Professional Documents
Culture Documents
Investigacin de
Operaciones
Semestre 6
Investigacin de operaciones
Semestre 6
Investigacin de operaciones
Tabla de contenido
Pgina
Introduccin
Conceptos previos
Logros
Programacin no lineal
Forma general
Teoremas
Teoremas
Casos
Optimizacin multivariable
11
Mtodo grfico
12
Multiplicadores de Lagrange
13
Programacin cuadrtica
14
Aplicaciones
15
20
Resumen
20
Bibliografa recomendada
21
Nexo
21
Seguimiento al autoaprendizaje
23
Crditos: 3
Tipo de asignatura: Terico Prctica
Semestre 6
Investigacin de operaciones
Semestre 6
Investigacin de operaciones
Introduccin
En el anterior semestre, se abord el tema de Programacin Lineal (PL).
Una suposicin importante de la PL, es que las variables de decisin se
expresan en forma lineal (Funcin objetivo y funciones de restriccin); es
decir, en la PL, su objetivo es optimizar (maximizar o minimizar) una funcin objetivo sujeta a ciertas restricciones lineales. Por lo general, esta suposicin se cumple en la vida real para muchos problemas prcticos; pero
tambin es frecuente que no sea de esta forma. Un caso en particular se
ve, en los problemas de planeacin econmica donde es necesario manejar algoritmos de programacin no lineal.
En un modelo de Programacin No Lineal (PNL), sus variables de decisin estn expresadas como funciones no lineales tanto en la funcin objetivo como en las restricciones del modelo de optimizacin.
Conceptos previos
Para el buen desarrollo de este fascculo y aprendizaje de la Programacin
Lineal, se debe tener en cuenta lo aprendido en los siguientes temas:
Programacin lineal.
Clculo diferencial.
Para esto, responda las siguientes preguntas y resuelva los ejercicios propuestos:
1.- Qu es programacin lineal?
2.- Qu es una variable de decisin?
Fascculo No. 4
Semestre 6
Investigacion de
operaciones
Investigacin de operaciones
3.- Cul es la estructura de un modelo de PL?
4.- Cul es la metodologa para desarrollar un problema de PL?
5.- Defina funcin continua y funcin discontinua.
6.- Cul es el concepto de derivada?
7.- Cul es el concepto de la segunda derivada?
8-. Qu es una derivada parcial?
9.- Qu es un mximo local?
10.- Qu es un mnimo global?
11.- Cules son los criterios de la primera y segunda derivada?
Investigacin de
operaciones
Fascculo No. 4
Semestre 6
Investigacin de operaciones
Logros
Programacin no lineal
La Programacin no Lineal (PNL), es una parte de la Investigacin Operativa cuya misin es proporcionar una serie de resultados y tcnicas tendentes a la determinacin de puntos ptimos para una funcin (funcin objetivo) en un determinado conjunto (conjunto de oportunidades), donde tanto
la funcin objetivo, como las que intervienen en las restricciones que determinan el conjunto de oportunidades pueden ser no lineales. Evidentemente, la estructura del problema puede ser muy variada, segn las funciones que en l intervengan (a diferencia de la Programacin Lineal (PL),
donde la forma especial del conjunto de oportunidades y de la funcin objetivo permite obtener resultados generales sobre las posibles soluciones
y facilitan los tratamientos algortmicos de los problemas). Ello ocasiona
una mayor dificultad en la obtencin de resultados, que se refleja tambin
en la dificultad de la obtencin numrica de las soluciones. En este sentido, hay que distinguir entre las diversas caracterizaciones de ptimo, que
slo se emplean como tcnicas de resolucin en problemas sencillos, y los
mtodos numricos iterativos, cuyo funcionamiento se basa en estas caracterizaciones, para la resolucin de problemas ms generales.1
En general, la PNL responde a la necesidad de solucionar problemas expresados en trminos de funciones no lineales, modelados en situaciones
de la vida real.
Fascculo No. 4
Semestre 6
Investigacion de
operaciones
Investigacin de operaciones
Forma general
para:
es la funcin objetivo y
es
Investigacin de
operaciones
Fascculo No. 4
Semestre 6
Investigacin de operaciones
En forma similar que la PL, la regin factible en un problema de PNL, es
el conjunto de los puntos que satisfacen todas las restricciones. Un punto
en esta regin, es un punto factible y el punto que no est es un punto no
factible.
Por otra parte, en un caso de maximizacin, cualquier punto en la regin
factible para la cual
en la
Fascculo No. 4
Semestre 6
Investigacion de
operaciones
Investigacin de operaciones
Figura 4.1.
Funcin convexa y cncava.
Fuente.
El autor
para toda x en
S.
2. Supngase que
para toda x en
S.
4.1.
Investigacin de
operaciones
b)
c)
Fascculo No. 4
Semestre 6
Investigacin de operaciones
Optimizacin en una variable
Un programa de PNL en una variable con restricciones y en un subintervalo finito [a, b] tiene la forma:
Figura 4.2.
Ejemplos de puntos extremos para una funcin de una sola variable.
Fuente.
Modificado de: HAMDY A. Taha, INVESTIGACIN DE OPERACIONES, 7a. edicin, Ed. PEARSON, Mxico 2004, p. 702.
En dado caso que no tenga restricciones, es un programas de PNL irrestricto y el punto ptimo se encuentra en un intervalo infinito (-, ). La figura 4.1, muestra ejemplos de funciones de una sola variable en un intervalo infinito.
Para encontrar la solucin ptima a los programas de PNL con una variable y con restricciones, se hallan los mximos o mnimos locales.
Fascculo No. 4
Semestre 6
Investigacion de
operaciones
Investigacin de operaciones
ptimos locales y globales
En una funcin objetivo f(x) hay un mnimo local (relativo) en xo, si existe
un intervalo pequeo con centro en xo tal que
para toda x en
para
toda x en la cual la funcin est definida entonces el mnimo en x o tambin es un mnimo global (absoluto). Ver figura 4.2.
Similarmente, en una funcin objetivo f(x) hay un mximo local (relativo)
en xo, si existe un intervalo pequeo con centro en xo tal que
para toda x en ese intervalo en la cual la funcin est definida. Si adems,
para toda x en la cual la funcin est definida, entonces el
mximo en xo tambin es un mximo global (absoluto). Ver figura 4.2.
Teoremas
1. Si f(x) es continua en un intervalo continuo y acotado [a, b], entonces
f(x) tiene ptimos globales en ese intervalo. Es decir, un mximo global
y un mnimo global.
2. Si f(x) tiene un ptimo local en xo y si f(x) es diferenciable en un pequeo
intervalo con centro en xo, entonces f (xo)=0.
3. Si f(x) tiene diferencial en un pequeo intervalo con centro en x o y si
f(xo)=0 y f(xo)>0, entonces f(x) tiene un mnimo local en xo. En caso
contrario, si f(xo)=0 y f(xo)<0, entonces f(x) tiene un mximo local en
xo .
Casos
1. Puntos donde
La figura 4.3, muestra como se determinan los ptimos locales para este
caso.
2. Puntos donde f(x) no existe.
La figura 4.4, muestra como se determinan los ptimos locales para este
caso.
Investigacin de
operaciones
Fascculo No. 4
Semestre 6
Investigacin de operaciones
3. Puntos finales a y b del intervalo [a, b]. Ver figura 4.5.
La figura 4.5, muestra como se determinan los ptimos locales para este
caso.
Figura 4.3.
Ejemplos de ptimos locales cuando f(x) existe. Caso 1.
Fuente.
WINSTON Wayne L., Investigacin de operaciones: Aplicaciones y algoritmos, 4 edicin, Ed. Thomson, Mxico 2005, pg.
638.
Fascculo No. 4
Semestre 6
Investigacion de
operaciones
Investigacin de operaciones
Figura 4.4.
Ejemplos de ptimos locales cuando f(x) no existe. Caso 2.
Fuente.
WINSTON Wayne L., Investigacin de operaciones: Aplicaciones y algoritmos, 4 edicin, Ed. Thomson, Mxico 2005, pg.
639.
Investigacin de
operaciones
10
Fascculo No. 4
Semestre 6
Investigacin de operaciones
Figura 4.5.
Ejemplos de ptimos locales cuando x o es un punto final. Caso 3.
Fuente.
WINSTON Wayne L., Investigacin de operaciones: Aplicaciones y algoritmos, 4 edicin, Ed. Thomson, Mxico 2005, pg.
640.
Las figuras 4.6 y 4.7, muestran un ejemplo de aplicacin para los casos
vistos anteriormente y de la determinacin de los puntos extremos, respectivamente, para una funcin con una sola variable de decisin.
Optimizacin multivariable
Para los programas de PNL multivariable, se presentan dos casos: a) sin
restricciones y b) con restricciones.
Fascculo No. 4
Semestre 6
11
Investigacion de
operaciones
Investigacin de operaciones
Para el primer caso, el modelo es el siguiente:
, tan-
es un extremo local.
Mtodo grfico
El mtodo grfico, es una
excelente herramienta en la
solucin de problemas de
PNL y sigue la misma metodologa de la PL.
Hay algunos problemas de PNL que se pueden resolver exitosamente mediante el mtodo grfico; sin embargo, slo aquellos cuyas caractersticas
particulares lo admiten, en consecuencia, se requiere eso s de cierta experiencia y un buen software de graficacin de ecuaciones.
Investigacin de
operaciones
12
Fascculo No. 4
Semestre 6
Investigacin de operaciones
Por lo general y facilidad se utilizan funciones con mximo dos variables de
decisin y se pueden presentar los siguientes casos:
1.- Funcin objetivo lineal con una o ms restricciones no lineales. Ver
ejemplo en la figura 4.8 a).
2.- Funcin objetivo no lineal con restricciones lineales. Ver ejemplos en la
figura 4.8 b) y c). Si la funcin objetivo es cuadrtica, es decir, con exponente dos, es un problema de programacin cuadrtica.
3.- Funcin objetivo no lineal con una o ms restricciones no lineales.
Para la solucin de estos casos bsicamente se sigue el procedimiento de
solucin grfica de programacin lineal. En la figura 4.8, se muestran
ejemplos de aplicacin del mtodo grfico.
Multiplicadores de Lagrange
Generalmente los multiplicadores de Lagrange (en honor a Joseph Louis
Lagrange 1736 1813), se usan para solucionar problemas de PNL en
donde las restricciones son una igualdad. El modelo es el siguiente:
Fascculo No. 4
Semestre 6
13
Investigacion de
operaciones
Investigacin de operaciones
Las restricciones deben ser ecuaciones, o sea igualdades con holgura
cero (0).
El nmero de restricciones debe ser menor que el nmero de variables
de decisin, es decir, m<n.
Mtodo de solucin
1. Definir la funcin de Lagrange, as:
;
Donde
grange.
2. Calcular todas las derivadas parciales de la funcin de Lagrange, hacerlas iguales a cero (0) y resuelva el sistema de ecuaciones para las Xi y
las i.
3. Se calcula la solucin y se averigua si es factible y si es lo ptimo. Si hay
desigualdades, se incluyen, si este punto no es el ptimo.
La figura 4.9, muestra un ejemplo de aplicacin de los multiplicadores de
Lagrange.
Programacin cuadrtica
Un problema de programacin cuadrtica (PPC) es un modelo de PNL en
donde las variables de decisin pueden tener grado 2, 1 o 0 en la funcin
Investigacin de
operaciones
14
Fascculo No. 4
Semestre 6
Investigacin de operaciones
objetivo y en las restricciones tienen grado 1 o 0. Es decir, la funcin objetivo es cuadrtica y las restricciones son lineales.
Las caractersticas que debe tener este modelo son:
La funcin objetivo debe ser cuadrtica.
Las restricciones deben ser lineales.
Donde los
y son constantes.
Fascculo No. 4
Semestre 6
15
Investigacion de
operaciones
Investigacin de operaciones
Figura 4.6.
Ejemplo de aplicacin de solucin para un problema de PNL con una variable.
Fuente.
WINSTON Wayne L., Investigacin de operaciones: Aplicaciones y algoritmos, 4 edicin, Ed. Thomson, Mxico 2005, pg.
641.
Investigacin de
operaciones
16
Fascculo No. 4
Semestre 6
Investigacin de operaciones
Figura 4.7.
Ejemplos de puntos extremos para una funcin de una sola variable
Fuente.
Modificado de: HAMDY A. Taha, INVESTIGACIN DE OPERACIONES, 7a. edicin, Ed. PEARSON, Mxico 2004, p. 705.
Fascculo No. 4
Semestre 6
17
Investigacion de
operaciones
Investigacin de operaciones
Figura 4.8.
Ejemplos de aplicacin del mtodo grfico.
Fuente.
Modificado de: http://chikareven.wordpress.com/ilustracion-grafica-de-problemas-de-programacion-no-lineal/
Investigacin de
operaciones
18
Fascculo No. 4
Semestre 6
Investigacin de operaciones
Figura 4.9.
Ejemplos de aplicacin de los multiplicadores de Lagrange.
Fuente.
WINSTON Wayne L., Investigacin de operaciones: Aplicaciones y algoritmos, 4 edicin, Ed. Thomson, Mxico 2005, pg.
667.
Fascculo No. 4
Semestre 6
19
Investigacion de
operaciones
Investigacin de operaciones
Figura 4.10.
Ejemplo de aplicacin de la programacin cuadrtica.
Fuente.
WINSTON Wayne L., Investigacin de operaciones: Aplicaciones y algoritmos, 4 edicin, Ed. Thomson, Mxico 2005, pg.
680.
Investigacin de
operaciones
20
Fascculo No. 4
Semestre 6
Investigacin de operaciones
hizo lo ms sencillo posible. Gracias a estos mtodos de solucin de PNL,
se han podido resolver muchos problemas que con la programacin lineal
no se haba logrado. Cabe anotar que, el mtodo grfico es el de ms fcil
aplicacin, aunque requiere de una buena herramienta de graficacin y
para ello estn los ingenieros de sistemas; para crear cada vez ms y mejores elementos de software que ayuden eficientemente a la toma de decisiones por parte de los gerentes de las organizaciones.
Fascculo No. 4
Semestre 6
21
Investigacion de
operaciones
Investigacin de operaciones
Investigacin de
operaciones
22
Fascculo No. 4
Semestre 6
Investigacin de operaciones
Seguimientoal autoaprendizaje
Investigacin de operaciones - Fascculo No. 4
Nombre_______________________________________________________
Apellidos ________________________________ Fecha: _________________
Ciudad___________________________________Semestre: _______________
Resuelva las siguientes preguntas con el fin de evaluar su proceso de autoaprendizaje:
1.- Encuentre la solucin ptima para:
a)
b)
Tomado de:
Winston, problemas 5 y 6 de la pgina 648.
Fascculo No. 4
Semestre 6
23
Investigacion de
operaciones