Programacion no lineal

Alvarado Ruiz Rafael 10210096.

Instituto Tecnolgico de Tijuana. Grupo 4E. Tijuana, Baja California Mxico. rafa_5.0@hotmail.com
Resumenhablaremos sobre una tcnica de optimizacin matemtica mejor conocida como programacin no lineal, o tambin como sistemas no lineales. El cmo plantear y resolver una programacin no lineal, as como tambin los conceptos bsicos y algunos tipos de programaciones computacionales en los que implementas estos mtodos como C, programa para resolver este tipo de problemas. Palabras Claves algoritmos, funcin, lenguajes de programacin, matemticas, mtodos, optimizacin, programacin, programacin no lineal, sistemas, variables.

optimizacin cualquier conjunto aceptable de valores de las variables para el cual la funcin objetivo alcanza un valor ptimo. Formalmente el proceso de optimizacin implica maximizar o minimizar la funcin objetivo dentro de un conjunto de valores factibles de las variables. Clasificacin de los problemas de optimizacin Se suele basar en un compromiso entre las mejoras en la eficiencia obtenidas al considerar ciertas propiedades de los problemas frente a la complejidad de tener que elegir un mtodo de resolucin dentro de una gran librera de mtodos. La forma ms obvia de caracterizar los problemas se basa en las propiedades matemticas de la funcin objetivo y de las funciones de restriccin. [5] LOS MODELOS NO LINEALES Por qu necesitamos tener una teora no lineal y por qu se molestan en estudiar una teora no lineal cualitativa? Despus de todo, la mayora de los modelos que estn actualmente disponibles son lineales, y si el modelo no lineal se va a utilizar, las computadoras estn llegando a ser cada vez ms poderosos en la simulacin ellos. Realmente necesitamos una teora no lineal? Esto no es una pregunta ingenua, ya que los modelos lineales son mucho ms manejables que los no-lineal y podemos analizar bastante sofisticados y sistemas lineales de alta dimensin. Adems, si uno utiliza los modelos lineales con algunos parmetros posiblemente variable en el tiempo, se pueden modelar sistemas reales sorprendentemente bien. Por otra parte, aunque los modelos no lineales pueden ser conceptualmente ms satisfactorios y elegantes, son de poca utilidad si no se puede aprender algo de su comportamiento. Sin duda, muchos profesionales de la industria afirman que pueden hacer muy bien con el tiempo lineal diferentes modelos. Por supuesto, un argumento en contra es que podemos usar el poder cada vez mayor de la computadora para entender cualitativamente el comportamiento de sistemas ms completa y no tiene que aproximar su comportamiento en los sistemas lineales. Sin embargo, la razn de peso que hacen uso de modelos no lineales es que la dinmica de sistemas lineales no son lo suficientemente ricos como para describir muchos fenmenos comnmente observados. Aqu estn algunos ejemplos de estos fenmenos:

INTRODUCIN

lgoritmo: Procedimiento matemtico preciso y finito para resolver un problema mediante una serie ordenada de pasos que una vez especificados los datos a la solucin que el problema tiene para las variables obtenidas.[1] Programacin matemtica: es una manera en la que aplicas las matemticas para tratar de resolver problemas de decisin determinado variables que optimicen un determinado objetivo. [2] Mtodo: es el medio utilizado para llegar a un fin. Optimizacin: el hecho comn a todos los tipos de problemas es que existe un valor ideal o unos valores limites y cuantificables. Varias unidades de producto nos permitir evaluar la media y la variabilidad. Un problema de optimizacin podr ser por tanto de ajuste d la media para conseguir un valor mas deseable de la misma o bien reducir la variacin de alrededor de esta media, para que las diferentes unidades se correspondan con la misma. [3] Un programa en sentido informtico est constituido por un conjunto de instrucciones que se ejecutan ordinariamente de modo secuencial, es decir, cada una a continuacin de la anterior. Recientemente, con objeto de disminuir los tiempos de ejecucin de programas crticos por su tamao o complejidad, se est haciendo un gran esfuerzo en desarrollar programas paralelos, esto es, programas que se pueden ejecutar simultneamente en varios procesadores. Una funcin es una regla de asociacin que relaciona dos o ms conjuntos entre s. [4] DEFINICIN DE UN PROBLEMA DE OPTIMIZACIN Un problema de optimizacin se puede definir de forma general partiendo de un conjunto de variables independientes, una serie de restricciones que definen valores aceptables de las variables y una funcin de estas variables que se denomina funcin objetivo. Se entiende por solucin de un problema de

1.

Equilibrios mltiples funcionamiento

varios

puntos

de

Los sistemas con muchos equilibrios abundan en la prctica, consideramos, por ejemplo Los circuitos digitales para la lgica de Binay tener por lo menos dos estados estables, cintica de las reacciones mltiples equilibrios qumicas permiten

Los circuitos de reloj digital o multivibradores estable presentan una variacin cclica entre la lgica 1 y 0 los estados y tambin puede ser modelado como un degenerado lmite de la ecuacin de Van de Pol se mencion anteriormente. Circuitos de unin Josephson se puede demostrar que tienen un ciclo lmite (de muy alta frecuencia) cuando la corriente de polarizacin es mayor que un cierto valor crtico, y esta oscilacin marca la transicin de los superconductores para la realizacin de la regin.

Las ecuaciones de flujo de potencia modelar el flujo de potencia activa y reactiva en una red de transmisin tiene varios puntos fijos de funcionamiento del Estado, Un rayo cinturn abrochado tiene dos estados estables, En la ecologa de poblaciones, hay mltiples poblaciones de equilibrio de las especies que compiten.

No, consideremos el modelo de ecuaciones diferenciales lineales = Ax (1.1) con x Rn y A Rn x n, una matriz constante. El punto x = es un punto de equilibrio del sistema. Es decir, si el estado inicial en el tiempo t = 0 de la ecuacin diferencial (1.1) es 0, es decir, x (0) = 0, entonces el estado de la ecuacin sigue siendo 0 para todo t, es decir, x (t) 0. Si A es una matriz no singular, entonces x = 0 es el nico punto de equilibrio del sistema lineal. Si una singular, el conjunto de equilibrios del sistema es el espacio nulo de la matriz A. Se trata de un conjunto infinito de inexplicable punto de equilibrio, ya que si A fuera singular, una perturbacin infinitesimal de las entradas de A "es casi seguro que" la causa que se convierta en singular. En consecuencia, los sistemas lineales de la forma de (1.1) no puede robusta (en este caso con firmeza se utiliza en el sentido de ser cualitativamente insensible a los errores de modelado) permiten ms que una solucin de equilibrio. 2. Variacin peridica de las variables de estado o de ciclos lmite.

A modo de contraste, considere de nuevo el sistema lineal de (1,1). Si A Rn x n tiene valores propios en el eje imaginario (en adelante, el eje j), entonces el sistema lineal admite de un continuo de soluciones peridicas. Sin embargo, las pequeas perturbaciones de los elementos de A har que los valores propios de ser desplazados fuera del eje j y destruir la existencia de soluciones peridicas. Por lo tanto, una pequea variacin de parmetros en los modelos de sistema lineal se destruye la continuidad de soluciones peridicas, y en lugar de producir ya sea un punto de equilibrio estable o inestable. Por lo tanto, sistemas dinmicos lineales con soluciones peridicas no son modelos robustos. Como en el caso de mltiples puntos de equilibrio, existen sistemas con soluciones mltiples y peridicas. Estos pueden ser en nmero finito, en contraste con un nmero infinito de sistemas lineales con valores propios del eje j y en consecuencia no puede ser descrito por un modelo de ecuaciones diferenciales lineales. 3. Bifurcaciones

1. Hay

muchos ejemplos de sistemas cuyas caractersticas cualitativas, tales como el nmero de puntos de equilibrio, el nmero de ciclos lmite, y la estabilidad de estas caractersticas, los cambios con la variacin paramtrica en el modelo. Por ejemplo: Una barra bajo carga axial tiene un estado desabrochado como su estado de equilibrio hasta que la carga alcanza un valor crtico, momento en el que adquiere dos estados estables abrochado y desabrochado un estado inestable.

a)

Una vez ms, los casos de sistemas con variaciones peridicas de naturaleza robusta abundan en la prctica: Las ecuaciones diferenciales para el modelado de la generacin de impulsos nerviosos latidos del corazn y son de los denominados tipo van den Pol, que estudiaremos ms adelante. Que la naturaleza cclica de estos fenmenos se obtiene de un nico ciclo lmite estable. Otros ejemplos relacionados con el modelo peridicas contracciones musculares en el esfago y los intestinos.

b) El compresor de un cambio de motores a reaccin de la operacin en estado estacionario a un modo de operacin que est girando puesto cuando el ngulo de ataque de las palas alcanza un valor crtico. c) Los cambios de la unin de Josephson estado superconductor, o estado de resistencia cero (cuando existe un equilibrio estable nico), el estado de conduccin (cuando existe una rbita peridica y un

punto de equilibrio o simplemente una rbita peridica) como la cantidad de actual pasa por obligar a un valor crtico. d) El comportamiento de histresis en los valores actuales de ciertas resistencias de un puerto, tales como los diodos tnel, se produce cuando la tensin a travs de ellas se sube o baja. e) A medida que el ngulo de ataque de un avin cambia, una tasa constante huida rollo constante.

fluidos turbulentos. Estos sistemas evolucionan de maneras que son un poco ms sutil que las divergencias o la contratacin de exponenciales. Pequeos cambios en las condiciones iniciales pueden hacer las trayectorias muy diferentes en el tiempo. Estos se conocen como la dinmica catica o compleja. En la literatura de divulgacin cientfica, se trata de avanzada como razones para el "efecto mariposa" famosos: el batir de las alas de una bandada de mariposas en el parque central puede causar variaciones en el clima global de tal magnitud como para permitir que los tifones en China. Dinmica catica o complejas son ejemplos de dinmicas que no pueden ser generados por los modelos lineales.

Sistemas lineales con parmetros tienen un comportamiento que es mucho menos sutil. Como los parmetros del cambio de sistema, el sistema puede cambiar de estable a inestable. El nmero de equilibrios puede ir hasta el infinito si alguno de los valores propios de pasar por el origen, sin embargo, ninguno de los cambios descritos anteriormente pueden ser capturados por un modelo lineal parametrizado. 4. La sincronizacin y la frecuencia de arrastre tire al

LA COMPLEJIDAD DE LA DINMICA NO LINEAL Antes de comenzar un estudio sistemtico de los sistemas no lineales y su comportamiento asombrosamente rica, tenemos en cuenta la dinmica de una ecuacin en diferencias muy simple de primer orden, lo que revela algo de sutileza increble. Nosotros, por el momento, considerar un sistema discreto: xt + 1 = f (x) (1.2) Esta ecuacin representa la evolucin de una poblacin de moscas azules numeracin xt R en el tiempo t en una caja de tamao fijo con una fuente de alimentacin fija. Es cierto que, en realidad, la x de la poblacin es discreto, pero el modelo con x continua es sorprendente lo suficientemente robusta como para superar este inconveniente. Suponemos que la poblacin se mide en tiempos discretos y x es lo suficientemente grande como para que podamos asumir que es una variable contina. Este modelo fue el origen de una gran emocin cuando se estudi por May y Oster y validados por experimentos con una poblacin de mosca en Berkeley. En este ejemplo, tambin servir como un vehculo para introducir una tcnica interesante grfico para comprender la dinmica de sistemas no lineales discretos. La forma cualitativa de la funcin f se muestra en la Figura 1.1. para concretar el lector tal vez desee considerar la funcin f(x) = hx (1 - x), x [0,1]. (1.3)

Osciladores acoplados dbilmente cuando se sincronismo de fase y frecuencia, por ejemplo, en: a)

las clulas del msculo cardaco, las clulas musculares que causan los movimientos peristlticos del intestino y el esfago.

b) Fase Locked Loops para el seguimiento. Adems, como cambiar los parmetros de la prdida de sincronismo o de arrastre de frecuencia se caracteriza por la aparicin de un comportamiento complicado, por ejemplo, las arritmias (en el msculo del corazn) o saltar lazo (para la fase de bucle cerrado). No hay un modelo lineal de este fenmeno. 5. Comportamiento dinmico complejo

Vamos a contemplar el comportamiento dinmico del sistema lineal de (1,1). Es muy simple: las respuestas son sumas de exponenciales, con exponentes dados. Por los valores propios de la matriz A que sea la decadencia a cero o volar cuando t , cuando los valores propios de A no estn en el eje j, las soluciones de la ecuacin (1.1) ni la decadencia ni explotar para cualquier condicin inicial. Como hemos comentado anteriormente, este modelo no es robusto, ya que pequeas perturbaciones va a eliminar los valores propios fuera del eje j En contraste, el la dinmica de muchos sistemas fsicos puede ser una funcin compleja y delicada de las condiciones iniciales, por ejemplo, la dinmica de los modelos de poblacin, los modelos climticos y modelos de flujo de

Esta funcin tiene un nico mximo en x = de magnitud h / 4. De ello se desprende que para h 4, se asigna el intervalo [0,1] s mismo en. Con f de la ecuacin (1.3), el modelo 1.2 se conoce como el mapa logstico.

punto de interseccin que se quedara all, ya que en el punto de interseccin, xt + 1 = f (x) = x . En otras palabras, el punto de interseccin denota por x0* es un equilibrio. Tambin (verifique esto grficamente por s mismo) todas las condiciones iniciales cero, no importa lo pequeos que son, convergen en x0* para 1 h 3. Por lo tanto x0*es una poblacin en equilibrio estable. El cero de la poblacin.

Figura 1.1. La funcin de una sola joroba

Los modelos de la funcin f el hecho de que xt + 1 xt cuando la poblacin es pequea, por lo que el aumento de la poblacin (abundancia de alimentos y espacio vital). Adems xt + 1 xt cuando la poblacin es grande (competencia por el alimento y el aumento de la probabilidad de la enfermedad). Por lo tanto f (x) > x para x pequeas y f (x) < x para x grande. La figura 1.2 muestra cmo se resuelve la ecuacin (1.3) grficamente: una estrella, con el estado inicial x0 en el eje horizontal y se lee de x1 = f (x0) en el eje vertical. La lnea horizontal que se corta la lnea de 45 se corresponde con el proceso iterativo de sustitucin de x0 en el eje horizontal por x1. La iteracin contina ahora de manera progresiva la lectura de xt + 1 en el eje vertical y el uso de la interseccin de la lnea horizontal a travs de xt + 1 con la lnea de 45 reflejan xt + 1 sobre el eje horizontal. La consiguiente aparicin de la evolucin de la variable de estado de la poblacin es el de una telaraa. Este trmino es, en realidad, la terminologa utilizada por los economistas para una sencilla modelos tridimensionales de las polticas macroeconmicas de crecimiento del PIB y algunos fenmenos microeconmicos. Vamos a estudiar el efecto de elevar la altura de la joroba, sin aumentar su apoyo (es decir, el rango de valores (x) para los que f (x) 0) en la dinmica de la poblacin de moscas volar (modelar el efecto de un aumento en el suministro de alimentos). Para concretar, lo que corresponde al aumento de la h de parmetros en la funcin de (1,3). El caso 0 h 1. A unos minutos de reflexin (verifique esto por ti mismo) va a dejar en claro que para 0 h nunca 1 la grfica de f cruza la lnea de 45 grados xt + 1 = x, es decir, la curva y = f (x) se encuentra por debajo la recta y = x. en este caso xt tiende a cero montonamente en el paso t. esto corresponde a una situacin en la que la poblacin se extingue asintticamente por falta de alimentacin adecuada. El caso 1 h 3. Ahora aumenta la altura de la joroba, es decir, h 1. En cuenta la situacin de la figura 1.3, que muestra la grfica de f cruzar la lnea de 45 grados. Tenga en cuenta que si la poblacin tuviera que empezar en el

Figura 1.2. Solucin grfica de un sistema unidimensional

El equilibrio es inestable. El valor del parmetro en el que el cero de la poblacin que viene-inestable es h0 = 1. Hay que tener en cuenta que la poblacin es estable valor x0* funcin de h, dada por: x0*= 1 - 1/h. Por lo tanto, h = 2, el punto de equilibrio se mueve desde el lado izquierdo de la joroba en el lado derecho.

1. El caso 3 < h 1 +

= 3.449 El aumento de la altura de la joroba an ms, un poco de experimentacin grfica se muestra, como en la figura 1.4. Adems, Figura 1.4 muestra la telaraa en h1 = 3.25, lo que demuestra el inicio del ciclo de periodo lmite de 2. El h1 valor se llama una bifurcacin duplicacin del periodo punto. Un perodo de 2 ciclo lmite es equivalente a una plaza cerrada en la tela de araa en la figura 1.4 la participacin de la poblacin alterna entre dos valores de x *1 y x 2*. Otra forma de entender estos resultados es mediante el examen de la dinmica de la evolucin en dos etapas, a saber, x t + 1 = f (f (xt) ) =: f 2 (xt). (1.4)

Figure1.3. un equilibrio estable nico

La forma de la funcin f2(x) = f(x) o f(x), es decir f compuesta con f, (no confundir con el cuadrado de f ) es una curva de dos jorobas, donde f es empinada suficiente, como se muestra en la Figura 1.5. De hecho, f2 adquiere su carcter de doble joroba, precisamente cuando el valor del parmetro h = 3. Tenga en cuenta que la lnea de 45 grados cruza la curva de dos jorobas de la Figura 1.5 en tres puntos para h> 3 en la interseccin media corresponde al perodo del 1 solucin, que ahora es inestable en el sentido de que todas las poblaciones no es exactamente igual a x*0 tienden lejos de l (como se puede verificar grficamente) y hacia el perodo de dos soluciones (vase tambin el problema 1.4). Tambin, tenga en cuenta que tanto los puntos x*1, x*2 son los equilibrios del sistema de la ecuacin (1.4). As, la interpretacin de la dinmica del sistema de (1,4) es uno de estrobo o el muestreo de la dinmica del sistema de (1,3) y ms visual, el retrato de la figura 1.4 cada dos pasos de tiempo.

Figura 1.4. Un perodo de 2 ciclo lmite

Figura 1.5 la grfica de f 2

2. El caso 3.449 < h 30570.

La extrapolacin de estas observaciones, se puede conjeturar que la altura de la joroba original es mayor, el perodo de dos ciclo lmite se vuelve inestable y es sustituido por un ciclo lmite perodo de estabilidad 4 que afecta a cuatro puntos. Asociados con esta respuesta es el sistema que corresponde a f4, que b 4 joroba para este caso. Adems, la lnea 45 que se cruzan la curva de siete puntos que corresponden respectivamente a un perodo de inestabilidad 1 punto en dos perodos inestables de 2 puntos, y un perodo de 4 puntos (la formacin de un perodo de 4 de ciclo lmite). Esta intuicin est en lo correcto, y un perodo de 4 tiempos lmite aparece en h2 = 3.449, pero su verificacin formal de las necesidades de clculo sistemtico y un esfuerzo considerable. Por lo tanto, h2 = 3.449 es el segundo perodo duplicar punto de bifurcacin.

Si este programa se lleva adelante an ms, puntos del periodo 2k estrella que aparece cada vez con ms frecuencia en h, por ejemplo, ocho periodo de 8 = 23 puntos aparecen en h3=3.544 diecisis perodo 16 = 24 puntos aparecen en h4 = 3,564 y as sucesivamente. De hecho, Feigenbaum ha demostrado que,

de manera que la secuencia de bifurcaciones duplicacin del periodo geomtrico se acerca rpidamente a los puntos peridicos de todos los perodos de 2n,n = 1,2,3,.., y la desestabilizacin de los ciclos correspondientes lmite de periodos 2n 1 se conoce como la secuencia de bifurcaciones duplicacin de periodo. En realidad, la caracterstica notable del teorema de Feigenbaum es que la relacin de la bifurcacin

Figura 1.7. Puntos de equilibrio Estable e Inestable como una funcin de la altura de la joroba

Figura 1.6 Un perodo de 3 ciclos lmite

Valores es exactamente 4,6692..., no slo para el mapa especfico de logstica que hemos considerado, sino tambin para otros un mapa de parmetros que estn "cerca" de ella. 3. El caso de 3.570 <h <3,839. En este rango del parmetro h, la dinmica del mapa logstico son muy complicadas. Para algunas condiciones iniciales las interacciones son peridicas y la trayectoria parece vagar. De hecho el mapa logstico a sido usado como un generador de nmeros al azar en este rgimen (de hecho en el prximo rgimen tambin) Tambin estn todos los puntos peridicos del periodo 2n al igual que algunos otros puntos peridicos.

Un complot de la secuencia de bifurcacin del mapa logstico mostrando el periodo doblando la bifurcacin dada en la figura 1.7. En trminos de poblacin ecolgica, no es sorpresa que poblacin salvaje parecen estar bien dentro de la regin no catica; variacin de la poblacin catica no parecen conducentes a la supervivencia. Sin embargo si es posible producir condiciones para fluctuaciones en poblacin catica como ha sido hecho por May y Oster en un laboratorio usando moscardones. Es de obvio inters el comprender cuales caractersticas cualitativas de este increblemente delicado y complejo comportamiento son percibidos en mapas de una joroba mas general que el mapa logstico. Sorprendentemente, la mayora de la caractersticas cualitativas son reservadas, y la secuencia de bifurcacin describida arriba es referida como periodo de doble ruta al caos. En una interesante generalizacin del anlisis de mapa logstico por Sharkovskii, que en realidad precede el trabajo de Li y Yorke, Sharkovskii ordeno los nmeros pares como:

4. El caso 3.839 h 4
En h = 3.839, Hay por primera vez un punto peridico de periodo 3, ie., un punto arreglado de f3 = f f f (ver problema 1.5). El diagrama de tele de araa mostrando el punto peridico 3 mostrado en la figura 1.6. De hecho en el valor de h, hay puntos peridicos de arbitrario al igual como algunos puntos peridicos. El descubrimiento de estos valores fue el titulo de un punto de referencia documento por Li y Yorke, periodo tres implica caos. La rbita del periodo 3 es la nica orbita que es estable para pequeas perturbaciones y es la nica que es fcil de obtener de experimentos numricos. Como el valor de h es incrementado hay un periodo duplicando la bifurcacin de el periodo orbita 3 a un estable periodo orbita 6. Esto, en turno, cambia por periodo duplicando a un estable periodo orbita 12 y as sucesiva mente y asombrosamente una vez ms el numero Feigenbuam: 4.6692. Como resulta el resultado de Li y Yorke era un caso especial de un resultado anterior de Sharkovskii que discutiremos en breve. Eso son los enteros impares excepto 1, seguido por 22 por el entero impar excepto 1, seguido por 23 por el entero impar y as sucesiva mente la cola echa de la ordenacin esta echa del poder disminuciones del 2. El despus mostro que para un sistema arbitrario en la forma de (1.2), si el tiempo del sistema discreto es tiene un punto de cierto periodo, tiene puntos de todos los periodos menores que ese en el orden de Sharkovskii. Por lo tanto en particular si el sistema tiene un punto de 3, tiene puntos de periodo arbitrario. En el contexto de nuestro ejemplo del (1.3), esto ocurre en h = 3.839. Por lo tanto en estos valores de h o mayores, la poblacin x, puede variar en una manera muy complicada con gran sensibilidad para las condiciones iniciales SUTILEZAS DEL ANALISIS DE SISTEMAS NO LINEALES Sistemas no lineales son capases de muchos y complejos comportamientos. Anlisis de sistemas no lineales se diferencia del sistema linear en dos maneras: COMPLEJIDAD EN DINMICAS NO LINALES

Generalmente hablando, uno puede obtener una solucin en forma cerrada para sistema lineal. Para sistemas no lineales esto es raro. A consecuencias ah una necesidad para tanto conocimiento cualitativo y repetidas simulaciones para verificacin cualitativa. Entendimiento cualitativo es importante desde entonces, aunque tuviramos las computadoras ms poderosas a nuestra disposicin, simulacin excesiva seria probable mente muy costosa. (El lector puede elegir divertirse un poco con la consideracin cuanto tiempo se necesitara para simular una ecuacin con ms o menos 10 estados y una red de discretizacion y para condiciones iniciales como 10 por unidad a lo largo de cada existencia para las condiciones iniciales) 2. El anlisis involucra herramientas matemticas que son ms avanzadas en concepto e involucradas en detalle. Considera por ejemplo, sistemas no lineales cuya dinmica puede ser describida en vectores de primera orden en la forma de ecuaciones = f(x,u,t), x(0) = x0 (1.5)

1.

Considera la ecuacin diferencial = 3x2/3 , x(0) = 0. ALGORITMOS DE PROGRAMACIN NO LINEAL Los mtodos de solucin de la programacin no lineal se pueden clasificar, de manera general en algoritmos directos o indirectos. Como ejemplo de los mtodos directos estn los algoritmos de gradiente, donde se busca el mximo, o el mnimo de un problema siguiendo la mayor tasa de aumento o disminucin de la funcin objetivo. En los mtodos indirectos, el problema original se sustituye por otro del cual se determina el ptimo. Como ejemplos de estos casos estn la programacin cuadrtica, la programacin separable y la programacin estocstica. Algoritmos sin restriccin En esta seccin se presentan dos algoritmos para el problema no restringido: el algoritmo de bsqueda directa y el algoritmo de gradiente. Mtodo de bsqueda directa Los mtodos de bsqueda se aplican principalmente a funciones estrictamente unimodales de una variable. Aunque parecer trivial en el caso, la idea es identificar el intervalo de incertidumbre que comprenda al punto de solucin ptima. El procedimiento localiza el optimizacin estrechando en forma progresiva el intervalo de incertidumbre hasta cualquier grado de exactitud que se desee.[7] INTRODUCCIN A LA PROGRAMACIN NO LINEAL La programacin no lineal tiene como objetivo la optimizacin de funciones no lineales o lineales sujeto a restricciones no lineales. Las tpicas reas de aplicacin son procesos qumicos, valoracin de precios, proyectos, problemas de diseo estructural, ajuste de curvas asignacin de recursos, diseo de proceso, etc. En el campo de la programacin matemtica se basa principalmente en el rea de la programacin lineal. Es demasiada la aportacin que existe sobre esa rea que es posible resolver la mayora de los problemas lineales planteados. Por lo contrario con los mtodos que hay para resolver problemas de programacin no lineal es muy bajo su rango de aplicacin de los algoritmos no lineales existentes es muy limitado. Clasificacin de los mtodos de optimizacin Los mtodos de optimizacin se pueden clasificar como: Mtodos analticos. Mtodos numricos Mtodos grficos Mtodos experimentales (1.7)[6]

Aqu es el estado vector, x Rn es x0 el estado del sistema en el tiempo 0 y x Rm es el control o funcin de fuerza. SI ecuacin (1.5) fuera a fin en x y u por cada t, uno esperara que correspondera a cada entrada u (.): . (1.5) tiene al menos una solucin perteneciente a algunas clases de funciones (existencia de una solucin). . (1.5) tiene exactamente una solucin en la misma clase como arriba (unicidad de la solucin). . (1.5) tiene exactamente una solucin para todo tiempo, i.e, en [0, ] (existencia de la solucin asta t = ). Toma en cuenta que los requerimientos despus en esta lista exitosa mente subsume la anterior: Se ponen mas demandantes en su generalidad de (1.5), ninguno de las declaraciones anteriores de arriba son verdaderos para sistemas no lineales. Ahora daremos ejemplos de sistemas que violan los tres requerimientos anteriores. Falta de existencia de soluciones. = -sing (x), x(0) = 0. (1.6)

Aqu el signo (x) es definido para ser 1 si x y el signo (x) = -1 si x < 0. Por consiguiente, no puede haber funcin continua diferenciable satisfaciendo (1.6). Sin embargo, el sistema es un modelo aceptable de la dinmica de un termostato de la temperatura del punto, modelado por x = 0 (uno puede imaginarse el horno encendido al mximo cuando la temperatura cae por debajo el punto puesto y el aire acondicionado encendido a toda potencia cuando el termostato se eleva por sobre el punto indicado) En realidad, pudiste haber notado que algunos termostatos tienden a quebrarse sobre su punto arreglado. Alguna vez as pensado en como podras aplacar el que se quiebre? 1. Falta de soluciones nicas.

Analticos: emplean las tcnicas de clculo diferencial. Estos mtodos buscan los extremos de una funcin mediante valores de x que hacen que la derivada de f(x) con respecto de x sea 0. Si la tiene adems restricciones se deben de utilizar tcnicas tales como los multiplicadores de langrage. Pero estos mtodos no suelen ser apropiados para todos los problemas no lineales. Los numricos: la utilizacin de informacin pasada para generar una mejor solucin del problema a optimizar por medio de procedimientos interactivos. Grficos: consiste en preparar una grafica de la funcin a optimizar, para obtener la funcin con el extremo de la grafica, con este mtodo podrs darte cuenta si existe o no una funcin. Experimental: podemos obtener el extremo de la funcin por medio de experimentacin de las variables reales. Con los resultado obtenidos se decidir donde realizar el siguiente experimento y as lograr mejores variables. Dificultades de la optimizacin Existe una seria de dificultades en la optimizacin de modelos de procesos reales que se pueden clasificar dentro de dos categoras: Una se refiere a la formacin del modelo matemtico del proceso Y la otra a las tcnicas de resolucin numrica. Se deber plantear adecuadamente las caractersticas del proceso real El modelo matemtico contiene las funciones a utilizar en la optimizacin, se debe de representar adecuadamente las caractersticas del proceso real en el mtodo formulado, aun cuando se plantee bien el modelo, se pueden encontrar una serie de dificultades como por ejemplo: Alguna de las restricciones e incluso el criterio a optimizar se puede hacer infinito su rango de bsqueda de extremo. Tambin podra ser que las derivadas parciales de las funciones llegaran a tender a ser infinitas. Son propensas a estos riesgos los modelos que tienen polinomios en el denominador. La forma de acabar con esta dificultad es limitar convenientemente el rango de las variables independientes, aadiendo restricciones o replanteando nuestro modelo matemtico. El criterio a optimizar puede ser sensible a cambios en las variables independientes, pudiendo as llegar a obter un falso extremo. El poder llegar a existir un escalamiento entre las variable. Esto podra llegar a ocurrir cuando uno de los trminos en la funcin a optimizar es de un orden de magnitud muy diferente que el otro. Entonces la funcin es insensible a cambios en los valores de las variables que pertenecen a los trminos pequeos.

EL PROBLEMA DE

PROGRAMACIN NO LINEAL

En ingeniera el analista se encuentra normalmente enfrentndose con el problema de optimizar determinadas fusiones, llamadas funciones objetivos, que representa costos, rendimientos, ganancias, perdidas, etc.. sujetas a ciertas restricciones la mayora de los estos problemas de optimizacin cuando los plantean de forma matemtica se pueden agrupar en una categora de problemas de programacin no lineal. PROBLEMA DE PROGRAMACIN NO LINEAL GENERAL Tiene como finalidad optimizar el problema, encontrar un extremo de la funcin objetivo que est sujeta a restricciones de igualdad y/o desigualdad , pudiendo ser estas lineales o no lineales. En programacin no lineal general podemos excluir de toda consideracin los siguientes casos especiales: a) Cuando las variables estn restringidas a valores enteros. b) Cuando las restricciones incluyen el parmetro tiempo formado ecuaciones diferenciales El problema de programacin no lineal general se puede formular como:

Min f(x) Sujeto a m lineales y/o no lineales restricciones de igualdad; Hj (x) = 0 j = 1,2,m

Y(p-m) lineales y/o no lineales restricciones de desigualdad; Gj (x) 0 j = m + 1,2,m x= [x1,.,xn]T EN Una representacin alternativa de las expresiones anteriores podra ser: Min { f (x) / x R } donde R es un dominio de x definido como: R = { X/hj = 0 0 Vj } Los problemas de programacin cuadrtica y lineal se pueden considerar dos casos especiales del problema de programacin no lineal general. Cuando la funcin objetivo, las igualdades y desigualdades son todas lineales, obtenemos un problema de programacin lineal. En caso de que la funcin objetivo sea cuadrtica y las restricciones lineales se obtiene el problema de programacin cuadrtica que se puede formular como sigue: Min f(x) = a0 + cT x + xT Qx Sujeto a: aT x b

Donde a y b son las matrices de coeficientes y Q es un matriz cuadrada simtrica definida positiva o semidefinida positiva. [8] Introduccin de los modelos de optimizacin no lineales Las funciones o relaciones matemticas que intervienen en muchos problemas empresariales y econmicos no son totalmente lineales. De hecho, tal vez podemos decir que los problemas del mundo real que encajan en el estricto molde de la linealidad son la excepcin y no la regla. Pongamos un ejemplo sencillo. En un modelo lineal, suele suponerse que el precio es una constante dada, digamos p y las ventas es la cantidad por venderse es una variable x supuestamente independiente del precio. Por consiguiente, el ingreso se expresa como px y y decimos que es proporcional al precio. Sin embargo el precio puede son en realidad un variable y la cantidad vendida la demanda puede ser dependiente del precio. Esta dependencia se expresa como ventas = f(p), donde f es una funcin especfica (no constante) de p. as el ingreso estara representado por Ingreso=precio x ventas = p X f(p) que es no lineal en la variable p. en este caso un modelo para encontrar que maximice los ingresos seria un modelo no lineal. En general, algunas razones importantes (y no necesaria mente distintivas) de la no linealidad son: 1. Relaciones no proporcionales 2. 3. Relaciones no aditivas Las eficiencias o ineficiencias de la escala

En suma cualquier numero de relaciones fsicas, estructurales, ideolgicas econmicas y lgicas puede dar lugar a la aparicin de las caractersticas de no linealidad e un modelo. Un modelo solo es una representacin abstracta de la realidad. Es importante saber que cuando se formula un modelo es saber cundo una versin linealizada puede proporcionar una representacin adecuada del mundo no lineal.[8] Ejemplo 1 Considere el problema P) min -2x1x2 - 2x2 + x12 + 2x22 s.a. (x1, x2) R2

[9] EJEMPLO DEL METODO DE NEWTON La escritura de un software de computadora consiste en implementar un mtodo de solucin de un problema, que se ha diseado previamente. Normalmente este mtodo es independiente del ordenador utilizado. En cualquier caso el mtodo no en el programa, el que debe estudiarse para comprender como est siendo abordado el problema que es adecuado para su implementacin como programa de computadora. Los algoritmos son la esencia de la informtica. Muchos algoritmos interesantes llevan implcitos mtodos de organizacin de los datos utilizados en el clculo. Los objetos creados de esta manera se denominan planteamiento de datos, o estructura de datos. As estructura de datos y algoritmos estn ntimamente relacionados. Las estructuras de datos son el producto secundario o finales de los algoritmos, por lo que es necesario estudiarlos con el fin de comprender los algoritmos. Un algoritmo simple puede crear un estructura de datos complicada y un algoritmo complicado puede utilizar estructura de datos simples. Cuando se desarrolla un programa muy grande unas partes del esfuerzo se centra a comprender y definir el problema a resolver, analizar su complejidad y descomponerlo en subprogramas ms pequeos que puedan llevarse a cabo ms fcil mente. Los programas estn frecuente mente sobre optimizados. Podra llegar a ser no tan favorable esmerarse excesivamente para asegurarse de que una relacin sea lo ms eficientemente posible al menos que se trate de un algoritmo susceptible de utilizarse en una tarea muy amplia o que sea utilizado muchas veces. En otros casos bastara una implementacin relativamente simple, se puede tener una cierta confianza en que funcionara, posiblemente que llegue a tardar un poco ms. Por lo contrario la eleccin del algoritmo inadecuado desde un principio puede ocurrir una gran diferencia de cambio de tiempo de ejecucin. 1. Los mtodos de ordenacin son de gran importancia para reorganizar archivos en un orden determinado. Se desarrollan, describen y comparan un gran nmero de mtodos. Se tratan algoritmos para diversos enunciados de problemas, como colas de prioridad, seleccin y fusin. 2. Tambin es muy importante los mtodos de bsqueda de datos en los archivos.

3.

4.

5.

6.

Los algoritmos de procesamiento de cadenas incluyen mtodos de manipulacin de sucesiones de caracteres. Estos mtodos conducen al reconocimiento de patrones en las cadenas que a su vez conduce a su anlisis. Los algoritmos geomtricos son un conjunto de mtodos de resolucin de problemas a base de puntos y rectas.se estudian algoritmos para buscar el cerco convexo de un conjunto de puntos para encontrar interacciones entre objetos, para resolver problemas de proximidad y para la bsqueda multidimensional. Los algoritmos sobre grafos: son tiles para una gran variedad de problemas difciles. Se desarrolla una estrategia para la bsqueda de grafos y se aplican a los problemas fundamentales de conectividad, como darnos cuenta de cul es el camino ms corto, el flujo de red, concordancia y el rbol de expansin mnimo. Los algoritmos matemticos: estos presentas mtodos fundamentales que originan de anlisis numricos y de la aritmtica. [10]

8.

elaborado en C facilitar el sistema operativo sobre el que estemos trabajando. Potencia de un ensamblador: es posible trabajar con el lenguaje C como si se tratara de un lenguaje ensamblador. Dispone de un gran nmero de operadores de bits, permite un fcil acceso a la memoria, generando un cdigo muy rpido.

Inconvenientes: 1. Muy poca disposicin de datos. 2. Tipos de datos demasiado prximos a la maquina. 3. Control de tipos poco severos: El compilador no tiene un gran control de las operaciones que se realizan con los datos. 4. No dispone de un gestor de memoria integrado. 5. Carece de instrucciones de entrad y salida. Las que se utilizan son funciones de biblioteca. Es fcil escribir programas pocos legibles. El C nos permite escribir expresiones muy difciles, que nos pueden resultar no muy legibles.[11] Fichero fuente y programa o cdigo de fuente: Los programas C y C++ se escriben con la ayuda de un editor de textos del mismo modo que cualquier texto corriente. Los ficheros que contiene programas en C o C++ en forma de texto se conocen como ficheros fuente, y el texto del programa que contiene se conoce como programa fuente. Nosotros siempre escribiremos programas fuente y los guardaremos en ficheros fuente. Ficheros objeto, cdigo objeto y compiladores: Los programas fuente no pueden ejecutarse. Son ficheros de texto, pensados para que los comprendan los seres humanos, pero incomprensibles para los ordenadores. Para conseguir un programa ejecutable hay que seguir algunos pasos. El primero es compilar o traducir el programa fuente a su cdigo objeto equivalente. Este es el trabajo que hacen los compiladores de C y C++. Consiste en obtener un fichero equivalente a nuestro programa fuente comprensible para el ordenador, ste fichero se conoce como fichero objeto, y su contenido como cdigo objeto. Los compiladores son programas que leen un fichero de texto que contiene el programa fuente y generan un fichero que contiene el cdigo objeto. El cdigo objeto no tiene ningn significado para los seres humanos, al menos no directamente. Adems es diferente para cada ordenador y para cada sistema operativo. Por lo tanto existen diferentes compiladores para diferentes sistemas operativos y para cada tipo de ordenador. Libreras: Junto con los compiladores de C y C++, se incluyen ciertos ficheros llamados libreras. Las libreras contienen el cdigo objeto de muchos programas que permiten hacer cosas comunes, como leer el teclado, escribir en la pantalla, manejar nmeros, realizar funciones matemticas, etc. Las libreras

El lenguaje de programacin C fue desarrollado por Dennis Ritchie en los laboratorios Bell del a empresa de comunicaciones ahora conocida como AT&T, en 1973, C fue creado inicialmente con un propsito el cual era el diseo del sistema operativo UNIXA. Sin embargo sin embargo rpidamente se revelo como un lenguaje muy potente y flexible lo provoco que su uso se extendiese rpidamente, incluso fuera de AT&T de esta manera programadores de todo el mundo empezaron a usar el lenguaje C para escribir programas de todo tipo. En 1983 el instituto nacional de estndares americanos (ANSI) cre un comit para establecer una definicin estndar de C que fuese no ambigua e independiente de la arquitectura interna de cualquier ordenador. Finalmente en 1989 se estableci el estndar ANSI C. actualmente cualquier compilador moderno soporta ANSI C. Caractersticas generales del C Ventajas: 1. Lenguaje de propsito general: no est diseado para ningn tipo de software en particular, se puede emplear para realizar casi cualquier tipo de programas. 2. Juego de operadores muy rico: la gran variedad de operadores que permiten realizar muy diversas acciones. 3. Concisin de los programas: el que se pueden realizar muchas acciones con pocas pasos. 4. Permite la solucin recurrente (tomar atajos). 5. Los compiladores de C son rpidos y compactos. 6. Son muy fcil de trasladar de un sistema a otro, (portabilidad), ya una vez copilado , puede ser ejecutado. 7. Utilizaciones simples de las primitivas del sistema operativo: es muy fcil de entrar desde un programa

estn clasificadas por el tipo de trabajos que hacen, hay libreras de entrada y salida, matemticas, de manejo de memoria, de manejo de textos, etc. Hay un conjunto de libreras muy especiales, que se incluyen con todos los compiladores de C y de C++. Son las libreras ANSI o estndar. Pero tambin hay libreras no estndar, y dentro de estas las hay pblicas y comerciales. En ste curso slo usaremos libreras ANSI. Ficheros ejecutables y enlazadores: Cuando obtenemos el fichero objeto, an no hemos terminado el proceso. El fichero objeto, a pesar de ser comprensible para el ordenador, no puede ser ejecutado. Hay varias razones para eso: 1. Nuestros programas usaran, en general, funciones que estarn incluidas en libreras externas, ya sean ANSI o no. Es necesario combinar nuestro fichero objeto con esas libreras para obtener un ejecutable. Muy a menudo, nuestros programas estarn compuestos por varios ficheros fuente, y de cada uno de ellos se obtendr un fichero objeto. Es necesario unir todos los ficheros objeto, ms las libreras en un nico fichero ejecutable. Hay que dar ciertas instrucciones al ordenador para que cargue en memoria el programa y los datos, y para que organice la memoria de modo que se disponga de una pila de tamao adecuado, etc. La pila es una zona de memoria que se usa para que el programa intercambie datos con otros programas o con otras partes del propio programa. Veremos esto con ms detalle durante el curso.

estn definidas en ninguno de los ficheros objetos ni en las libreras. Puede que hayamos olvidado incluir alguna librera, o algn fichero objeto, o puede que hayamos olvidado definir alguna funcin o variable, o lo hayamos hecho mal. Errores de ejecucin: incluso despus de obtener un fichero ejecutable, es posible que se produzcan errores. En el caso de los errores de ejecucin normalmente no obtendremos mensajes de error, sino que simplemente el programa terminar bruscamente. Estos errores son ms difciles de detectar y corregir. Existen programas auxiliares para buscar estos errores, son los llamados depuradores. Estos programas permiten detener la ejecucin de nuestros programas, inspeccionar variables y ejecutar nuestro programa paso a paso. Esto resulta til para detectar excepciones, errores sutiles, y fallos que se presentan dependiendo de circunstancias distintas. Errores de diseo: finalmente los errores ms difciles de corregir y prevenir. Si nos hemos equivocado al disear nuestro algoritmo, no habr ningn programa que nos pueda ayudar a corregir los nuestros. Contra estos errores slo cabe practicar y pensar. Propsito de C y C++ Qu clase de programas y aplicaciones se pueden crear usando C y C++? La respuesta es muy sencilla: TODOS. Tanto C como C++ son lenguajes de programacin de propsito general. Todo puede programarse con ellos, desde sistemas operativos y compiladores hasta aplicaciones de bases de datos y procesadores de texto, pasando por juegos, aplicaciones a medida, etc. Oirs y leers mucho sobre ste tema. Sobre todo diciendo que estos lenguajes son complicados y que requieren pginas y pginas de cdigo para hacer cosas que con otros lenguajes se hacen con pocas lneas. Esto es una verdad a medias. Es cierto que un listado completo de un programa en C o C++ para gestin de bases de datos (por poner un ejemplo) puede requerir varios miles de lneas de cdigo, y que su equivalente en Visual Basic slo requiere unos pocos cientos. Pero detrs de cada lnea de estos compiladores de alto nivel hay cientos de lneas de cdigo en C, la mayor parte de estos compiladores estn respaldados por enormes libreras escritas en C. Nada te impide a ti, como programador, usar libreras, e incluso crear las tuyas propias. Una de las propiedades de C y C++ es la reutilizacin del cdigo en forma de libreras de usuario. Despus de un tiempo trabajando, todos los programadores desarrollan sus propias libreras para aquellas cosas que hacen frecuentemente.[12] UN EJEMPLOS DE PROGRAMCION C

2.

3.

Errores: Por supuesto, somos humanos, y por lo tanto nos equivocamos. Los errores de programacin pueden clasificarse en varios tipos, dependiendo de la fase en que se presenten. Errores de sintaxis: son errores en el programa fuente. Pueden deberse a palabras reservadas mal escritas, expresiones errneas o incompletas, variables que no existen, etc. Los errores de sintaxis se detectan en la fase de compilacin. El compilador, adems de generar el cdigo objeto, nos dar una lista de errores de sintaxis. De hecho nos dar slo una cosa o la otra, ya que si hay errores no es posible generar un cdigo objeto. Avisos: adems de errores, el compilador puede dar tambin avisos. Los avisos son errores, pero no lo suficientemente graves como para impedir la generacin del cdigo objeto. No obstante, es importante corregir estos avisos, ya que el compilador tiene que decidir entre varias opciones, y sus decisiones no tienen por qu coincidir con lo que nosotros pretendemos, se basan en las directivas que los creadores del compilador decidieron durante su creacin. Errores de enlazado: el programa enlazador tambin puede encontrar errores. Normalmente se refieren a funciones que no

1.

Un programa que calcula el cuadrado y el cubo de os nmeros y los muestra en pantalla:

# include < stdio.h > Void main( ) { /* declaramos las variables a utilizar */ float x=0.0, y=0.0, x2=0.0, x3=0.0, y3=0.0; /*lectura de las variables*/ Prinf (\nintroducir dos valores reales separados por coma: n); scan(n%f, %f, &x,&y); /* hallamos el cuadro de las dos variables leidas */ x2 = x * x; y2 = y * y; /* hallamos el cuadro de las dos variables leidas */ X3 = x2 * x; Y3 = y2 * y; /* mostramos por pantalla los datos y los resultados */ Printf (\n El cuadrado de [%f] es: %f. \tY el cubo es %f, x, x2, x3); Printf (\n El cuadrado de [%f] es: %f. \tY el cubo es %f, y, y2, y3); }

orientada a objetos pantalla del sistema. "La discusin resultante sent las bases intelectuales para el kit de herramientas multiplataforma orientado a objetos GUI que pronto van a construir. En 1991, comenz a escribir Haavard las clases que finalmente se convirti en Qt, colaborando con Eirik en el diseo. Al ao siguiente, Eirik vino la idea de "seales y slots", un paradigma de interfaz grfica de usuario de programacin simple pero poderoso. Haavard tom la idea y produjo una implementacin de codificacin manual. En 1993, Haavard y Eirik haban desarrollado el primer ncleo de grficos de Qt y fueron capaces de poner en prctica sus propios widgets. Al final del ao, Haavard sugiri que que entrar en un negocio conjunto para construir "el mejor del mundo C + + GUI toolkit". He aqu un programa Qt muy simple: 001 #include <qapplication.h> 002 #include <qlabel.h> 003 int main (int argc, char *argv[]) 004 { 005 QApplication app (argc, argv); 006 QLabel *label = new QLabe l("Hello Qt!", 0); 007 app.setMainWidget (label); 008 label->show (); 009 return app.exec (); 010 } En primer lugar, va a estudiar lnea por lnea, entonces veremos cmo compilarlo y ejecutarlo. Las lneas 1 y 2 incluyen las definiciones de las clases y QApplication QLabel. La lnea 5 se crea un objeto QApplication para gestionar toda la aplicacin de recursos. El constructor QApplication requiere argc y argv porque Qt soporta algunos argumentos de lnea de comandos propios. La lnea 6 crea un widget QLabel que muestra "Hola Qt". En la terminologa de Qt, un widget es un elemento visual en una interfaz de usuario. Botones, mens, barras de desplazamiento, y los marcos son ejemplos de widgets. Los widgets pueden contener otros widgets, por ejemplo, una ventana de aplicacin es generalmente un widget que contiene una QMenuBar, QToolBar uno, QStatusBar uno, y algunos otros controles. El argumento de 0 al constructor QLabel (un puntero nulo) significa que el widget es una ventana en su propio derecho, no un flash dentro de otra ventana. Lnea 7 makesthe etiqueta del widget application'smain. Cuando el usuario cierra el widget principal (haciendo clic en X en la barra de ttulo de la ventana, por ejemplo), el programa termina. Sin un widget principal, el programa sigue corriendo en segundo plano, incluso despus de que el usuario ha cerrado la ventana.

2. Un programa en C que lee un carcter desde teclado y

muestra en pantalla su cdigo ASCII #include < stdio.h > Main ( ) { int a; printf (dame un carcter:); scanf (%c, &a); printf ( El cdigo ASCII del carcter %c es %d, a,a); }[12] UNA BREVE HISTORIA DE QT El kit de herramientas Qt por primera vez disponible al pblico en mayo de 1995. Al principio fue desarrollado por Haavard Nord (CEO de Trolltech) y Eirik Chambe-Eng (Trolltech presidente). Haavard y Eirik se conocieron en el Instituto Noruego de Tecnologa en Trondheim, Noruega, donde ambos se graduaron con maestra en ciencias de la computacin. Inters Haavard en C + + GUI desarrollo comenz en 1988 cuando recibi el encargo por una empresa sueca para disear e implementar un C + + GUI toolkit. Un par de aos ms tarde, en el verano de 1990, Haavard y Eirik se trabajando juntos en una aplicacin C + + base de datos de imgenes de ultrasonido. La del sistema necesarios para poder ejecutar con una interfaz grfica de usuario en Unix, Macintosh, and Windows. Un da de ese verano, y Eirik Haavard sali a disfrutar del sol, y mientras estaban sentados en un banco del parque, Haavard dijo: "Necesitamos una

La lnea 8 tiene la etiqueta visible. Widgets se crean siempre oculta, de modo que podemos personalizar antes de mostrarlos, a fin de evitar el parpadeo. Lnea 9 pasa el control de la aplicacin a Qt. En este punto, el programa entra en una especie de modo stand-by, donde se espera a que las acciones del usuario, como clics del mouse y pulsaciones de teclas.

5.

6. Acciones de los usuarios generar eventos (tambin llamados "mensajes") en que el programa puede responder, por lo general mediante la ejecucin de una o ms funciones. En este sentido, las aplicaciones de interfaz grfica de usuario difieren drsticamente de los programas de lotes convencionales, que por lo general de entrada del proceso, resultados, y terminar sin intervencin humana.

problema del camino ms corto, flujo mximo, rbol generador, y problema del agente viajero. Nonlinear programming (NLP): permite resolver problemas no lineales irrestringidos utilizando mtodos de bsqueda lineal, y problemas no lineales con restricciones utilizando el mtodo SUMT (funcin objetivo con penalizaciones sobre el incumplimiento de las restricciones). PERT/CPM: mdulo de gestin de proyectos en los que hay que realizar varias actividades con relaciones de precedencia[14] CONCLUSION

Comprend que programacin no lineal es la manera para resolver un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones (su funcin objetivo no son lineales) representara una curva o varias, el algoritmo son los pasos a seguir para resolver dicho sistema, y por lo general los problemas con los que uno se encuentra en la vida cotidiana suelen ser de este tipo (Programacin No Lineal). hay barias formas de resolver estos problemas como algunos programas como el explicado anteriormente. REFERENCIAS

Hola en Windows XP. [13]

UN PROGRAMA PARA RESOLVER ESTE TIPO DE PROBLEMAS WinQSB es un sistema interactivo de ayuda a la toma de decisiones que contiene herramientas muy tiles para resolver distintos tipos de problemas en el campo de la investigacin operativa. El sistema est formado por distintos mdulos, uno para cada tipo de modelo o problema. Entre ellos destacaremos los siguientes: 1. Linear programming (LP) and integer linear programming (ILP): este mdulo incluye los programas necesarios para resolver el problema de programacin lineal grficamente o utilizando el algoritmo del Simplex; tambin permite resolver los problemas de programacin lineal entera utilizando el procedimiento de Ramificacin y Acotacin (Branch&Bound). 2. Linear goal programming (GP) and integer linear goal programming (IGP): resuelve modelos de programacin multiobjetivo con restricciones lineales. 3. Quadratic programming (QP) and integer quadratic programming (IQP): resuelve el problema de programacin cuadrtica, es decir, problemas con funcin objetivo cuadrtica y restricciones lineales. Utiliza un mtodo Simplex adaptado. Los modelos de IQP los resuelve utilizando algoritmos de ramificacin y acotacin. 4. Network modeling (NET): incluye programas especficos para resolver el problema del transbordo, el problema del transporte, el de asignacin, el