Tipos De Problemas De

Programacin No Lineal

 Los problemas de programacin no lineal se

presentan de muchas formas distintas. Al contrario del mtodo simplex para programacin
lineal, no se dispone de un algoritmo que resuelva todos estos tipos especiales de problemas.
En su lugar, se han desarrollado algoritmos para
algunas clases (tipos especiales) de problemas de
programacin no lineal. Se introducirn las clases
ms importantes y despus se describir cmo se
pueden resolver algunos de estos problemas.

Optimizacin no restringida.
Optimizacin linealmente restringida.
Programacin cuadrtica
Programacin convexa.
Programacin separable.
Programacin no convexa.
Programacin fraccional.
Problema de complementariedad.

Problemas de optimizacin no
restringida
Los problemas de optimizacin no restringida
no tienen restricciones, por lo que la funcin
objetivo es sencillamente, Maximizar f(x).

Optimizacin linealmente restringida

Los problemas de optimizacin linealmente
restringida se caracterizan por restricciones que
se ajustan por completo a la programacin lineal,
de manera que todas las funciones de restriccin
g (x) son lineales, pero la funcin objetivo es no
lineal.
Se han desarrollado varios algoritmos especiales
basados en una extensin del mtodo simplex
para analizar la funcin objetivo no lineal.

Programacin cuadrtica
Este es un caso especial importante:
Los problemas de programacin cuadrtica
tienen restricciones lineales, pero ahora la
funcin objetivo /(x) debe ser cuadrtica.

Programacin convexa
La programacin convexa abarca una amplia
clase de problemas, entre ellos como casos
especiales, estn todos los tipos anteriores
cuando /(x) es cncava. Las suposiciones son:
f(x) es cncava.
Cada una de las g(x) es convexa.

Programacin separable
La programacin separable es un caso especial
de programacin convexa, en donde la suposicin adicional es
Todas las funciones f(x) y g(x) son funciones
separables.

Programacin no convexa
En este caso, aun cuando se tenga xito en
encontrar un mximo local, no hay garanta de
que sea tambin un mximo global. Por lo tanto,
no se tiene un algoritmo que garantice encontrar
una solucin ptima para todos estos problemas;
pero s existen algunos algoritmos bastante
adecuados para encontrar mximos locales, en
especial cuando las formas de las funciones no
lineales no se desvan demasiado de aquellas que
se supusieron para programacin convexa.

Programacin fraccional
Suponga que la funcin objetivo se encuentra
en la forma de una fraccin, esto es, la razn o
cociente de dos funciones.

 Para ilustrar esto, suponga que f(x) es de la

forma de programacin fraccional lineal
donde c y d son vectores rengln, x es un
vector columna y c0 y dQ son escalares.
Tambin suponga que las funciones de
restriccin g (x) son lineales, es decir, las
restricciones en forma matricial son Ax < b y x
> 0.