Documente Academic
Documente Profesional
Documente Cultură
NUCLEO DE ANZOATEGUI
ESCUELA DE INGENIERIA Y CIENCIAS APLICADAS
DEPARTAMENTO DE COMPUTACION Y SISTEMAS
MODELOS DE OPERACIONES I
SECCION 01
Programación no lineal
INTEGRANTES:
PROFESORA:
Stefan Gafanhao CI: 26135587
Aurelia Torcasio
Silvia Martinez CI: 25892106
Santamaría Julio C.I: 23517606
Carvajal Hassan C.I: 24849178
PROGRAMACIÓN NO LINEAL
En este sentido, hay que distinguir entre las diversas caracterizaciones de óptimo, que
sólo se emplean como técnicas de resolución en problemas sencillos, y los métodos
numéricos iterativos, cuyo funcionamiento se basa en estas caracterizaciones, para la
resolución de problemas más generales.
No tienen restricciones, la función objetivo es: Maximizar f(x) sobre todos los valores
X= (X1, X2,…, Xn).
La condición necesaria para que una solución especifica X=X* sea óptima cuando
f(x) es una función diferenciable:
𝜕𝑓
=0 en x= x*, para j= 1,2,…,n.
𝜕𝑥𝑗
2) Optimización Restringida:
Problema de optimización:
Función objetivo
Restricciones
Xi ≥ 0 Restricciones de No Negatividad
1. FUNCIÓN CÓNCAVA Y FUNCIÓN CONVEXA:
Estas se cumplen siempre que f(x) sea una función tal que: f’’(x), exista en un
intervalo (a,b)
Una función es cóncava, si la segunda derivada de F(x) es menor a cero, esto quiere
decir que (f’’ (x) < 0). De forma gráfica al unir dos puntos con una recta, la recta siempre
queda por debajo del máximo de la función.
Una función es convexa, si la segunda derivada de F(x) es mayor a cero, esto quiere
decir que (f’’ (x) > 0). De forma gráfica al unir dos puntos con una recta, la recta siempre
queda por encima del mínimo de la función.
−12𝑥
𝐹(𝑥) = (𝑥 2 +3)2 Función Derivada
2
(𝑥 2 +3) (−12)−(−12𝑥)(2)(𝑥 2 +3)(2𝑥)
𝐹(𝑥) = Función derivada
(𝑥 2 +3)4
36(𝑥 2 −1)
= (𝑥 2 +3)3
Como 𝑓 ′′ (𝑥) = 0 𝑒𝑛 𝑋 = ±1 y
𝑓 ′′ (𝑥) Está definida en toda la recta real, se ensaya con valores de 𝑓 ′′ en los intervalos
(-∞,-1) y (-1, ∞). Los resultados aparecen en la siguiente tabla.
Max Z=f(x)
s.a g (xi)=b
i=1, 2,3,...n
𝜕𝑦
=0
𝜕𝑥
Paso 3: Despejamos una variable X respecto a (q) en el sistema obtenido en el paso anterior
2.
Paso 4: Resolvemos el límite cuando (q) tiende a infinito de la ecuación resultante del paso
3, el resultado pertenecerá al valor óptimo de la variable correspondiente. En este caso se
hará uso del teorema de L’Hopital para resolver el límite.
Ejemplo 1:
Min z = 10𝑋12 + 4𝑋22
s.a: 𝑋1 + 𝑋2 = 8
𝜕𝐺
2) = 20𝑋1 + 2𝑞(8 − 𝑋1 − 𝑋2) (-1)=0
𝜕𝑋1
𝜕𝐺
= 20𝑋 − 2𝑞(8 − 𝑋1 − 𝑋2) = 0 I)
𝜕𝑋1
𝜕𝐺
= 8𝑋2 − 2𝑞(8 − 𝑥1 − 𝑥2) = 0 II)
𝜕𝑋2
−20𝑋1 + 8𝑋2 = 0
Se despeja 𝑋1:
−8𝑋2 2
𝑋1 = = − 5 𝑋2 III)
20
III en I:
2 2
20(− 5 𝑋2) − 2𝑞 (8 + (5 𝑋2) − 𝑋2) = 0
4
-8𝑋2 − 16𝑞 − 5 𝑞 𝑋2 + 2𝑞𝑋2 = 0
6
𝑋2 (−8 + 5 𝑞) = 16𝑞
16𝑞
𝑋2 = 6
(−8+ 𝑞)
5
[16𝑞]′ 16
4) lim 6 = 6
𝑞→∞ [−8+ 𝑞]′ 5
5
16
𝑋2 =
1,2
𝑋2 = 13,333 IV)
IV en III:
2
𝑋1 = − 𝑋2
5
2
𝑋1 = − (13,333)
5
𝑋1 = −5,332
Entonces:
Z= 10𝑋12 + 4𝑋22
Z= 10(−5,332)2 + 4(13,333)2
Z= 995,377
3. MULTIPLICADORES DE LAGRANGE
En los problemas de optimización, el método de los multiplicadores de Lagrange,
llamados así en honor a Joseph Louis Lagrange, es un procedimiento para encontrar los
máximos y mínimos de funciones de múltiples variables sujetas a restricciones. Este método
reduce el problema restringido con n variables a uno sin restricciones de n + k variables,
donde k es igual al número de restricciones, y cuyas ecuaciones pueden ser resueltas más
fácilmente. Estas nuevas variables escalares desconocidas, una para cada restricción, son
llamadas multiplicadores de Lagrange. El método dice que los puntos donde la función tiene
un extremo condicionado con k restricciones, están entre los puntos estacionarios de una
nueva función sin restricciones construida como una combinación lineal de la función y las
funciones implicadas en las restricciones, cuyos coeficientes son los multiplicadores.
Sujeta a:
𝑔(𝑥1 , 𝑥2 ) = 𝑥12 + 𝑥22 = 1
En este caso, (x1, x2) está restringido a encontrarse sobre el círculo de radio 1, cuyo
centro está en el origen, de forma que la meta es encontrar el punto sobre este círculo que
proporcione el mayor valor de f(x1, x2). Es sencillo resolver este ejemplo después de
bosquejar un enfoque general del problema.
Un método clásico para manejar este problema es el método de los multiplicadores
de Lagrange. Este procedimiento comienza por plantear la función lagrangiana
𝑚
Paso 1: formar el LaGranjeano: se forma una nueva función llamada LaGranjeano, la cual
comprende una nueva variable que se denota Landa (λ) y su función es la siguiente:
Ejemplo:
Max Z= f (x)
s.a g(x) = b
NOTA: si el problema es de minimizar se multiplica por (-1) la función objetivo, para llevarla
a Maximizar.
s.a 𝑋1 + 3𝑋2 = 10
Se construye el LaGranjeano:
F (X, λ) =−5𝑋12 − 10𝑋22 − 𝑋1 𝑋2 + 3𝑋1 − λ(𝑋1 + 3𝑋2 − 10)
𝜕𝐿
= −10𝑋1 − 𝑋2 + 3 − λ = 0
𝜕 𝑋1
𝜕𝐿
= −20𝑋2 − 𝑋1 − 3λ = 0
𝜕 𝑋2
𝜕𝐿
= 10 − 𝑋1 − 3𝑋2 = 0
𝜕λ
−10𝑋1 − 𝑋2 − λ = −3
−𝑋1 − 20𝑋2 − 3λ = 0
−𝑋1 − 3𝑋2 = −10
𝑋1 = 1,8942 𝑋1 = 1,8942
𝑋2 = 2,7019 𝑋2 = 2,7019
λ = −18,6442 𝑍 = −90,38
3𝑋1 + 3𝑋2 = 80
Se Construye el LaGranjeano:
F (X, λ) =−32𝑋12 − 3𝑋22 + 12𝑋1 − 40𝑋2 − 𝜆1 (3𝑋1 + 9𝑋2 − 18)−𝜆2 (3𝑋1 + 3𝑋2 − 80)
𝜕𝐹
= −64𝑋1 + 12 − 3𝜆1 − 3𝜆2 = 0
𝜕 𝑋1
𝜕𝐹
= −6𝑋2 − 40 + 9𝜆1 − 3𝜆2 = 0
𝜕 𝑋2
𝜕𝐹
= 18 − 3𝑋1 + 9𝑋2 = 0
𝜕 𝜆1
𝜕𝐹
= 80 − 3𝑋1 − 3𝑋2 = 0
𝜕 𝜆2
𝑋1 = 21,5
𝑋2 = 5,166
𝜆1 = −111,083
𝜆2 = −343,583
𝑍 = −14820,7453
Dado:
Max Z = f (x)
s.a gj (Xi) = bj
Xi ≥ 0
Ejemplo:
Max Z = 𝑋1 + 𝑋2 + 𝑋3 + 𝑋1 𝑋2 + 𝑋1 𝑋3 + 𝑋2 𝑋3
s.a 𝑋1 + 𝑋2 + 𝑋3 = 𝑎
𝑋1 − 𝑋2 − 𝑋3 = 𝑏
Xi ≥ 0
Con X1 = 0
Max Z = 𝑋2 + 𝑋3 + 𝑋2 𝑋3
s.a 𝑋2 + 𝑋3 = 𝑎
𝑋2 − 𝑋3 = 𝑏
Xi ≥ 0
Aplicar algoritmo 1.
Paso 3: se iguala a 0 una variable Xi diferente y se repite el paso 2. Se repite hasta haber
resuelto el problema haciendo 0 cada una de las variables Xi, una a la vez.
Ejemplo:
Con 𝑋2 = 0
Max Z = 𝑋1 + 𝑋3 + 𝑋1 𝑋3
s.a 𝑋1 + 𝑋3 = 𝑎
𝑋1 − 𝑋3 = 𝑏
Xi ≥ 0
Aplicar algoritmo 1.
Con 𝑋3 = 0
Max Z = 𝑋1 + 𝑋2 + 𝑋1 𝑋2
s.a 𝑋1 + 𝑋2 = 𝑎
𝑋1 − 𝑋2 = 𝑏
Xi ≥ 0
Aplicar algoritmo 1.
Ejemplo:
Con X1 = X2 = 0
Max Z = 𝑋3
s.a 𝑋3 = 𝑎
−𝑋3 = 𝑏
Xi ≥ 0
Si a ≠ -b Si a = -b
No hay solución Solución factible
Paso 5: se igualan a 0 dos variables Xi diferentes y se repite el paso 4. Este proceso se repite
hasta completar todas las combinaciones de dos variables.
Paso 6: se repite el proceso anterior para las combinaciones de 3, 4, 5,6 hasta n-1.
s.a 𝑋1 − 3𝑋2 = 6
𝑋1 + 𝑋2 = 2
Xi ≥ 0
Se construye el LaGranjeano:
𝜕𝐿
= −16𝑋1 + 4 − 𝜆1 − 𝜆2 = 0
𝜕 𝑋1
𝜕𝐿
= −2𝑋2 − 10 + 3𝜆1 − 𝜆2 = 0
𝜕 𝑋2
𝜕𝐿
= 6 − 𝑋1 + 3𝑋2 = 0
𝜕 𝜆1
𝜕𝐿
= 2 − 𝑋1 − 𝑋2 = 0
𝜕 𝜆2
𝑋1 = 2 − 𝑋2
Ecuación 4 en la ecuación 1:
−16(2 − 𝑋2 ) − 𝜆1 − 𝜆2 = 4
−16𝑋2 − 𝜆1 − 𝜆2 = 28 Ec. 5.
Ecuación 5 y ecuación 2:
−16𝑋2 − 𝜆1 − 𝜆2 = 28
−2𝑋2 + 3𝜆1 − 𝜆2 = 10
Ecuación 4 en ecuación 3:
−(2 − 𝑋2 ) + 3𝑋2 = −6
−2 + 𝑋2 + 3𝑋2 = −6
4𝑋2 = −4
𝑋2 = −1
No hay solución
Con 𝑋1 = 0 Con 𝑋2 = 0
𝑋2 = 2 𝑋1 = 2
Max Z= f (x)
s.a hj (Xi) ≤ rj
Paso 6: repetir el procedimiento para todas las combinaciones para 3, 4, 5... hasta n
restricciones.
s.a 𝑋1 + 2𝑋2 ≤ 6
3𝑋1 + 𝑋2 ≤ 1
3𝑋1 + 𝑋2 ≤ 1
𝜕𝑍
= −16𝑋1 − 4𝑋2 = −5
𝜕 𝑋1
𝜕𝑍
= −10𝑋2 − 4𝑋1 = −6
𝜕 𝑋2
𝑋1 = 0,18055 𝑋2 = 0,52777
Restricción 1: Restricción 2:
𝑋1 + 2𝑋2 ≤ 6 3𝑋1 + 𝑋2 ≤ 1
1,236 ≤ 𝟔 1,06942 ≤ 𝟏
SI CUMPLE NO CUMPLE
Paso 2) Activamos la restricción 1:
s.a 𝑋1 + 2𝑋2 = 6
Se Construye el LaGranjeano:
𝜕𝐿
= −16𝑋1 − 4𝑋2 + 5 − 𝜆 = 0
𝜕 𝑋1
𝜕𝐿
= −10𝑋2 − 4𝑋1 + 6 − 2𝜆 = 0
𝜕 𝑋2
𝜕𝐿
= 6 − 𝑋1 − 2𝑋2 = 0
𝜕𝜆
Restricción 2:
3𝑋1 + 𝑋2 ≤ 1
3(0,3448) + 2,8276 ≤ 1
3,862≤ 𝟏
NO CUMPLE
s.a 3𝑋1 + 𝑋2 = 1
Construimos el LaGranjeano:
𝜕𝐿
= −16𝑋1 − 4𝑋2 + 5 − 3𝜆 = 0
𝜕 𝑋1
𝜕𝐿
= −10𝑋2 − 4𝑋1 + 6 − 𝜆 = 0
𝜕 𝑋2
𝜕𝐿
= 1 − 3𝑋1 − 𝑋2 = 0
𝜕𝜆
Restricción 1:
𝑋1 + 2𝑋2 ≤ 6
0,1585 + 2(0,5243) ≤ 6
1,2071 ≤ 𝟔
SI CUMPLE
Como cumple con todas las restricciones, calculamos Z con los valores de X1 y X2
obtenidos:
Z = 2,03
4. Algoritmo de Kuhn- Tucker
Este algoritmo tiene la finalidad de comprobar las condiciones necesarias que deben
satisfacer los óptimos de problemas de optimización no lineal con restricciones de
desigualdad.
Sujeto a
𝜕𝑓 𝜕𝑔𝑗 𝜕𝑓 𝜕𝑔𝑗
1) − 𝜆𝑗 = 0 (max) 1) + 𝜆𝑗 = 0 (min)
𝜕𝑥𝑖 𝜕𝑥𝑖 𝜕𝑥𝑖 𝜕𝑥𝑖
4) 𝜆 ≥ 0
Paso 3: Se hace 𝝀 = 𝟎 y se comprueban las condiciones, si el punto Xo obtenido
satisface las condiciones entonces, este será el máximo en caso. En caso contrario
continua el algoritmo.
Nota:
El método general para hallar todos los candidatos a óptimo en un
problema de programación con restricciones de desigualdad se puede
formular así:
Estudiar primero el caso en que todas las restricciones están
activas.
Paso 1:
𝜕𝐿
= −12𝑥1 − 7 + 45𝑥2 + 20λ = 0
𝜕𝑥1
𝜕𝐿
= −16𝑥2 + 15 + 45𝑥1 − 11λ = 0
𝜕𝑥2
Derivamos X1 y X2 de la restricción:
𝜕𝑔
= −20
𝜕𝑥1
𝜕𝑔
= 11
𝜕𝑥2
Paso 2:
Condiciones de KKT
Primera Condición
Con λ = 0
2) 0 = 0
3) −20𝑥1 + 11𝑥2 ≤ 24
𝑥1 = 0,4293
𝑥2 = 0,2700
−20(0,4293) + 11(0,2700) ≤ 24
−5,616 ≤ 24
4) 0 ≥ 0
Como todas las condiciones se Cumplen, se dice que:
𝑥1 ; 𝑥2 Max
𝑍 = −7,4280