INTRODUCCION A LA PROGRAMACIN ENTERA

A la clase de problemas de programacin que se obtienen del modelo general de

programacin lineal imponiendo los requerimientos adicionales de que las
variables solo pueden tener valores enteros, se les conoce como problemas de
programacin entera. Esta tcnica es adaptable a problemas que permiten obtener
solo nmeros enteros para la solucin final. Por ejemplo, supongmonos que un
plan ptimo de produccin requiere la compra de diferentes tipos de mquinas.
Obviamente solo pueden comprarse maquinas completas. Entre otras aplicaciones
pueden mencionarse la asignacin de vendedores a distritos de ventas, la
presupuestario de capital para la investigacin y desarrollo y la localizacin ptima
de almacenes.

La programacin lineal entera (PLE) se ocupa bsicamente de programas lineales

en los que algunas o todas las variables suponen enteros discretos. Se dice que la
PLE es mixta o pura si alguna o todas las variables estn restringidas a tomar solo
valores enteros.

Aunque se han creado varios algoritmos para PLE, ninguno de ellos es totalmente
confiable desde el punto de vista del clculo, sobre todo, cuando el nmero de
variables enteras se incrementa. A diferenciar de la PL, donde problemas con
miles de variables y miles de restricciones se pueden resolver en un tiempo
razonable, la experiencia de clculo de PLE, despus de ms de 30 aos de
haberse creado permanece imprecisa.

La dificultad de clculo con los algoritmos disponibles para la PLE ha conducido a

los usuarios a buscar otros medios para resolver el problema. Uno de los tales
medios es resolver el modelo con un PL continuo y luego, redondear la solucin
ptima a los valores enteros factibles ms cercanos. Sin embargo, en este caso no
hay garanta de que la solucin redondeada resultante satisfaga las restricciones.
Esto es siempre cierto si la PLE original tiene una o ms restricciones de igualdad.
Segn la teora de la programacin lineal, una solucin redondeada en este caso
no puede ser factible, ya que significa que la misma base puede generar dos
soluciones distintas.

La infactibilidad creada por redondeo puede tolerarse ya que, en general, los

parmetros (estimados) de los problemas no son exactos. Pero existen
restricciones de igualdad caractersticas en problemas enteros donde los
parmetros son exactos.
CLASIFICACIN DE LOS PROBLEMAS LINEALES
ENTEROS.
ENTEROS PUROS: son aquellos en que todas las variables nicamente
pueden tomar valores enteros. Tambin se distinguen dentro de estos los
problemas totalmente enteros como aquellos en que tanto las variables
como todos los coeficientes que intervienen en el problema han de ser
enteros.
MIXTOS: son aquellos en los que hay al mismo tiempo variables continuas
y variables que slo pueden tomar valores enteros.
BINARIOS: las variables slo pueden tomar los valores cero o uno.
Atendiendo al criterio del tipo de problema.
DIRECTO: Si el problema de decisin involucra variables enteras.
CODIFICADO: Cuando se trata de un problema que contiene adems de
aspectos cuantitativos, alguna consideracin de tipo cualitativos, y por ello
para tratar este tipo de aspectos se requiere el uso de variable entera o
binaria.
TRANSFORMADO: Cuando el problema no incluye variables enteras, pero
para ser tratado analticamente requiere el uso de variable enteras
artificiales.

Un problema de Programacin Entera es un problema de programacin lineal en

el cual algunas de las variables, o todas, tienen que ser nmeros enteros no
negativos. El objetivo de la Programacin Lineal Entera es encontrar el valor de la
funcin que [Max (Min) z = c1 x1 + c2 x2 + + cn xn] denominada funcin
objetivo. La funcin objetivo se encuentra sujeta a una serie de restricciones:

a11 x1 + a12 x2 + + a1n xn ( , , =) b1

a21 x1 + a22 x2 + + a2n xn ( , , =) b2

am1 x1 + am2 x2 + + amn xn ( , , =) bm

xj 0 (j=1, 2, ...., n)

Cuando se nos presente la resolucin de un Problema de Programacin Entera, lo

resolvemos como un problema de Programacin Lineal. Si sus soluciones son
enteras, sta es la solucin para el problema de programacin lineal entera. En
cualquier problema se verifica que la solucin ptima.

Criterio de optimalidad en un problema de PLE: Una solucin entera factible

xF es ptima para el problema de PLE si es solucin ptima de una relajacin
lineal.
METODO GRFICO
Es un procedimiento de solucin de problemas de programacin lineal muy
limitado en cuanto al nmero de variables pero muy rico en materia de
interpretacin de resultados e incluso anlisis de sensibilidad. Este consiste en
representar cada una de las restricciones y encontrar en la medida de lo posible el
polgono (poliedro) factible, comnmente llamado el conjunto solucin o regin
factible, en el cual por razones trigonomtricas en uno de sus vrtices se
encuentra la mejor respuesta (solucin ptima).

Las fases del procedimiento de resolucin de problemas mediante el mtodo

Grfico son las siguientes:

Dibujar un sistema de coordenadas cartesianas en el que cada variable de

decisin est representada por un eje.
Establecer una escala de medida para cada uno de los ejes adecuada a su
variable asociada.
Dibujar en el sistema de coordenadas las restricciones del problema,
incluyendo las de no negatividad (que sern los propios ejes). Notar que
una inecuacin define una regin que ser el semiplano limitado por la lnea
recta que se tiene al considerar la restriccin como una igualdad, mientras
que si una ecuacin define una regin que es la propia lnea recta.
La interseccin de todas las regiones determina la regin factible o espacio
de soluciones (que es un conjunto convexo). Si esta regin es no vaca, se
continuar con el paso siguiente. En caso contrario, no existe ningn punto
que satisfaga simultneamente todas las restricciones, por lo que el
problema no tendr solucin, denominndose no factible.
Determinar los puntos extremos o vrtices del polgono o poliedro que
forma la regin factible. Estos puntos sern los candidatos para la solucin
ptima.
Evaluar la funcin objetivo en todos los vrtices y aqul (o aquellos) que
maximicen (o minimicen) el valor resultante determinaran la solucin ptima
del problema.
REDONDEO DE LA SOLUCION DE PROGRAMACION
ENTERA.
Todos conocemos a lo que se refiere la palabra redondeo, pero en el mbito de
programacin entera se refiere a utilizar la parte entera de una solucin de
problemas de programacin lineal como solucin para el problemas de
programacin de enteros.

El mtodo ms comn es seguir en la zona factible, haciendo un redondeo hacia

el nmero interior en el caso de problemas de maximizacin y haciendo un
redondeo hacia el nmero superior, para problemas de minimizacin.

Aunque el redondeo es un procedimiento muy comn para resolver problemas

prcticos de programacin de enteros en ciertos casos puede conducir a
dificultades.

La primera tentacin a la hora de abordar la resolucin de un problema de

programacin entera es redondear la solucin obtenida al relajar la condicin de
integralidad.
METODO DE RAMIFICACION Y ACOTAMIENTO
Aborda la resolucin de modelos de programacin entera a travs de la resolucin
de una secuencia de modelos de programacin lineal que constituirn los nodos o
subproblemas del problema entero.

El mtodo resuelve problemas de programacin lineal resolviendo una secuencia

ordenada de PPL, que se obtienen relajando las restricciones de integralidad y
aadiendo restricciones adicionales. El nmero de restricciones adicionales crece
a medida que el procedimiento de R y A progresa. Estas restricciones permiten
separar la regin factible en subregiones complementarias. El procedimiento R y
A establece inicialmente cotas inferior y superior del valor ptimo de la funcin
objetivo. El mecanismo de ramificacin aumenta progresivamente el valor de la
cota superior y disminuye tambin progresivamente el valor de la cota superior. La
diferencia entre estas cotas es una medida de la proximidad de la solucin actual
a la ptima, si est existe. Al minimizar, se obtiene una cota inferior de la solucin
ptima relajando las restricciones de integralidad del PPLEM inicial y resolviendo
el PPL resultante. De manera anloga, el valor de la funcin objetivo para
cualquier solucin del PPLEM original es una cota superior de la solucin ptima.

Paso 1.- Iniciacin

Se establece una cota superior () y una cota inferior () de la solucin
ptima. Se resuelve el PPLEM inicial relajando las restricciones de
integralidad. Si el problema relajado es infactible, el original tambin lo es y
no hay solucin. Si la solucin obtenida satisface las condiciones de
integralidad, es ptima. En cualquier otro caso, se actualiza el valor de la
cota inferior con el valor de la funcin objetivo del problema relajado.
Paso 2.- Ramificacin
Empleando la variable xk que ha de ser entera y no lo es, se generan
mediante ramificacin dos problemas. Si el valor de la variable que ha de
ser entera xk es a.b, donde a y b son sus partes entera y fraccional
respectivamente, los problemas fruto de la ramificacin son los siguientes.
El primer problema es el PPLEM inicial relajado al que se la aade la
restriccin xk a; anlogamente, el segundo es el PPLEM inicial relajado al
que se le aade la restriccin xk a + 1. Estos problemas se colocan
ordenadamente en una lista de problemas a procesar que son resueltos
secuencialmente o en paralelo. Obsrvese que la tcnica de ramificacin
propuesta cubre completamente el espacio de soluciones.
Paso 3.- Solucin
Se resuelve el problema siguiente en la lista de problemas a procesar.
 Paso 4.- Actualizacin de cotas
Si la solucin del problema actual satisface las condiciones de integralidad
y el valor ptimo de su funcin objetivo es menor que la cota superior
actual, la cota superior se actualiza al valor ptimo de la funcin objetivo del
problema resuelto, y el minimizador actual se almacena como el mejor
candidato a minimizador del problema original. Si, por el contrario, la
solucin obtenida no satisface las restricciones de integralidad y el valor de
la correspondiente funcin objetivo est entre las cotas inferior y superior,
se actualiza el valor de la cota inferior al valor de la funcin objetivo del
problema resuelto y se procede a ramificar. Los problemas generados en el
proceso de ramificacin se aaden a la lista de problemas que han de
resolverse.
Paso 5.- Poda
Si la solucin del problema actual cumple las restricciones de integralidad,
no ha lugar a ramificaciones adicionales relacionadas con esa solucin. Se
dice que la rama se poda por razones de integralidad. Si, por otra parte, la
solucin no satisface las condiciones de integralidad y adems el valor de la
funcin objetivo del problema resuelto es mayor que la cota superior, no es
posible obtener soluciones mediante ramificaciones adicionales de esa
rama. Se dice que la rama se poda por cotas. Si, finalmente, el problema es
infactible, no ha lugar a ramificaciones adicionales empleando esa rama. Se
dice que la rama se poda por infactibilidad.
Paso 6.-Optimalidad
Si la lista de problemas a procesar no est vaca, se contina con el paso 3.
Si, por el contrario, est vaca, el procedimiento concluye. Si en este caso,
existe un candidato a minimizador, este candidato es el minimizador; si no
existe, el problema es infactible. El algoritmo de ramificacin y acotacin
devuelve la solucin ptima o notifica la infactibilidad bien en el paso 1 en
el paso 6.

El proceso de ramificacin concluye por una de las siguientes tres razones:

1. El problema considerado es infactible

2. La solucin obtenida satisface las condiciones de integralidad
3. La cota inferior obtenida es superior a la cota superior disponible Por
tanto, la rama correspondiente se poda por infactibilidad, por
integralidad o por cotas.
Cabe destacar
que un nodo o subproblema se agota en las siguientes situaciones:

1) Se alcanza una solucin entera.

2) El problema es infactible.

3) Se obtiene una solucin fraccionaria pero no es necesario continuar dado que

sta no es mejor (en trminos de valor de la funcin objetivo) que una solucin
entera que se ha alcanzado previamente.
ALGORITMO DE GOMORY
Es un mtodo que permite encontrar soluciones ptimas enteras en aquellos
problemas de programacin lineal que tienen soluciones fraccionarias o con
decimales. Se basa con los planos cortantes (o corte) que es una nueva
restriccin funcional que reduce la regin factible del relajamiento de PL sin
eliminar soluciones factibles del problema de PE original. Podemos decir que este
mtodo es una base de nuevas tcnicas que permiten de igual manera encontrar
una solucin ptima entera de un problema de PL.

El mtodo de Gomory se inicia en la solucin ptima continua. Se agregan

restricciones especiales (los cortes) al espacio de soluciones para que produzcan
un punto extremo ptimo entero. La desventaja de este mtodo, es que resulta
muy ineficiente para resolver problemas enteros de tamao medio. Estos mtodos
generan en cada iteracin una restriccin y una variable extra. Sin embargo, su
ventaja es que ilustran lo que se pretende hacer con la regin de factibilidad de
problemas entero, para lograr la solucin del mismo. El algoritmo del mtodo se
presenta a continuacin.

Paso 1. Se resuelve el modelo sin tomar en cuenta la restriccin de que las

variables sean enteras.

Paso 2. Si la solucin ptima cumple la condicin de ser entera, sta es la

solucin del modelo. Si no, se toma uno de los renglones de la tabla simplex
ptimo con lado derecho no entero. A este rengln le llamamos rengln fuente.

Paso 3. Escribimos los coeficientes del rengln fuente como una combinacin de
un nmero entero y una parte fraccionaria positiva entre cero y uno.

Paso 4. Pasamos todos los coeficientes fraccionarios del lado izquierdo, los
enteros los pasamos al lado derecho. Ahora hacemos que el lado izquierdo sea
mayor o igual a cero.

Paso 5. Escribimos esta desigualdad en forma de igualdad al sumar la variable de

supervit y la aadimos a nuestra tabla simplex ptimo. Resolvemos por el mtodo
dual simplex. Regresamos al paso 2

Para explicar el mtodo descrito vamos a resolver el siguiente modelo de P. L. E.:

Resolvemos el problema utilizando el mtodo smplex tabular sin tomar en cuenta
las restricciones de que las variables sean enteras. La tabla ptima se presenta a
continuacin:

Paso 1. Buscamos el primer rengln asociado a la variable bsica que no cumpla

con la condicin de ser entera. En este caso es el rengln asociado a la variable
x1 . Este rengln representa la ecuacin:

x1 + 2.5x2 + 0.5s1 = 8.5

Paso 2. Se escribe cada coeficiente y constante fraccionarios de la ecuacin

obtenida en el paso 1, como la suma de un entero y una fraccin positiva entre 0 y
1.

x1 + 2x2 + 0.5x2 + 0.5s1 = 8 + 0.5

Escribimos la ecuacin de tal manera que el lado izquierdo contenga solamente

trminos con coeficientes fraccionarios y una constante fraccionaria, mientras que
del lado derecho slo aparezcan nmeros enteros.

0.5x2 + 0.5s1 0.5 = 8 x1 2x2

Paso 3. Hacemos que el lado izquierdo de la igualdad sea mayor o igual a cero.
0.5x2 + 0.5s1 0.5 > 0 o 0.5x2 + 0.5s1 > 0.5

sta es la nueva restriccin que debemos agregar al modelo.

El nuevo modelo por resolver es el que obtenemos al escribir las restricciones de

la tabla ptima del mtodo smplex, agregando la ltima restriccin obtenida. La
funcin objetivo no cambia:
Aqu la variable artificial s1 se renombr como la variable x3 . Resolvemos este
problema por mtodo smplex y repetimos los pasos 1 a 3. La tabla ptima del
mtodo smplex asociado al modelo 2 es:

Donde obtenemos la solucin:

La cual es la solucin ptima entera.

PROGRAMACION ENTERA MIXTA

Se define un modelo de programacin lineal entera como aquel donde las
variables son nmeros enteros no negativos. En las situaciones reales, el analista
se enfrenta a decisiones s o no, las que pueden representarse con variable
denominadas binarias. Cuando slo es necesario que algunas de las variables
sean enteras y el resto continuas, el modelo recibe el nombre de problema de
Programacin Lineal Entera Mixta. Esta clasificacin incluye modelos que adems
de tener variables enteras no negativas y variables continuas, tienen tambin
variables binarias

En este tipo de problemas, encontramos condiciones de ciertas variables de

decisin, que deben cumplir valores enteros y las dems con la suposicin de
divisibilidad.

Un problema en el que solo se requieren en que algunas variables tengan valores

enteros mientras que en otras pueden asumir cualquier nmero no negativo (es
decir, cualquier valor continuo) se llama programacin lineal entera mixta (PLEM).
PROBLEMAS MS COMUNES DE APLICACIN

CONCLUSIONES

BIBLIOGRAFIA
http://gc.initelabs.com/recursos/files/r157r/w13211w/Invg
%20operaciones_2aEd_06.pdf