You are on page 1of 13

Tipos De Problemas De

Programación No Lineal

• Los problemas de programación no lineal se presentan de muchas formas distintas. . En su lugar. no se dispone de un algoritmo que resuelva todos estos tipos especiales de problemas. Se introducirán las clases más importantes y después se describirá cómo se pueden resolver algunos de estos problemas. Al contrario del método simplex para programación lineal. se han desarrollado algoritmos para algunas clases (tipos especiales) de problemas de programación no lineal.

Optimización linealmente restringida. Problema de complementariedad. . Programación separable. Programación no convexa. Programación fraccional. Programación cuadrática Programación convexa.• • • • • • • • Optimización no restringida.

por lo que la función objetivo es sencillamente. . Maximizar f(x).Problemas de optimización no restringida • Los problemas de optimización no restringida no tienen restricciones.

• Se han desarrollado varios algoritmos especiales basados en una extensión del método simplex para analizar la función objetivo no lineal. pero la función objetivo es no lineal.Optimización linealmente restringida • Los problemas de optimización linealmente restringida se caracterizan por restricciones que se ajustan por completo a la programación lineal. de manera que todas las funciones de restricción g¡ (x) son lineales. .

. pero ahora la función objetivo /(x) debe ser cuadrática.Programación cuadrática • Este es un caso especial importante: • Los problemas de programación cuadrática tienen restricciones lineales.

.

están todos los tipos anteriores cuando /(x) es cóncava. .Programación convexa • La programación convexa abarca una amplia clase de problemas. • Cada una de las g(x) es convexa. entre ellos como casos especiales. Las suposiciones son: • f(x) es cóncava.

. en donde la suposición adicional es • Todas las funciones f(x) y g(x) son funciones separables.Programación separable • La programación separable es un caso especial de programación convexa.

.

Por lo tanto. pero sí existen algunos algoritmos bastante adecuados para encontrar máximos locales.Programación no convexa • En este caso. en especial cuando las formas de las funciones no lineales no se desvían demasiado de aquellas que se supusieron para programación convexa. aun cuando se tenga éxito en encontrar un máximo local. no se tiene un algoritmo que garantice encontrar una solución óptima para todos estos problemas. no hay garantía de que sea también un máximo global. .

.Programación fraccional • Suponga que la función objetivo se encuentra en la forma de una fracción. la razón o cociente de dos funciones. esto es.

x es un vector columna y c0 y dQ son escalares. .• Para ilustrar esto. es decir. suponga que f(x) es de la forma de programación fraccional lineal donde c y d son vectores renglón. También suponga que las funciones de restricción g¡ (x) son lineales. las restricciones en forma matricial son Ax < b y x > 0.