You are on page 1of 43

Se considera como tal al conjunto de métodos utilizados para optimizar una función objetivo, sujeta a una serie de restricciones en los que una o mas de las variables incluidas es no lineal.

Un problema no lineal es un problema de programación matemática donde la función objetivo o alguna restricción es no lineal.

Forma general de un P.P.N. L. M ax(M in) f(x1; ; x2; : : : ; xn) s:a: g1(x1; x2; : : : ; xn)(≤; =; ≥)b1 g2(x1; x2; : : : ; xn)(≤; =; ≥)b2 gm(x1; x2; : : : ; xn)(≤; =; ≥)bm

Como en Programación lineal la función f(x1; ; x2; : : : ; xn) es la función objetivo del P.N.L. y gi(x1; x2; : : : ; xn)(≤; =; ≥)bi; i = 1; : : : ; m son las restricciones del mismo. Además se supone que estas funciones son diferenciables.

. en ocasiones. .N. xn) Un aspecto importante de este tipo es que. un P. Su formulación es de la siguiente forma: M ax (M in) f(x1. x2. con restricciones se puede resolver a partir de uno sin restricciones. : : : .Sin restricciones: Estos problemas son un programa matemático para los que las variables de decisión no están restringidas.L.

Ejemplo: Se poseen los siguientes datos sobre una población animal. a lo largo de cinco años. Se quiere ajustar a un modelo .

La función a optimizar es: En este caso sería: .

El método de mínimos cuadrados responde a una formulación no lineal sin restricciones. yi). esto es. : : : . La función y = ax + b se ajusta a los datos (xi. i = 1. n minimizando la expresión: .

. Los problemas con restricciones de desigualdad permiten reflejar la realidad en términos matemáticos mejor que los problemas con restricciones de igualdad.Con restricciones: La formulación de este tipo de problemas responde a la formulación general presentada al comienzo. ya que no limitan tanto la elección de los valores de las variables de decisión.

Si la empresa compra x minutos de publicidad en televisión e y minutos en la radio. Se sabe que un minuto de publicidad en televisión cuesta 3000 euros y 1000 euros en la radio.Ejemplo: Una compañía planea gastar 10000 euros en publicidad. su ingreso. está dado por: . en euros.

¿Cómo puede la empresa maximizar sus ingresos? Las variables de decisión del problema son: x : minutos que compra la empresa en televisión y : minutos que compra la empresa en radio El objetivo es maximizar los ingresos. .

. 3000x + 1000y = 10 000. Por tanto: Este problema es un problema no lineal con restricciones de igualdad (lineal).Restricciones del problema: * Gastar 10000 euros en publicidad en los dos medios.

se podría vender cada barril a 35-x2 euros. . se pondría vender cada barril a 30-x1 euros.Ejemplo: Una compañía petrolífera debe determinar cuántos barriles de petróleo hay que extraer en los próximos dos años. Si la compañía extrae x1 millones de barriles durante un año. Si extrae x2 millones de barril durante el segundo año.

L. y se puede gastar como máximo 250 millones de euros en la extracción. para ayudar a la empresa a maximizar sus ganancias para los próximos dos años. .El costo para extraer X1 millones de barriles en el primer año es de X²1 millones de euros y el costo para extraer X2 millones de barriles durante el segundo año es de 2X² millones de euros. Se puede obtener como máximo un total de 20 millones de barriles de petróleo. Formular el P.N.

x2 : millones de barriles extraídos durante el segundo año.Las variables de decisión del problema son: x1 : millones de barriles extraídos durante el primer año. .

Este problema es un problema no lineal con restricciones de desigualdad (no lineal y lineal) .

.

Método lagrangiano: .

.

.

.

.

.

.

.

.

.

Es un proceso iterativo en el que nos movemos de una posible solución a otra. . Este método puede usarse cuando la función objetivo y las restricciones no contengan linealidad. a fin de mejorar el valor de la función objetivo. No garantiza que cada solución sucesiva este mas cercana a la solución óptima y puede requerir un número infinito de repeticiones para su convergencia.

.Las variables de decisión del problema son: x1 : millones de barriles extraídos durante el primer año. x2 : millones de barriles extraídos durante el segundo año.

1). . Aplique 2 iteraciones del método del gradiente a partir del punto inicial X0=(1.Considere el siguiente modelo de programación no lineal sin restricciones.

Una condición necesaria para la optimización es que sea no negativa (no positiva) para problemas de maximización (minimización). . Esto se justifica como sigue. Como mide la taza de variación de F con respecto a g. Considere el caso de maximización.

.

1) es el óptimo o mínimo global del problema.Luego de realizar la segunda iteración se verifica que se cumplen las condiciones necesarias de primer orden (d1=(0.X2)=(-2. . Adicionalmente se puede comprobar que la función objetivo resulta ser convexa y en consecuencia las condiciones de primer orden resultan ser suficientes para afirmar que la coordenada (X1.0)).

.• Se aplican principalmente a funciones estrictamente unimodales de una variable. • Su idea principal es identificar el intervalo de incertidumbre que comprenda al punto de solución óptima.

. Método de búsqueda dicótomo. Método de búsqueda de sección dorada.Los métodos usados en este tema son: 1. 2.

representa el intervalo inicial de incertidumbre.Buscan la maximización de una función unimodal f(x) en el intervalo a≤ x ≤ b que incluye el punto x* Comienzan con lₒ = (a . . b).

Paso general i: Sea lᵢ 1 ( = ‫۔‬XiXR) el intervalo actual de incertidumbre. En la iteración 0 XL=a Y XR=b Con XL < X1 < X2 < XR .

se definen XL= X1. Si f(xi) > f(x2).El intervalo de incertidumbre li se define de la siguiente manera: 1. entonces x1 < x* < xR.X2) . XR= X2 e Li=(X1. xR) 2. entonces X1 < x* < X2. Si f(x1) < f(x2). entonces x1 < x* < x2. XR) 3. se definen XL=X1 e Li= (X1. se definen XR = X2 e Ii= (x1. Si f(X1)= f(X2).

.

((√5 – 1)/2)(XR – XL) X2= XL + ((√5 – 1)/2)(XR – XL) .La diferencia entre los dos métodos ya mencionados es la forma en que se calcula x1 y x2 METODO DICOTOMO X1= ½(XR + XL -Δ) X2= ½(XR + XL + Δ) METODO DE LA SECCION DORADA X1= XR.

.

EJEMPLO: .

Al continuar de la misma forma. el intervalo de incertidumbre terminará por estrecharse hasta la tolerancia ∆ deseada. .