Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Invest U3
Invest U3
SUPERIOR DE MISANTLA
INGENIERÍA EN SISTEMAS
COMPUTACIONALES
PROGRAMACIÓN NO LINEAL
INVESTIGACIÓN DE OPERACIONES
UNIDAD III
QUE PRESENTA
JEHU SANTIAGO HERRERA
Índice
Introducción ............................................................................................................................ 1
Bibliografía ........................................................................................................................... 11
Índice de figuras
Figura 3. 1 ............................................................................................................................... 4
Figura 3. 2 ............................................................................................................................... 7
Figura 3. 3 ............................................................................................................................... 8
Figura 3. 4 ............................................................................................................................... 9
Índice de ecuaciones
(3. 1) ........................................................................................................................................ 5
(3. 2) ........................................................................................................................................ 6
(3. 3) ........................................................................................................................................ 6
(3. 4) ........................................................................................................................................ 6
(3. 5) ........................................................................................................................................ 8
i
Introducción
1
Programación no lineal
3. Programación no lineal
Una suposición importante de programación lineal es que todas sus funciones (función
objetivo y funciones de restricción) son lineales. Aunque, en esencia, esta suposición se
cumple para muchos problemas prácticos, con frecuencia no es así. De hecho, muchos
economistas han encontrado que cierto grado de no linealidad es la regla, y no la excepción,
en los problemas de planeación económica, por lo cual, muchas veces es necesario manejar
problemas de programación no lineal.
2
Programación no lineal
Redundancia Entre las Restricciones: Redundancia significa que algunas de las
restricciones no son necesarias dado que existen otras más severas.
Cuando un problema de programación no lineal tiene sólo una o dos variables, se puede
representar gráficamente, una representación gráfica de este tipo proporciona una visión
global de las propiedades de las soluciones óptimas de programación lineal y no lineal.
A continuación, un ejemplo:
Si Z = 126X1 − 9X12 + 182X2 − 13𝑥1 2 , entonces la representación gráfica en la figura 3.1
indica que la solución óptima es x1 = 8/3 x2 = 5, que de nuevo se encuentra en la frontera
de la región factible. (El valor óptimo de Z es Z = 857; así, la figura 3.1muestra el hecho de
que el lugar geométrico de todos los puntos para los que Z = 857 tiene en común con la región
factible sólo este punto, mientras que el lugar geométrico de los puntos con Z más grande no
toca la región factible en ningún punto.)
3
Programación no lineal
Figura 3. 1
4
Programación no lineal
Programación cuadrática: un programa cuadrático es la forma más simple de problemas
no lineal con restricciones des desigualdad. La importancia de la programación cuadrática
es debida a que gran número de problemas aparecen de forma natural como cuadráticos
(optimización por mínimos cuadrados, con restricciones lineales), pero además es
importante porque aparece como un subproblema frecuentemente para resolver
problemas no lineales más complicados.
5
Programación no lineal
explícitamente todas esas alternativas. Un problema de optimización es, en general, un
problema de decisión.
Ejemplo 1: (Construcción de una caja con volumen máximo) Suponiendo que se quiere
determinar las dimensiones de una caja rectangular de forma que contenga el mayor volumen
posible, pero utilizando para ello una cantidad fija de material. El problema en forma
abstracta se podría plantear en los siguientes términos Maximizar Volumen de la caja sujeto
a Área lateral fija Con el fin de resolver este problema habrá que modelizarlo
matemáticamente, es decir tendremos que expresarlo en términos matemáticos.
A continuación, debemos tener en cuenta las limitaciones existentes sobre el material. Como
este material se utiliza para construir las paredes de la caja, necesitaremos considerar el área
lateral de la misma, y si la caja tiene tapa, dicha área será
A(x, y, z) = 2(xy + yz + zx). (3. 3)
Por último, teniendo en cuenta que las dimensiones de la caja no pueden ser negativas el
problema puede expresarse matemáticamente como Maximizar xyz sujeto a
2 (xy + yz + zx) = A x, y, z ≥ 0. (3. 4)
6
Programación no lineal
3.4.1. Puntos de inflexión
Se define un punto de inflexión como el punto en que la función pasa de ser convexa a
cóncava o de cóncava a convexa.
En la siguiente gráfica podemos ver que cuando x = 0, la gráfica pasa de ser cóncava a ser
convexa, por lo que podemos decir que el punto de inflexión esta en X = 0.
Figura 3. 2
Una característica de los puntos de inflexión es que son los puntos donde la función derivada
tiene máximos y mínimos. Si nos fijamos, cuando nos acercamos a un punto de inflexión la
función cada vez crece más (o decrece menos), pero al sobrepasar el punto de inflexión la
función empieza a crecer menos (o decrecer menos). Esto significa que justamente donde
haya un punto de inflexión la derivada tendrá un máximo o un mínimo. Consecuentemente
encontraremos los puntos de inflexión buscando ceros de la segunda derivada.
Sabemos ya calcular los máximos y los mínimos de la función f(x) usando la primera
derivada. La expresión de ésta es 3x² - 3 y justamente encontramos máximos y mínimos
respectivamente en x = -14 y x = 1. Si representamos la gráfica de la derivada queda:
7
Programación no lineal
Figura 3. 3
Observamos que justamente donde la derivada tiene un mínimo es donde la función tiene el
punto de inflexión.
Para saber qué punto es vamos a derivar la función derivada e igualarla a cero:
0 (3. 5)
F´´(x) = 6x = 0 = x = = 0,
6
y por tanto la función original en x = 0 tiene un punto de inflexión.
Los máximos y mínimos en una función f son los valores más grandes (máximos) o más
pequeños (mínimos) que toma la función, ya sea en una región (extremos relativos) o en todo
su dominio (extremos absolutos).
8
Programación no lineal
Figura 3. 4
9
Programación no lineal
Conclusión
Al contrario del caso del método simplex para programación lineal, no existe un algoritmo
eficiente que se pueda utilizar para resolver todos los problemas de programación no lineal.
De hecho, algunos de estos problemas no se pueden resolver satisfactoriamente por ningún
método, pero se han hecho grandes progresos en ciertas clases importantes de problemas que
incluyen programación cuadrática, programación convexa y algunos tipos especiales de
programación no convexa, Se dispone de una gran variedad de algoritmos que casi siempre
tienen un buen desempeño en estos casos. Algunos de estos algoritmos incorporan
procedimientos de alta eficiencia para la optimización no restringida en una parte de cada
iteración y algunos emplean una sucesión de aproximaciones lineales o cuadráticas al
problema original.
10
Programación no lineal
Bibliografía
11