer indefinidamente sem que as variveis bsicas e atinjam seus limites inferiores,
ponto no qual sairiam da base.
d)
A soluo bsica tima e existem solues timas alternativas. Neste item, assuma >
. Obtenha ento uma soluo bsica tima alternativa por meio do algoritmo Simplex
considerando = .
R: Admitindo ser a soluo bsica tima e > e = , para que haja solues timas
alternativas, deve poder entrar na base sem que haja variao do valor de . Fato que s
ocorreria se = .
A soluo bsica inicial = (; ; ; ; )
1
1 0
0
0
0
1
2
3
4
>0 =0 0
2
2
1
1
3
0
4
82
3 =3
5
3
1
2
3
4
1
0
>0 =0 0
0 23 43
0
1
0
13 13
1
0
4
82
19 3 1
5 3
1
1
2
3
1 (3 + 2) (3 ) 1
0
1
2
3
0
2
1
4
4
0
1
0
5
0
0
1
5
7
Considerando ( + ) < , tem-se que < , mas, para ( ) < , > . Portanto, a mudana
de base se faz possvel se > ou < .
Para > , entra na base. Pelo teste de razo { ; } = , deve sair da base.
O novo tableau se torna.
1
0
0
1
0
0
1
2
3
(92 2) 5 + 4
32
1
12
2
4
0
1
0
5
32
12
12
(3 + 2)72
32
72
Avaliando os custos relativos mudana de base, o nico o qual negativo dentro da faixa de
2 . Pelo teste de razo {1; 7} = 1 e,portanto, 2 entra na base e 4 a deixa. O novo
tableau torna-se.
1
0
0
1
0
0
1
2
0
1
0
3
2 + 83
23
53
4
3 + 43
23
13
5
3 53
13
23
+ (6 5)
1
3
Para > 3, 5 < 0 e, assim, 5 entra na base e 1 a deixa de acordo com o teste de razo.
1
1 92 + 52
0
12
0
32
2
0
1
0
3
112 32
32
52
4
32 + 12
12
12
5
0
0
1
+ ( 152 + 52 )
52
92
Nesse ponto, o nico candidato a entrar na base 3 , mas para > 113. Portanto, para
3 < < 113, o valor da funo objetivo dada por 152 + 52 e a soluo
= (0; 52 ; 0; 0; 92).
Para > 113, a soluo ilimitada, pois 3 pode ter seu valor aumentado indefinidamente,
sem que nenhuma das variveis bsica atinjam seus limites inferiores.
Para < 32, partindo do tableau timo, tanto 1 como 4 so candidatos a entrar na base.
Partindo com 1 , {5; 3} = 2 e, portanto, 5 sai da base. Volta-se ao tableau com 1 e 2
na base, calculado anteriormente. Neste ponto, 3 no pode entrar na base, pois ter-se-ia um
problema ilimitado. Quem entraria na base seria 4 e, pelo teste de razo, 2 sairia da base.
No tableau com 1 e 4 na base, calculado acima, 3 no pode entrar na base, pois tratar-se-ia
de um problema ilimitado, somente podendo 5 entrar na base se = 32 sem que houvesse melhora
na funo objetivo. Assim a imagem da funo objetivo dada, em seu domnio, por:
()
212 + 142 32
0 32 < 3
={
152 52 3 < 113
113 <
+
() |
. . | =
No qual , = , , e uma matriz simtrica definida positiva
no subespao nulo de , isto , > para todo tal que = .
a)
[ ]
no singular;
R: Como = e > no subespao nulo de , e o da matriz dado por + ,
a qual, portanto, tem cheio e invertvel.
b)
R: (, ) = ( + ) + (( )) = + + =
A condio necessria e suficiente dado que > . A equao pode ser representada
matricialmente como:
[ ] [ ] = [ ]
6.
=[
] , = [ ] , = ,
+
[ ] [
+]
+
() |
. . = ,
= + = [ ] + [ ] = [ ]
[
]+[ ]
() ,, |
. . [
] = [ ]
+ [ ] [ ] = [ ] + [ ] = [ ], [ ] = [ ]
restrio , ou seja,
{; ; } = {() + = ; () + = ; () + = } > = , = .
E = { } = {, }, = [ ].
= + = [ ] + [ ] = [ ]
[
] + [ ]
(), |
. . [
] = [ ]
temos:
+ [ ] [ ] = [
] = , = e = . = \{} = {}
+
Retornando ao () com e ,
() , | [ ] + []
. . [ ] = []
Inserindo a restrio na funo objetivo, = , tem-se a equao: = , a qual,
{; } = {() ( + ) + = ; () + ( + ) + = } > = ,
= > , = .
= [ ] + [
]=[
] , = , pois no se atinge a restrio {2} com = .
O novo () se torna:
= + = [
]+[ ]= [
]
(), | [ ] + []
. . [ ] = []
Problema que se resolve, novamente, com = [ ], pois trata-se da soluo do mesmo () anterior,
+ [ ] = [
] + [ ] [ ] = [
]=[ ]
] e ( ) = timo.
. . ( ) , = , , , .
+
() |
. . |
Como no h termos lineares na funo objetivo, = . Como a funo coneqp recebe as
restries com a relao , toma-se o oposto das restries do ex. 2.
= [
][
,
] [ ]
Neste exerccio, sero utilizados somente os mesmos parmetros para gerao de populaes que
foram gerados no ex. 2, podendo os ajustes diferenciar-se como consequncia de populaes
individualmente diferentes, mas cujas distribuies so as mesmas. O problema foi reestruturado
da seguinte forma.
A matriz de definio do problema quadrtico dada por:
= [
(+,+)
https://github.com/cvxopt/cvxopt
|
() |
=
( ), = , , ,
. . |
, = , , , .
O parmetro a ponderao que estabelece o compromisso entre o erro de classificao
(que se quer minimizar) e a margem de separao (que se quer maximizar, minimizando ).
a)
10
] [
+,+
[ ]
,+ ] [ ]
,
Com o vetor de custos associados:
[ ]
e o problema quadrtico =
](++,++)
Figura 5 Sensibilidade - .
b)
11
12
() = = = {
=
= , { = , }, }
() =
= = { {
}
}}
= { : = , = },
= { = ,
10. (Otimizao Geomtrica Numrica) O objetivo deste exerccio comparar duas formulaes
convexas equivalentes do problema geomtrico na forma padro. Considere o problema geomtrico.
+ +
() |
+
. . |
, , >
a)
R:
Converso do problema forma exponencial-logartmica:
= =
+ + + ++
( + )
+
() |
. . |
, ,
Para resoluo de problemas de otimizao no-linear com restries, a rotina fmincon do MATLAB
utiliza, como padro, algoritmo de pontos interiores. Para resoluo deste problema, foi
utilizado algoritmo equivalente3 para o propsito, na linguagem Python.
1.
2.
3.
4.
5.
13
A funo retorna:
Optimization terminated successfully.
(Exit mode 0)
Current function value: 100.0
Iterations: 38
Function evaluations: 219
Gradient evaluations: 37
b)
R:
( + + + ++ )
() |
( ( + ) + ) () =
. . |
, ,
Trecho do cdigo modificado:
6.
7.
8.
9.
10.
11.
f = lambda y : np.log(40.0*np.exp(-y[0]-y[1]/2.0-y[2])+20.0*np.exp(y[0]+y[2])+20.0*np.exp(sum(y)))
g = lambda y : -np.log((1.0/3.0)*np.exp(-2*(y[0]+y[1]))+(4.0/3.0)*np.exp(y[1]/2.0-y[2]))
out = fmin_slsqp(func=f,x0=[10,1,3],f_ieqcons=g,acc=1e-10,full_output=True)
A funo retorna:
Optimization terminated successfully.
(Exit mode 0)
Current function value: 4.60517018599
Iterations: 14
Function evaluations: 71
Gradient evaluations: 14
14