UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN

FACULTAD DE INGENIERA

ESCUELA PROFESIONAL DE INGENIERA EN INFORMTICA Y SISTEMAS

MONOGRAFA

PROGRAMACIN NO LINEAL: ALGORITMO RESTRINGIDO

AUTORES:

Mara Fernanda Zevallos Gmez (2015-119031)

Jakelyn Sintecala Mulluni (2015-119005)

AO: Tercero CICLO: V

CURSO: Investigacin Operativa II

DOCENTE: Ing. Mario Gauna Chino

TACNA PER

2017
 INTRODUCCIN

La popularidad de la programacin lineal puede atribuirse a muchos factores,

incluyendo su habilidad para modelar problemas grandes y complejos, as como la de su

resolucin en un intervalo razonable de tiempo mediante el uso del mtodo Simplex,

entre otros. Sin embargo, muchos problemas reales no pueden ser adecuadamente

representados o aproximados como un programa lineal debido a la naturaleza de la no

linealidad de la funcin objetivo y/o la no linealidad de cualquiera de las restricciones.

Los esfuerzos por resolver tales problemas no lineales en forma eficiente provocaron un

rpido progreso durante las pasadas tres dcadas.

La programacin no lineal se ocupa del problema de optimizar una funcin objetivo con

la presencia de restricciones tipo de igualdad y/o desigualdad. Si todas las funciones son

lineales tenemos un programa lineal de lo contrario, el programa es no lineal y su

resolucin es el problema de estudio en esta monografa, el cual est contenido por dos

tipos: restringidos y no restringidos, enfocndonos en este ltimo mediante la aplicacin

de mtodos en la resolucin del ejercicio aplicativo.

2
 NDICE GENERAL

INTRODUCCIN 2
NDICE GENERAL 3
CAPTULO I 4
1.1. TTULO 4
1.2. OBJETIVOS 4
1.3. DEFINICIONES DEL TEMA 4
CAPTULO II 13
2.1. PROBLEMA PLANTEADO DEL ALGORITMO RESTRINGIDO 13
CAPTULO III 16
3.1. CONCLUSIONES 16
CAPTULO IV 17
4.2. BIBLIOGRAFA 17

3
 CAPTULO I
1.1. TTULO

Programacin no lineal: Algoritmo restringido

1.2. OBJETIVOS

Analizar el problema de programacin no lineal general restringido.

Proponer un problema de aplicacin del algoritmo restringido.

1.3. DEFINICIONES DEL TEMA

1.3.1. Programacin no lineal

Se considera como tal al conjunto de mtodos utilizados para optimizar una

funcin objetivo, sujeta a una serie de restricciones en los que una o ms de

las variables incluidas es no lineal.

1.3.2. Algoritmos restringidos

El problema de programacin no lineal general restringido se define como

( ) = ()

sujeto a:

() 0

Las condiciones de no negatividad 0, son parte de las restricciones.

Incluso, al menos una de las funciones () y () es no lineal, y todas las

funciones son continuamente diferenciables.

El comportamiento errtico de las funciones no lineales impide el desarrollo

de un solo algoritmo para el modelo no lineal general.

1.3.3. Mtodos empleados

Existen varios algoritmos que se pueden clasificar en general como mtodos

indirectos y directos.

4
 Los mtodos indirectos resuelven el problema no lineal valindose de

uno o ms programas lineales derivados del programa original. Algunos

ejemplos de algoritmos directos incluyen el mtodo de combinacin

lineal y un breve anlisis del algoritmo SUMT, la tcnica de

maximizacin secuencial sin restricciones.

Los mtodos directos se valen del programa original. Algunos ejemplos

de algoritmos indirectos incluyen las programaciones separable,

cuadrtica y estocstica.

1.3.4. Programacin separable

La programacin convexa es abarca una amplia clase de problemas, sus

supuestos son:

1) f (x) es cncava.

2) Cada una de las () es convexa.

Si hablamos de PROGRAMACIN SEPARABLE, diremos que es un caso

especial de programacin convexa, en donde el supuesto adicional es:

3) Todas las funciones f (x) y () son separables.

Una funcin separable es una funcin en la que cada trmino incluye una

sola variable, por lo que la funcin se puede separar en una suma de

funciones de variables individuales. Por ejemplo, si f (x) es una funcin

separable, se puede expresar como:

() = ( )
=1

Entonces:

La programacin separable es un mtodo de optimizacin no lineal basado

5
en la aproximacin lineal. La idea de la programacin separable para

resolver un problema de P.N.L. es construir una aproximacin lineal del

problema.

Tomando en cuenta una funcin cualquiera no lineal

(1 , 2 , , )

1 (1 ) + 2 (2 ) + + ( )

En el cual el valor de debe encontrarse en el valor menor de i y el mayor

Maximizacin o minimizacin de f(x)la cual es no lineal al igual que sus

restricciones:

()

= 1,2

= (1 , 2 , , )

La programacin separable de manera general queda:

Maximizar o minimizar:

( )
=1

Sujeto a:

( ) ; = 1,2, ,
=1

Entonces el problema combinado equivalente e

Sujeto a:

6
Maximizar (o minimizar):

( )
=1 =1

Sujeto a:

( ) = 1,2, ,
=1 =1

0 1 1, = 1,2, ,

Considere el problema

Maximizar:

() = 1 + 2 4

Sujeto a:

31 + 222 9

1 , 2 0

Procederemos a dividir la funcin segn las variables:

1 (1 ) = 1 1 (1 ) = 31

2 (2 ) = 2 4 2 (2 ) = 222

7
Hacemos una tabla para encontrar los valores por la forma de mediante el

intervalo proporcionado arriba de 1 a 4:

La variable 1 no es aproximada porque las funciones 1 (1 ) y 1 (1 ) ya

son lineales. Considerando 2 (2 ) y 2 (2 ), suponemos cuatro puntos de

ruptura 2 = 0,1,2,3 para k=1,2,3 y 4 ,respectivamente. Dado que 2 3,

entonces :

K ( ) ( )

1 0 0 0

2 1 1 2

3 2 16 8

4 3 81 18

Para conseguir dichos valores se sustituye la x1 0 x2 de acuerdo a rango

(0,1,2) en las ecuaciones que se hallaron en los mismos, formamos un nuevo

modelo:

=1 =1

( ) .(1)

Entonces 2 (2 ) = 2 21 + 2 22 + 2 23 + 2 24

2 (2 ) = 021 + 2 22 + 1623 + 8124

2 (2 ) = 22 + 1623 + 8124

=1 =1

( ) .(2)

Entonces 2 (2 ) = 2 21 + 2 22 + 2 23 + 2 24

2 (2 ) = 021 + 222 + 823 + 1824

8
 2 (2 ) = 222 + 823 + 1824

Sabemos que:

() = 1 (1 )+2 (2 )

() = 1 +2 (2 )

() = 1 + 22 + 1623 + 8124

Y tambin se sabe que segn la restriccin:

1 (1 )+2 (2 ) 9

31 +2 (2 ) 9

31 + 222 + 823 + 1824 9

Adems, que:

21 + 22 + 23 + 24 = 1

El problema de aproximacin sera

() = 1 + 22 + 1623 + 8124

Sujeto a

31 + 222 + 823 + 1824 9

21 + 22 + 23 + 24 = 1

Los valores de 2 deben satisfacer la condicin de base

restringida

9
 Minimizar:

() = 12 41 2

Sujeto a:

212 + 822 30

0 1 2

0 2 2

Procederemos a dividir la funcin segn las variables:

1 (1 ) = 12 41 2 (2 ) = 2

1 (1 ) = 212 2 (2 ) = 812

Hacemos una tabla para encontrar los valores por la forma de mediante el

intervalo proporcionado arriba de cero a dos:

0 0 0 0 0 0 0

1 1 1 -3 -1 2 8

2 2 2 -4 -2 8 32

Para conseguir dichos valores se sustituye la x1 0 x2 de acuerdo a rango

(0,1,2) en las ecuaciones que se hallaron en los mismos, formamos un nuevo

modelo usando el mtodo de lambda

Minimizar

= 31 + 12 2
=1 =1

10
Aplicando el mtodo simplex:

Tabla 2

Tabla 3

11
Tabla 4

Finalmente se obtiene:

10 = 0

11 = 0

12 = 1

20 = 0

9
21 =
16
7
22 =
16

Para buscar los valores de 1 y 2 se sustituye de la siguiente manera

1 = 10 0 + 11 1 + 12 2 ; 1 = 00 + 01 + 12 = 2

9 7
2 = 20 0 + 21 1 + 22 2 ; 2 = 00 + 1 + = 1,4375
16 16 2

12
 Entonces la aproximacin sera (1.4375,2)

El valor ptimo de la funcin se consigue sustituyendo 1 y 2 en

() = 12 41 2

Dando como resultado el valor mnimo -5,4375

CAPTULO II

2.1. PROBLEMA PLANTEADO DEL ALGORITMO RESTRINGIDO

La Wyndor Glass Co. recibi un pedido especial de artculos procesados a mano

que se debe elaborar en las plantas 1 y 2 durante los prximos cuatro meses. Para

cumplir con este pedido ser necesario asignar algunos empleados de las brigadas

de trabajo de los productos normales, por lo que el resto del personal tendr que

trabajar horas extra para utilizar toda la capacidad de produccin de la maquinaria y

equipo de la planta para elaborar estos productos. En particular, a fin de fabricar los

dos nuevos productos normales que se analizaron, el tiempo extra tendr que

utilizar el ltimo 25% de la capacidad disponible en la planta 1 para el producto 1 y

el ltimo 50% de la capacidad disponible en la planta 2 para el producto 2. El costo

adicional del tiempo extra reducir la ganancia de cada unidad del producto 1 de 3 a

2 dlares y del producto 2, de 5 dlares a 1 dlar, de lo que resultarn las curvas de

ganancia, las cuales se ajustan a la forma del caso 1. La administracin ha decidido

usar tiempo extra en lugar de contratar ms trabajadores durante esta situacin

temporal. Sin embargo, insiste en que se aprovechen por completo las brigadas de

trabajo de cada producto en tiempo normal antes de usar cualquier tiempo extra.

An ms, piensa que temporalmente se deben cambiar las tasas de produccin

actuales (x1 5 2 para el producto 1 y x2 5 6 para el producto 2), si esta medida

13
mejora el rendimiento total. Por todo ello, ha girado instrucciones al equipo de IO

para revisar los productos 1 y 2 y determinar la nueva mezcla de productos ms

redituable durante los prximos cuatro meses.

El modelo de programacin lineal del problema original de la Wyndor Glass Co.

Maximizar:

= 31 + 52

Sujeta a:

1 4

22 12

31 + 22 18

1 0 , 2 0

Se modific este modelo:

Sea 1 = 1 + 10 es la tasa de elaboracin del producto 1

En donde

1 es la tasa de produccin alcanzada con tiempos normales de trabajo

10 es la tasa de produccin incremental al usar tiempo extra

Sea 2 = 2 + 20 es la tasa de elaboracin del producto 2

En donde

2 es la tasa de produccin alcanzada con tiempos normales de trabajo

20 es la tasa de produccin incremental al usar tiempo extra

Al sustituir los datos la figura 1 (incluye las tasas mximas de produccin en

tiempo normal y tiempos extra) en este modelo general se obtiene el modelo

especfico.

14
 El nuevo problema de programacin lnea trata de determinar los valores de

1 ,10 , 2 y 20

Maximizar:

= 31 + 210 + 22 + 20

Sujeta a:

1 + 10 4

2(2 + 20 ) 12

3(1 + 10 ) + 2(2 + 20 ) 18

1 3 , 10 1, 2 3, 20 3

1 0 , 10 0, 2 0, 20 0

Las restricciones de cota superior del penltimo rengln del modelo convierten

a las primeras dos restricciones funcionales en redundantes, de manera que

estas dos ecuaciones se pueden eliminar.

En efecto, se puede aplicar con seguridad el mtodo smplex a este modelo

para encontrar la mezcla de productos ms redituable.

De manera similar, la solucin ptima para este modelo resulta ser 1 = 3,

10 =1, 2 =3, 20 =0, que es una solucin factible aceptable.

15
 CAPTULO III
3.1. CONCLUSIONES

Es frecuente que los problemas de optimizacin incluyan un comportamiento no

lineal que debe tomarse en cuenta. A veces es posible reformular las no

linealidades para que se ajusten al formato de programacin lineal, como en los

problemas de programacin separable. Sin embargo, muchas veces es necesario

usar formulaciones de programacin no lineal.

16
 CAPTULO IV

4.2. BIBLIOGRAFA

Hillier F. y Lieberman G. (2010) INTRODUCCIN A LA INVESTIGACIN

DE OPERACIONES. Novena edicin. Espaa: Mc Gram Hill Educacin

Taha H. (2012). INVESTIGACIN DE OPERACIONES. Novena edicin.

Espaa: Pearson

https://prezi.com/wtugkmg2809s/programacion-separable/

17