Al tratar con problemas de diseño de ingeniería, los diseñadores a menudo se encuentran con características no lineales y no convexas, múltiples objetivos, toma de decisiones acoplada y varios niveles de fidelidad de sub-sistemas. Para realizar el diseño con recursos computacionales limitados, los problemas con las características mencionadas anteriormente deben ser linealizados y luego resueltos utilizando algoritmos de solución para programación lineal. El algoritmo de programación lineal adaptativa (ALP) es una extensión del algoritmo de programación lineal secuencial donde un problema de soporte de decisión de compromiso no lineal (cDSP) se linealiza de forma iterativa, y el problema de programación lineal resultante se resuelve con soluciones satisfactorias devueltas. El coeficiente de movimiento reducido (RMC) se utiliza para definir qué tan lejos del límite se realizará la próxima linealización, y actualmente, se determina en función de una heurística. La elección del RMC afecta significativamente la eficacia del proceso de linealización y, por lo tanto, la rapidez para encontrar la solución. En este documento, proponemos un procedimiento de aprendizaje de parámetros basado en reglas para variar el RMC en cada iteración, aumentando así significativamente la velocidad para determinar la solución final.