UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

Programación No Lineal Fraccional

Integrantes:
Marlon Arias Cárdenas 20151020111
Oscar Iván Torres Pinto 20152020044
Yohan Arles Almonacid Ortiz 20152020916
Grupo #4
Marzo 15 de 2018

PROGRAMACIÓN NO LINEAL FRACCIONAL

(PNLF)

Ejercicio Típico

La programación fraccional es utilizada para la resolución de problemas de optimización, en los

cuales la función objetivo es un cociente f(x)/g(x), siendo f(x) el numerador de la función y g(x) el
denominador de la función. La función objetivo está sujeto a determinadas restricciones, que en el
siguiente ejemplo serán convexas y lineales.

OBJETIVO:
Determinar la solución para el problema de programación no lineal fraccional, mostrando paso a
paso el procedimiento necesario para abordar el problema, utilizando el método de Charnes &
Cooper, para comprender la naturaleza iterativa del algoritmo y su aplicación en problemas de la
vida real fomentando su estudio por medio de un ejemplo.

Algoritmo

 Charnes & Cooper

Es un algoritmo de resolución de problemas no lineales fraccionales; su estrategia consiste
en transformar el problema original (Maximización o Minimización):

Cn X n +C n−1 X n−1+C 0
Max .−Min . Z=
d n X n +d n−1 X n−1+ …+d 0
Sujeto a restricciones lineales y convexas, con las Cuales se construirá la matriz de
coeficientes de restricciones:

a11 ⋯ a1 n

(
A= ⋮ ⋱ ⋮
a j 1 ⋯ a jn ) En ambos casos, siendo j
el número de restricciones
y n el mayor índice de las
Y el vector de términos constantes: variables implicadas en la
función objetivo.
b1

||
B= ⋮
bj
 En un problema de programación lineal, para ello se vale de una serie de sustituciones para
trabajar el problema en términos de variable lineales. Las sustituciones son de la forma:
xn
y n= (1)
d x + d x−1+ …+d 0
1
t= (2)
d x +d x−1 +…+ d 0

yn
X= (3)
t
“Siendo X un vector”

Siendo n el mayor índice de variable en el numerador de la FO, x el mayor índice de

variable en el denominador de la función objetivo. Este procedimiento nos da a entender
que será necesario a lo más n sustituciones. Donde el denominador de y ny t, corresponde al
denominador de la función objetivo. Por lo tanto la sustitución
A continuación se procede a escribir el problema:

Max. / Min. Z = Cyn+Cyn-1+…+Ct

S.A : AXT-Bt ≤ 0 Holgura
dyn + dyn-1+ … + d0t = 1
Complementaria
y, t ≥ 0
“Donde A es la matriz de coeficientes de restricciones y Y es el vector de variables”.

Solo restaría resolver el problema por métodos de programación lineal, y llevarla a la

solución del problema original usando (3).

ENUNCIADO:

Dado el problema fraccional:

20 x 1 +30 x 2+200
MAX Z = 1 1
x 1 + x 2+ 10
20 30

Sujeto a: 4x1 +10x2 ≤ 150

X1≤20
X2≤15
X1, X2 ≥ 0

DESARROLLO:

Pasos Procedimientos
 1. Separando
términos en la
F.O, y Max. Z = 20 y 1+ 30 y 2+200 t
sustituyendo en y1, y2,t ≥ 0
términos de y n y
t obtenemos:

2. Escribiendo las 4 10 y 150

restricciones, en
términos de la
nueva función
objetivo.
[ ][ ] [ ]
10
0 1 y2
1
− 20 t=0
15
y1, y2,t ≥ 0

Max. z = 20y1 + 30y2 + 200t

3. El modelo
resultante de los S.A: 4y1 +10y2 -150t ≤ 0
pasos anteriores y1 - 20t ≤ 0
es: y2 - 15t ≤ 0
y1, y2,t ≥ 0

4. Agregando la
restricción de Max. z = 20y1 + 30y2 + 200t
holgura (obtenida
del denominador S.A: 4y1 +10y2 -150t ≤ 0
de la función y1 - 20t ≤ 0
objetivo original). y2 - 15t ≤ 0
Se tiene 1 1
y + y + 10t=1
finalmente el 20 1 30 2
modelo y1, y2, t ≥ 0
linealizado:

Max. z = 20y1 + 30y2 + 200t + MR1

S.A: 4y1 +10y2 -150t + S1 =0

5. El modelo y1 - 20t + S2= 0
estandarizado y2 - 15t + S3 = 0
resultante es: 1 1
y 1 + y 2+ 10t + R1=1
20 30
y1, y2, S1, S2, S3, R1 t ≥ 0

6. El último
tablero de la
solución es:

7. La solución al Z = 72.1068 ( 24300 / 337) , y1 = 1.7804 (600 / 337) , y2 = 0.6231( 210 /

problema en 337), t = 0.0890 (30 / 337)
 términos de y1,y2,
y t es:

8. Por lo tanto la
solución al Z= 72.1068( 24300 / 337), x1 = 20 , X2 = 7
problema es:
CONCLUSIONES

Los algoritmos que permiten solucionar los problemas de la programación no lineal, buscan
transformar un problema que no es lineal en uno que si lo sea. En este algoritmo, la
sustitución que permite la linealización del problema, es clave, ya que al tener linealizado el
problema, es posible abordarlo con los métodos de programación lineal (en este caso
concreto, el método de la gran M) los cuales tienen un arduo y riguroso trabajo de
investigación, y son relativamente más fáciles de resolver, además la cantidad de pasos a
realizar no es extensa y se consigue la transformación mediante reemplazos sencillos.

REFERENCIAS

 Guía de clase. “Solución a distintos tipos de problemas de PNL”. Universidad Distrital

Francisco José de Caldas - Ing. Sistemas. Curso: Investigación de operaciones II. Lilian
Astrid Bejarano.
 Software Utilizado: WinQSB 2.0 (Módulo de programación lineal y entera).