Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROGRAMACIN NO
LINEAL
Estudiante:
Samuel Oviedo C.I V-21.169.597
Optimizacin
Ing. de Sistema
SAIA
ALGORITMOS
No Lineales
Restringidos
g(X) 0
Cuadrtica
Geomtrica
Estocstica
PROGRAMACIN LINEAL
ENTERA
Los programas lineales enteros son aquellos en los que algunas o todas
las variables estn restringidas a tener valores enteros (o discretos). La
programacin lineal entera tiene aplicaciones prcticas importantes.
Desafortunadamente, a pesar de dcadas de extensas investigaciones, la
experiencia en cmputo con programas lineales enteros ha sido menos que
satisfactoria. Hasta esta fecha no existe un programa de cmputo para
programas lineales enteros que pueda resolverlos en forma consistente.
Pura
Un modelo entero puro
(PLE) es, como su
nombre lo indica, un
problema en el que se
exige que todas las
variables de decisin
tengan valores enteros.
Binaria
Mixta
Algunas de las variables de
decisin tienen valores
enteros. Las dems
cumplen con la suposicin
de divisibilidad.
PROGRAMACIN LINEAL
ENTERA
La programacin lineal entera (PLE) es el conjunto de problemas de
programacin lineal para los cuales todas o parte de sus variables pertenecen
a los nmeros enteros.
Un problema de PLE puede describirse de la siguiente forma:
Optimizar una funcin objetivo z=c.x
Bajo las restricciones Ax = = b, x = 0
Donde:
x -Vector con variables enteras
c -Vector de coeficientes de la funcin objetivo
A -Matriz de coeficientes de las restricciones
b -Vector de trminos independientes
Los modelos de programacin lineal entera pudieran clasificarse en tres
grupos:
Entero completamente. Todas las variables de decisin son enteras.
Mixto. Algunas de las variables son enteras, las otras no.
Binario. Las variables solo toman los valores 0 1.
ALGORITMO
PROGRAMACIN LINEAL
PROGRAMACIN LINEALENTERA
ENTERA PURA
Mtodo de Plano de Corte
Algoritmo Fraccional de Gomory,
Algoritmo Entero Puro de Gomory,
Mtodo de Ramificacin y Acotamiento
Algoritmo de Land Doig, entre otros.
Para PROGRAMACIN LINEAL ENTERA BINARIA algunos de los utilizados
son: Mtodo de Ramificacin y Acotamiento
Mtodo Aditivo de Egon Balas
Mtodo Lexicogrfico
Mtodo de Lemke y Spielberg
Distancia de Hamming y Retculos y Mtodo de Trubin
En PROGRAMACIN LINEAL ENTERA MIXTA se usan el Algoritmo Entero
Mixto de Gomory, el Algoritmo de Land Doig, Mtodo de Benders.
PROGRAMACIN
SEPARABLE
Ejemplo Programacin
Separable
A continuacin resolvemos un problema de programacin separable aplicando
el mtodo de la base restringida.
El mtodo de aproximacin nos sugiere que las variables
separables son:
Luego:
es :
PROGRAMACIN
CUADRTICA
Difiere de la programacin lineal nada ms en que la funcin objetivo es una
funcin cuadrtica, es decir, incluye tambin trminos cuadrados o productos
de variables.
Formulacin de un Problema
Cuadrtico
Consideremos el siguiente
problema cuadrtico de dos variables:
Si observamos la funcin objetivo:
tenemos
PROGRAMACIN
GEOMTRICA
Un programa geomtrico es un problema de optimizacin de la forma
PROGRAMACIN
GEOMTRICA
En tales casos, las ci y a ty representan las constantes fsicas y las x} son las
variables de diseo. Estas funciones por lo general no son ni cncavas ni convexas,
por lo que las tcnicas de programacin convexa no se pueden aplicar directamente
a estos problemas de programacin geomtrica.
Sin embargo, existe un caso importante en el que el problema se puede
transformar en un problema de programacin convexa equivalente.
Este caso es aquel en el que todos los coeficientes en cada funcin son
estrictamente positivos, es decir, las funciones son polinomios positivos
generalizados (ahora llamados posinomiales), y la funcin objetivo se tiene que
minimizar.
El problema equivalente de programacin convexa con variables de decisin
yx, y2,, yn se obtiene entonces al establecer
Forma convexa
El programa geomtrico no son por regla general problemas de optimizacin
convexa, pero pueden transformarse en ellos mediante un cambio de variables y
una transformacin de las funciones objetivo y de restriccin.
PROGRAMACIN
GEOMTRICA
PROGRAMACIN
ESTOCSTICA
Problemas de
Optimizacin
Estocstica
Los problemas de optimizacin estocstica son en general mucho ms
complejos que los que no consideran el azar, principalmente porque el azar
implica que no tenemos un solo escenario a optimizar, sino un conjunto de
escenarios posibles.
Por ejemplo, si queremos optimizar el diseo de una red de distribucin de
energa, trabajaremos en un escenario de incertidumbre, en el que
desconocemos la demanda real de energa en el momento de uso de la red.
En lugar del dato de la demanda tendramos una estimacin, quizs un
conjunto finito de demandas posibles con una probabilidad asociada.
Con esto ya podemos intuir que el mundo de la empresa est lleno de
problemas estocsticos, qu se suele hacer para resolverlos?. En escenarios
con decisiones sencillas, es decir pocas variables de decisin y con pocos
estados, se pueden enumerar explcitamente todas las posibilidades utilizando
arboles de decisin que adems son muy intuitivos.