You are on page 1of 12

2010

PROGRAMACION NO
LINEAL
-Conceptos básicos de problemas de
programación no lineal.
-Ilustración grafica de problemas de
programación no lineal.
- Tipos de problemas de programación no
lineal.
MENDEZ SOBERANIZ IRIS GUADALUPE

INSTITUTO TECNOLOGICO DE MINATITLAN


16/04/2010
Conceptos básicos de problemas de programación no lineal.

En matemáticas, 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 una función objetivo a
maximizar, cuando alguna de las restricciones o la función objetivo no son
lineales.

Formulación matemática del problema

El problema de programación no lineal puede enunciarse de una forma muy


simple:

Maximizar una función objetivo

Minimizar una función objetivo (de coste)

Donde
ILUSTRACIÓN GRAFICA DE PROBLEMAS DE PROGRAMACIÓN NO LINEAL.

Cuando un problema de programación no lineal tiene solo una o dos variables, se


puede representar gráficamente de forma muy parecida a algún ejemplo anterior
de programación lineal.
TIPOS DE PROBLEMAS DE PROGRAMACIÓN NO LINEAL.

Si la función objetivo f es lineal y el espacio restringido es un politopo, el problema


es de Programación lineal y puede resolverse utilizando alguno de los bien
conocidos algoritmos de programación lineal.

Si la función objetivo es cóncava (problema de maximización), o convexa


(problema de minimización) y el conjunto de restricciones es convexo, entonces se
puede utilizar el método general de Optimización convexa

Existe una variedad de métodos para resolver problemas no convexos. Uno de


ellos consiste en utilizar formulaciones especiales de problemas de programación
lineal. Otro método implica el uso de técnicas de Ramificación y poda, cuando el
problema se divide en subdivisiones a resolver mediante aproximaciones que
forman un límite inferior del coste total en cada subdivisión. Mediante
subdivisiones sucesivas, se obtendrá una solución cuyo coste es igual o inferior
que el mejor límite inferior obtenido por alguna de las soluciones aproximadas.
Esta solución es óptima, aunque posiblemente no sea única. El algoritmo puede
ser parado antes, con la garantía de que la mejor solución será mejor que la
solución encontrada en un porcentaje acotado. Ello se utiliza en concreto en
problemas importantes y especialmente difíciles y cuando el problema cuenta con
costes inciertos o valores donde la incertidumbre puede ser estimada en un grado
de fiabilidad apropiado.

Las condiciones de Karush-Kuhn-Tucker proporcionan las condiciones necesarias


para que una solución sea óptima.

Los tipos de problemas de programación no lineal son:

Optimización no restringida.

Optimización linealmente restringida.

Programación cuadrática

Programación convexa.

Programación separable.

Programación no convexa.

Programación geométrica.

Programación fraccional.

Problema de complementariedad.
Problemas de programación no lineal.

1.- Resolver el problema

Solución:

En general en la resolución de un problema de programación no lineal seguiremos


una serie de pasos:

En primer lugar intentaremos representar gráficamente nuestro conjunto de


oportunidades y las curvas de nivel de la función objetivo.

El segundo paso consistirá en comprobar la aplicabilidad de los Teoremas de


Weierstrass y Local - Global, de tal forma que podamos tener seguridad de la
existencia de solución global a nuestro problema, y si dichas soluciones que
obtengamos con las técnicas aplicadas son las soluciones globales.

En tercer lugar obtendremos las soluciones a nuestro problema mediante las


condiciones de punto estacionario, aunque en este caso podemos seguir dos vías
para la resolución del sistema que se genera. Una, corresponde a la resolución de
dicho sistema teniendo en cuenta las distintas ramas que se presenten y otra,
basada en la determinación, con la ayuda de la representación gráfica, de las
restricciones activas en el óptimo y reducir de esa manera las distintas
posibilidades del caso anterior.

Posteriormente deben analizarse las condiciones de segundo orden tanto


necesaria como suficientes, para poder afirmar si dichos puntos estacionarios son
óptimos, y si lo son, si son locales o globales.
El conjunto de oportunidades, como podemos observar en la gráfica, es un
conjunto cerrado, acotado, convexo y no vacío, mientras que la función objetivo es
continua y convexa, luego por el Teorema de Weierstrass podemos asegurar que
existe un mínimo global y por el Teorema Local - Global, todo mínimo local es
global.

En consecuencia, nos bastaría con determinar los mínimos locales y directamente


obtendremos los globales pero, como se verifican las condiciones suficientes para
que un punto estacionario sea mínimo global, sólo necesitamos encontrar los
puntos estacionarios.

Para ello, podemos hacerlo de dos formas posibles, directamente a través de las
condiciones de punto estacionario, o bien, a través de la gráfica analizando las
restricciones activas en el mínimo. Veamos los dos procedimientos comenzando
por el de punto estacionario.

Para resolver el problema a través de las condiciones de punto estacionario, para


construir la función de Lagrange deberemos modificar nuestra función objetivo de
acuerdo con la relación:
Y entonces, la función de Lagrange vendrá dada por

Observemos que la segunda restricción ha debido adaptarse a la forma ≤.

Las condiciones de punto estacionario vienen dadas por:

Para resolver ese sistema que contiene ecuaciones e inecuaciones


comenzaremos resolviendo las ecuaciones y posteriormente, comprobaremos el
cumplimiento de las inecuaciones. Así, determinaremos los puntos que verifican
(1), (2), (5) y (6). Para ello, pueden formarse cuatro sistemas que vienen dados
por las ecuaciones (1), (2), (5a) o (5b) y (6a) o (6b). Posteriormente,
comprobaremos si las soluciones verifican las inecuaciones (3), (4), (7) y (8) y
dichos puntos serán los puntos estacionarios para nuestro problema de mínimo.
Pasamos a estudiar cada una de las cuatro posibilidades que surgen al combinar
las distintas ramas.

Punto que no verifica la primera restricción luego no sería factible.

Igualando las dos expresiones que surgen para λ2 y despejando la variable x


obtenemos que

con lo cual tenemos que

expresión de la que podemos obtener el valor de la variable y

valor que nos genera el siguiente resultado


que no verifica la condición (8).

Igualando las dos expresiones obtenidas para λ1 y despejando la variable x


obtenemos que

que al sustituir en la ecuación de la circunferencia nos genera dos valores para la


varible y

con lo cual llegaríamos a que

Si tomamos los valores positivos y sustituimos en cualquiera de las expresiones


obtenidas para λ1 obtenemos

con lo cual encontramos el punto


En cambio, si tomamos los valores negativos obtenemos el siguiente valor de λ1

y no se verificaría la condición (7).

Resolviéndose el sistema que surge con estas dos restricciones se obtienen dos
resultados

Si tomamos el primero, al sustituir en las demás igualdades nos quedaría

sistema del que se puede derivar que

con lo cual lo tendríamos que desechar al no poder tomar esa variable un valor
negativo.

Igual ocurriría si tomamos la segunda posibilidad cosa que puede comprobar


fácilmente el lector.

Vistas ya las cuatro posibilidades que surgen de las condiciones de punto


estacionario y resumiendo las conclusiones que se derivan de las mismas sólo nos

quedamos con un único punto, que verifica las


ecuaciones e inecuaciones correspondientes y, por consiguiente, es punto
estacionario.

Otra forma, en el caso de problemas de dos variables, es a través de la gráfica,


analizando las restricciones activas en el mínimo, con lo que sabremos que los
multiplicadores correspondientes a las restricciones inactivas serán cero, y en las
restricciones activas se verifican las ecuaciones con igualdad. De esta forma
reducimos sustancialmente el número de subsistemas a resolver.

En nuestro caso tenemos que la restricción (3) es activa y, por tanto, en la


condición de holgura complementaria debe verificarse la condición (5b), mientras
que la restricción (4) es inactiva y debe verificarse la condición (6a). Por
consiguiente, nuestro sistema vendrá dado por (1), (2), (5b) y (6a), es decir,
sustituyendo la cuarta en las dos primeras queda:

sustituyendo en la cuarta tenemos:

desechamos el valor negativo de la raíz cuadrada pues deriva un multiplicador


negativo, y de ese obtenemos que:
luego, nuestro punto es que además verifica las condiciones
(3), (4), (7) y (8). Por tanto, es punto estacionario que además coincide con el
obtenido de la resolución de los cuatro sistemas por el primer procedimiento.

La siguiente pregunta que debemos contestar para finalizar la resolución de este


problema es si este punto estacionario es un mínimo global. La respuesta sería sí,
ya que, como ya hemos visto, se verifican las condiciones suficientes para que un
punto estacionario sea mínimo global.

You might also like