This research work solves the problem of least squares that requires inner elipsoid algorithm to determine the descent direction; giving solution to linear programming problems by means of this methodof interior points. We solve the least squares problem using auxiliary function with logarithmic barrier and an approximation of the original matrix factorization by a matrix of rank one update to nally use the Sherman-Morrison-Woodburry formula and determining the inverse of the current matrix thus solving the least squares problem and obtaining a approximation to the descent direction.

This paper presents the theory that guarantees the convexification of a strictly monotone function. We proves a theorem and two corollaries for convexification of strictly monotones functions twice continuously differentiable, then the generalization of these results is presented for convexication of nondifferentiable strictly monotones functions. Both cases are exemplars. This results are using in optimization nonsmooth.

This research work solves the problem of least squares that requires inner elipsoid algorithm to determine the descent direction; giving solution to linear programming problems by means of this methodof interior points. We solve the least squares problem using auxiliary function with logarithmic barrier and an approximation of the original matrix factorization by a matrix of rank one update to nally use the Sherman-Morrison-Woodburry formula and determining the inverse of the current matrix thus solving the least squares problem and obtaining a approximation to the descent direction.

This paper presents the theory that guarantees the convexification of a strictly monotone function. We proves a theorem and two corollaries for convexification of strictly monotones functions twice continuously differentiable, then the generalization of these results is presented for convexication of nondifferentiable strictly monotones functions. Both cases are exemplars. This results are using in optimization nonsmooth.

En este trabajo se formula un modelo de optimización multiobjetiva para la planificación de un centro de generación eólica que maximiza el ingreso y minimiza los desequilibrios de los costos de oferta. La estrategia de la solución que se utiliza está basada en la teoría de optimización difusa, en la que se utiliza la función de pertenencia lineal.

En este trabajo se formula un modelo de optimización multiobjetiva para la planificación de un centro de generación eólica que maximiza el ingreso y minimiza los desequilibrios de los costos de oferta. La estrategia de la solución que se utiliza está basada en la teoría de optimización difusa, en la que se utiliza la función de pertenencia lineal

En este trabajo se formula un modelo de optimización multiobjetiva para la planificación de un centro de generación eólica que maximiza el ingreso y minimiza los desequilibrios de los costos de oferta. La estrategia de la solución que se utiliza está basada en la teoría de optimización difusa, en la que se utiliza la función de pertenencia lineal.

En este trabajo se formula un modelo de optimización multiobjetiva para la planificación de un centro de generación eólica que maximiza el ingreso y minimiza los desequilibrios de los costos de oferta. La estrategia de la solución que se utiliza está basada en la teoría de optimización difusa, en la que se utiliza la función de pertenencia lineal