Los siguientes ejemplos ilustran unos cuantos de los muchos tipos importantes de
problemas a los que se ha aplicado la programación no lineal.
p (x)
F (x) = ∑ pj (xj)
6. 5
8. 4
3. 9
Cuando un problema de programación lineal, tiene solo una o dos variables, se puede
representar en una grafica muy parecida a los problemas de programación lineal.
X2
X1, X2
6
2 4 6
Con el fin de hacer hincapié en las diferencias se usaran algunas variaciones no lineales.
La FIGURA muestra lo que ocurre con los cambios que se hacen al modelo, por
ejemplo, la 2ª y 3 ª restricción, se sustituyen por la restricción no lineal
X2
X1, X2
6
2
X1
2 4 6
Ahora supóngase que las restricciones lineales se conservan sin cambio, pero que la
función objetivo se hace no – lineal, entonces, la representación grafica seria de la siguiente
manera.
X2
6
Z
4
2 4 6 X1
X X
Y Y
X X
X X
OPTIMIZACIÓN CLÁSICA
Una función de este tipo cuya curvatura siempre es "hacia abajo" (o que no tiene
curvatura) se llama función cóncava. De igual manera, si se sustituye ≤ por ≥, con lo que la
función tiene siempre una curvatura "hacia arriba” (o no tiene curvatura), se llama función
convexa (así una función lineal es tanto cóncava como convexa). En la figura se pueden ver
ejemplos de esto. Nótese que la figura c) ilustra una función que no es cóncava, no convexa
pues alterna sus curvaturas hacia arriba y hacia abajo.
1).-
δ2 f(X1, X2) δ2 f(X1, X2) - δ2 f(X1, X2) ≥0
δX12 δX22 δX12 δX22
2).-
δ2 f(X1, X2) ≥ 0
δX12
3).- δ2 f(X1, X2) ≥ 0
δX22
MODELOS DE PROGRAMACIÓN NO LINEAL
Maximizar: Z = f(x)
1 con las condiciones: g1 (x) = 0
g2 (x) = 0
.
.
.
gm (x) = 0
Maximizar: Z = f(x)
con las condiciones: g1 (x) ≤0
2 g2 (x) ≤ 0
.
.
.
gm (x) ≤ 0
con x < 0
(1)
(2)
Debe señalarse que, desde un punto de vista práctico y de cálculo, el método de los
multiplicadores de Lagrange no es un procedimiento particularmente eficaz. Con frecuencia
es casi imposible resolver las ecuaciones con el fin de obtener puntos críticos. Sin embargo
para problemas pequeños algunas veces puede usarse este método con éxito.
Problema:
Una compañía planea gastar 10,000 dólares en publicidad. Cuesta 3,000 dólares un
minuto de publicidad en la televisión y 1,000 dólares un minuto de publicidad en la radio. Si
la empresa compra x minutos de comerciales en la televisión y y minutos de comerciales en
la radio, su ingreso, en miles de dólares, está dado por F(X,Y) = -2X2 – Y2 + XY + 8X +
3Y. ¿Cómo puede la empresa maximizar su ingreso?
OPTIMIZACIONES DE KUNH – TUCKER
Forma estándar para programas no lineales con restricciones solo de
desigualdades es:
Maximizar: Z = f(x)
con las condiciones: g1 (x) ≤0
2 g2 (x) ≤ 0
.
.
.
gm (x) ≤ 0
con x < 0
RESTICCIONES DE DESIGUALDAD
Cada uno con signo ≤. Después se aseguran las variables de holgura X2n + 1 , X2n +
2 + … + X2n + m, respectivamente, a los lados izquierdos de las restricciones, convirtiendo
con esto a cada desigualdad en una igualdad. En este caso, las variables de holgura se
agregan como términos al cuadrado, a fin de garantizar su no negatividad. Entonces se forma
la matriz de lagrange.
m m+ n
1 L ≡ f (x) - ∑ λ1 [gi (x) + x2n+ i] - ∑ λi [xi + x2 n+ i]
i=1 i = m +1
2L
2 2xj
= 0 (j = 1, 2,…, m+n)
2L
3 2 λi
= 0 (i = 1, 2,…, m+n)
λ1 ≥0 (i = 1, 2,…, m+n)
4
Las ecuaciones de 2 -4 constituyen las condiciones de K – T para el problema (2).
Problema.-
Minimícese: Z = X12 + SX22 + 10X32 – 4X1X2 + 6X1X3 – 12X2X3 – 2X1 + 10X2 +SX3
Con la condición: X1 + 2X2 + X3 ≥ 4.
Con: todas las variables de no negatividad.
Aunque existen varias reglas razonables para elegir cada nueva solución prueba, la
que se usa en el siguiente procedimiento es LA REGLA DEL PUNTO MEDIO (tradicionalmente
llamada plan de busque de Bonzan) que dice que se selecciona el punto medio entre dos
cotas actuales
RESUMEN DEL PROCEDIMIENTO DE BÚSQUEDA DE 1 DIMENCION
Paso inicial:
- ≤ 0.02
ya que esta serie de cambio requerirá una reevaluación continua de 2f(x) / 2xj y
del cambio de dirección de la trayectoria.
Se modifica
X´= X´ + T* (X´)
En donde T* es el valor positivo de T que maximiza
f (X´+ T (x´))
T≥0
Para
j = 1, 2, 3, … , n
2f
2Xj
Paso Inicial.-
Se elige ε y cualquier solución prueba inicial X´. Se pasa primero a la regla de
detención.
Paso Interactivo.-
Xj = Xj + T (df / dXj) X = X
Para toda
j = 1, 2, 3, … , n
Y después se sustituyen estas expresiones en f (x).
2f
=ε para toda j = 1, 2, 3,…, n.
2Xj
Ejemplo.-
El gradiente es: