Professional Documents
Culture Documents
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 de Ramificacin y poda, cuando el problema se divide en
subdivisiones a resolver mediante aproximaciones que forman un lmite inferior del coste
total en cada subdivisin. Mediante subdivisiones sucesivas, se obtendr una solucin cuyo
coste es igual o inferior que el mejor lmite inferior obtenido por alguna de las soluciones
aproximadas. Esta solucin es ptima, aunque posiblemente no sea nica. El algoritmo
puede ser parado antes, con la garanta de que la mejor solucin ser mejor que la solucin
encontrada en un porcentaje acotado. Ello se utiliza en concreto en problemas importantes
y especialmente difciles y cuando el problema cuenta con costes inciertos o valores donde
la incertidumbre puede ser estimada en un grado de fiabilidad apropiado.
1. Optimizacin no restringida.
2. Optimizacin linealmente restringida.
3. Programacin cuadrtica
4. Programacin convexa.
5. Programacin separable.
6. Programacin no convexa.
7. Programacin geomtrica.
8. Programacin fraccional.
9. Problema de complementariedad.
Disponibilidad 40 50
5. Describe el algoritmo de solucin a utilizar para resolver el modelo.
Queremos maximizar f(x,y) = 100x2+100y2
Sujeto a 1x+2y 40
2x+3y 50
Tenemos las siguientes condiciones, bajo el esquema de matriz hessiana
que nos sirve para saber si la funcin es convexa o cncava:
Bibliografa