Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 108 vistas

    Programación Lineal y No Lineal

    Cargado por

    Lilivet Ubiera
    Este documento define y compara la programación lineal y no lineal. La programación lineal asume un comportamiento lineal de las variables en la función objetivo y restricciones, mientras que la programación no lineal permite funciones no lineales. Se presentan ejemplos de cómo plantear problemas en ambos métodos y se describen características como las restricciones y algoritmos como el método del gradiente reducido para resolver problemas no lineales.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Programación Lineal y No Lineal

    Cargado por

    Lilivet Ubiera
    108 vistas17 páginas
    Este documento define y compara la programación lineal y no lineal. La programación lineal asume un comportamiento lineal de las variables en la función objetivo y restricciones, mientras que la programación no lineal permite funciones no lineales. Se presentan ejemplos de cómo plantear problemas en ambos métodos y se describen características como las restricciones y algoritmos como el método del gradiente reducido para resolver problemas no lineales.

    Descripción original:

    Presentación sobre los conceptos básicos de la programación lineal y no lineal.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento define y compara la programación lineal y no lineal. La programación lineal asume un comportamiento lineal de las variables en la función objetivo y restricciones, mientras que la programación no lineal permite funciones no lineales. Se presentan ejemplos de cómo plantear problemas en ambos métodos y se describen características como las restricciones y algoritmos como el método del gradiente reducido para resolver problemas no lineales.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    108 vistas17 páginas

    Programación Lineal y No Lineal

    Cargado por

    Lilivet Ubiera
    Este documento define y compara la programación lineal y no lineal. La programación lineal asume un comportamiento lineal de las variables en la función objetivo y restricciones, mientras que la programación no lineal permite funciones no lineales. Se presentan ejemplos de cómo plantear problemas en ambos métodos y se describen características como las restricciones y algoritmos como el método del gradiente reducido para resolver problemas no lineales.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 17

    PROGRAMACIN

    LINEAL Y NO LINEAL

    Lilivet Ubiera
    Wander Prez
    Maxwell Quezada

    DEFINICIN DE
    PROGRAMACIN LINEAL
    Un modelo deProgramacin Lineal (PL)considera que las
    variables de decisin tienen un comportamiento lineal, tanto en la
    funcin objetivo como restricciones del problema con la finalidad
    de optimizar la funcin. Los mtodos ms recurridos para resolver
    problemas de programacin lineal sonalgoritmos de pivote, en
    particular losalgoritmos simplex.

    DEFINICIN DE
    PROGRAMACIN NO LINEAL
    Programacin
    no
    lineal(PNL)
    es
    el
    proceso de resolucin
    de
    un
    sistema
    de
    igualdades
    y
    desigualdades sujetas a
    un
    conjunto
    de
    restricciones sobre un
    conjunto de variables
    reales
    desconocidas,
    con un funcin objetivo
    a
    maximizar
    (o
    minimizar),
    cuando

    DIFERENCIAS ENTRE PL Y
    PNL

    DIFERENCIAS ENTRE PL Y
    PNL

    EJEMPLO 1. PLANTEAMIENTO
    DE PROBLEMA PARA PL Y
    PNL
    Planteamiento en programacin no lineal.

    PLANTEAMIENTO EN
    PROGRAMACIN NO LINEAL.

    EJEMPLO 1. PLANTEAMIENTO
    DE PROBLEMA PARA PL Y
    PNL
    Planteamiento en programacin lineal.

    PLANTEAMIENTO EN
    PROGRAMACIN LINEAL
    tiene que para el primer mes de produccin, cada unidad de
    Se
    frigorfico tuvo un costo de 150 USD, para el segundo mes 180
    USD, y para el tercer mes 130 USD. Entonces el costo de
    produccin en estos tres meses ser igual:

    Por tanto:
    Min
    Las restricciones se mantienen igual:

    CARACTERSTICAS DE LA
    PROGRAMACIN NO LINEAL
    CON RESTRICCIONES

    x Rn Espacio de bsqueda

    S= En general S=Rn (sin ningn tipo de restriccin)


    Si la funcin objetivo es cncava se garantiza que un
    mximo local es un mximo global.
    una funcin objetivo convexa asegura que un mnimo local
    es un mnimo global.

    CARACTERSTICAS DE LA
    PROGRAMACIN NO LINEAL
    SIN RESTRICCIONES

    hi (x) = 0, i=1,2,,m
    gi (x) 0, i=1,2,,r
    Son funciones no lineales de las incgnitas: x=[x1,,xn].
    para garantizar que un mximo local sea un mximo global
    en un problema de PNL con restricciones g1(x) b1, g2(x)
    b2, . . . , gm(x) bm y x 0, la funcin objetivo f(x) debe
    ser concava y cada gi(x) debe ser convexa una funcin
    objetivo convexa asegura que un mnimo local es un
    mnimo global.

    EJEMPLO 2: PLN SIN


    RESTRICCIONES

    EJEMPLO 3: PLN CON


    RESTRICCIONES

    ALGORITMOS PARA PNL


    Entre los principales algoritmos para Programacion No Lineal,
    destacamos los siguientes:
    MAP (Method of Approximating Programming): Consiste en
    aproximar cada funcin no lineal del problema por medio de una
    funcin lineal y resolver el problema correspondiente. Tiene como
    limitante que las aproximaciones lineales solo son validas localmente
    (es decir, alrededor del punto al que se han hecho las
    aproximaciones).

    RG
    (Reduced Gradient): Estos algoritmos se basan en el gradient reducido de
    la funcin objetivo. Para un problema:
    Sujeto a:
    Donde f es una funcion continua diferenciable, A es una matriz m*n, b es el
    vector de orden m y mn
    La idea central de los mtodos del gradient reducido consiste en eliminar las
    variables basicas, sustituyendo su formulacion en la funcion objetivo, y efectuar
    una optimizacion (PSR) de dicha funcion a base de las variables independientes.
    (Ver Metodo).
    GRG y GRG2: Son metodos basados en el de gradient reducido, los cuales
    introducen mejoras en las los cambios de base, y en que los valores de las
    variables dependientes se obtienen a base de resolver un sistema de ecuaciones
    no-lineales (metodo Quasi Newton).

    EJEMPLO DE GRG

    Aplicando el metodo en MatLAB, se obtiene:


    X1= 0.95456

    X2=1.0434
    -0.04408

    X3=

    REFERENCIAS
    BIBLIOGRFICAS Y
    WEBGRFICAS
    http://www.programacionlineal.net/programacion_lineal.html
    http://www.ugr.es/~proman/IO1Grado/PDF/Tema_8.pdf
    https://people.rit.edu/pnveme/EMEM820n/Mod6_Numerical/mod6_cont
    ent/mod6_sec3_GRG.html
    http://neos-guide.org/content/reduced-gradient-methods
    http://www.ehu.eus/mae/html/prof/Maria_archivos/plnlapuntes.pdf
    https://es.scribd.com/doc/246170935/26318-26242-1-PB-pdf
    Tcnicas de optimizacin en ingeniera. Mster en Tecnologas de la
    Informacin y las Telecomunicaciones Curso 2006-2007 Profesora: M
    Pilar Jarabo Amores

    También podría gustarte