Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INVESTIGACION DE OPERACIONES
UNIDAD 3
PROGRAMACION NO LINEAL
NOMBRE:
CUARTO SEMESTRE
GRUPO “A”
3
Índic
e
Capitulo 1 Generalidades...........................................................................................................1
Introducción.......................................................................................................................................1
Planteamiento del proyecto...............................................................................................................1
Objetivo General................................................................................................................................1
Objetivos específicos..........................................................................................................................2
Preguntas de investigación................................................................................................................2
Justificación........................................................................................................................................2
Alcances y limitaciones......................................................................................................................3
Capitulo 2 Marco teórico.............................................................................................................4
2.1 Programación no lineal (PNL).......................................................................................................4
2.2 Planteamiento de problemas de Programación no lineal............................................................5
2.2.1. Optimización no restringida.....................................................................................................5
2.2.3. Optimización linealmente restringida......................................................................................6
2.2.4. Programación no cuadrática....................................................................................................6
2.2.5. Programación convexa.............................................................................................................7
2.2.6. Programación separable.....................................................................................................7
2.2.7. Programación no convexa........................................................................................................8
2.2.8. Programación geométrica........................................................................................................8
2.2.9. Programación fraccional...........................................................................................................9
2.2.10. Problemas de complejidad...................................................................................................10
2.3 Optimización clásica...................................................................................................................11
2.3.1 MÁXIMOS Y MINIMOS.............................................................................................................12
2.3.2 Punto de inflexión...................................................................................................................14
2.4 Problemas no restringidos..........................................................................................................14
2.4.1 Método de LaGrange...............................................................................................................15
Capitulo 3. Procedimiento................................................................................................................23
Descripción de las actividades..........................................................................................................23
4
Capitulo 4. Conclusiones y recomendaciones..................................................................................24
Conclusión........................................................................................................................................24
Recomendaciones............................................................................................................................24
Bibliografía.......................................................................................................................................25
Índice de figura
Figura 1…………………………………………………………………………………………………………………………………………13
5
Capitulo 1 Generalidades
Introducción
Objetivo General
1
Objetivos específicos
Preguntas de investigación
¿Por qué?
¿Cuándo?
¿Cómo lo hicimos?
Justificación
2
Alcances y limitaciones
Alcances:
Limitaciones:
3
Capitulo 2 Marco teórico
2.1 Programación no lineal (PNL)
Maximizar f ( x ) ,
Max f ( x ) Cuando x ∈ X
4
2.2 Planteamiento de problemas de Programación no lineal.
Para cada j de este tipo. Donde la solución óptima de un problema con una
sola variable es x = 0 aun cuando la derivada ahí es negativa y no cero. Como
este ejemplo tiene una función cóncava para maximizar sujeta a una restricción de
5
no negatividad, el que su derivada sea menor o igual a 0 en x = 0, es una
condición necesaria y suficiente para que x = 0 sea óptima.
Un problema que tiene algunas restricciones de no negatividad y que no
tiene restricciones funcionales es un caso especial (m = 0) de la siguiente clase de
problemas.
6
La programación no convexa abarca una amplia clase de problemas entre
los que se encuentra, como los tipos anteriores cuando f (x) es cóncava. Las
suposiciones son que
1. f (x) es cóncava.
2. Cada una de las g(x) son cóncavas.
Estas suposiciones son suficientes para asegurar que un máximo local es
un máximo global.
7
también un máximo global. No se tiene un algoritmo para garantizar un resultado
óptimo para todos estos problemas, pero si hay algunos bastante adecuados para
encontrar los máximos locales, es decir cuando las formas de las funciones no
lineales se desvían demasiado de aquellas que se supieran para programación
convexa.
Ciertos tipos específicos de problemas de programación no convexa se
pueden resolver mediante métodos especiales.
En donde
Pi ( x ) =x1a i1 x a2 i 2 … x an ∈¿
En estos casos, las ci y aij representas las constantes físicas y las x j las
variables de diseño. Por lo general estas funciones no son ni cóncavas ni
convexas por lo que no se pueden aplicar directamente las técnicas de
programación convexa. Pero, existe un caso en el que el problema se puede
transformar en un problema de programación convexa equivalente. Este caso es
aquel en el que todos los coeficientes c i en cada función son estrictamente
positivos, en otras palabras, las funciones son polinomios positivos generalizados
(llamados posinomiales), y la función objetivo se tiene que minimizar. El problema
equivalente de programación convexa con variables de decisión y 1, y2, … yn se
obtiene entonces al establecer
x j=e yj , parai=1, 2 , … , n
8
En todo el modelo original, y ahora se puede aplicar un algoritmo de
programación convexa.
9
Que se puede resolver con el método simplex. Se puede usar el mismo tipo
de transformación para convertir un problema de programación fraccional con f 1 ( x )
cóncava, f 2 ( x )convexa y gi ( x ) convexas, en un problema equivalente de
programación convexa.
10
2.3 Optimización clásica
s . a X € IR n
En todo lo que sigue supondremos que las funciones que manejamos son
continuas y que tienen derivadas parciales continuas, al menos hasta el segundo
orden, es decir, que son de clase C2en IRn.
11
2.3.1 MÁXIMOS Y MINIMOS
12
Figura 1
13
2.3.2 Punto de inflexión.
f¿
f¿
14
2.4.1 Método de LaGrange
En los problemas de optimización, el método de los multiplicadores de
Lagrange, es un procedimiento para encontrar los máximos y mínimos de
funciones de varias variables sujetas a restricciones. Este método reduce el
problema restringido con n variables a uno sin restricciones de n + k variables,
donde k es igual al número de restricciones, y cuyas ecuaciones pueden ser
resueltas más fácilmente. Estas nuevas variables escalares desconocidas, una
para cada restricción, son llamadas multiplicadores de Lagrange. El método dice
que buscar los extremos condicionados de una función con k restricciones, es
equivalente a buscar los extremos sin restricciones de una nueva función
construida como una combinación lineal de la función y las restricciones, donde
los coeficientes de las restricciones son los multiplicadores.
La demostración usa derivadas parciales y la regla de la cadena para
funciones de varias variables. Se trata de extraer una función implícita de las
restricciones, y encontrar las condiciones para que las derivadas parciales con
respecto a las variables independientes de la función sean iguales a cero.
Sea
∂f
λ=∇ Y 0 J −1=
∂g
Por consiguiente,
∂ f −λ ∂ g=0
15
Esta ecuación satisface las condiciones necesarias para puntos
estacionarios, ya que la expresión para ∂ f /∂ g se calcula tal que ∇ c f =0. Sin
embargo, se obtiene una forma más conveniente para presentar estas ecuaciones
tomando sus derivadas parciales con respecto a todas las x j . Lo anterior da
∂
( f −λ g )=0 , j=1 , 2, … , n
∂x j
L ( X , λ )=f ( X )−λ g (X )
Las ecuaciones:
∂L ∂L
=0 y =0
∂λ ∂X
16
0| P
HB=
( |)
PT Q ( m+n ) x(m +n)
Donde
∇ g1 (X )
P=
( )⋮
∇ gm( X ) mx n
y ‖
Q=
∂2 L( X ,)
∂ xi ∂ x j ‖
m xn
, para toda i y j
Existen otras condiciones que son tanto necesarias como suficientes para
identificar puntos extremos. La desventaja en este caso es que este
procedimiento es computacionalmente infactible para la mayoría de los propósitos
prácticos. Defina:
17
0p
∆=
( T
P Q−μI )
|∆|=0
Deben ser,
Ejemplo. 1
∂L
=2 x1 −λ1−5 λ 2=0
∂ x1
∂L
=2 x 2−λ1−2 λ 2=0
∂ x2
∂L
=2 x 3−3 λ1− λ2=0
∂ x3
∂L
=− ( x1 + x 2 +3 x3 −2 )=0
∂ λ1
18
∂L
=−( 5 x 1+2 x 2+ x3 −5 )=0
∂ λ2
0 0 1 1 3
B
(0
H =1
1
3
0
5
2
1
5
2
0
0
2
0
2
0
1
0
0
2
)
Ya que n=3 y m=2, se deduce que n−m=1. Por consiguiente, es necesario
verificar el determinante de H B =460> 0 , X 0 es un punto mínimo.
19
Ejemplo. 2
Considere el problema
Sujeto a
4 x1 + x 22 +2 x 3−14=0
La función de LaGrange es
∂L
=2 x1 −4 λ=0
∂ x1
∂L
=2 x 2−2 λx 2=0
∂ x2
∂L
=2 x 3−2 λ=0
∂ x3
∂L
=−( 4 x1 + x 22−2 x 3−14)=0
∂λ
Cuya solución es
( X 0 , λ 0 )=(2 ,2 , 1, 1)
( X 0 , λ 0)2=(2 ,−2 , 1, 1)
20
Aplicando las condiciones de suficiencia se obtiene,
0 4 2 x2 2
HB= 4
(
2 x2
2
2 0
0 2−2 λ
0 0
0
0
2
)
Ya que m=1 y n=3, entonces el signo de los últimos ( 3−1 )=2 menores
principales del determinante debe ser el de (−1)m=−1 a fin de que un punto
estacionario sea un mínimo. Por consiguiente, para ( X 0 , λ 0)1=(2 ,2 , 1 ,1),
0 4 4 2
0 4 4
| |
4 2 0 =−32<0
4 0 0
y
| |
4
4
2
2 0
0 0
0 0
0 =−64<0
0
2
0 4 −4 2
|
0 4 −4
4 2 0 =−32<0
−4 0 0 | y
|4
−4
2
0 0 0
0 0 2
|
2 0 0 =−64< 0
0 4 0 2
|
0 4
4 2
0
0 =12.8>0
0 0 −0.8 | y
|
4
0
2
2 0
0 −0.8 0
0 0 2
|
0 =32>0
Esto muestra que ( X 0)1 y ( X 0)2 son puntos mínimo. El hecho de que ( X 0)3 no
satisfagan las condiciones de suficiencia de un maximo o un mínimo no es
necesariamente significa que no sea un punto extremo. Esto, como se explicó
anteriormente, se deduce a partir de las condiciones dadas que, aunque
21
suficiente, pueden no ser fatisfechas para cada punto extremo. En tal caso, es
necesario usar la otra condicion de suficiencia.
0 4 2 x2 2
2
(
∆= 4 2−μ
2 x2 0
0
0
2−2 λ−μ
0
0
0
2−μ
)
Ahora, para ( X 0 , λ 0)1=( 2,2 , 1, 1 ) ,
Esto da μ=2 o sea 8 /9. Ya que todas las μ>0 ( X 0 )1=( 2 ,2 , 1 ) es un punto
mínimo. Finalmente, para ( X o , λ 0)2=( 2 ,−2 ,1 ) ,
|∆|=5 μ2 −6 μ−8=0
22
Capitulo 3. Procedimiento.
23
Capitulo 4. Conclusiones y recomendaciones.
Conclusión
Recomendaciones.
Bibliografía
24
Frederick S. Hillier, G. J. (1997). Introducción a La Investigación De Operaciones.
Mexico D.F: Mc Graw Hill.
25