Programación No Lineal

Análisis de la solución
óptima
Investigación de Operaciones 2, Unidad 1
Ing. Eduardo López Sandoval
pcinelop@upc.edu.pe
Conclusiones obtenidas de lo aprendido en
la presentación anterior:
• Si se resuelve un M.P.N.L. mediante el método
gráfico, la solución óptima será siempre
global.
• Es decir, no existe mejor solución que esa.
• Pero, al resolver un M.P.N.L. en LINGO, la
solución óptima puede resultar local.
• Eso es porque la solución óptima puede estar en
cualquier parte de la región factible.
• Por lo tanto, el usuario debe evaluar si la
solución óptima local es también global.
• La pregunta es: ¿Bajo qué criterio se va a
evaluar?
 Teoremas:

• Sea el modelo de programación • Sea el modelo de programación

no lineal de 𝒙 = 𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 no lineal de 𝒙 = 𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏
variables de decisión y de 𝒎 variables de decisión y de 𝒎
restricciones: restricciones:
𝑴𝒂𝒙 𝒁 = 𝒇 𝒙 𝑴𝒊𝒏 𝒁 = 𝒇 𝒙
𝑺𝒖𝒋𝒆𝒕𝒐 𝒂: 𝑺𝒖𝒋𝒆𝒕𝒐 𝒂:
𝒈𝒊 𝒙 ≤ 𝒃𝒊 ∀𝒊 = 𝟏, … , 𝒎 𝒈𝒊 𝒙 ≤ 𝒃𝒊 ∀𝒊 = 𝟏, … , 𝒎

• Un máximo local de ese modelo • Un máximo local de ese modelo

es también máximo global si es también mínimo global si
𝒇(𝒙) es cóncava y 𝒈𝒊 𝒙 es 𝒇(𝒙) es convexa y 𝒈𝒊 𝒙 es
convexa ∀𝒊 = 𝟏, … , 𝒎 convexa ∀𝒊 = 𝟏, … , 𝒎
Ejemplo 1:
• Al resolver este MPNL 𝑴𝒂𝒙 𝒁 = 𝟑𝒙 + 𝟓𝒚
empleando el software LINGO: 𝑺𝒖𝒋𝒆𝒕𝒐 𝒂:
𝒙≤𝟒
𝟗𝒙𝟐 + 𝟓𝒚𝟐 ≤ 𝟐𝟏𝟔
𝒙, 𝒚 ≥ 𝟎

• Se obtiene la siguiente solución

óptima:

¿La solución óptima es también una solución global?

Análisis:

• Teniendo en cuenta que es un

modelo de maximización:
• Paso 1: ¿La función objetivo es 𝑴𝒂𝒙 𝒁 = 𝟑𝒙 + 𝟓𝒚
cóncava? 𝑺𝒖𝒋𝒆𝒕𝒐 𝒂:
• Sí, porque: 𝒙≤𝟒
• Se compone de la suma de dos 𝟗𝒙𝟐 + 𝟓𝒚𝟐 ≤ 𝟐𝟏𝟔
expresiones lineales; por lo tanto 𝒙, 𝒚 ≥ 𝟎
es tanto cóncava como convexa.
• Entonces, se le puede llamar
función cóncava.
Análisis (continuación):

• Paso 2: ¿Las funciones matemáticas del lado

izquierdo de las restricciones son funciones
convexas?
• [Se acomodan las restricciones de tal manera que 𝑴𝒂𝒙 𝒁 = 𝟑𝒙 + 𝟓𝒚
las variables queden a la izquierda, el término 𝑺𝒖𝒋𝒆𝒕𝒐 𝒂:
independiente a la derecha y que el signo sea: ≤] 𝒙≤𝟒
• Sí son convexas, porque:
𝟗𝒙𝟐 + 𝟓𝒚𝟐 ≤ 𝟐𝟏𝟔
• En la 1° restricción, la función es lineal: Tanto
cóncava como convexa; por ende se le puede 𝒙, 𝒚 ≥ 𝟎
llamar convexa.
• En la 2° restricción, la función se compone de la
suma de dos funciones convexas, por ende es
convexa.
Conclusión:

• Al cumplir ambos pasos del análisis, se puede afirmar que la solución

óptima obtenida por el software LINGO es también una solución
óptima global.
Ejemplo 2:

𝑴𝒊𝒏 𝒁 = 𝟑𝒙𝟐 + 𝟐𝒙𝒚 + 𝒚𝟐

• Al resolver este MPNL 𝑺𝒖𝒋𝒆𝒕𝒐 𝒂:
empleando el software LINGO: 𝟐𝒙 + 𝒚 ≥ 𝟏𝟎
𝒙𝟐 − 𝒙𝒚 + 𝒚𝟐 ≤ 𝟓𝟎
𝒙, 𝒚 ≥ 𝟎

• Se obtiene la siguiente
solución óptima:

¿La solución óptima es también una solución global?

Análisis:

• Teniendo en cuenta que es un modelo de

minimización:
• Paso 1: ¿La función objetivo es convexa?
• Sí, porque: 𝑴𝒊𝒏 𝒁 = 𝟑𝒙𝟐 + 𝟐𝒙𝒚 + 𝒚𝟐
• La Matriz Hessiana de la función objetivo es: 𝑺𝒖𝒋𝒆𝒕𝒐 𝒂:
𝟔 𝟐 𝟐𝒙 + 𝒚 ≥ 𝟏𝟎
𝑯 𝒙, 𝒚 = 𝒙𝟐 − 𝒙𝒚 + 𝒚𝟐 ≤ 𝟓𝟎
𝟐 𝟐
• Porque: 𝒙, 𝒚 ≥ 𝟎
• Sus primeros menores principales son 6 y 2 ;
ambos son ≥ 0
• Su segundo menor principal es 8, el cual también
es ≥ 0
Análisis (continuación):

• Paso 2: ¿Las funciones matemáticas del lado

izquierdo de las restricciones son funciones
convexas? 𝑴𝒊𝒏 𝒁 = 𝟑𝒙𝟐 + 𝟐𝒙𝒚 + 𝒚𝟐
• [Se multiplicó la 1° restricción por -1, para que el signo se 𝑺𝒖𝒋𝒆𝒕𝒐 𝒂:
vuelva: ≤] − 𝟐𝒙 − 𝒚 ≤ −𝟏𝟎
𝒙𝟐 − 𝒙𝒚 + 𝒚𝟐 ≤ 𝟓𝟎
• Sí son convexas, porque: 𝒙, 𝒚 ≥ 𝟎
• En la 1° restricción, se suman dos funciones lineales
(tanto cóncavas como convexas); por ende se le puede
llamar convexa.
• En la 2° restricción, la Matriz Hessiana es: 𝑯 𝒙, 𝒚 = 𝟐 −𝟏
−𝟏 𝟐

• Sus primeros menores principales son 2 y 2 ; ambos son ≥ 0

• Su segundo menor principal es 3, el cual también es ≥ 0
Conclusión:

• Al cumplir ambos pasos del análisis, se puede afirmar que la solución

óptima obtenida por el software LINGO es también una solución
óptima global.