Estatistica

Problemas de Programação Não-Linear
Tipos de problemas
Para que um problema de programação matemática seja caracterizado como de programação não-linear, ele deve apresentar uma função objetivo não linear, ou pelo menos uma das restrições caracterizada por uma função não linear. Os problemas de programação linear podem ser classificados, de acordo com o número de variáveis e restrições em: a) Problemas mono-variados sem restrição Min f ( x) = 2 x 6 + 3 x 4 − 12 x

b) Problemas multi-variados sem restrição Min
2 f ( x1 , x2 ) = x12 + 2 x2 − 2 x2 − 2 x1 x2

c) Problemas mono-variados com restrição

Min

f ( x) = 3 ( x 2 − 2) 2 ln( x 2 + x + 4)

s.a : 0 ≤ x 2 ≤ 2 d) Problemas multi-variados com restrição
Min z ( x1 , x2 ,..., xn ) = ∑ ∫ j xj 0

c j ( w) dw

s.a :

∑f k rs k

= qrs

∀r , s ∀k , r , s

f krs = ∑ x j δ jrs ,k j xj ≥ 0

∀j

Condições de otimalidade
Para que uma solução seja considerada ótima para um problema de programação não-linear, ela deverá satisfazer um conjunto de condições atribuídas a Karush, Kuhn e Tucker. Tais condições, são também conhecidas por condições de KKT. Seja o problema de otimização não linear definido como: Min z = f ( x1 , x2 ,..., xn ) s.a : g i ( x1 , x2 ,..., xn ) ≤ 0 ∀i = 1,..., m (ui )

onde f ( x1 , x2 ,..., xn ) e gi ( x1 , x2 ,..., xn ) são funções diferenciáveis em cada uma das variáveis x j , ∀j = 1,..., n , e seja ui um escalar associado a restrição gi ( x1 , x2 ,..., xn ) . Então,

* * * x* = ( x1 , x2 ,..., xn ) pode ser uma solução ótima para o problema de programação não-linear

acima, somente se existem m números u1 , u2 ,...um (conhecidos pelo nome de multiplicadores de Lagrange) que satisfaçam todas as seguintes condições: a)
∇f ( x* ) + ∑ ui ∇g i ( x * ) = 0 i =1 m

b) ui g i ( x* ) = 0 c) d) ui ≥ 0 g i ( x* ) ≤ 0

∀i = 1,..., m

∀i = 1,..., m
∀i = 1,..., m

Se além destas condições a função f ( x1 , x2 ,..., xn ) é convexa e o conjunto de soluções viáveis