AVALIAÃÃO DA CONFIABILIDADE COMPOSTA BASEADA EM ...
AVALIAÃÃO DA CONFIABILIDADE COMPOSTA BASEADA EM ...
AVALIAÃÃO DA CONFIABILIDADE COMPOSTA BASEADA EM ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
onde, z = [ x λ µ ] t<br />
, λ e µ são os multiplicadores de Lagrange associados as<br />
restrições de igualdade e desigualdade, respectivamente, e h a<br />
( x)<br />
é um subconjunto de<br />
h ( x)<br />
que contém apenas as restrições ativas, conforme será apresentado posteriormente.<br />
O gradiente do Lagrangeano pode ser definido como:<br />
∇L<br />
( z)<br />
=<br />
∂<br />
<br />
<br />
( z)<br />
L<br />
∂z<br />
i<br />
( )<br />
∂L<br />
z <br />
<br />
<br />
∂L ∂<br />
( x z)<br />
<br />
= <br />
<br />
∂ ∂ λ<br />
L ( z ) <br />
<br />
∂µ<br />
<br />
(2.47)E<br />
são:<br />
As condições necessárias de otimalidade, estabelecidas por Karush-Kuhn-Tucker,<br />
*<br />
*<br />
( z ) = ∇<br />
xL( [ x<br />
*<br />
λ<br />
*<br />
]) = 0<br />
*<br />
*<br />
( z ) = ∇<br />
y<br />
L( [ x<br />
*<br />
λ<br />
*<br />
]) = 0<br />
*<br />
*<br />
( z ) = ∇<br />
z<br />
L( [ x<br />
*<br />
λ<br />
*<br />
]) = 0<br />
*<br />
*<br />
µ<br />
i<br />
≥ 0, se h( x ) = 0<br />
*<br />
*<br />
µ<br />
i<br />
= 0, se h( x ) ≤ 0<br />
*<br />
µ ≥ 0,<br />
*<br />
se h( x ) = 0<br />
∇<br />
x<br />
L<br />
µ<br />
(2.48)E<br />
∇<br />
y<br />
L<br />
µ<br />
(2.49)E<br />
∇<br />
z<br />
L<br />
µ<br />
(2.50)E<br />
i<br />
*<br />
i<br />
λ ∈ R<br />
(2.51)E<br />
(2.52)E<br />
* * * *<br />
Onde z [ x λ µ ] t<br />
= é a solução ótima.<br />
Desta forma o sistema de equações necessárias para o cálculo do ponto ótimo é<br />
dado por:<br />
*<br />
( z ) = 0<br />
∇<br />
z<br />
L<br />
(2.53)E<br />
32