Professional Documents
Culture Documents
Villahermosa
Ingeniera en Sistemas
Computacionales
-Investigacin de
OperacionesUnidad 3: Programacin no
Lineal (Optimizacin
clsica y caractersticas,
puntos de inflexin,
mximos y mnimos)
Alumno: Kevin Ivn Soria
Aguirre
Profesora: Norma Anglica
Ibarra Luna
Villahermosa, Tabasco.
08/06/2014
INTRODUCCIN
Desde la dcada de los 60 la programacin lineal (PL) ha sido aplicada
en diversas reas de la vida como por ejemplo: sistemas militares,
agrcolas, econmicos, de transporte y de salud. La PL ofrece bases
importantes en el desarrollo de mtodos de solucin de otras tcnicas
de la Investigacin de operaciones, como lo son la programacin entera,
la estocstica y la no lineal [Taha 1991].
La PL juega un papel muy importante en el estudio de los problemas
continuos de optimizacin considerados como la frontera de los
problemas de optimizacin combinatoria, ya que en los continuos se
tienen las caractersticas necesarias para que sean considerados dentro
del tipo combinatorio [Papadimitriou and Steiglitz, 1982]: Un problema
de optimizacin combinatoria siempre se le involucra un conjunto de
instancias, donde cada una de ellas cuenta con un conjunto finito de
posibles soluciones (caracterstica imprescindible de los problemas
continuos). Por otra parte la teora de optimizacin clsica se usa para la
obtencin de los mximos y mnimos de funciones no lineales
restringidas y no restringidas, en los que se hace uso del clculo
diferencial.
El problema de programacin no lineal puede enunciarse de una forma
muy simple:
Maximizar una funcin objetivo
O
Minimizar una funcin objetivo (de coste)
Donde
Programacin no lineal
En matemticas, Programacin no
lineal (PNL)
es
el proceso
deresolucin de un sistema de igualdades y desigualdades sujetas a un
conjunto de restricciones sobre un conjunto de variables reales
desconocidas, con un funcin objetivo a maximizar (o minimizar),
cuando alguna de las restricciones o la funcin objetivo no son lineales.
Si la funcin objetivo f es lineal y el espacio restringido es un politopo, el
problema es de Programacin lineal y puede resolverse utilizando alguno
de los bien conocidos algoritmos de programacin lineal.
Si la funcin objetivo es concava (problema de maximizacin),
o convexa (problema de minimizacin) y el conjunto de restricciones
es convexo, entonces se puede utilizar el mtodo general
de Optimizacin convexa.
Existe una variedad de mtodos para resolver problemas no convexos.
Uno de ellos consiste en utilizar formulaciones especiales de problemas
de programacin lineal. Otro mtodo implica el uso de tcnicas
la expresin
Si
, debemos sustituir
en las sucesivas derivadas hasta sea
distinto de cero. Cuando se halle la derivada para la que
no sea nulo,
hay que ver qu derivada es:
Si la derivada es impar, se trata de un punto de inflexin.
Si la derivada es par, no se trata de un punto de inflexin.
La ecuacin
no tiene puntos de inflexin, porque la
derivada segunda es siempre mayor o igual a cero, por tanto no hay
cambio de concavidad dado que es no negativa en todo su dominio. Sin
embargo en
la derivada segunda se anula y la primera derivada
no nula en
es la derivada cuarta, que es par. Obsrvese que
tampoco presenta un extremo en .
Un punto de inflexin es un punto donde cambia la curvatura de la
funcin.
Si x=a es un punto de inflexin f(a)=0
En el problema nos dan 2 datos:
f(x) pasa por el punto (3,1), es decir f(3)=1
x=3 es un punto de inflexin, es decir, f(3)=0
Con esta informacin, obtenemos b y d
f(3)=1 1=33+b32+2.3+d 1=27+9b+6+d 9b+d=-32
f(x)=3x2+2bx+2
f(x)=6x+2b
f(3)=0 6.3+2b=0 18+2b=0 2b=-18 b=-18/2=-9
9b+d=-32; 9.(-9)+d=-32; -81+d=-32; d=-32+81; d=49
Solucin: b=-9 y d=49
o de manera equivalente
o de manera equivalente
representa al par
de la funcin objetivo
, con la restriccin aadida de que x se
encuentra en el intervalo
(nuevamente, el valor del mximo
actual de la expresin no importa). En este caso, las soluciones son los
pares de la forma (5, 2k) y (5,(2k+1)), donde k recorre a todos los
enteros.
Arg min y arg max a veces aparecen escritos como argmin y argmax, y
quieren decir argumento del mnimo y argumento del mximo.
Puntos minimax.
CONCLUSIN
Se presento la teora clsica de optimizacin para encontrar mximos y
mnimos de los problemas no lineales restringidos. Y la conclusin es
que no es adecuada para fines de clculo. En el caso del mtodo simplex
para sistemas lineales las condiciones de optimidad y factibilidad
garantizan, partiendo de un punto extremo factible (solucin bsica), el
poder mejorar el valor de la funcin objetivo hasta llegar al optimo en
cada iteracin.
Referencias bibliogrficas
1. Conte S.D. y Boor C; Anlisis Numerico; McGraw-Hill, Mexico D.F.,
1987.
2. C.H. Papadimitriou and K. Steiglitz, "Combinatorial optimization:
algorithms and
complexity", Prentice Hall Inc., USA. ISBN 0-13-152462-3, 496 pp., 1982.