Investigacin de Operaciones Unidad 3 Algoritmos de programacin no lineal Arq.: Lucila Gpe.

Aguilar Rivero
Ir al mapa conceptual

Mapa conceptual
Bina integrada por: Fabian Dzul Moo Wilbert de Jesus May Tuz
Referencias bibliogrficas

Sntesis
Programacin no lineal(PNL). Es un proceso de resolucin de problemas sujetas a un conjunto de restricciones sobre un conjunto de variables desconocidas, cabe mencionar que se implementa una funcin objetivo a maximizar. Para la solucin de problemas de PNL, se utilizan algoritmos, que se mencionaran a continuacin. Estos algoritmos se clasifican como con restricciones y sin restricciones

 Como primer algoritmos sin restriccin esta el Mtodo de bsqueda directa. Este mtodo se aplican principalmente a funciones estrictamente unimodales de una variable y la idea de este mtodo es identificar el intervalo de incertidumbre que comprenda al punto de solucin ptima. Se implementa de la siguiente manera El procedimiento localiza el ptimo estrechando en forma progresiva el intervalo de incertidumbre hasta cualquier grado de exactitud que se desee. Este algoritmo utiliza el mtodo de bsqueda Dicotmica: este mtodo busca la maximizacin de una funcin de una funcin unimodal () , sobre un intervalo .

 Como siguiente algoritmo el mtodo del gradiente (conocido tambin como mtodo de Cauchy o del descenso ms pronunciado) consiste en un algoritmo especfico para la resolucin de modelos de PNL sin restricciones, perteneciente a la categora de algoritmos generales de descenso, donde la bsqueda de un mnimo est asociada a la resolucin secuencial de una serie de problemas unidimensionales. La terminacin de este mtodo ocurre en el punto donde el vector gradiente se vuelve nulo. En cuanto a los algoritmos con restricciones esta el de Programacin Separable.

 En este algoritmo se utiliza una funcin, que como su nombre lo indica separable. Una funcin (1 , 2,, . es separable si se expresa como la suma de n funciones de una sola variable 1 1 , 2 2 ( ). Es importante mencionar que la utilizacin de funciones no separables, no son las mas optimas para este tipo de algoritmo, como ejemplo: 2 1 2 = 1 + 1 sin 2 + 3 + 2 3 Otro de los algoritmos es el de Programacin cuadrtica. Que como su nombre la funcin objetivo f(x) debe ser cuadrtica pero tambien tienen restricciones lineales.

 En cuanto a la programacin Geomtrica, este tiene que ver con problemas en los que las funciones objetivo y de restriccin son de un tipo como el siguiente: donde la cj es

mayor a 0 y los nmeros son infinitos. Para la programacin estocstica los problemas tienen variables aleatorias, este tipo de programacin se emplea para convertir un problema probabilstico en un determinstico. Un mtodo muy empleado en cuanto a los algoritmos con restriccin es el mtodo de combinaciones lineales, que tambin como su nombre lo indica combina mtodos, para su realizacin. En este mtodo todas las restricciones son lineales

 El procedimiento de solucin que se utiliza en este mtodo, se enfoca mas al mtodo del gradiente. En los problemas se identifica la funcin objetivo y el punto factible. Como ultimo algoritmo es el de SUMT, en este algoritmo tcnica de maximizacin secuencial restringida utiliza un mtodo del gradiente, donde la funcin objetivo es cncava, y la funcin de restriccin es convexa. El objetivo de este algoritmo es transformar el problema con restricciones a uno sin restricciones. Utiliza un mtodo que se parece a los multiplicadores de LaGrange. Empieza con una variable no negativa y termina cuando dos valores sucesivos a esa variable sean aproximadamente iguales.

Referencias bibliogrficas
Investigacin de Operaciones una introduccin 6 Ed. Hamdy A. Taha.