programación matemática - · pdf fileplanteamiento formal del problema de...
TRANSCRIPT
PROGRAMACIÓN MATEMÁTICA TEMA 1. INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA.
CONJUNTOS CONVEXOS.
!
!
! CONVEXIDAD DE UNA FUNCIÓN.
!
PLANTEAMIENTO FORMAL DEL PROBLEMA DE PROGRAMACION MATEMATICA.
www.fernandoformacion.com 651 093 098
! - Función Objetivo:
Función que se pretende Maximizar o minimizar. - Conjunto de oportunidades:
Conjunto de puntos que satisfacen las restricción del problema. - Restricción activa en un punto:
Si satisface dicha restricción en términos de igualdad. - Restricción inactiva en un punto:
Si satisface dicha restricción en términos de desigualdad. - Restricción redundante:
No influye en la definición del conjunto de oportunidades, se podría eliminar.
Concepto general de óptimo: ➢ Máximo Local: Es el máximo relativo respecto a los puntos admisibles de su entorno. ➢ Mínimo Local: Es el mínimo relativo respecto a los puntos admisibles de su entorno. ➢ Máximo Global: Es el máximo respecto a todos los puntos admisibles. ➢ Mínimo Global: Es el máximo respecto a todos los puntos admisibles.
!
Podemos afirmar que existirán, al menos, un máximo y un mínimo global en el interior o en la frontera del conjunto de oportunidades. La no verificación del teorema no implica que el problema no tenga solución.
!
!
!
www.fernandoformacion.com 651 093 098
RESOLUCIÓN GRÁFICA
Curvas de nivel. ( Definidas a partir de la función Objetivo ) Si la función objetivo es lineal El Gradiente nos indicará la dirección de máximo crecimiento. Si la función objetivo es un circunferencia El centro de la circunferencia será el minimo. Circunferencia: Elipse: Parábola:
+ = 1 y = ax² + bx + c (a,b) Centro. (a,b) Centro. Si a > 0, la ramas hacia arriba. (a,b) Centro. h radio de x. Si a < 0, la ramas hacia abajo. R Radio. K radio de y. Vértice:
TEMA 2. PROGRAMACIÓN NO LINEAL.
CASO NO SUJETO A RESTRICCIONES.
!
1. Punto de silla:
! 2. Clasificamos la Hessina de la función en el punto de silla y según obtengamos, el punto óptimo será un máximo o mínimo.
CASO SUJETO A RESTRICCIONES DE IGUALDAD. LA FUNCIÓN DE LAGRANGE. INTERPRETACIÓN DE LOS MULTIPLICADORES DE LAGRANGE.
!
1. Función de Lagrange.
!
2. λ ) = 0 Resolvemos el sistema y obtenemos los puntos críticos.
3. Condiciones suficientes de segundo orden.
H λ ) Evaluamos en los puntos críticos obtenidos. y ) Evaluamos en los puntos críticos obtenidos.
4. Construimos la forma cuadrática restringida y la clasificamos. Mínimo Local. Máximo Local.
Interpretación de los Multiplicadores de Lagrange.
www.fernandoformacion.com 651 093 098
!
!
CASO SUJETO A RESTRICCIONES DE DESIGUALDAD. CONDICIONES NECESARIAS Y SUFICIENTES DE OPTIMALIDAD.
!
! Punto estacionario.
1. Función de Lagrange.
2. λ ) = 0
= 0 = 0 λ=0 , g(x)=0
Estableceremos un sistema en el que definiremos las restricción activas para así de esta manera saber que multiplicadores valen cero y cuales no, así poder determinar los valores críticos. Si la restricción no es activa, su multiplicador asociado vale cero, en caso contrario el multiplicador será distinto de cero y la restricción irá definida por una igualdad.
TEMA 3. PROGRAMACIÓN LINEAL.
CARACTERÍSTICAS GENERALES DEL PROBLEMA DE PROGRAMACIÓN LINEAL. - Función objetivo lineal. - Conjunto de oportunidades cerrado y convexo. - Si un problema de Programación Lineal posee solución, dicho valor óptimo es global, ya
que se dan las hipótesis del teorema local-global. Pero no podemos asegurar que el
www.fernandoformacion.com 651 093 098
problema general de Programación Lineal posea solución,ya que no siempre el conjunto de oportunidades va a estar acotado, condición que faltaría para la verificación de las condiciones del teorema de Weierstrass.
- En un problema de PL, solo se pueden dar tres situaciones: No tiene solución. Tiene solución única. Tiene infinitas soluciones.
!
- Se podría resolver gráficamente y por el método del Simplex.
EL MÉTODO DEL SIMPLEX.
1. Planteamiento:
! 2. Problema general de forma Estándar, las restricciones de desigualdad las convertiremos en restricciones de igualdad, para ello introducimos unas nuevas variables no negativas, (variables de holgura) las cuales entran: • Con signo positivo en restricciones de ≤ • Con signo negativo en restricciones de ≥ • Con coeficiente nulo en la función objetivo.
Max 7x + 7y s.a -2x + y + x2 = 2 x – y + x3 = 1 x + y + x4 = 4
3. Tabla:
www.fernandoformacion.com 651 093 098
!
!
FALTARÍA DEFINIR LOS COMPONENTES DE LA TABLA; CJ, Z, Po….
!
!
!
www.fernandoformacion.com 651 093 098
!
!
!
■ Variables que no están en el primer cuadrante:
www.fernandoformacion.com 651 093 098
!
! ■ Método de la M-grande.
FALTARIAN EJEMPLOS
DUALIDAD
Cualquier problema lineal lleva asociado otro problema y entre ellos se establecen una serie de relaciones:
!
www.fernandoformacion.com 651 093 098
!
Establecer la relación entre las soluciones
Ejemplos.
ANÁLISIS DE SENSIBILIDAD DE COSTES, RECURSOS.
Sensibilidad de Costes: En este caso definiremos los valores que se puede modificar el coste sin que varíe la base óptima del problema. Intervalo del coste que mantiene la solución.
■ Partimos de la tabla optima y montamos un sistema a partir del cual podemos ver entre que valores se puede mover el Ci para mantener la solución:
! Sistema para el caso del C1
!
!
Sistema para el caso del C2
www.fernandoformacion.com 651 093 098
!
!
Sistema para el caso de C3
! En este caso el coste al nos ser básico solo afecta a Z3 – C3 siendo el intervalo:
!
Sensibilidad de Recursos: ■ Partimos de la tabla optima y montamos un sistema a partir del cual podemos ver entre
que valores se puede mover bi para mantener la solución:
!
! Sistema para b1:
! P0 Vector inicial de recursos.
!
Sistema para b2:
www.fernandoformacion.com 651 093 098