Scribd
Cargar
34 vistas3 páginas

Ejercicio PLNS

El ejercicio de programación no lineal busca minimizar la función objetivo f(x, y) = e + Ln(y + 1) sujeta a ciertas restricciones. Se utiliza el método de Lagrange para resolver el problema, analizando diferentes casos de multiplicadores y evaluando la función en puntos factibles. Finalmente, se determina que el punto óptimo mínimo se encuentra en (1, 2) con un valor de función de 3.81.

Cargado por

Xgamer Rox04
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
34 vistas3 páginas

Ejercicio PLNS

El ejercicio de programación no lineal busca minimizar la función objetivo f(x, y) = e + Ln(y + 1) sujeta a ciertas restricciones. Se utiliza el método de Lagrange para resolver el problema, analizando diferentes casos de multiplicadores y evaluando la función en puntos factibles. Finalmente, se determina que el punto óptimo mínimo se encuentra en (1, 2) con un valor de función de 3.81.

Cargado por

Xgamer Rox04
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Daniel Josué Rozo Rodríguez - 20222020006

David Santiago Buitrago - 20221020085


Jhonatan David Vergara Jiménez - 20231020055
Juan Diego Ávila Tafur - 20221020132
Santiago Reyes Gómez - 20221020098

Ejercicio de programación no línea separable


(PNLS)
Problema:
Minimizar
𝑓(𝑥, 𝑦) = 𝑒 + 𝐿𝑛(𝑦 + 1)
Sujeto a
𝑥 −8≤ 0
𝑦 −4≤ 0
𝑥+ 𝑦≥3
En este ejercicio, la última restricción no afecta la separabilidad del problema, ya que
podemos resolverlo utilizando el método de Lagrange. El objetivo es encontrar el punto (x,
y) dentro de la región factible que minimice la función objetivo.

Paso 1. Definimos la función de Lagrange


𝐿(𝑥, 𝑦, 𝜆 , 𝜆 , 𝜆 ) = 𝑒 + 𝐿𝑛(𝑦 + 1) + 𝜆 (𝑥 − 8) + 𝜆 (𝑦 − 4) + 𝜆 (3 − 𝑥 − 𝑦)
Recordando las condiciones de:
Las derivadas parciales de L respecto a x1, x2, λ1, λ2, y λ3 deben ser cero.
Los multiplicadores 𝜆 , 𝜆 , 𝜆 ≥ 0

Paso 2: Resolvemos el sistema de ecuaciones


- Derivamos parcialmente:

= 𝑒 + 3𝜆 𝑥 − 𝜆 = 0

= + 2𝜆 𝑦 − 𝜆 = 0

- Reescribimos las restricciones


𝑥 ≤8
𝑦 ≤4
𝑥 ≤8
𝜆 (𝑥 − 8) = 0,
𝜆 (𝑦 − 4) = 0,
𝜆 (3 − 𝑥 − 𝑦) = 0
Paso 3: Analizamos los casos
Caso 1: Que todos los multiplicadores de Lagrange sean iguales a cero, en ese caso las
ecuaciones se reducen a
𝑒 =0
Esto no tiene solución real, ya que 𝑒 > 0 para todo x. Por lo tanto, este caso no es
factible

Caso 2: Que todos los multiplicadores de Lagrange sean mayores a cero, en ese caso
podemos suponer que alguna restricción está activa. Esto implica que al menos una de
las siguientes condiciones se cumple
𝑥 =8 𝑑𝑎𝑛𝑑𝑜 𝑥 = 2
𝑦 =4 𝑑𝑎𝑛𝑑𝑜 𝑦 = 2 (𝑦𝑎 𝑞𝑢𝑒 𝑦 ≥ 0)

𝑥+𝑦 =3
Ahora suponemos que ambas condiciones están activas, por ende, x = 2, y = 2, dando
así
𝑥+𝑦 ≥3
2+2≥3
4≥3
Luego se verifican las derivadas parciales
𝜕𝐿
= 𝑒 + 3𝜆 𝑥 − 𝜆 = 0
𝜕𝑥

𝜕𝐿
→ = 𝑒 + 3𝜆 (2) − 𝜆 = 0
𝜕𝑥

𝜕𝐿 1
= + 2𝜆 𝑦 − 𝜆 = 0
𝜕𝑦 𝑦 + 1
𝜕𝐿 1
→ = + 4𝜆 − 𝜆 = 0
𝜕𝑦 3
De ahí nos queda un sistema de dos ecuaciones, así que despejamos una en términos de
la otra:
𝜆 = 𝑒 + 12𝜆
1
+ 4𝜆 − (𝑒 + 12𝜆 ) = 0
3
1
4𝜆 − 12𝜆 = 𝑒 −
3
Cómo estamos minimizando la función objetivo, podemos verificar directamente el valor
de f(x,y) en este punto. (2, 2)
𝑓(2,2) = 𝑒 + 𝑙𝑛(2 + 1) = 𝑒 + 𝑙𝑛(3).
De x + y = 3, obtenemos
𝑦 =3−𝑥 =3−2 =1
Verificamos que cumple en la segunda restricción y evaluamos en f(x,y) en ese punto (2, 1)
𝑦 ≤4
(1) ≤ 4 → 1 ≤ 4
𝑓(2,1) = 𝑒 + 𝑙𝑛(1 + 1) = 𝑒 + 𝑙𝑛(2).
De 𝑦 = 4, 𝑦 𝑑𝑒 𝑥 + 𝑦 = 3 tenemos que
𝑦=2 𝑦 𝑥 =3−𝑦 = 3−2= 1
Verificamos que cumple en la primera restricción y evaluamos en f(x,y) en ese punto (1, 2)
𝑓(1,2) = 𝑒 + 𝑙𝑛(2 + 1) = 𝑒 + 𝑙𝑛(3).
Paso 4: Comparamos los valores
𝑓(2,2) = 𝑒 + 𝑙𝑛(2 + 1) = 𝑒 + 𝑙𝑛(3) = 8,49
𝑓(2,1) = 𝑒 + 𝑙𝑛(1 + 1) = 𝑒 + 𝑙𝑛(2) = 8,1
𝑓(1,2) = 𝑒 + 𝑙𝑛(2 + 1) = 𝑒 + 𝑙𝑛(3) = 3,81
Dado que el valor más pequeño es en el punto (1, 2), decimos que este es el punto optimo
mínimo.

También podría gustarte