Programación no lineal fraccional.

Flussdiagrammknoten

• Programación no lineal fraccional.

• Se conoce también como.

• • Problemas hiperbólicos. • Optimización de proporciones.

• Concepto.

• Se conoce como un caso especial de la programación no lineal.

• Es un método exclusivamente de optimización.

• Es fraccional porque la función objetivo de un problema está compuesta por un cociente de dos funciones lineales y las restricciones generar un polígono convexo de factibilidad.

• Enfoque y aplicaciones.

• • Corte de rollos. • Inversión de fondos. • Inventario. • Teoría de juegos.  • Teoría de la información. • Problemas estocásticos.

• Historia.

• Inicios.

• Programación no lineal es cuando se encuentran proporciones entre las funciones de un conjunto convexo.

• Evolución.

• Tiene sus inicios en trabajos publicados en la década del 50 con el trabajo publicado por Isbell y Marlow (1956).

• Justificación.

• Identificaron un problema de PNLF y lo resolvieron con una secuencia de problemas de programación lineal años más tarde.

• Charnes y Cooper (1962).

• Proponen un método en el que se formula un nuevo problema lineal a partir de una transformación de variables del problema original.

• • Gilmore and Gomory (1963). • Martos (1964). • Swarup (1965). • Wagner and Yuan (1968). • Pandey and Punnen (2007). • Sharma et al. (1980).

• Evolucionaron el método y propusieron soluciones basadas en el método simplex. 

• Bitran y Novaes (1973).

• Actual.

• Presenta como ventaja que no requiere la transformación de variables ni la introducción de nuevas variables y restricciones sino que se basa en la actualización de la función objetivo.

• Tantawy (2007, 2008).

• hizo dos propuestas un enfoque sobre dirección factible un enfoque sobre dualidad en PLF, otros estudios de dualidad y sensibilidad, además se propusieron soluciones a  problemas de PLF con un intervalo de coeficientes en la función objetivo.

• Los problemas de programación no lineal fraccionaria, presentan las características generales de tener restricciones lineales, convexas y no negativas y la función objetivo es cóncava cuando el objetivo es maximizar y convexa cuando se pretende minimizar.

• Desarrollo.

• Pnlf (binary/octet-stream)