UNIVERSIDAD ABIERTA Y A DISTANCIA DE MXICO

MATERIA: INVESTIGACION DE OPERACIONES

ACTIVIDAD 1

IMPORTANCIA DE LOS MTODOS DE PROGRAMACIN NO LINEAL EN EL

DESARROLLO DE SOFTWARE
UNIDAD 3 MODELOS DE PROGRAMACION NO LINEAL

DOCENTE: CHRYSTIAN ORANGE BERNAL

CARRERA: INGENIERIA EN DESARROLLO DE SOFTWARE

ALUMNO: RODRIGO ORNELAS GUZMAN

1. Analiza y explica el concepto de programacin no lineal.
La optimizacin no lineal o programacin no lineal se utiliza para la resolucin de
problemas de optimizacin en los que la funcin objetivo o las restricciones no son
lineales (cuadrticas, cbicas,etc), pero tambin son diferenciables las veces en
que es necesaria para el establecimiento de herramientas tericas.
2. Identifica los tipos de mtodos de programacin no lineal.

Los problemas de programacin no lineal se presentan de muchas formas distintas. Al con-

trario del mtodo smplex para programacin lineal, no se dispone de un algoritmo que re-
suelva todos estos tipos especiales de problemas. En su lugar, se han desarrollado
algoritmos para algunas clases (tipos especiales) de problemas de programacin no lineal.
Se introducirn las clases ms importantes y despus se describir cmo se pueden resolver
algunos de estos problemas.

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 cncava (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 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.

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

una solucin sea ptima.
Los tipos de problemas de programacin no lineal son:

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.

3. Lee el siguiente planteamiento e identifica el mtodo de programacin no lineal a

utilizar para obtener los requerimientos solicitados:
Una empresa de software produce aplicaciones web y sistemas informticos, obteniendo
ingresos de 100x2 + 100y2 unidades monetarias, siendo x el nmero aplicaciones web
producidas e y el de sistemas informticos. Para producir una aplicacin web se
necesitan una unidad de software y dos horas de trabajo, y para producir un sistema
informtico se necesitan dos unidades de software y 3 horas de trabajo. Se dispone de 40
unidades de software y de 50 horas de trabajo. Se requiere al jefe del proyecto que calcule
el nmero de aplicaciones web y de sistemas informticos que se deben producir para
maximizar los ingresos y que se calcule la cantidad que estara dispuesta a pagar la
empresa por una unidad adicional de software y por una hora ms de trabajo.

4. Menciona y explica el mtodo de programacin no lineal que utilizars para obtener

los resultados solicitados.
Este ejercicio es de programacin no lineal con restriccin lineal
La descripcin de los datos estn contenidos en la siguiente tabla:
 Unidades Horas trabajo cantidad
software
Aplicacin web 1 2 1
Sistemas 2 3 1

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:

Z = 100 x2+ 100 y2

[xy] [ 200 0 ] [x]
0 200 y

[ x y ] [ 200 x ] = 200x2 +200 y2

200 y
Tenemos entonces que :
x=1s+2h
y=2s+3h
Donde x = Aplicacin Web
y = Sistema
s =unidad de software
h= hora trabajo.
Sustituyendo :
100(1 s + 2 h ) 2 + 100 (2 s + 3 h ) 2 = Z (x,y) MAX
 Donde se aprecia la uniformidad del modelo , podemos definir que la
funcin es convexa y razn de ello solo debemos explorar los puntos de la
restricciones dadas :
F [0,0]
F[50,0]
F[0,40]
F[50,40]
6. Utiliza un programa (los que seleccionaste en la unidad 2 o un programa de hoja de
clculo) donde puedas introducir datos del modelo y te ayude a calcularlo.
Para este caso el programa que usare ser Wolfram Matematica

7. Resuelve el ejercicio con ayuda del programa seleccionado y describe la solucin y

Describe el procedimiento realizado para llegar a la solucin e imprime las pantallas donde se
muestre el proceso en forma clara y detallada.

Primero verificamos que la funcin sea convexa :

Luego verificamos el rea de distribucin de los posibles valores dentro de la funcin
objeto:

Y finalmente iteramos dentro de la distribucin de valores lmite del mximo de

unidades de software y horas de trabajo
Conclusiones:
El valor mximo optimo se comprende en el cuarto resultado que es de 6 530 000 cuyo
valor contempla en la asignacin de [, ]

Bibliografa

Taha, A.(2012). Investigacin de operaciones. Mxico: Pearson Educacin. Captulo 3,

pp.699-720

F. S.Hillier & G.J. Liberman. (2015). Investigacin de Operaciones 10 Edicin . Mxico :

McGrawHill. Captulo 12, pp.500-545.