CONTROL ÓPTIMO

TRABAJO COLABORATIVO
FASE 1 – RESOLVER PROBLEMAS DE OPTIMIZACIÓN SIN RESTRICCIONES

JHONNY LÓPEZ ALCALÁ

1047366493

ANDRÉS ORLANDO PÁEZ

Tutor

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

FACULTAD DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA.
INGENIERÍA ELECTRÓNICA
CARTAGENA
2016
 INTRODUCCIÓN

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

curso metodológico CONTROL ÓPTIMO. Ofertado por la Universidad Nacional Abierta y
a Distancia - UNAD. Veremos principalmente los métodos de optimización de funciones
como son el de la sección aurea, interpolación cuadrática y el método de Newton. Para la
aplicación de estos métodos es necesario conocer el intervalo inicial donde esta contenido
el óptimo de la función objetivo, y asegurar la unimodalidad de la función en el intervalo en
estudio.

También se conocerá y aplicara el método de ascenso de máxima inclinación con la

finalidad de localizar el máximo de una función determinada, conociendo previamente los
valores iníciales del intervalo de evaluación. Se empleará además el concepto de bisección,
con este herramienta o aplicación matemática se debe encontrar el tamaño óptimo de paso
en la dirección de búsqueda del gradiente.
 ACTIVIDADES

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

Resolver los siguientes problemas:

2.1 Encuentre el valor de x que maximiza f(x), utilizando la búsqueda de la sección

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

Sección de dorada para primera iteración:

√5
𝑑= − 1 ∗ (𝑥𝑢 − 𝑥𝑙 ) = 0,618 ∗ (2 − 0) = 1.236
2
Creamos los puntos interiores
𝑥1 = 𝑥𝑙 + 𝑑 = 0 + 1.236 = 1.236
𝑥2 = 𝑥𝑢 − 𝑑 = 2 − 1.236 = 0.764
 Evaluando estos puntos en la función objetivo
3 6
𝑓(𝑥) = − 𝑥 − 2𝑥 4 + 12𝑥
2
3
𝑓(𝑥1 ) = − ∗ (1.236)6 − 2 ∗ (1.236)4 + 12 ∗ (1.236) = 4.816
2
3
𝑓(𝑥2 ) = − ∗ (0.764)6 − 2 ∗ (0.764)4 + 12 ∗ (0.764) = 8.188
2

Podemos ver que f(x2) > f(x1), entonces nuestro máximo está en el intervalo
comprendido por xl, x2 y x1.

Ahora para la segunda iteración tenemos que xl = 0, xu = 1.236, x1 = 0.764 y de

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

√5
𝑑= − 1 ∗ (𝑥𝑢 − 𝑥𝑙 ) = 0,618 ∗ (1.236 − 0) = 0.7638
2
𝑥2 = 𝑥𝑢 − 𝑑 = 1.236 − 0.7638 = 0.4722
Entonces
3
𝑓(𝑥1 ) = − ∗ (0.764)6 − 2 ∗ (0.764)4 + 12 ∗ (0.764) = 8.188
2
3
𝑓(𝑥2 ) = − ∗ (0.4722)6 − 2 ∗ (0.4722)4 + 12 ∗ (0.4722) = 5.550
2

En esta ocasión vemos que f(x1) > f(x2), ahora nuestro máximo está en el
intervalo comprendido por x2, x1, y xu.

Realizando el mismo procedimiento encontramos los valores de la tercera

interacción demostrando que el valor óptimo converge cada vez más a 8.697 en
0.920.

i xl f(xl) x2 f(x2) x1 f(x1) xu f(xu) d

1 0 0 0.764 8.188 1.236 4.816 2 -104 1.236
2 0 0 0.4722 5.550 0.764 8.188 1.236 4.816 0.7638
3 0.4722 5.550 0.764 8.188 0.944 8.678 1.236 4.816 0.4720
 2.2 Encuentre el valor de x que maximiza f(x), utilizando interpolación cuadrática.
Emplee valores iníciales de x0 = 0, x1 = 1 y x2 = 2 y realice tres iteraciones.
R/ Primero evaluamos la función en los tres valores iníciales.
3 6
𝑓(𝑥) = − 𝑥 − 2𝑥 4 + 12𝑥
2
3
𝑓(𝑥0 ) = − (0)6 − 2(0)4 + 12(0) = 0
2
3
𝑓(𝑥1 ) = − (1)6 − 2(1)4 + 12(1) = 8.5
2
3
𝑓(𝑥2 ) = − (2)6 − 2(2)4 + 12(2) = −104
2
Utilizando la interpolación cuadrática:

𝑓(𝑥0 )(𝑥12 − 𝑥22 ) + 𝑓(𝑥1 )(𝑥22 − 𝑥02 ) + 𝑓(𝑥2 )(𝑥02 − 𝑥12 )

𝑥3 =
2𝑓(𝑥0 )(𝑥1 − 𝑥2 ) + 2𝑓(𝑥1 )(𝑥2 − 𝑥0 ) + 2𝑓(𝑥2 )(𝑥0 − 𝑥1 )

(0)(12 − 22 ) + (8.5)(22 − 02 ) + (−104)(02 − 12 ) 138

𝑥3 = = = 0.570
2(0)(1 − 2) + 2(8.5)(2 − 0) + 2(−104)(0 − 1) 242

3
𝑓(𝑥3 ) = − (0.570)6 − 2(0.570)4 + 12(0.570) = 6.577
2

A raíz de este valor tomamos nuevos valores iníciales para la segunda

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

(6.577)(12 − 22 ) + (8.5)(22 − 0.570 2 ) + (−104)(0.570 2 − 12 )

𝑥3 = = 0.812
2(6.577)(1 − 2) + 2(8.5)(2 − 0.570 ) + 2(−104)(0.570 − 1)
3
𝑓(𝑥3 ) = − (0.812)6 − 2(0.812)4 + 12(0.812) = 8.444
2

De igual forma repetimos el procedimiento para la tercera iteración

demostrando que el valor óptimo converge cada vez más 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 método de Newton.
Utilice un valor inicial de x0 = 2 y realice tres iteraciones.
R/ Comenzamos calculando la primera y segunda derivada de la función:
3 6
𝑓(𝑥) = − 𝑥 − 2𝑥 4 + 12𝑥
2

𝑓 ′ (𝑥) = − 9𝑥 5 − 8𝑥 3 + 12

𝑓 ′′ (𝑥) = − 45𝑥 4 − 24𝑥 2

Reemplazamos en
𝑓 ′ (𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 −
𝑓 ′′ (𝑥𝑖 )

−9(2)5 − 8(2)3 + 12
𝑥1 = 2 − = 1.583
− 45(2)4 − 24(2)2

3
𝑓(𝑥1 ) = − (1.583)6 − 2(1.583)4 + 12(1.583) = −17.166
2

Para la segunda iteración tenemos

−9(1.583)5 − 8(1.583)3 + 12
𝑥1 = 1.583 − = 1.26
− 45(1.583)4 − 24(1.583)2

3
𝑓(𝑥1 ) = − (1.26)6 − 2(1.26)4 + 12(1.26) = 4.076
2

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

iteración demostrando que el valor óptimo converge cada vez más 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 máximo de la función f(x).

2.5 Analizar las ventajas y desventajas de la búsqueda de la sección dorada,

interpolación cuadrática y el método de Newton, para localizar un valor óptimo
en una dimensión.
R/ El método de la sección dorada o razón aurea es una técnica, de búsqueda
para una sola variable, sencilla y de propósito general. En este método en la
función se evalúa dos puntos interiores de acuerdo con la razón de oro y se
sigue acortando el intervalo de evaluación en cada iteración. Ahora, esta es la
ventaja real del uso de este método. Los puntos originales se han escogido
mediante la razón dorada, no se tienen que recalcular todos los valores de la
función en la siguiente iteración.

La interpolación cuadrática tiene como ventaja la aplicación de un polinomio

de segundo grado que con frecuencia proporciona una buena aproximación de
la cercanía de un valor óptimo. Esto pues hay únicamente una ecuación
cuadrática que pasa por tres puntos. De esta forma, si se tienen tres puntos que
contienen un punto óptimo, se ajusta una parábola a los puntos, después se
puede derivar e igualar a cero, y así obtener una estimación del óptimo.

En el caso del método de Newton, la ventaja mas notoria es que no trabaja con
valores iníciales, mientras que sus desventajas son más importantes. Este
método llega a diverger según sea la naturaleza de la función y la calidad del
valor inicial. De esta forma es recomendable usarla sólo cuando se está cerca
del valor óptimo. De no ser así se requerirían de muchas iteraciones para
encontrar el valor que maximiza la función.
3. Leer de la página 26 a la 45 del texto guía de Optimización que se encuentra en el
repositorio.
4. Dada la función 𝑓(𝑥, 𝑦) = 4𝑥 + 2𝑦 + 𝑥 2 − 2𝑥 4 + 2𝑥𝑦 − 3𝑦 2

5. Resolver los siguientes problemas:

6. Efectuar una iteración del método de ascenso de máxima inclinación para localizar
el máximo con los valores iníciales de x = 0 y y = 0. Emplee bisección para
encontrar el tamaño óptimo de paso en la dirección de búsqueda del gradiente.

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

encontrar el máximo de la función.
 REFERENCIAS
 Uresti, E. 2008. Optimización, Búsqueda en una Dimensión. [En línea].
<http://cb.mty.itesm.mx/materias/ma4011/materiales/a130-17.pdf>

 Steven C. Chapra y Raymond P. Canale. 2006. Métodos Numéricos para

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