Modelo de Programacion No Lineal

O
N
L
O
E
I
D E
C
O D
A AL
M
M E
A N
R LI
G
O O
R
N
P
CURSO:
INVESTIGACION
OPERATIVA II
ALUMNA:
AMADO SALVADOR
GINA V.
INVESTIGACION OPERATIVA II
INTRODUCCION
MTODO DE
RECURRENCIA
VENTAJAS
PROGRAMACION
NO LINEAL
TIPOS DE
PROBLEMAS DE
PROGRAMACION
NO LINEAL
CARACTERISTICAS
FORMULACIN Y
RESOLUCIN DE
MODELOS
MATEMTICOS CON
RESTRICCIONES U
OBJETIVOS NO
LINEALES
INTRODUCCION
La programacin no lineal y la
programacin lineal, tiene como finalidad
proporcionar los elementos para encontrar
los puntos ptimos para una funcin
objetivo. En este planteamiento, tanto la
funcin objetivo como las restricciones
son no lineales.
Se presenta un problema de programacin
no lineal cuando tanto la funcin objetivo
que debe optimizarse, como las
restricciones del problema, o ambas, tienen
forma de ecuaciones diferenciales no
lineales, es decir, corresponden a
ecuaciones cuyas variables tienen un
exponente mayor que 1.
VENTAJAS DE LA PROGRAMACION NO
LINEAL
Las ventajas ms importantes de la programacin no
lineal son dos:
En algunas ocasiones la distribucin ptima del

presupuesto excluye cualquiera de los bienes considerados
en el presupuesto general; esta situacin se refleja en
cualquiera de las restricciones del modelo.
La programacin no lineal aporta mayor informacin que la

contenida en el anlisis marginal. No slo define el
objetivo, sino que tambin seala la orientacin especfica
para lograr el objetivo.
Tipos De Problemas De
Programacion NoLineal
Optimizacin no restringida.
Optimizacin linealmente restringida.
Programacin cuadrtica
Programacin convexa.
Programacin separable.
Programacin no convexa.
Programacin geomtrica.
Programacin fraccional.
OPTIMIZACION NO RESTRINGIDA
Los problemas de optimizacin no restringidano tienen restricciones, por lo
que la funcin objetivo es sencillamente
Maximizar f(x)
sobretodos los valores x= (x1,x2,,xn). la condicinnecesaria para que una
solucin especfica x = x* sea ptima cuando f(x) es una funcin diferenciable es
Cuando f (x) es cncava, esta condicin tambin es suficiente, con lo que la

obtencin de x* se reduce a resolver el sistema de las n ecuaciones obtenidas
al establecer las n derivadas parciales iguales a cero. Por desgracia, cuando se
trata de funciones no lineales f (x), estas ecuaciones suelen ser no lineales
tambin, en cuyo caso es poco probable que se pueda obtener una solucin
analtica simultnea.
OPTIMIZACION NO RESTRINGIDA
La razn de estos procedimientos es que muchos algoritmos para

problemasrestringidos estn construidos de forma que se adaptan a
versionesnorestringidas del problema en una parte de cada iteracin.
Cuando una variable Xj tiene una restriccin de no negatividad, x- > 0, la
condicin necesaria (y tal vez) suficiente anterior cambia ligeramente a
para cada j de este tipo. Como este ejemplo tiene una funcin cncava
para maximizar sujeta a una restriccin de no negatividad, el que su
derivada sea menor o igual a 0 en # = 0, es una condicin necesaria y
suficiente para que x= 0 sea ptima.
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.
OPTIMIZACION LINEALMENTE
RESTRINGIDA
Los problemas de optimizacin linealmente restringida se caracterizan por
restricciones que se ajustan por completo a la programacin lineal, de
manera
que todas las funciones de restriccin g (x) son lineales, pero la
funcin objetivo es no lineal. El problema se simplifica mucho si slo se
tiene que tomar en cuenta una funcin no lineal junto con una regin factible
de programacin lineal. Se han desarrollado varios algoritmos especiales
basados en una extensin del mtodo smplex para analizar la funcin
objetivo no lineal.
Un caso especial importante descrito a continuacin es la programacin
cuadrtica.
PROGRAMACION CUADRATICA
De nuevo los problemas de programacin cuadrtica tienen restricciones
lineales, pero ahora la funcin objetivo /(x) debe ser cuadrtica. Entonces, la
nica diferencia entre stos y un problema de programacin lineal es que
algunos trminos de la funcin objetivo incluyen el cuadrado de una variable o
el producto de dos variables.
PROGRAMACION CONVEXA
La programacin convexa abarca una amplia clase de problemas, entre ellos
como casos especiales, estn todos los tipos anteriores cuando /(x) es
cncava. Las suposiciones son:
f(x) es cncava.
Cada una de las g(x) es convexa
PROGRAMACION SEPARABLE
Laprogramacin separable es un caso especial de programacin

convexa, en donde la suposicin adicional es
Todas las funciones f(x) yg(x) son funciones separables.
Una funcin separable es una funcin en la quecada
trmino incluyeuna sola variable, por lo que la funcin se
puedeseparar en una suma de funciones de variables individuales.
Por ejemplo, si f(x) es una funcin separable, se puede expresar
como
PROGRAMACION SEPARABLE
son cada tina funciones de una sola variable x1 y x 2, respectivamente.
Usando el mismo razonamiento, se puede verificar que la funcin
considerada en la figura 13.7 tambin es una funcin separable.
Es importante distinguir estos problemas de otros de programacin

convexa, pues cualquier problema de programacin separable se puede
aproximar muy de cerca mediante uno de programacin lineal y,
entonces, se puede aplicar el eficiente mtodo smplex.
PROGRAMACION NO CONVEXA
La programacin no convexa incluye todos los problemas de programacin
no
lineal que no satisfacen las suposiciones de programacin convexa. En
este caso, aun cuando se tenga xito en encontrar un mximo local, no hay
garanta de que sea tambin un mximo global. Por lo tanto, no se tiene un
algoritmo que garantice encontrar una solucin ptima para todos estos
problemas; pero s existen algunos algoritmos bastante adecuados para
encontrar mximos locales, en especial cuando las formas de las funciones no
lineales no se desvan demasiado de aquellas que se supusieron para
programacin convexa.
Ciertos tipos especficos de problemas de programacin no convexa se
pueden resolver sin mucha dificultad mediante mtodos especiales. Dos de
ellos, de gran importancia, se presentarn ms adelante.
PROGRAMACION GEOMETRICA
Cuando se aplica programacin no lineal a problemas de diseo de ingeniera,

muchas veces la funcin objetivo y las funciones de restriccin toman la forma
En tales casos, lasciy a ty representan las constantes fsicas y lasx} son las
variables de diseo. Estas funciones por lo general no son ni cncavas ni
convexas, por lo que las tcnicas de programacin convexa no se pueden aplicar
directamente a estos problemas de programacin geomtrica. Sin embargo,
existe un caso importante en el que el problema se puede transformar en un
problema de programacin convexa equivalente. Este caso es aquel en el
quetodos los coeficientesc en cada funcin son estrictamente positivos, es
decir, las funciones sonpolinomios positivos generalizados (ahora llamados
posinomiales), y la funcin objetivo se tiene que minimizar
PROGRAMACION GEOMETRICA
. El problema equivalente de programacin convexa con variables de

decisin yx, y2,, yn se obtiene entonces al establecer en todo el modelo
original. Ahora se puede aplicar un algoritmo de programacin convexa. Se
ha desarrollado otro procedimiento de solucin para resolver estos
problemasde programacin posinomial, al igual que para problemas de
programacin geomtrica de otros tipos.
PROGRAMACION FRACCIONAL
Suponga que la funcin objetivo se encuentra en la forma de una fraccin, esto
es, la razn o cociente de dos funciones,
Estos problemas de programacin fraccional surgen, por ejemplo, cuando se

maximiza la razn de la produccin entre las horas-hombre empleadas
(productividad), o la ganancia entre el capital invertido (tasa de rendimiento), o
el valor esperado dividido entre la desviacin estndar de alguna medida de
desempeo para una cartera de inversiones (rendimiento/riesgo). Se han
formulado algunos procedimientos de solucin especiales1 para ciertas formas
de f1(x) y f2 (x)
Cuando se puede hacer, el enfoque ms directo para resolver un problema de
programacin fraccional es transformarlo en un problema equivalente de algn
tipo estndar que disponga de un procedimiento eficiente. Para ilustrar esto,
suponga
quef(x) es de la forma deprogramacinfraccionallineal
dondec yd son vectores rengln,x es un vector columna yc0 ydQ son escalares.
Tambin suponga que las funciones de restriccing(x)son lineales, es decir, las
restricciones en forma matricial sonAx<b yx>0.
Con algunas suposiciones dbiles adicionales, el problema se puede transformar
en un problema equivalente deprogramacinlineal si se establece que se puede
resolver con el mtodo smplex. En trminos generales, se puede usar el mismo
tipo de transformacin para convertir un problema de programacin fraccional
con/(x)cncava,f2(x) convexa yg(x) convexas, en un problema equivalente
de programacin convexa.
CARACTERISTICAS DE LOS
PROBLEMAS NO LINEALES
Los problemas no lineales se

caracterizan por tener relaciones
no lineales; es decir, no existe una
relacin directa y proporcional
entre
las
variables
que
intervienen. Los problemas de
programacin no lineal, tambin
son llamados curvilneos, ya que
el rea que delimita las soluciones
factibles en un grfico se presenta
en forma de curva.
CARACTERISTICAS DE LOS
PROBLEMAS NO LINEALES
La funcin objetivo en la programacin no lineal, puede ser cncavo o

convexo. Es cncavo cuando se trata de maximizar utilidades,
contribuciones, etc. Es convexo cuando trata de minimizar recursos,
costos, etc.
Los problemas que contienen restricciones lineales, se resuelven de una
forma ms sencilla que los problemas con restricciones no lineales.
FORMULACIN Y RESOLUCIN DE MODELOS

MATEMTICOS CON RESTRICCIONES U OBJETIVOS
NO LINEALES.
Una
forma de resolver los problemas de programacin

no lineal es convirtiendo los problemas de forma tal,
que se pueda aplicar la programacin lineal. Los
problemas de programacin no lineal abarcan
problemas con funcin objetivo no lineal y
restricciones no lineales, como se presenta en el
ejemplo siguiente:
Como
se puede observar, tanto la funcin objetivo

como la restriccin presentan variables de segundo
grado (potencia cuadrtica); por lo tanto, son no
lineales. Para comenzar con la resolucin de un
problema no lineal se representa la restriccin en un
grfico, para ello, se utiliza el mismo procedimiento
empleado en el mtodo grfico de programacin
lineal (vase tema 2.3 Algoritmos de solucin).
Considerando
la desigualdad 3 X2 + 2Y < 13, 950,

se le asigna un valor de 0 a la variable Y, para
encontrar el punto de X en el grfico. As mismo,
se asigna un valor de 0 a la variable X, para
encontrar el punto Y en el grfico: Despejando la
variable X se procede de la forma siguiente:
Para
despejar la variable Y se procede como sigue:
De acuerdo con el procedimiento por el mtodo grafico de

programacin lineal, se debe dibujar en un plano cartesiano cada
una de las restricciones formuladas matemticamente, de esa
forma se representa como se muestra en el grafico siguiente la
restriccin considerada para este ejemplo:
Como podemos observar, la restriccin se representa por una

curva convexa, por lo que la funcin objetivo es cncava. Para
graficar la funcin objetivo, se asigna un valor cualquiera a la
variable X y a la contribucin; para este ejemplo, se asign un
valor a X=40 y una contribucin de $1,000.
Sustituyendo el valor de X en la funcin objetivo, se puede
encontrar el valor de la variable Y, como se presenta a
continuacin:
Una
vez obtenidos los valores de X, Y para la funcin

objetivo, se pueden representar en un grfico y
prolongarlo hasta tocar el punto ms lejano del rea de
soluciones factibles, para hallar la solucin ptima.
La solucin ptima para este ejemplo es X=30 y Y=75; sin

embargo, puede calcularse matemticamente. Para ello, se debe
encontrar la derivada de la funcin objetivo, como se muestra a
continuacin:
Se resuelve la ecuacin de la funcin objetivo para encontrar a
travs de un procedimiento matemtico el valor de las variables,
despejando las variables mediante el uso del lgebra y aplicando
el clculo diferencial, como sigue:
Una vez encontrada la derivada de la funcin objetivo, se

procede a encontrar la derivada de la restriccin, como se
muestra a continuacin:
El
siguiente paso consiste en igualar los resultados de

las dos derivadas, la derivada de la restriccin con la
derivada de la funcin objetivo.
Enseguida,
se sustituye la ecuacin Y resultante en

la ecuacin original de restriccin.
Con
el resultado anterior de la ecuacin Y, sustituida

en la ecuacin original de restriccin, se debe asignar
un valor a X. Como se observa en el grfico anterior,
la solucin ptima es X =30, por lo que sustituiremos
ese valor en la ecuacin resultante:
Como
el valor de X=30 satisface la ecuacin, se

puede considerar ese valor como un valor ptimo
para el problema. Ese mismo valor puede sustituirse
en la ecuacin de restriccin original, para encontrar
el valor ptimo de la variable Y.
Con lo anterior, se tienen los valores ptimos de X e Y, por

lo que ahora se procede a calcular la contribucin ptima,
sustituyendo los valores encontrados en la funcin objetivo:
Se puede concluir que la empresa necesita producir 30

unidades del producto X y 75 unidades del producto Y para
tener una contribucin mxima de $984.
MTODO DE RECURRENCIA
A menudo, las empresas tienen operaciones que son recurrentes; es

decir, que vuelven a ocurrir una y otra vez, con diferentes valores
cuantitativos dependiendo del tiempo en que suceden.
Para estos casos, podemos predecir qu ocurrir en el futuro, si
conocemos con exactitud los precedentes o antecedentes histricos.
Por ejemplo: una empresa realiza un depsito de $5,000 en su cuenta
bancaria, con intereses anuales del 10% y quiere conocer cunto
dinero tendr en diez aos.
Para conocer el monto en veinte aos, se debe formular un algoritmo,
denominado relacin de recurrencia, que describa el problema en
cuestin. Con clculos simples, sabemos que los montos son de:
Como se puede observar, calcular uno por uno es un proceso tedioso,

por lo que es necesario formular una relacin de recurrencia, que con
cambiar un dato, nos arroje el resultado deseado. Para este ejemplo,
se aprecia que todas las ecuaciones tienen caractersticas comunes,
que se pueden representar como:
Pn = Monto que se tiene en el ao n

Pn = Pn + (0.11) (Pn), entonces, el monto para 2 aos es
P2= 5,500.00 = 5,500.00 + (5,500.00) (0.10) = $ 6,050.00
Para simplificar las operaciones en cada ecuacin, se puede realizar otro

algoritmo:
P2 = 5,500.00 (1.10) = $ 6,050.00
P3 = 6,050.00 (1.10) = $ 6,655.00
Sin embargo, todava se tiene que calcular ao por ao, hasta llegar al ao
20, que es el que le interesa a la empresa. Se aprecia que 1.11, es constante
para todos los aos, por lo que la relacin de recurrencia, queda de la
siguiente forma:
Pn = 1000 * (1.11)n
Para el ao 2 = P2 = 5,000.00 (1.10)2 = $ 6,050.00
Para el ao 20 = P20 = 5,000.00 (1.10)20 = $ 33,637.50
De esta forma, se pueden crear relaciones de recurrencia para cada

problema de la empresa, siempre que se conozcan los precedentes y las
operaciones ocurran recurrentemente.

Modelo de Programacion No Lineal

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelo de Programacion No Lineal

Cargado por

Copyright:

Formatos disponibles

O

En algunas ocasiones la distribucin ptima del

La programacin no lineal aporta mayor informacin que la

Cuando f (x) es cncava, esta condicin tambin es suficiente, con lo que la

La razn de estos procedimientos es que muchos algoritmos para

Laprogramacin separable es un caso especial de programacin

Es importante distinguir estos problemas de otros de programacin

Cuando se aplica programacin no lineal a problemas de diseo de ingeniera,

. El problema equivalente de programacin convexa con variables de

Estos problemas de programacin fraccional surgen, por ejemplo, cuando se

Los problemas no lineales se

La funcin objetivo en la programacin no lineal, puede ser cncavo o

FORMULACIN Y RESOLUCIN DE MODELOS

forma de resolver los problemas de programacin

se puede observar, tanto la funcin objetivo

la desigualdad 3 X2 + 2Y < 13, 950,

despejar la variable Y se procede como sigue:

De acuerdo con el procedimiento por el mtodo grafico de

Como podemos observar, la restriccin se representa por una

vez obtenidos los valores de X, Y para la funcin

La solucin ptima para este ejemplo es X=30 y Y=75; sin

Una vez encontrada la derivada de la funcin objetivo, se

siguiente paso consiste en igualar los resultados de

se sustituye la ecuacin Y resultante en

el resultado anterior de la ecuacin Y, sustituida

el valor de X=30 satisface la ecuacin, se

Con lo anterior, se tienen los valores ptimos de X e Y, por

Se puede concluir que la empresa necesita producir 30

A menudo, las empresas tienen operaciones que son recurrentes; es

Como se puede observar, calcular uno por uno es un proceso tedioso,

Pn = Monto que se tiene en el ao n

Para simplificar las operaciones en cada ecuacin, se puede realizar otro

De esta forma, se pueden crear relaciones de recurrencia para cada

También podría gustarte