Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Optimización y Control Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Escuela de Ingeniería Aeronáutica y del Espacio Programa: Grado en Ingeniería Aeronáutica Curso 2013-2014 Tema #3: Extremos locales con restricciones Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Index 1 Algunas cuestiones preliminares 2 Teoría básica Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker 3 Métodos de penalización y funciones barrera 4 Cálculo variacional en dimensión infinita Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales 5 Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales OPTIMIZACIÓN LOCAL CON RESTRICCIONES Se trata ahora de abordar, mediante métodos locales, el cálculo de mínimos locales con restricciones, es decir, calcular: min F (u1, . . . ,uN) en un dominio admisible definido por Rk (u1, . . . ,uN) = 0, para k = 1, . . . ,m, con m < N, Rk (u1, . . . ,uN) ≥ 0, para k = m + 1, . . . ,n. Las primeras m restricciones son restricciones estrictas, y deben definir una variedad suave de dimensión N −m. Las restantes n −m restricciones son restricciones unilaterales que definen la frontera del dominio. Por ejemplo, en dimensión 3, si el dominio es un poliedro, las restricciones unilaterales definen las caras del poliedro, cuyo número puede ser cualquiera. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales RESTRICCIONES ESTRICTAS Cada restricción estricta define una hipersuperficie del espacio paramétrico (de dimensión N − 1). Para asegurar que el dominio admisible es una variedad suave, se hacen las siguientes hipótesis generales respecto de las restricciones estrictas: Las restricciones son compatibles. Por ejemplo, no debe permitirse que dos de las restricciones estrictas definan hipersuperficies paralelas. Las restricciones estrictas son tales que los vectores ∇R1,...,∇Rm son linealmente independientes entre sí. Por ejemplo, no se admite que dos de las hipersuperficies sean tangentes en el punto. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales RESTRICCIONES UNILATERALES En cada punto de la frontera, una al menos de las restricciones unilaterales es estricta (es decir, verifica la igualdad, en vez de la desigualdad estricta). Esas restricciones se conocen como restricciones activas en ese punto; el resto son restricciones inactivas. Por ejemplo, si la frontera es un poliedro, en los puntos de las caras, aristas y vértices hay una, dos y tres restricciones activas, respectivamente. Para asegurar que la frontera es suave a trozos, se hace la siguiente hipótesis para las restricciones unilaterales: Las restricciones estrictas activas en cada punto de la frontera son tales que los correspondientes vectores∇Rj son (i) linealmente independientes entre sí y (ii) linealmente independientes de los vectores∇R1,...,∇Rm asociados a las restricciones estrictas. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales COMENTARIOS PREVIOS (I) Los mínimos locales del problema anterior pueden clasificarse en dos tipos: Interiores al dominio admisible: en puntos que satisfacen estrictamente todas las restricciones unilaterales. Los posibles extremos se calculan mediante el método de multiplicadores de Lagrange (que también puede formularse mediante el uso de operadores adjuntos). Pertenecientes a la frontera del dominio admisible: en puntos que satisfacen de modo no estricto alguna(s) de las restricciones unilaterales (restricciones activas). Los posibles extremos se calculan también mediante los multiplicadores de Lagrange, convirtiendo en igualdades esas restricciones. Para asegurar que pueden, en efecto, ser mínimos, deben verificar las condiciones de Karush-Khun-Tucker (KKT). Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales COMENTARIOS PREVIOS (II) Salvo cuando el número de restricciones unilaterales es muy pequeño, considerar todas las posibilidades de combinaciones de restricciones unilaterales activas/inactivas conlleva un problema combinatorio que puede ser computacionalmente muy costoso. Las regiones de confianza sortean la dificultad. A veces sucede que algunas de las variables de diseño pueden agruparse en funciones. En ese caso, que pertenece al dominio del llamado cálculo de variaciones, las condiciones necesarias de extremo involucran ecuaciones diferenciales, ordinarias o en derivadas parciales, con sus correspondientes condiciones de contorno. Esta situación tiene una gran riqueza, que sólo se considerará brevemente al final del tema. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker Outline 1 Algunas cuestiones preliminares 2 Teoría básica Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker 3 Métodos de penalización y funciones barrera 4 Cálculo variacional en dimensión infinita Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales 5 Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker ENFOQUE VARIACIONAL (I) Para entender bien el método de los multiplicadores de Lagrange, conviene utilizar el enfoque variacional que se explica a continuación. Este enfoque tiene interés en sí mismo, en muchas aplicaciones. En particular, en dimensión infinita, en que se minimizan funcionales y las variables independientes son funciones, en vez de vectores de dimensión N, u. Por claridad, se aplica ahora este enfoque al cálculo de extremos sin restricciones, ya considerado en el tema anterior. El enfoque variacional es otro modo operativo (conceptualmente equivalente al empleado en el tema anterior) de deducir la condición necesaria de óptimo local, g = 0. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker ENFOQUE VARIACIONAL (II)Para calcular los mínimos locales de la función objetivo F , pueden considerarse restricciones a rectas que pasan por el punto donde hay un extremo. Tales restricciones deben tener también un extremo en el punto. Las rectas que pasan por el punto u0 pueden escribirse como u = u0 + αũ ′ 0, con ũ ′ 0 6= 0. La condición es entonces dF (u0 + αũ ′ 0)/dα = 0 en α = 0 para todo ũ ′ 0 ∈ RN . Aplicando la regla de la cadena se obtiene N∑ j=1 ∂uj F (u0)ũ ′ j (0) = 0, es decir, g > 0 ũ ′ 0 = 0 para todo ũ ′ 0 ∈ RN . La condición anterior implica que g0 = 0, que es, precisamente, la condición necesaria deducida en el tema anterior. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker EJEMPLO: DEFINICIÓN VARIACIONAL DE AUTOVALORES Maximizando la función objetivo F (u) = u>Au/(u>u), donde A es una matriz simétrica de orden N × N, se obtiene la condición necesaria Auo = λu0, donde el escalar λ = F (u0). Esta condición se obtiene aplicando el enfoque variacional a la función objetivo anterior. Por tanto, los extremos de la función objetivo son los autovalores de la matriz A (que son, todos ellos, reales, por ser A simétrica). El mayor de tales extremos relativos es el autovalor mayor y, por tanto, el máximo de la función objetivo. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker Outline 1 Algunas cuestiones preliminares 2 Teoría básica Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker 3 Métodos de penalización y funciones barrera 4 Cálculo variacional en dimensión infinita Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales 5 Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker MULTIPLICADORES DE LAGRANGE (I) Considerando sólo las restricciones estrictas (es decir, solamente mínimos locales en el interior del dominio admisible), se busca min F (u1, . . . ,uN), con Rk (u1, . . . ,uN) = 0, para k = 1, . . . ,m. Utilizando un enfoque variacional, se consideran curvas del espacio paramétrico que verifiquen las restricciones, u = u0 + ũ(α), y se impone que la función objetivo tenga un mínimo a lo largo de las curvas en el punto. La condición es entonces dF (u0 + ũ(0))/dα = 0 para toda curva, es decir ∇F (u0)>ũ′0 = 0 con ũ ′ 0 = ũ ′ (0). Por otro lado, las curvas deben verificar las restricciones, es decir, Rk (u0 + ũ(α)) = 0 para todo k y para todo α. Derivando respecto de α y particularizando en α = 0, se obtiene ∇Rk (u0)>ũ′0 = 0 para k = 1, . . . ,m. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker MULTIPLICADORES DE LAGRANGE (II) Resumiendo lo anterior, se tiene ∇F (u0)>ũ′0 = 0, si∇Rk (u0)>ũ ′ 0 = 0 para k = 1, . . . ,m. Es decir, ahora∇F (u0) no tiene porqué ser ortogonal a todos los vectores de RN (lo cual hubiera implicado que∇F (u0) = 0), sino sólamente a algunos de ellos. ∇F (u0) debe ser ortogonal a todos los vectores que sean ortogonales, simultaneamente, a∇R1,...,∇Rm. Por tanto, debe ser linealmente dependiente de esos vectores, es decir, ∇F (u0) = λ1∇R1(u0) + . . .+ λm∇Rm(u0). Los escalares λ1, . . . , λm se conocen como multiplicadores de Lagrange. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker MULTIPLICADORES DE LAGRANGE (III) Por tanto, los posibles extremos locales del problema con restricciones deben verificar el siguiente sistema de Lagrange, que es una condición necesaria de extremo condicionado ∇F (u0) = λ1∇R1(u0) + . . .+ λm∇Rm(u0), Rk (u0) = 0, para k = 1, . . . ,m. Se tiene así una ecuación vectorial de orden N (que equivale a N ecuaciones escalares) y m ecuaciones escalares, es decir, N + m ecuaciones. Y hay que calcular una incógnita vectorial (u0 ∈ RN ) y m incógnitas escalares, es decir, N + m incógnitas. Es decir, se tienen tantas ecuaciones como incógnitas. El sistema es lineal en los multiplicadores de Lagrange, pero, en general, es no lineal en su dependencia de u0. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker MULTIPLICADORES DE LAGRANGE (IV) El sistema de Lagrange puede considerarse como un sistema no lineal de N + m ecuaciones con N + m incógnitas, que puede resolverse, de modo iterativo, mediante el método de Newton, un método de Broiden, o un método de descenso. Al aplicar estos métodos, debe tenerse en cuenta que, tal como se verá en las trasparencias siguientes, la matriz jacobiana del sistema de Lagrange es simétrica, pero no es definida positiva. Por no ser definida positiva la matriz jacobiana, las optimizaciones unidimensionales que deben realizarse en estos métodos deben buscar extremos (máximos, mínimos o puntos de inflexión) aunque en la optimización original se esté buscando un mínimo. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker DISCUSIÓN DEL SISTEMA DE LAGRANGE (I) La matriz jacobiana del sistema de Langrange puede escribirse por bloques como J = [ HL −A −A> O ] , donde HL es la matriz hessiana de F − ∑ λk Rk , es decir, HLij = ∂ui uj (F − ∑m k=1 λk Rk ), A = [∇R1, . . . ,∇Rm], y O es la matriz nula de orden m ×m. Nótese que HL es simétrica. Por tanto, la matriz J es siempre simétrica. Y es no singular si, y sólo si, se verifican las siguientes condiciones Los vectores∇R1, . . . ,∇Rm son linealmente independientes. La restricción de H al subespacio de RN ortogonal a ∇R1, . . . ,∇Rm es no singular. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker DISCUSIÓN DEL SISTEMA DE LAGRANGE (II) Por otro lado, se comprueba fácilmente que el sistema de Lagrange puede verse como la búsqueda de puntos estacionarios de la función FL(u, λ1, . . . , λm) = F (u)− λ1R1(u)− . . .− λmRm(u). Es decir, las soluciones del sistemade Lagrange son los puntos estacionarios de esta función, cuya matriz hessiana, HL, es la matriz jacobiana del sistema de Lagrange, es decir, la matriz J de la transparencia anterior. Pero, desgraciadamente, HL es indefinida, de modo que sus puntos estacionarios son ‘puntos de ensilladura’, no mímimos. Por ello, no puede reducirse el problema al cálculo de mínimos de FL. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker EJERCICIO Para la función objetivo: F (x , y , z) = 1− 2(x − y)2 + x3/3 + (x − y + z)4/4 + 100y2 + z2, considere los siguientes grupos de restricciones x = y ó x2 + z2 = 1 ó x = y , x2 + z2 = 1. Para cada uno de estos juegos de restricciones, 1. Diseñe estrategias numéricas para calcular los extremos locales y el mínimo global. 2. Elabore un programa Matlab para calcular todos los extremos locales. 3. Discuta los resultados. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker Outline 1 Algunas cuestiones preliminares 2 Teoría básica Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker 3 Métodos de penalización y funciones barrera 4 Cálculo variacional en dimensión infinita Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales 5 Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker OPTIMIZACIÓN BASADA EN EL ADJUNTO (I) El problema de optimización con restricciones estrictas puede reformularse escribiendo las restricciones en forma vectorial. Es decir, considerando la función vectorial R, cuyas componentes son R1, . . . ,Rm. El sistema de Lagrange se escribe entonces como ∇F = R>u λ, R = 0, donde Ru es la matriz jacobiana de la función vectorial R, el superíndice > denota la transpuesta y el vector λ = [λ1, . . . , λm]> está formado por los multiplicadores de Lagrange. En términos de operadores, la transpuesta de una matriz se conoce como adjunto del operador asociado y, por tanto, este método se conoce como optimización basada en el adjunto. El método es especialmente conveniente cuando el problema se formula en términos de operadores (no de matrices). Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker OPTIMIZACIÓN BASADA EN EL ADJUNTO (II) La formulación en términos del adjunto puede deducirse directamente de la formulación variacional del problema min F (u1, . . . ,uN), con R(u1, . . . ,uN) = 0, que conduce a ∇F>ũ′0 = 0 para todo ũ ′ 0 tal que Ruũ ′ 0 = 0. Es decir,∇F debe ser ortogonal al núcleo de Ru. De acuerdo con la condición de resolubilidad que se da en la siguiente transparencia, esta condición es equivalente a imponer que tenga solución el sistema (adjunto) R>u λ =∇F . Este sistema es, precisamente, la condición basada en el adjunto. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker CONDICIÓN DE RESOLUBILIDAD (I) Sea A una matriz de orden m × n y rango r < n, sea b un vector de Rn, y sean 〈·〉m y 〈·〉n productos escalares de Rm y Rn, respectivamente. Las siguientes condiciones son equivalentes: 1 〈b, x̃〉m = 0 para todo x̃ tal que Ax̃ = 0. 2 La ecuación A∗x = b tiene solución, donde la matriz adjunta de A∗ está definida por la siguiente condición 〈A∗x ,y〉m = 〈x ,Ay〉n para todo par de vectores x ,y . Nótese que: Si los productos escalares son los usuales, A∗ = A>. Es una condición de resolubilidad para el sistema lineal A∗x = b cuando la matriz de coeficientes es singular. Puede enunciarse también diciendo que el núcleo de una matriz y la imagen de su adjunta son ortogonales. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker CONDICIÓN DE RESOLUBILIDAD (II) La justificación de la condición de resolubilidad es como sigue: Que la condición 2 implica la condición 1 se deduce suponiendo que la ecuación A∗x = 0 tiene solución, multiplicando escalarmente las ecuaciones A∗x = b y Ax̃ = 0 por x̃ y por x , respectivamente, y restando las ecuaciones resultantes, para obtener 〈x̃ ,b〉 = 0. Que (la condición 1 implica la 2, es decir, que) la condición 1 es suficiente para que la ecuación A∗x = b tenga solución se obtiene teniendo en cuenta que la condición 1 es necesaria y que equivale a n − r condiciones escalares linealmente independientes, que es, justamente, el número de condiciones independientes que debe haber. Nótese aquí que las matrices A y A∗ tienen el mismo rango. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker Outline 1 Algunas cuestiones preliminares 2 Teoría básica Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker 3 Métodos de penalización y funciones barrera 4 Cálculo variacional en dimensión infinita Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales 5 Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker CONDICIONES NECESARIAS DE EXTREMO CON RESTRICCIONES (I) Se considera ahora el caso general, min F (u1, . . . ,uN), con Rk (u1, . . . ,uN) = 0, para k = 1, . . . ,m, Rk (u1, . . . ,uN) ≥ 0, para k = m + 1, . . . ,n, y un extremo local que pertenece a la frontera del dominio. Por tanto, algunas de las restricciones unilaterales son restricciones activas. Considerando solamente las restricciones activas, y suponiendo que éstas son las p primeras, se tiene un problema de multiplicadores de Lagrange con m + p restricciones estrictas. min F (u1, . . . ,uN), con Rk (u1, . . . ,uN) = 0 para k = 1, . . . ,m + p. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalizacióny funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker CONDICIONES NECESARIAS DE EXTREMO CON RESTRICCIONES (II) En virtud de lo anterior, el mínimo local en cuestión debe verificar ∇F (u0) = λ1∇R1(u0) + . . .+ λp∇Rp(u0), Rj (u0) = 0 para j = 1 . . . ,m + p. Pero, además, para que pueda haber mínimo local, la función objetivo debe ser no decreciente hacia el interior del dominio, lo cual implica que ∇F (u0)>d ≥ 0 si d ∈ RN es tal que d>∇Rk > 0 para k = m + 1, . . . ,m + p (restricciones unilaterales activas). Utilizando el lema de Farkas, esta condicion implica que, para las restricciones activas debe ser λk ≥ 0 para k = m + 1, . . . ,m + p. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker LEMA DE FARKAS Lema de Farkas: Sea A una matriz de orden m × n y b un vector de Rn. La ecuación Ax = b con x ≥ 0 tiene solución si, y solamente si, no existe y ∈ Rm tal que A>y ≤ 0 y b>y > 0. Aplicando el lema de Farkas con A = [∇R1, . . . ,∇Rp], x = λ y b =∇F , se obtiene la propiedad enunciada en la transparencia anterior. Es esencial, para este argumento, que los vectores ∇R1,. . . ,∇Rp sean linealmente independientes para que haya una solución, a lo sumo, de la ecuación Ax = b. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker CONDICIONES DE KARUSH-KHUN-TUCKER (KKT) Considerando ahora el caso general, min F (u1, . . . ,uN), con Rk (u1, . . . ,uN) = 0, para k = 1, . . . ,m, Rk (u1, . . . ,uN) ≥ 0, para k = m + 1, . . . ,n, las condiciones necesarias pueden escribirse en la forma (condiciones KKT): ∇F (u0) = λ1∇R1(u0) + . . .+ λn∇Rn(u0). Rj (u0) = 0 para j = 1, . . . ,m, λjRj (u0) = 0, λj ≥ 0 para j = m + 1, . . . ,n. Nótese que la última condición implica que, o bien es λj = 0 ó es Rj (u0) = 0. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales MÉTODOS DE PENALIZACIÓN La idea de los métodos de penalización es modificar la función objetivo de modo que ésta crezca mucho cuando no se verifican las restricciones; por tanto, si no se verifican, ‘se penaliza’ la función objetivo. Para ello, por ejemplo, se añaden nuevos sumandos a la función objetivo, que son proporcionales al cuadrado de las restricciones (funciones de penalización) y parámetros de penalización, que se hace tender a infinito. La nueva función objetivo, sin restricciones, se optimiza con los métodos del tema anterior (que, ¡ojo! pueden dar problemas para valores grandes de los parámetros de penalización). Los distintos métodos difieren en la forma de las funciones de penalización. Son métodos que requieren calibrado, en cada caso particular. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales MÉTODO DE COURANT Para resolver el problema min F (u1, . . . ,uN), con Rk (u1, . . . ,uN) = 0, para k = 1, . . . ,m, Rk (u1, . . . ,uN) ≥ 0, para k = m + 1, . . . ,n, se considera la función objetivo F (u1, . . . ,uN)+ m∑ k=1 σk Rk (u1, . . . ,uN)2+ n∑ k=m+1 σk min{Rk (u1, . . . ,uN),0}2. Se comienza resolviendo el problema de optimización modificado con valores iniciales de los parámetros de penalización (p.e., σ1 = . . . = σN = 1) y se van aumentando en cada paso (p.e., multiplicándolos por 10) hasta conseguir la convergencia. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales OTROS MÉTODOS DE PENALIZACIÓN Modificando la función de penalización, que es cuadrática en el método de Courant, se obtienen otros métodos que pueden ser más eficaces en situaciones concretas. Si se utilizan métodos de tipo gradiente para minimizar la función objetivo penalizada, los problemas resultantes suelen estar mal condicionados cuando el parámetro de penalización es grande y el óptimo es cercano a la frontera del dominio admisible. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales FUNCIONES BARRERA Se trata de un método similar a los métodos de penalización. Las restricciones unilaterales se sustituyen por añadir a la función objetivo una función barrera, que tiende a infinito cuando el punto se acerca a la frontera del dominio admisible. Las funciones barrera más utilizadas son la función inversa y la función logarítmica, que darían lugar a funciones objetivo del tipo F (u1, . . . ,uN) + n∑ k=m+1 σk/Rk (u1, . . . ,uN), y F (u1, . . . ,uN)− n∑ k=m+1 σk log[Rk (u1, . . . ,uN)]. En ambos casos se minimiza la función objetivo modificada para valores decrecientes del parámetro σk > 0. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales INTRODUCCIÓN AL CÁLCULO DE VARIACIONES (I) En muchos problemas de interés práctico, la función objetivo es un funcional y los parámetros de diseño son funciones (en vez de vectores). El valor óptimo óptimo del funcional se obtiene eligiendo una o varias funciones de diseño (en vez de parámetros de diseño). Estos problemas son generalizaciones a dimensión infinita de los problemas considerados hasta ahora. Las funciones son vectores de dimensión infinita (o muy grande si se discretizan). Ejemplo 1: optimizar una trayectoria de un satélite (funciones del tiempo) minimizando el tiempo de vuelo (integral a lo largo de la trayectoria). Ejemplo 2: obtener la forma de un ala (funciones de dos variables espaciales) minimizando la resistencia aerodinámica (una integral a lo largo del ala). Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales INTRODUCCIÓN AL CÁLCULO DE VARIACIONES (II) Podrá haber una o varias funciones de diseño. Las funciones de diseño podrán depender de una o varias variables independientes. Sólamente se consideran funcionales definidos a través de integrales extendidas a dominios acotados e integrales sobre las fronteras de estos dominios, con integrandos dependientes de las funciones de diseño y de sus derivadas. La generalización de la condición necesaria de gradiente de la función objetivo nulo consiste en una o varias ecuaciones diferenciales, ordinarias o en derivadas parciales, con condiciones iniciales o de contorno. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finalesCálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales INTRODUCCIÓN AL CÁLCULO DE VARIACIONES (III) Se deducen condiciones necesarias de extremo, que se llamarán siempre, en lo que sigue, ecuaciones Euler; en algunos textos, se emplea un segundo nombre (Lagrange, Poisson, Ostrogradski, etc). También aparecen condiciones de contorno, de dos modos: Como parte del proceso de optimización (condiciones de contorno naturales). Porque se imponen a las funciones admisibles; estas condiciones de contorno estarán sujetas a limitaciones. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales INTRODUCCIÓN AL CÁLCULO DE VARIACIONES (IV) Lo anterior corresponde al cálculo de variaciones ‘elemental’, que puede verse como un problema ‘limpio’ de optimización sin restricciones. Pero hay otras situaciones de interés práctico, que también se tratarán brevemente al final de este apartado: Las variables de diseño pueden incluír funciones y escalares. En este caso, aparece una condición adicional por cada parámetro de diseño escalar. Además, pueden imponerse restricciones, estrictas o unilaterales. Las restricciones estrictas dan lugar a ecuaciones de Euler con multiplicadores de Langange. Si las restricciones estrictas incluyen ecuaciones diferenciales, conviene formular las ecuaciones de Euler mediante operadores adjuntos. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales INTRODUCCIÓN AL CÁLCULO DE VARIACIONES (V) En lo que sigue, solamente se consideran algunos casos generales para ilustrar los métodos básicos. La variedad de problemas (número de variables independientes, número de funciones a determinar, orden de las derivadas que aparecen en el funcional, etc.) es demasiado grande para intentar un estudio exhaustivo en este curso. Se considera, en primer lugar, un caso general en que la función objetivo depende de una sóla función de diseño dependiente de dos variables independientes (2D) y de sus derivadas primeras. La restricción a 1-D y la generalización a dimensión mayor son sencillas. El resto de los casos (dependencia de derivadas de orden superior, varias funciones de diseño, etc,) se consideran sólo para ejemplos representativos concretos. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales Outline 1 Algunas cuestiones preliminares 2 Teoría básica Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker 3 Métodos de penalización y funciones barrera 4 Cálculo variacional en dimensión infinita Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales 5 Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales LEMA FUNDAMENTAL DEL CÁLCULO DE VARIACIONES Éste es el resultado matemático que nos permitirá deducir condiciones de extremo: Sea Ω ∈ Rn, con n ≥ 1 un dominio (conjunto abierto y conexo) de frontera suave a trozos y sea f : Ω→ R una función continua. Si ∫ Ω f ũ dx = 0, con dx = dx1 . . . dxn, para toda función ũ ∈ C∞(Ω), que sea identicamente nula en un entorno de la frontera (esta condición define a funciones de soporte compacto), entonces la función f = 0 en Ω. Nótese que una función con soporte compacto es tal que ũ = ∂ν ũ = ∂νν ũ = . . . = 0 y, por tanto, verifica cualquier condición de contorno homogénea que involucre a la función y a su derivadas, de cualquier orden, respecto de la normal unitaria exterior ν, tales como ũ = 0 (Dirichlet) o ∂ν ũ = 0 (Neumann). Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales FORMULACIÓN GENERAL (I) Considérese el problema de seleccionar la función u = u(x1, . . . , xn) para minimizar el funcional F (u) = ∫ Ω f (x ,u,Du,D2u, . . . ,Dmu) dx + ∫ ∂Ω g(x ,u, ∂νu, . . . , ∂kν...νu) dA, con k < m, donde f y g son funciones suaves, Ω ⊂ Rn es un dominio con frontera (que se denota como ∂Ω) suave a trozos, Dju donota la diferencial de orden j (conjunto de las derivadas parciales de ese orden), y ∂ jν...νu denota la derivada de orden j de u respecto de la normal unitaria exterior. Nótese que, en la frontera, el funcional involucra derivadas de, a lo sumo, un orden menor que el funcional en el interior del dominio. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales FORMULACIÓN GENERAL (II) En principio, las funciones admisibles (sobre las que se minimiza el funcional) son derivables con continuidad m veces (para que el funcional esté bien definido). Sin embargo, se exigirá que las funciones admisibles sean derivables 2m veces porque, como se verá, ese es el orden de las derivadas que aparecerán en las ecuaciones de Euler. Si no se impone ninguna condición adicional a las funciones admisibles, el proceso de minimización producirá m condiciones de contorno, que se denominarán naturales. También pueden imponerse hasta m condiciones de contorno a las funciones admisibles, que podrán involucrar a la propia función y a sus derivadas respecto de ν, hasta orden m − 1, a lo sumo. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales CÁLCULO DE VARIACIONES EN 2D (I) Considérese el problema de seleccionar la función u para minimizar el funcional F (u) = ∫ Ω f (∂xu, ∂y u,u, x , y) dxdy + ∫ ∂Ω g(u, s) ds, donde f = f (p,q,u, x , y) y g = g(u, s) son funciones suaves, Ω ⊂ R2 es un dominio con frontera (∂Ω) suave a trozos, y s es un parámetro longitud de arco a lo largo de la frontera. Nótese que, en la frontera, el funcional involucra derivadas de un orden menor que el funcional en el interior del dominio; es decir, no involucra a las derivadas en este caso. Enfoque variacional: Si u(x , y) minimiza el funcional, sustituyendo u = u(x , y) + αũ(x , y) en el funcional, la expresión resultante debe tener un mínimo en α = 0. Por tanto, la derivada de esa expresión respecto de α debe ser nula en α = 0. Ignacio Delgado, Ignacio Gómez,José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales CÁLCULO DE VARIACIONES EN 2D (II) Se obtiene así la ecuación∫ Ω [∂x ũ∂pf + ∂y ũ∂q f + ũ∂uf ] dxdy + ∫ ∂Ω ũ∂ug ds = 0, que debe verificarse para toda función admisible (derivable con continuidad). Integrando por partes en la expresión anterior, se obtiene∫ Ω [−∂p∂x f−∂q∂y f +∂uf ]ũ dxdy + ∫ ∂Ω ũ[∂ug+ν ·(∂pf , ∂q f )] ds = 0, donde ν es la normal unitaria exterior a la frontera del dominio. Y esta ecuación debe verificarse para toda función admisible ũ. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales ECUACIÓN DE EULER Considerando sólamente funciones ũ con soporte compacto (para las que ũ = 0 en ∂Ω), y utilizando el lema fundamental del cálculo de variaciones, la condición∫ Ω [−∂p∂x f−∂q∂y f +∂uf ]ũ dxdy + ∫ ∂Ω [∂ug +ν ·(∂pf , ∂q f )]ũ ds = 0, implica que (condición necesaria de extremo) −∂p∂x f − ∂q∂y f + ∂uf = 0 en Ω. Ésta es, en general, una ecuación diferencial, en derivadas parciales, que recibe el nombre de ecuación de Euler. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales CONDICIONES DE CONTORNO NATURALES Por tanto (como la primera integral es nula), la condición original se reduce a ∫ ∂Ω [∂ug + ν · (∂pf , ∂q f )]ũ ds = 0 para toda función ũ continua sobre la frontera. Esto implica que ∂ug + ν · (∂pf , ∂q f ) = 0 en ∂Ω. Esta condición de contorno (que no se impuso a las funciones admisibles) aparece al minimizar. Recibe el nombre de condición de contorno natural. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales OTRAS CONDICIONES DE CONTORNO Si, en cambio, se hubiera impuesto una condición del tipo u = h(s) a las funciones admisibles, ésa sería precisamente la condición de contorno a imponer a la ecuación de Euler. Nótese que la condición de contorno a imponer a las funciones admisibles debe involucrar derivadas de un orden inferior a las que aparecen en la integral doble, es decir, debe depender sólo de u en este caso. Con esa condición de contorno, todo es consistente, ya que: La integral de línea que aparece en el funcional es constante, y no juega ningún papel en la minimización. ũ debe ser idénticamente nula en la frontera (para que u + αũ verifique la condición de contorno), de modo que la integral de línea que aparece al integrar por partes es nula. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales ECUACIONES DE ORDEN SUPERIOR: UN EJEMPLO (I) Se procede igual, pero hay que integrar por partes varias veces. Por ejemplo, para minimizar ∫ Ω [(∆u)2 + |∇u|2 − u + u2] dxdy , se sustituye u = u + αũ, y se impone que la derivada respecto de α en α = 0 sea nula, para obtener∫ Ω [2∆u∆ũ + 2∇u · ∇ũ − ũ + 2uũ] dxdy = 0. O, integrando por partes dos veces y dividiendo por 2,∫ Ω [∆2u−∆u+u−1/2]ũ dxdy+ ∫ ∂Ω [(∆u+u)∂ν ũ−ũ∂ν(∆u)] ds = 0, para toda función admisible ũ (con derivadas parciales segundas continuas); ∂ν es la derivada respecto de la normal unitaria exterior. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales ECUACIONES DE ORDEN SUPERIOR: UN EJEMPLO (II) Imponiendo la condición anterior para toda función ũ de soporte compacto (para las cuales ũ = ∂ν ũ = 0 en ∂Ω), se obtiene la ecuación de Euler ∆2u −∆u + u − 1/2 = 0 en Ω. Por tanto, la integral doble es nula y la condición queda∫ ∂Ω [(∆u + u)∂ν ũ − ũ∂ν(∆u)] ds = 0 para toda función ũ derivable dos veces; ũ y ∂ν ũ pueden tomar cualquier valor sobre la frontera, independientes una de otra. Por tanto, los coeficientes de ũ y ∂ν ũ deben ser nulos, y se obtienen las siguientes condiciones de contorno naturales: ∆u + u = 0, ∂ν(∆u) = 0 en ∂Ω. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales ECUACIONES DE ORDEN SUPERIOR: UN EJEMPLO (III) Las condiciones de contorno naturales aparecen sin haber impuesto ninguna condición de contorno a las funciones admisibles. Si, en cambio, se impusiese una condición de contorno del tipo (la condición de contorno debe involucrar solamente a u y a ∂νu) g(u, ∂νu) = 0 en ∂Ω a las funciones admisibles, se tendría ũ∂ug + ∂ν ũ∂pg = 0 (para que u + αũ verifique la condición de contorno para todo α). Sustituyendo esta expresión en la integral de línea, se obtendría la siguiente condición de contorno natural (además de la condición anterior) ∂ν(∆u)∂pg + (∆u + u)∂ug = 0 en ∂Ω. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales ECUACIONES DE ORDEN SUPERIOR: UN EJEMPLO (IV) Si se impusiesen dos condiciones de contorno independientes (que determinen unívocamente a u y a ∂νu en cada punto de la frontera) del tipo g1(u, ∂νu) = 0, g2(u, ∂νu) = 0 en ∂Ω, tales condiciones se impondrían directamente a las ecuaciones de Euler y no aparecería ninguna condición de contorno natural. Nótese que las conditiones de contorno podrían escribirse como u = h1(s) y ∂νu = h2(s), y todo sería consistente porque: La integral de línea que aparece en el funcional es constante y puede ignorarse al minimizar. Las funciones ũ serían tales que ũ = ∂ν ũ = 0 en ∂Ω (para que u + αũ verifique las condiciones de contorno) y, por tanto, la integral de línea que aparece al integrar por partes sería identicamente nula. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales ECUACIONES DE ORDEN SUPERIOR: CONCLUSIONES (I) Aunque se ha considerado sólo un ejemplo, las siguientes conclusiones tienen validez general, en casos genéricos en que: El funcional depende de derivadas parciales de hasta orden dos de la variable de diseño. Considerandosólo las derivadas segundas, se tiene un funcional definido positivo. Esta condición es necesaria para que el funcional esté acotado inferiormente y pueda tener un mínimo global. La ecuación de Euler que se obtiene (al aplicar el método variacional) es una ecuación elíptica de cuarto orden y, por tanto, requiere dos condiciones de contorno independientes. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales ECUACIONES DE ORDEN SUPERIOR: CONCLUSIONES (II) Para las dos condiciones de contorno de la ecuación de Euler, se pueden dar tres situaciones: Si no se imponen condiciones de contorno a las funciones admisibles, el proceso de minimización produce, precisamente, dos condiciones de contorno naturales independientes. Si se impone una condición de contorno a las funciones admisibles (¡ojo!, ésta no puede involucrar derivadas de orden superior al primero), el proceso de minimización produce una condición de contorno natural. Esa condición adicional se impone, junto con la condición impuesta de entrada. Si se imponen dos condiciones de contorno independientes a las funciones admisibles, éstas son las que deben imponerse a la ecuación de Euler (no hay condiciones de contorno naturales a adicionales). Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales VARIAS VARIABLES DEPENDIENTES: UN EJEMPLO (I) Nuevamente, se considera un ejemplo: minimizar el funcional∫ Ω [|∇u|2 + |∇v |2 + 2uv ] dxdy . Para ello, se sustituyen u = u + αũ y v = v + αṽ en el funcional. En la expresión resultante, se iguala a cero la derivada respecto de α en α = 0 y se integra por partes en la expresión resultante, para obtener∫ Ω [∇u · ∇ũ +∇v · ∇ṽ + ũv + uṽ ] dxdy ≡∫ Ω [(v −∆u)ũ + (u −∆v)ṽ ] dxdy + ∫ ∂Ω (ũ∂νu + ṽ∂νv) ds = 0 para todo par de funciones admisibles ũ y ṽ . Procediendo como en los casos anteriores, las ecuaciones de Euler son ∆u − v = ∆v − u = 0 en Ω. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales VARIAS VARIABLES DEPENDIENTES: UN EJEMPLO (II) Se dan tres situaciones para las condiciones de contorno: Si no se impone ninguna condición de contorno a las funciones admisibles, las condiciones de contorno naturales son ∂νu = ∂νv = 0 en ∂Ω. Si se impone la condición de contorno g(u, v , s) = 0 en ∂Ω (no puede involucrar derivadas de u y v ), las funciones admisibles deben verificar (∂ug)ũ + (∂v g)ṽ = 0, y se obtiene la condición natural (que se añade a la anterior) [∂v g(s,u, v)]∂νu − [∂ug(s,u, v)]∂νv = 0 en ∂Ω. Si se imponen dos condiciones de contorno independientes a las funciones admisibles, ésas son las que deben imponerse a las ecuaciones de Euler. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales EJEMPLOS Para resolver directamente, aplicando el método visto anteriormente F = ∫ 1 0 |u ′(x)|2/2 + xu dx , (i) sin condiciones adicionales, o (ii) con la condición de contorno u = 1 en x = 1. F = ∫ Ω |∇u|2/2 + (x2 + y2)u dxdy , (i) sin condiciones adicionales, o (ii) con la condición de contorno u = 1 en ∂Ω. F = ∫ Ω |∇u|2/2 + (x2 + y2)u dxdy + ∫ ∂Ω u2 ds, (i) sin condiciones adicionales, o (ii) con la condición de contorno u = 1 en ∂Ω. F = ∫ Ω |∇u|2dxdy/ ∫ Ω u2dxdy , (i) sin condiciones adicionales, o (ii) con la condición de contorno u = 0 en ∂Ω. F = ∫ Ω |∆u|2/2 + (x2 + y2)u dxdy , (i) sin condiciones adicionales, o (ii) con la condición de contorno u = 1 en ∂Ω. En todos los casos, Ω es el círculo de radio unidad, con centro en el origen. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales Outline 1 Algunas cuestiones preliminares 2 Teoría básica Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker 3 Métodos de penalización y funciones barrera 4 Cálculo variacional en dimensión infinita Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales 5 Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales VARIABLES DE DISEÑO ESCALARES ADICIONALES: UN EJEMPLO (I) Por sencillez, se minimiza la función objetivo particular F (u) = ∫ Ω [(1 + u2)|∇u|2 − Pu + P2 + u4] dxdy , para calcular la función u y el escalar P. Se consideran ‘curvas’ del espacio de diseño, se sustituye u = u + αũ, P = P + αP̃, en el funcional, y se impone que la derivada respecto de α se anule en α = 0. Integrando por partes, en la ecuación resultante se obtiene∫ Ω [−2∇ · ( 1 + u2)∇u ) + 2u|∇u|2 − P + 3u3]ũ dxdy + ∫ Ω (2P − u)P̃ dxdy + 2 ∫ ∂Ω (1 + u2)(∂νu)ũ ds = 0 para toda función ũ y todo escalar P̃. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales VARIABLES DE DISEÑO ESCALARES ADICIONALES: UN EJEMPLO (II) La condición anterior implica que −2∇· ( 1 + u2)∇u ) +2u|∇u|2−P+3u3 = 0 en Ω, ∂νu = 0 en ∂Ω,∫ Ω (2P − u) dxdy = 0. Se tiene así una incógnita adicional, P, y una ecuación escalar adicional. Como hasta ahora, ha aparecido la condición de contorno natural ∂νu = 0 por no haber impuesto ninguna condición de contorno a las funciones admisibles. Si se hubiese impuesto u = g(x , y) en ∂Ω, que involucra sólo a la función u, como en los casos anteriores, sería esta condición la relevante para integrar las ecuaciones de Euler. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales VARIABLES DE DISEÑO ESCALARES ADICIONALES: UN EJEMPLO (III) Procediendo del mismo modo, en general, si se tienen m funciones y n escalares, se obtiene un sistema acoplado, con: m ecuaciones de Euler con sus condiciones de contorno, una por cada función, n ecuaciones escalares, una por cada variable escalar. Por tanto, el sistema resultante tiene ‘tantas ecuacionescomo incógnitas’. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales Outline 1 Algunas cuestiones preliminares 2 Teoría básica Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker 3 Métodos de penalización y funciones barrera 4 Cálculo variacional en dimensión infinita Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales 5 Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales RESTRICCIONES ESTRICTAS: UN EJEMPLO La minimización de funcionales puede venir afectada de restricciones estrictas, que pueden ser: Escalares. En este caso, el enfoque más natural es generalizar el método de los multiplicadores de Lagrange, que producirá ecuaciones de Euler con multiplicadores de Lagrange. Funcionales, tales como ecuaciones diferenciales, integrales, o integrodiferenciales, que pueden verse como infinitas restricciones escalares. Ahora, el método de los multiplicadores de Lagrange no tiene una extensión obvia y es preferible extender el método de minimización basada en el adjunto, que producirá un sistema adjunto de ecuaciones. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales RESTRICCIONES ESTRICTAS ESCALARES (I) Por sencillez, se minimiza la función objetivo F (u) = ∫ Ω [(1 + u2)|∇u|2 − u + u4] dxdy , con ∫ Ω (u2 − u) dxdy = 0, que está sujeta a una restricción escalar adicional. El enfoque variacional (u = u + αũ) proporciona la ecuación∫ Ω {−2∇ · [(1 + u2)∇u] + 2u|∇u|2 − 1 + 3u3}ũ dxdy +2 ∫ ∂Ω [(1 + u2)∂νu]ũ ds = 0 para toda función ũ que verifique∫ Ω (2u − 1)ũ dxdy = 0. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales RESTRICCIONES ESTRICTAS ESCALARES (II) Considerando primero funciones ũ con soporte compacto, se tiene∫ Ω H1 dxdy ≡ ∫ Ω {−2∇· [(1 + u2)∇u] + 2u|∇u|2−1 + 3u3}ũ dxdy = 0 para toda función ũ que verifique∫ Ω H2 dxdy ≡ ∫ Ω (2u − 1)ũ dxdy = 0. Con el producto escalar de L2 (〈u1,u2〉 = ∫ Ω u1u2), esta condición puede expresarse diciendo que la función H1 debe ser orthogonal a todas las funciones que sean ortogonales a H2, lo cual implica que H1 tiene que ser proporcional a H2, es decir, −2∇ · [(1 + u2)∇u] + 2u|∇u|2 − 1 + 3u3 = λ(2u − 1) en δΩ. Razonando como en los casos anteriores, se tiene, además, la condición de contorno natural ∂νu = 0 en ∂Ω. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales RESTRICCIONES ESTRICTAS ESCALARES (III) Reuniendo lo anterior, se ha deducido la ecuación de Euler −2∇ · [(1 + u2)∇u] + 2u|∇u|2 − 1 + 3u3 = λ(2u − 1) en δΩ, que contiene el multiplicador de Lagrange λ, y la condición de contorno natural ∂νu = 0 en ∂Ω. Se tienen, además, la restricción∫ Ω (u2 − u) dxdy = 0. Es decir, se tiene una incógnita adicional, λ, y una restricción adicional a la ecuación de Euler. Si hubiera m restricciones estrictas, se tendrían m multiplicadores de Lagrange. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales EJEMPLO EN 1D Para el funcional objetivo Fc(u) = ∫ 1 0 [(1+x2)(du/dx)2/10+u2(du/dx)/10+8u4−xu3+P2−Px2u] dx , dependiente de la función u tal que u(±1) = 0 y ∫ 1 −1 u dx = 0, y del escalar P: Discretice el funcional en una malla equiespaciada, aproximando du/dx con diferencias centradas y las integrales mediante la fórmula del trapecio, y resuelva el problema discreto resultante mediante Newton, descenso más rápido, gradiente conjugado y Broiden. Deduzca la formulación contínua, en términos de una ecuación de Euler restringida, y analice lo bien que los óptimos calculados en el punto anterior verifican esta formulación. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales RESTRICCIONES ESTRICTAS FUNCIONALES En la formulación natural de muchos problemas de ingeniería, se tienen restricciones funcionales, no escalares. Por ejemplo: En la optimización de la forma de un ala, el funcional a minimizar depende de la forma y de las variables aerodinámicas en la superficie (presión, esfuerzos, etc), y las restricciones incluyen a las ecuaciones de la aerodinámica externa, que son ecuaciones diferenciales o integrales y deben ser verificadas por las variables aerodinámicas. Análogamente, en la optimización se trayectorias, éstas deben verificar las ecuaciones del movimiento. En lo que sigue, se consideran solamente dos ejemplos tipo, sencillos, para ilustrar la aplicación del el método de optimización mediante el adjunto, que es el método relevante en este caso. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales PRIMER EJEMPLO: FORMULACIÓN Y ENFOQUE VARIACIONAL Calcular las funciones u y v para minimizar el funcional objetivo F (u) = ∫ Ω (u2 + v2 − u − uv) dxdy , imponiendo la restricción funcional adicional ∆u − v = 0 en Ω, u = 0 en ∂Ω. El enfoque variacional (sustituyendo u = u + αũ, v = v + αṽ ) proporciona la ecuación∫ Ω [(2u − v − 1)ũ + (2v − u)ṽ ] dxdy = 0 para todo par de funciones ũ y ṽ que verifiquen ∆ũ − ṽ = 0 en Ω, ũ = 0 en ∂Ω. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales PRIMER EJEMPLO: REFORMULACIÓN DE LA CONDICIÓN NECESARIA La condición anterior puede interpretarse del siguiente modo todas las soluciones de LŨ = 0 verifican 〈Ũ,H〉1 = 0, donde el operador L, los ‘vectores’ Ũ y H, y el producto escalar 〈·, ·〉1 vienen dados por L = [ ∆ −I ], Ũ = { ũ ṽ } , H = { 2u − v − 1 2v − u } , 〈U1,U2〉1 = ∫ Ω (u1u2 + v1v2) dxdy . Por consistencia, el operador ∆ incluye la condición homogénea de tipo Dirichlet ũ = 0 en ∂Ω. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales PRIMER EJEMPLO: ANALOGÍA CON DIMENSIÓN FINITA En dimensión finita (piénsese en cualquier discretización del problema), si el operador L fuese una matriz (y Ũ y H vectores usuales), puede aplicarse la condición de resolubilidad que se utilizó en el método de minimización mediante el adjunto. Esta condición implica que la propiedad todas las soluciones de LŨ = 0 verifican 〈Ũ,H〉1 = 0, es equivalente a exigir que la siguiente ecuación tenga solución L∗w = H, donde la matriz L∗ es la adjunta de la matriz L, definida por 〈L∗w ,U〉2 = 〈U,LV 〉1 para todo par de vectores U,V . Nótese que 〈·, ·〉1 y 〈·, ·〉2 deben ser productos escalares en los espacios de partida y de llegada, respectivamente, del operador L. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales PRIMER EJEMPLO: ADJUNTO DEL OPERADOR L = [ ∆ −I ] Esta condición se aplica también en dimensión infinita. Require definir productos escalares en los espacios de partida y de llegada del operador L y calcular el adjunto de L. Los productos escalares más sencillos son 〈U1,U2〉1 = ∫ Ω (u1u2 + v1v2) dxdy , 〈w1,w2〉2 = ∫ Ω w1w2 dxdy . El adjunto del operador L = [ ∆ −I ] respecto de estos productos escalares es el operador L∗ = [ ∆ −I ] . En efecto, si U = [ u v ] y w = [w ], utilizando la definición de los productos escalares, se tiene 〈L∗w ,U〉2 ≡ ∫ Ω [(∆w)u−wv ] dxdy = ∫ Ω (w∆u−wv) dxdy ≡ 〈w ,LU〉1, donde la igualdad entre las integrales resulta de integrar por partes e imponer que w = 0 (u ya era cero) en ∂Ω. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales PRIMER EJEMPLO: RESUMEN Reuniendo lo anterior, los minimizantes del funcional objetivo F (u) = ∫ Ω (u2 + v2 − u − uv) dxdy , con la restricción adicional ∆u − v = 0 en Ω, u = 0 en ∂Ω deben ser tales que el problema adjunto (L∗w = H, con L∗ y H definidos en transparencias anteriores, es decir) ∆w = 2u − v − 1, −w = 2v − u en Ω, w = 0 en ∂Ω tiene solución. Este problema adjunto (dos ecuaciones), junto con la restricción (una ecuación) determina los minimizantes u y v , así como la variable adjunta w . Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales PRIMER EJEMPLO: REFORMULACIÓN ELIMINANDO LA RESTRICCIÓN En realidad, el ejemplo anterior se ha elegido para poder eliminar la función de diseño v del funcional, y las funciones v y w del problema adjunto. Se tiene así el funcional, sin restricciones F (u) = ∫ Ω [u2 + (∆u)2 − u − u∆u] dxdy , u = 0 en ∂Ω, y la condición necesaria de extremo ∆[∆u − u] + u + 1/2 = 0 en Ω, u = ∆u = 0 en ∂Ω, que podría haberse obtenido también minimizando el funcional anterior directamente, sin restricciones. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales SEGUNDO EJEMPLO: PROBLEMA INVERSO Se trata ahora de calcular las funciones u y v para minimizar el funcional objetivo F (u) = ∫ Ω p(x , y)[u(x , y)− u0(x , y)]2 dxdy , imponiendo la restricción funcional adicional ∇ · (v∇u) = f (x , y) en Ω, u = g en ∂Ω, donde el peso p ≥ 0, la distribución u0 y los términos forzantes f y g son conocidos. Este problema inverso puede modelar, por ejemplo, la búsqueda de la conductividad térmica v para que la distribución de temperatura u sea lo más próxima posible a una distribución prefijada u0, si la fuente de calor f es conocida. El peso p modela la medida de la temperatura. El problema directo sería determinar u0 conocida la conductividad v y la fuentes de calor f y g. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales SEGUNDO EJEMPLO: FORMULACIÓN VARIACIONAL El enfoque variacional aplicado al funcional objetivo F (u) = ∫ Ω p(x , y)[u(x , y)− u0(x , y)]2 dxdy , con la restricción ∇ · (v∇u) = f (x , y) en Ω, u = g(s) en ∂Ω, supone sustituír u = u + αũ, v = v + αṽ , en ∂Ω, que proporciona la ecuación ∫ Ω 2p(u − u0)ũ dxdy = 0 para todo par de funciones ũ y ṽ que verifiquen ∇ · (v∇ũ) +∇ · (ṽ∇u) = 0 en Ω, ũ = 0 en ∂Ω. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales SEGUNDO EJEMPLO: REFORMULACIÓN DE LA CONDICIÓN NECESARIA Como en el primer ejemplo, esta condición puede escribirse como todas las soluciones de LŨ = 0 verifican 〈Ũ,H〉1 = 0, donde Ũ = { ũ ṽ } , LŨ =∇· [v∇ũ] +∇· [ṽ∇u], H = { 2p(u − u0) 0 } . Utilizando los mismos productos escalares que en ejemplo anterior, el adjunto resulta de integrar por partes dos veces, e imponer que w = 0 en ∂Ω (ũ ya se anulaba en ∂Ω) 〈w ,LŨ〉1 ≡ ∫ Ω w [∇ · (v∇ũ) +∇ · (ṽ∇u)] dxdy =∫ Ω {[∇ · (v∇w)]ũ − (∇u · ∇w)ṽ}dxdy ≡ 〈L∗w , Ũ〉2. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales SEGUNDO EJEMPLO: ECUACIÓN ADJUNTA De la última igualdad en la expresión anterior, se deduce que L∗w = { ∇ · (v∇w) −∇u · ∇w } . Por tanto, la ecuación adjunta Lw = H puede escribirse como ∇ · (v∇w) = 2p(u − u0), ∇u · ∇w = 0 en Ω, w = 0 en ∂Ω. Estas dos ecuaciones, junto con la restricción ∇ · (v∇u) = f (x , y) en Ω, u = g(s) en ∂Ω, es un sistema de tres ecuaciones que, en principio, permite calcular las incógnitas u, v y w . Sin embargo, este problema está mal planteado si, por ejemplo, el peso g es nulo salvo en una subregión pequeña de Ω (donde se efectúan la medidas). Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Outline 1 Algunas cuestiones preliminares 2 Teoría básicaEnfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker 3 Métodos de penalización y funciones barrera 4 Cálculo variacional en dimensión infinita Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales 5 Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos OPTIMIZACIÓN VS. DISCRETIZACIÓN (I) En muchos problemas de diseño, la función objetivo es, en realidad, un funcional y los parámetros de diseño son funciones. El cálculo numérico de un diseño óptimo require discretizar el problema, pero la discretización puede hacerse antes o después de la optimización. Si primero se optimiza, se obtienen unas ecuaciones de Euler o ecuaciones adjuntas, como las obtenidas en la segunda parte de este tema. Estas ecuaciones son, en general, diferenciales o integro-diferenciales. Tales ecuaciones deben discretizarse para su tratamiento numérico. Si se comienza discretizando el problema, se obtiene un problema de optimización en dimensión finita, como los tratados en la primera parte de este tema. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos OPTIMIZACIÓN VS. DISCRETIZACIÓN (II) El modo más sensato de proceder es, por tanto, primero discretizar las ecuaciones asociadas a las distintas disciplinas técnicas y luego optimizar el problema de dimensión finita resultante. Esto permite un diseño modular de las distintas disciplinas técnicas. Las ecuaciones de cada disciplina técnica dependen, en general, sólo de una parte de los parámetros/funciones de diseño. Cada disciplina técnica puede tratarse por separado en lo relativo a la consistencia y estabilidad numéricas de cada discretización. Todo ello favorece la robustez y flexibilidad de los métodos. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Outline 1 Algunas cuestiones preliminares 2 Teoría básica Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker 3 Métodos de penalización y funciones barrera 4 Cálculo variacional en dimensión infinita Cálculo de variaciones ‘elemental’ Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales 5 Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos COMPLEJIDAD DE LOS SISTEMAS DE INGENIERÍA En general, los sistemas de ingeniería son muy complejos, de modo que obtener las ecuaciones de Euler suele ser altamente laborioso, cuando no imposible/sutil (algunos datos pueden venir dados ya de modo discreto si, por ejemplo, provienen de simulaciones numéricas o de experimentación). Por otro lado, las ecuaciones de Euler resultantes pueden ser muy complejas, de modo que su discretización puede ser muy laboriosa. Esto es así porque: Esas ecuaciones dependen, en general, de todos los parámetros/funciones de diseño. Contienen, en general, ecuaciones acopladas que provienen de las distintas disciplinas técnicas (aerodinámica, estructuras, etc), que son de naturaleza muy distinta. Por tanto, pueden presentar requisitos de consistencia y estabilidad numérica contradictorios entre sí. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos MODELOS SIMPLIFICADOS En realidad, la discretización numérica es sólo un caso particular de simplificación de las descripciones. Otras simplificaciones posibles son los modelos reducidos y las fórmulas semiempíricas. Los diseños modulares de las herramientas de optimización proporcionan flexibilidad en la elección de las simplificaciones. Las simplificaciones apropiadas para las distintas disciplinas técnicas pueden ser distintas. Existe software comercial y libre, tanto para discretizar y/o simplificar las ecuaciones como para implementar los métodos de optimización. El uso de software comercial/libre requiere conocer bien los métodos matemáticos subyacentes, tanto para elegir los métodos/simplificaciones como para interpretar los resultados. Ignacio Delgado, Ignacio Gómez, José M. Perales, José M. Vega Algunas cuestiones preliminares Teoría básica Enfoque variacional Multiplicadores de Lagrange Optimización basada en el adjunto Condiciones de Karush-Khun-Tucker Métodos de penalización y funciones barrera Cálculo variacional en dimensión infinita Cálculo de variaciones `elemental' Variables de diseño escalares adicionales Restricciones estrictas, escalares o funcionales Comentarios finales Optimización vs. discretización Diseños modulares y modelos reducidos
Compartir