Un problema de optimización convexa en forma estándar es la base de la programación matemática moderna. Se define por una función objetivo convexa $f_0$, restricciones de desigualdad convexas $f_i$, y afín restricciones de igualdad. Al definir el problema sobre la intersección de estos dominios $\mathcal{D} = \bigcap_{i=0}^m \text{dom } f_i$, garantizamos que cualquier óptimo local sea también un óptimo global.
1. Anatomía Matemática de la Forma Estándar
El problema se enuncia formalmente como:
El conjunto factible se define como $\text{dom } F = \{x \in \text{dom } f_0 \mid f_i(x) \le 0, i = 1, \dots, m, h_i(x) = 0, i = 1, \dots, p \}$. Un requisito crítico para la convexidad es que las restricciones de igualdad deben ser afines ($Ax = b$), ya que las igualdades no lineales generalmente producen conjuntos no convexos.
2. Interpretación Geométrica del Epigrafo
El problema en forma de epígrafo nos permite interpretar la optimización de manera geométrica en el 'espacio gráfico' $(x, t)$. Al introducir una variable de holgura $t$, minimizamos $t$ sujeto a $(x, t) \in \text{epi } f_0$. Esto demuestra que el conjunto factible, cualquier conjunto subnivel y el conjunto óptimo son inherentemente convexos.
3. El Engaño entre Restricciones Implícitas y Explícitas
Un malentendido común es creer que trasladar las restricciones a la función objetivo (hacerlas implícitas) simplifica el problema. Sin embargo, hacer que las restricciones sean implícitas no ha facilitado en absoluto el análisis ni la resolución del problema, aunque el problema resultante sea nominalmente no restringido. Esto es especialmente cierto en el modelo Oracle (caja negra), donde evaluamos $f(x)$ y sus derivadas a un costo sin conocer la estructura explícita.
4. Aplicaciones del Mundo Real
- Teoría de Portafolios: Minimizar el riesgo $\text{var}(c^T x) = x^T \Sigma x$ para 4 activos (por ejemplo, Activo 1 con retorno del 12% / desviación estándar del 20%).
- Ingeniería: Restricciones estructurales como $y_i = 6(i - 1/3) \frac{F}{E w_i h_i^3} + v_{i+1} + y_{i+1}$.
- Probabilidad: Restricciones de riesgo de pérdida $\Phi^{-1}(\beta) \leq 0$.