UNIVERSIDAD DE ORIENTE

NÚCLEO DE ANZOÁTEGUI
EXTENSIÓN ANACO
ESCUELA DE INGENIERÍA DE SISTEMAS

TRABAJO N°4 DE PROGRAMACIÓN NO

LINEAL

REALIZADO POR:
JESÚS RIVERO CI: 30038888
PROFESORA:
CARMEN SALAS.

ANACO, DICIEMBRE 2023

 INDICE

INTRODUCCIÓN..................................................................................................................................3
PROGRAMACIÓN SEPARABLE..................................................................................................................4
FORMULACIÓN........................................................................................................................................5
MÉTODO SIMPLEX MODIFICADO.............................................................................................................7
REGLA DE BASE RESTRINGIDA.................................................................................................................8
– Ejercicio 1 (Método gráfico).....................................................................................................9
– Ejercicio 2 (Método analítico: multiplicadores de Lagrange) ............................................10
CONCLUSIÓN.........................................................................................................................................13
BIBLIOGRAFÍA ..................................................................................................................................14
INTRODUCCIÓN

La programación separable es una técnica de optimización que se basa en

la descomposición de una función en una suma de funciones que dependen
de una sola variable. Este enfoque permite resolver problemas complejos de
manera más eficiente y precisa.

La formulación es un proceso fundamental en diversas disciplinas, desde la

química hasta las matemáticas. Su propósito esencial es la combinación de
componentes en relaciones o estructuras apropiadas, de acuerdo con una
fórmula.

El método simplex modificado es una variante del método simplex, un

método analítico de solución de problemas de programación lineal. Este
método modificado se basa en un simplex regular que evoluciona mediante
simplex irregulares debido a contracciones o expansiones según el
decaimiento o mejora de la respuesta obtenida.

La regla de base restringida, aunque no se encontró una definición exacta

en la búsqueda, puede referirse a una regla que limita ciertas acciones o
comportamientos en un sistema dado. Por ejemplo, en el béisbol, la regla de
separación y las bases más grandes han cambiado la forma en que los
jugadores pueden correr las bases.
PROGRAMACIÓN SEPARABLE

los problemas de programación no lineal pueden ser abordados mediante

una ampliación del método simplex. En este momento, nos enfocaremos en
un tipo diferente de programación, conocida como programación separable.
Este tipo de programación permite hallar una aproximación tan precisa como
se desee a un problema de programación lineal, aunque con un número
incrementado de variables.

Como se mencionó en la Sección 14.3, la programación separable

presupone que la función objetivo, denotada como f(x), es cóncava. Además,
cada una de las funciones de restricción, representadas como gi(x), es
convexa. Todas estas funciones son separables, es decir, cada término
incluye solo una variable.

No obstante, para simplificar la exposición, esta sección se enfoca en un

caso particular donde las funciones gi(x), aunque convexas y separables, son
en realidad funciones lineales, similares a las de la programación lineal. De
esta manera, solo la función objetivo necesitará un tratamiento especial.
FORMULACIÓN

La programación no lineal (PNL) es un campo de las matemáticas que se

ocupa de la optimización de funciones objetivo que no son lineales. En otras
palabras, se trata de encontrar el máximo o mínimo de una función que no
puede ser expresada como una combinación lineal de las variables
involucradas.

La PNL se caracteriza por la presencia de al menos una restricción o una

función objetivo que no es lineal. Esto significa que la relación entre las
variables no es proporcional, y por lo tanto, los cambios en una variable no
resultan en cambios proporcionales en otras variables.

La formulación de un problema de PNL implica varios pasos. Primero, se

define la función objetivo, que es la función que se desea maximizar o
minimizar. Esta función puede ser cualquier función matemática que describa
el problema en cuestión.

A continuación, se establecen las restricciones del problema. Estas

restricciones pueden ser igualdades o desigualdades que limitan los valores
posibles de las variables. Las restricciones pueden ser lineales o no lineales.

Un aspecto importante a tener en cuenta es que la PNL no se limita a

problemas con una única solución. De hecho, es posible que existan
múltiples soluciones óptimas, o incluso que no exista ninguna solución en
absoluto.

Los problemas de PNL pueden ser resueltos mediante varios métodos,

incluyendo métodos gráficos, multiplicadores de Lagrange, cálculo de la
gradiente, el método de los pasos descendentes, y el método modificado de
los multiplicadores de Lagrange. Cada uno de estos métodos tiene sus
propias ventajas y desventajas, y la elección del método adecuado depende
de las características específicas del problema.

Es importante destacar que la PNL tiene una amplia gama de aplicaciones

en diversas áreas, incluyendo la economía, la ingeniería, la física, y la
biología. Por ejemplo, en la economía, la PNL se utiliza para optimizar
funciones de utilidad o costos que no son lineales. En la ingeniería, se utiliza
para optimizar el diseño de sistemas que no se comportan de manera lineal.
MÉTODO SIMPLEX MODIFICADO

El método simplex modificado es una técnica de optimización experimental

que se basa en un simplex regular, es decir, un poliedro de K+1 vértices,
donde K es el número de variables independientes. El simplex regular se va
transformando en simplex irregulares mediante operaciones de reflexión,
expansión y contracción, según la mejora o el deterioro de la respuesta
obtenida. El objetivo es encontrar el vértice que maximice o minimice la
función objetivo, que en este caso es la viscosidad de una composición
detergente.

El método simplex modificado a la optimización de la viscosidad de una

composición detergente, comparándolo con otros métodos secuenciales
como el complex y el complex modificado, y con un método semiempírico
como el de Box-Wilson. Los autores concluyen que el método simplex
modificado y el de Box-Wilson son los más eficaces, aunque el segundo
ofrece más información sobre la influencia de cada variable. También
destacan la ventaja del complex modificado sobre el convencional, debido al
uso del centroide compensado, que tiene en cuenta las respuestas obtenidas
de forma cuantitativa.

Se estructura en las siguientes secciones: introducción, donde se explican

los fundamentos de los métodos secuenciales; objetivos, donde se plantea la
comparación entre los métodos; resultados experimentales, donde se
muestran los datos obtenidos y los valores óptimos de viscosidad; discusión
de resultados, donde se analizan las diferencias y similitudes entre los
métodos; y nomenclatura, donde se definen las variables y los símbolos
utilizados. El artículo también contiene varias tablas y gráficos que ilustran el
desarrollo de los métodos y las respuestas de viscosidad.
REGLA DE BASE RESTRINGIDA.

La programación no lineal es el proceso de optimizar una función que

depende de varias variables independientes, las cuales a su vez están
sometidas a restricciones. Si una o más de las restricciones, o si la función a
maximizar o minimizar (llamada función objetivo), no está expresada como
una combinación lineal de las variables, entonces se tiene un problema de
programación no lineal.

Y por tanto no pueden emplearse los procedimientos y métodos de la

programación lineal. Por ejemplo, no puede usarse el conocido método
Simplex, el cual solo se aplica cuando la función objetivo y las restricciones
son todas combinación lineal de las variables del problema.
– Ejercicio 1 (Método gráfico)

La ganancia G de cierta empresa depende del monto vendido del producto

X y el monto vendido del producto Y, además la ganancia se determina por la
siguiente fórmula:

G = 2(X – 2)2 + 3(Y – 3)2

Se sabe que los montos X e Y tienen las siguientes restricciones:

X≥0 ; Y≥0 y X + Y ≤ 7

Determine los valores de X e Y que producen la máxima ganancia.

En este problema la función objetivo es no lineal, mientras que las

desigualdades que definen las restricciones sí lo son. Se trata de un
problema de programación no lineal.

Para la solución de este problema se optará por el método gráfico.

En primer lugar se determinará la región de solución, la cual está dada por

las restricciones.

Como X≥0 ; Y≥0, la solución se tiene que buscar en el primer cuadrante del
plano XY, pero como adicionalmente debe cumplirse que X + Y ≤ 7, la
solución está en el semiplano inferior de la recta X + Y = 7.
 La región de solución es la intersección del primer cuadrante con el
semiplano inferior de la recta, lo que da lugar a una región triangular donde
se encuentra la solución. Es la misma que se indica en la figura 1.

Por otra parte, la ganancia G también puede representarse en el plano

cartesiano, ya que su ecuación es la de una elipse con centro (2,3).

La elipse se muestra en la figura 1 para varios valores de G. A mayor valor

de G, mayor ganancia.

Hay soluciones que pertenecen a la región, pero no dan el máximo valor G,

mientras que otras, como G= 92.4, están fuera de la zona verde, es decir la
zona de solución.

Entonces, el máximo valor de G, tal que X e Y pertenezca a la región de

solución corresponde a:

G = 77 (ganancia máxima), la cual se da para X=7 e Y=0.

Curiosamente, la máxima ganancia ocurre cuando el monto de ventas del

producto Y es nulo, mientras que el monto del producto X alcanza su mayor
valor posible.

– Ejercicio 2 (Método analítico: multiplicadores de Lagrange)

Encontrar la solución (x, y) que hace que la función f(x, y) = x2 + 2y2 sea
máxima en la región g(x,y) = x2 + y2 – 1 = 0.

Solución

Se trata claramente de un problema de programación no-lineal, ya que tanto

la función objetivo f(x,y) como la restricción g(x,y) = 0, no son combinación
lineal de las variables x e y.
 Se usará el método de los multiplicadores de Lagrange, el cual requiere en
primer lugar definir la función de Lagrange L(x, y, λ):

L(x, y, λ) = f(x,y) – λ g(x,y) = x2 + 2y2 – λ (x2 + y2 – 1)

Donde λ es un parámetro denominado multiplicador de Lagrange.

Para determinar los valores extremos de la función objetivo f, en la región de

solución dada por la restricción g(x,y)=0, se siguen estos pasos:

-Hallar las derivadas parciales de la función de Lagrange L, respecto de x, y,

λ.

-Igualar a cero cada derivada.

Aquí la secuencia de dichas operaciones:

. ∂L/∂x = 2x – 2λx = 0
. ∂L/∂y = 4y – 2λy = 0
. ∂L/∂λ = -(x2 + y2 – 1) = 0

Soluciones posibles del sistema

Una solución posible de este sistema es λ=1 para que se satisfaga la

primera ecuación, en cuyo caso y=0 para que se cumpla la segunda.

Esta solución implica que x=1 o x=-1 para que se satisfaga la tercera
ecuación. De esta forma se han obtenido dos soluciones S1 y S2:

S1: (x=1, y=0)

S2: (x=-1, y=0).

La otra alternativa es que λ=2 para que se satisfaga la segunda ecuación,

independientemente del valor y.
 En este caso, la única forma para que se satisfaga la primera ecuación es
que x=0. Considerando la tercera ecuación, solo hay dos soluciones posibles,
las cuales llamaremos S3 y S4:

S3: (x=0, y=1)

S4: (x=0, y=-1)

Para saber cuál o cuáles de estas soluciones maximizan la función objetivo,

se procede a sustituir en f(x, y):

S1: f(1, 0) = 12 + 2.02 = 1

S2: f(-1, 0) = (-1)2 + 2.02 = 1

S3: f(0, 1) = 02 + 2.12 = 2

S4: f(0, -1) = 02 + 2 (-1)2 = 2

Concluimos que las soluciones que maximizan a f, cuando x e y pertenecen

a la circunferencia g(x, y) = 0 son S3 y S4.

Los pares de valores (x=0, y=1) y (x=0, y=-1) maximizan f(x,y) en la región
de solución g(x,y) = 0.
CONCLUSIÓN

En resumen, la programación separable, la formulación, el método simplex

modificado y la regla de base restringida son conceptos fundamentales en
sus respectivos campos. Cada uno de ellos ofrece herramientas y técnicas
únicas para abordar problemas complejos. A medida que continuamos
explorando y aplicando estos conceptos, podemos esperar descubrir nuevas
formas de mejorar la eficiencia y la precisión en diversas disciplinas.
 BIBLIOGRAFÍA

Programación separable (I) | Investigacion de Operaciones

(lainvestigaciondeoperaciones.blogspot.com)
upcommons.upc.edu/bitstream/handle/2099/15869/07. Estudio
experimental de métodos de optimación parte II - métodos secuenciales
simplex modificado, complex y complex modificado_J.F.Izquierdo
Torres_J.Mata Alvarez.pdf