Programación Lineal
Click here to load reader
-
Upload
nestor-balcazar-a -
Category
Technology
-
view
5.172 -
download
0
description
Transcript of Programación Lineal
Optimización con restriccionesProgramación lineal
0 x,0 x 2x x 1xx- :a Sujeto
x3xf :Maximizar
21
21
21
21
≥≥≤+≤+
+=
Restricciones lineales
Función objetivo lineal
Óptimo: [ 1/2 , 3/2 ]
f=5
f=3
f=0
uxlbAxcx
≤≤==
=≤≤
==
=
∑
∑
=
=
:a Sujeto
f :Minimizar :matricial formaEn
n1,2,...,j uxl
m1,2,...,i bxa :a Sujeto
xcf :Minimizar
:estándar Forma
jjj
ij
n
1jij
n
1jjj
fxc....xcf-bxa....xaxm........2xbxa....xax1
canónicos Sistemas
nn1m1m
m1mmm,1mmm,
1nn1,1m1m1,
−=+++=+++
=+++
++
++
++
Optimización con restriccionesProgramación no lineal
Sustitución directa
6x32x :a Sujetox54xf(x) :Minimizar
21
22
21
=++=
Condiciones necesarias de primer orden para un extremo local
( ) 01xxx,xh :a Sujeto
xx)x,f(x :Minimizar2
22
121
2121
=−+=
+=
( ) ( )( ) ( ) ( )
( )
( )Lagrange dedor multiplica llamado es escalar El
0h :adfactibilid deCondición
0 :doReemplazanhfL
0hf
*
x
***
*)*,x(
λ=
=∇
λ+==∇λ+∇
λ
x
λx,Lxxλx,
xx
( )( )
( ) ( ) ( )[ ]
( ) m1,...,j bh
m1,...,i 0xh
xf
x
:sonorden primer de necesarias scondicione Las
bhf
m1,...,j bxh :a Sujetoxf :Maximizar
igualdad de nesrestriccio únicamentecontienen que blemasoPr
jj
i
jm
1jj
11
m
1jjjj
jj
==
==∂
∂λ+
∂∂
=∂∂
−λ+=
==
∑
∑
=
=
x
L
xxλx,L
Problemas conteniendo únicamente restricciones de desigualdad
( ) ( )( )( )( ) 0yy,xg
2yx yx,g 0xyy,xg :a Sujeto
1y2-xy)f(x, :Minimizar
Tucker-Kuhnde sCondicione
3
2
21
22
≥=≤+=
≤+−=
−+=
f∇−
1g∇
2g∇
( )
( ) ( )[ ]
( ) ( )
( )[ ]( ) r1,...,j ,cg
0cgu ,0u
guf
:sCondicione
Ij ,0u :donde
guf
r1,...,j ,cxg :a Sujetof(x) Minimizar
j*
j
jj*
j*
j
r
1j
*j
*j
*
*j
*j
Ij
*j
*
jj
=≤
=−≥
∇+∇
∈≥
∇−=∇
=≤
∑
∑
=
∈
x
x
xx
xx
( )( )( )
( ) ( ) ( )[ ] ( )[ ]
( ) ( )[ ] ( )[ ]
( )[ ] r1,...,j 0cxgu
0u
0guhf
entonces global, mínimoun es Si
cgubhf
r1,...,j ,cg m1,...,i ,bh :a Sujeto
f :Minimizarddesigualday igualdad de nesrestriccio oconteniend Problemas
j*
j*
j
*j
r
1j
*jj
m
1i
*ii
*x
*
r
1jjjj
m
1iiii
jj
ii
==−
≥
=⎟⎟⎠
⎞⎜⎜⎝
⎛+λ+∇
−+−λ+=
====
∑∑
∑∑
==
==
xxx
x
xxxuλ,x,L
xxx
( )
( )
activas. nesrestricciolas de gradientes los a sortogonale vectoresde conjuntoun define
0
:que talcero de diferentes vectoreslos todospara
0
:orden segundo de ssuficientey necesarias sCondicione
*
2x
T
y
yxJ
yuλ,x,Ly
=
>∇
( ){ } 0xT T* =∇= ygy
Programación lineal sucesiva
( ) ( ) ( ) ( ) ( )∆xxgxg∆xxgxg T0i
0i
0ii ∇+≅+=
X2+y2=25
X2-y2=7
Punto de partida
LP óptimo 0y
0 x 7y x 25y x:a Sujeto
y2x :Maximizar
22
22
≥≥
≤−
≤+
+
Método de gradiente reducido generalizado
( ) ( )
( )
( )( )
1. paso alregresar y punto siguiente elpor actual punto elRemplazar .5. punto siguiente el
determinar para usado esy f objetivofunción la minimiza que de valordelón aproximaci una es distancia Ésta . actual punto el desde empezando
actual, búsqueda dedirección la de largo lo a paso de tamañoel Determinar 4.previa. búsqueda dedirección
laalmacenar y f gradiente el usando búsqueda dedirección unaCalcular 3.parar. óptimo, el es actual punto el Si .2
f dado , actual punto elen f de gradiente elCalcular 1.:general oritmolgA
nc
ccn
cc
cc
cc
c
cc
xxdxx
dxx
xdx
xxx
α+=α+α
α
∇
∇