PROGRAMACIÓN Lilivet Ubiera
Wander Pérez
LINEAL Y NO LINEAL Maxwell Quezada
DEFINICIÓN DE
PROGRAMACIÓN LINEAL
Un modelo de Programación Lineal (PL) considera que las
variables de decisión tienen un comportamiento lineal, tanto en la
función objetivo como restricciones del problema con la finalidad
de optimizar la función. Los métodos más recurridos para resolver
problemas de programación lineal son algoritmos de pivote, en
particular los algoritmos simplex.
DEFINICIÓN DE
PROGRAMACIÓN NO LINEAL
Programación no
lineal (PNL) es el
proceso de resolución
de un sistema de
igualdades y
desigualdades sujetas a
un conjunto de
restricciones sobre un
conjunto de variables
reales desconocidas,
con un función objetivo
a maximizar (o
minimizar), cuando
alguna de las
restricciones o la
DIFERENCIAS ENTRE PL Y
PNL
DIFERENCIAS ENTRE PL Y
PNL
EJEMPLO 1. PLANTEAMIENTO
DE PROBLEMA PARA PL Y
PNL
Planteamiento en programación no lineal.
PLANTEAMIENTO EN
PROGRAMACIÓN NO LINEAL.
EJEMPLO 1. PLANTEAMIENTO
DE PROBLEMA PARA PL Y
PNL
Planteamiento en programación lineal.
PLANTEAMIENTO EN
PROGRAMACIÓN LINEAL
Se tiene que para el primer mes de producción, cada unidad de
frigorífico tuvo un costo de 150 USD, para el segundo mes 180
USD, y para el tercer mes 130 USD. Entonces el costo de
producción en estos tres meses será igual:
Por tanto:
Min
Las restricciones se mantienen igual:
CARACTERÍSTICAS DE LA
PROGRAMACIÓN NO LINEAL
CON RESTRICCIONES
• x ∈Ω⊂ Rn Espacio de búsqueda
• S=Ω En general S=Rn (sin ningún tipo de restricción)
• Si la función objetivo es cóncava se garantiza que un
máximo local es un máximo global.
• una función objetivo convexa asegura que un mínimo local
es un mínimo global.
CARACTERÍSTICAS DE LA
PROGRAMACIÓN NO LINEAL
SIN RESTRICCIONES
• x ∈Ω
• hi (x) = 0, i=1,2,…,m
• gi (x)≤ 0, i=1,2,…,r
• Son funciones no lineales de las incógnitas: x=[x1,…,xn].
• para garantizar que un máximo local sea un máximo global
en un problema de PNL con restricciones g1(x) ≤ b1, g2(x)
≤ b2, . . . , gm(x) ≤ bm y x ≥ 0, la función objetivo f(x) debe
ser concava y cada gi(x) debe ser convexa una función
objetivo convexa asegura que un mínimo local es un
mínimo global.
EJEMPLO 2: PLN SIN
RESTRICCIONES
EJEMPLO 3: PLN CON
RESTRICCIONES
ALGORITMOS PARA PNL
Entre los principales algoritmos para Programacion No Lineal,
destacamos los siguientes:
MAP (Method of Approximating Programming): Consiste en
aproximar cada función no lineal del problema por medio de una
función lineal y resolver el problema correspondiente. Tiene como
limitante que las aproximaciones lineales solo son validas localmente
(es decir, alrededor del punto al que se han hecho las
aproximaciones).
RG (Reduced Gradient): Estos algoritmos se basan en el gradient
reducido de la función objetivo. Para un problema:
Sujeto a:
Donde f es una funcion continua diferenciable, A es una matriz m*n, b es
el vector de orden m y m≤n
La idea central de los métodos del gradient reducido consiste en eliminar
las variables basicas, sustituyendo su formulacion en la funcion objetivo,
y efectuar una optimizacion (PSR) de dicha funcion a base de las
variables independientes. (Ver Metodo).
GRG y GRG2: Son metodos basados en el de gradient reducido, los
cuales introducen mejoras en las los cambios de base, y en que los
valores de las variables dependientes se obtienen a base de resolver un
sistema de ecuaciones no-lineales (metodo Quasi Newton).
EJEMPLO DE GRG
Aplicando el metodo en MatLAB, se obtiene:
X1= 0.95456 X2=1.0434 X3= -
0.04408
REFERENCIAS
BIBLIOGRÁFICAS Y
WEBGRÁFICAS
http://www.programacionlineal.net/programacion_lineal.html
http://www.ugr.es/~proman/IO1Grado/PDF/Tema_8.pdf
•https://people.rit.edu/pnveme/EMEM820n/Mod6_Numerical/mod6_conte
nt/mod6_sec3_GRG.html
•http://neos-guide.org/content/reduced-gradient-methods
•http://www.ehu.eus/mae/html/prof/Maria_archivos/plnlapuntes.pdf
•https://es.scribd.com/doc/246170935/26318-26242-1-PB-pdf
Técnicas de optimización en ingeniería. Máster en Tecnologías de la
Información y las Telecomunicaciones Curso 2006-2007 Profesora: Mª
Pilar Jarabo Amores
