Escolar Documentos
Profissional Documentos
Cultura Documentos
INTRODUCCION
Un programa lineal entero es aquel en que algunas o todas las variables están restringidas a tener valores
enteros (o discretos), o incluso están más restringidas tomando exclusivamente los valores 0 ó 1. El
empleo de variables enteras hace más complejo el problema de programación lineal, debido a la ausencia
de continuidad. Si todas las variables de decisión deben ser enteras, tenemos un problema de
programación lineal entero puro (PE); si sólo algunas variables de decisión deben ser enteras, pudiendo
ser continuas las demás, se trata de un problema de programación lineal entero mixto (PEM).
Existen otras situaciones en la que todas o algunas de las variables enteras sólo pueden tomar valores de
0 ó 1 para encontrar una lógica adecuada y solucionar el problema. A estas variables se les llama variables
binarias.
Uno puede llegar a pensar que es más fácil encontrar la solución a un programa lineal entero que a uno
continuo, después de todo, el número de soluciones continuas es infinito mientras que en las enteras es
finito. Pero desafortunadamente no es así. Cuando se tiene un problema de dos variables se puede
encontrar la solución óptima entera muy fácil a partir de la solución óptima continua utilizando el
método gráfico y explorando las soluciones enteras cercanas dentro del área de soluciones factibles. Pero
resulta que en la vida real (o sea aquella que está más allá de los problemas introductorios de los textos
guías) los problemas muy pocas veces, tienen dos variables pues en un fenómeno por sencillo que sea
tendrá muchísimas variables relevantes dentro de su comportamiento y el modelo matemático entre más
se simplifique menos representativo será. Los problemas enteros son más difíciles de resolver que los
continuos, aún no existe un algoritmo que pueda resolverlos en forma consistente; el más popular -por
ahora- es este algoritmo, el de Ramificación y Acotamiento (Branch And Bound), la mayoría de los programas
comerciales elaborados para resolver para problemas lineales enteros utilizan este algoritmo.
APLICACIONES
* Una explicación más extendida sobre la consideración de la solución redondeada se encuentra en la lectura sugerida del capítulo 7:
Optimización con Enteros, Tema 1: Introducción a la optimización con enteros del libro INVESTIGACION DE OPERACIONES EN LA CIENCIA
ADMINISTRATIVA de G.D. Eppen y otros PRENTICE-HALL, México 2000, página 289.
En este último caso, la solución a un problema entero no debe determinarse mediante el redondeo de los
valores decimales que las variables adopten. Por ejemplo:
Un fabricante de muebles tiene 6 unidades de madera y 28 horas disponibles, durante las cuales fabricará estantes
decorativos. Estima que el modelo A requiere 2 unidades de madera y 7 horas de tiempo disponible, mientras que el
modelo B requiere 1 unidad de madera y 8 horas. Los precios de los estantes son $120 y $80, respectivamente.
¿Cuántos estantes de cada modelo debe fabricar con estos recursos si desea maximizar sus ingresos?
6
Declaración de variables:
A: # estantes del modelo A
5 B: # estantes del modelo B
Función objetivo:
4 Max Z = 120A + 80B
Restricciones:
3 2A + 1B ≤ 6
7A + 8B ≤ 28
A, B ≥ 0
2
Solución inicial:
A = 2.22; B = 1.56; Z = $391.11
1
A
1 2 3 4 5
Una vez realizada la gráfica de este problema, una solución entera obliga a la región factible a
reducirse a una malla de puntos dentro de la región anterior.
Declaración de variables:
6
A: # estantes del modelo A
B: # estantes del modelo B
5 Función objetivo:
Max Z = 120A + 80B
4 Restricciones:
2A + 1B ≤ 6
3 7A + 8B ≤ 28
A, B ≥ 0, y enteros
Solución inicial:
2
La solución anterior deja de ser factible
1
A
1 2 3 4 5
Nótese que si se redondea la solución óptima con decimales se tendría que A = 2 y B = 2, pero este
punto se encuentra fuera de la malla, así que no se la puede considerar siquiera como una solución
factible.
Declaración de variables:
6 A: # estantes del modelo A
B: # estantes del modelo B
5 Función objetivo:
Max Z = 120A + 80B
4
Restricciones:
2A + 1B ≤ 6
7A + 8B ≤ 28
3
A, B ≥ 0, y enteros
Solución inicial:
2
A = 2.22; B = 1.56; Z = $391.11
Solución por redondeo:
1 A = 2; B = 2; No es una solución factible
A
1 2 3 4 5
El aparente punto solución sería el más cercano al óptimo continuo, sin embargo Z no llega al
máximo:
Declaración de variables:
6 A: # estantes del modelo A
B: # estantes del modelo B
5 Función objetivo:
Max Z = 120A + 80B
4
Restricciones:
2A + 1B ≤ 6
7A + 8B ≤ 28
3
A, B ≥ 0, y enteros
Solución inicial:
2
A = 2.22; B = 1.56; Z = $391.11
Solución por redondeo:
1 A = 2; B = 2; No es una solución factible
Solución por truncamiento:
A = 2; B = 1; Z=$320
A
1 2 3 4 5
Solución óptima
B
Declaración de variables:
A: # estantes del modelo A
6
B: # estantes del modelo B
Función objetivo:
5
Max Z = 120A + 80B
Restricciones:
4 2A + 1B ≤ 6
7A + 8B ≤ 28
3 A, B ≥ 0, y enteros
Solución inicial:
2 A = 2.22; B = 1.56; Z = $391.11
Solución por redondeo:
1
A = 2; B = 2; No es una solución factible
Solución por truncamiento:
A = 2; B = 1; Z=$320
A Solución óptima:
1 2 3 4 5
A = 3; B = 0; Z=$360
Ramificación
Si la primera aproximación contiene una variable que no es entera, digamos xi, entonces
i1<xi<i2, donde i1 e i2 son enteros consecutivos no negativos; se generan dos nuevos programas
enteros al agregar al programa entero original una u otra de las siguientes restricciones: xi<i1 ,
xi>i2 . Este proceso, denominado ramificación, tiene el efecto de reducir la región factible en
forma tal, que elimina de consideraciones posteriores la solución anterior no entera para xi pero
conservando todas las posibles soluciones enteras al problema original.
Max Z = 10x1 + x2
x1 y x2 > 0, y enteros
Se considera el programa lineal eliminando la condición de que las variables sean enteras. Y se
determina la siguiente solución: x1 = 5.5, x2 = 0, con Z = 55. Ya que 5 < x1 < 6, por
ramificación se crean los dos nuevos programas enteros:
Max Z = 10x1 + x2
x1 < 5
x1 y x2 > 0, y enteros
Max Z = 10x1 + x2
x1 >6
x1 y x2 > 0, y enteros
Para los dos programas creados por el proceso de ramificación, se obtienen primeras
aproximaciones ignorando nuevamente los requerimientos de enteros y resolviendo los
programas lineales resultantes. Si cualquiera de las primeras aproximaciones es todavía no
entera, entonces el programa que la produjo se vuelve candidato para seguir realizando
ramificaciones. Z* = 50.2
2
x1 < 5 x1 = 5
Z* = 55 x2 = 0.2
1
x1 = 5.5
x2 = 0 x1 > 6 No factible
Encontramos que el programa (2) tiene la primera aproximación x1 = 5, x2 = 0.2, con Z = 50.2,
mientras que el programa (3) no tiene solución factible. Entonces, el programa (2) es candidato
para seguir realizando ramificaciones. Ya que 0 < x2 < 1, se agregan a (2) x2 < 0 ó x2 > 1, y
se obtienen los dos nuevos programas:
Max Z = 10x1 + x2
x1 < 5
x1 y x2 > 0, y enteros
Max Z = 10x1 + x2
x1 < 5
x2 > 1
x1 y x2 > 0, y enteros
Z* = 50
4
x2 < 0 x1 = 5
Z* = 50.2 x2 = 0
2
x1 < 5 x1 = 5
Z* = 55 Z* = 31
x2 = 0.2 x2 > 1
1 5
x1 = 5.5 x1 = 3
x2 = 0 No factible x2 = 1
x1 > 6
3
Acotamiento
El programa (4) tiene una solución entera con Z = 50; entonces, 50 se vuelve una cota inferior para el
problema. El programa (5) tiene una solución con Z = 31. Ya que 31 es menor que la cota inferior
de 50, el programa (5) se elimina en cuanto a consideraciones posteriores y se le habría eliminado de esta
forma aun si su primera aproximación hubiera sido no entera.
Siempre se realizan las ramificaciones a partir de aquel programa que parece estar más cerca del
valor óptimo. Cuando existen varios candidatos para continuar las ramificaciones, se selecciona
aquél que tenga el mayor valor Z, si se va maximizar la función objetivo, o aquél que tenga el menor
valor Z, si se va a minimizar la función objetivo.
Las restricciones adicionales se agregan una a una. Si una primera aproximación incluye a más de
una variable no entera, las nuevas restricciones se imponen a aquella variable que esté más lejos de
ser un entero; esto es, aquella variable cuya parte fraccionaria esté más cerca de 0.5. En caso de
empate, se selecciona arbitrariamente una de las variables.
Finalmente, es posible que un programa entero o un programa lineal tengan más de una solución
óptima. En ese caso, se selecciona arbitrariamente a una de las soluciones como la óptima y dejando a
un lado las demás.
PROGRAMACION ENTERA
SOLUCION POR SOFTWARE
Instrucciones:
Encontrar el modelo matemático respectivo para cada problema propuesto
Analizar los resultados
1. Suministro de corbatas
Una empresa dedicada a la elaboración y venta de ropa para hombre produce cuatro tipos de corbatas: uno de
seda, otro de polyester, y dos con la combinación polyester-algodón. La tabla siguiente muestra el costo de cada uno de
los materiales a usar y su disponibilidad:
METROS
COSTO POR
MATERIAL DISPONIBLES
METRO ($)
AL MES
Seda 21 800
Polyester 6 3000
Algodón 9 1600
La empresa tiene un contrato de larga duración para suministrar corbatas a una cadena de tiendas de ropa. Hay
una demanda máxima que sería ideal cumplir pero la disponibilidad de la materia prima podría limitar la
producción. En el contrato se especifica que la empresa deberá suministrar unas cantidades mínimas mensuales
de cada tipo de corbata.
El objetivo de la empresa es elegir el plan de producción que maximice sus beneficios mensuales.
2. Inversión en bolsa
Ing. Manuel Sánchez Terán
7
INVESTIGACION DE OPERACIONES II
Después de muchos años con bajos intereses en los bancos, la señorita Rodríguez ha decidido incursionar en la
bolsa. Sin embargo, ella desea hacer una inversión cautelosa. Ella escuchó que las acciones de una compañía de
telecomunicaciones se están vendiendo en $55 c/u y se proyecta su venta en $68. También está considerando
invertir en un fondo mutuo, el cuál según un diario especializado, daría un retorno de la inversión de un 9% el
próximo año.
Para esta primera incursión en el mercado la señorita Rodríguez ha sido extremadamente "modesta" en sus
objetivos. Ella desea invertir sólo lo suficiente para obtener un retorno de $250.
Además ella confía más en el fondo mutuo que en la bolsa, por lo tanto se impuso que la cantidad a invertir en
el fondo mutuo será al menos el 40% de su inversión total, y su inversión en la bolsa no será más de $750. Ella
desea determinar el número de acciones que debe comprar y la cantidad de dinero invertido en el fondo mutuo.
PROGRAMACION ENTERA
SOLUCION POR SOFTWARE
Instrucciones:
Encontrar el modelo matemático respectivo para cada problema propuesto
Analizar los resultados
PROBLEMA 1
!Variables
S : # de corbatas de Seda a producir
P : # de corbatas de Polyester a producir
C1: # de corbatas de Combinación #1 a producir
C2: # de corbatas de Combinación #2 a producir
Función Objetivo
Maximizar utilidades: Ingresos por venta - Costos;
Max = (6.70*S - 0.125*S*21) +
(3.55*P - 0.08*P*6) +
(4.31*C1 - 0.1*C1*6*0.5 - 0.1*C1*9*0.5) +
(4.81*C2 - 0.1*C2*6*0.3 - 0.1*C2*9*0.7);
!Restricciones
Disponibilidad de materia prima;
0.125*S <= 800;
0.08*P + 0.10*C1*0.5 + 0.10*C2*0.3 <= 3000;
0.10*C1*0.5 + 0.10*C2*0.7 <= 1600;
!Mínimo a suministrar;
S>=6000;
P>=10000;
C1>=13000;
C2>=6000;
!Demanda máxima;
S<=7000;
P<=14000;
C1<=16000;
C2<=8500;
PROBLEMA 2
!Variables
X1: # de acciones a comprar
X2: $ invertidos en fondos mutuos;
!FUNCION OBJETIVO;
!Minimizar la cantidad a invertir;
MIN = 55*X1 + X2;
!RESTRICCIONES;
!RETORNO DE 250;
13*X1 + 0.09*X2 = 250;
PROGRAMACION BINARIA
DECISIONES DEL TIPO SI O NO (1 – 0)
Instrucciones:
Determinar el modelado matemático a los siguientes problemas considerando el uso de variables binarias.
Encontrar la solución mediante software.
PROBLEMA 2 (Mochilas)
Un padre y su hijo planean un viaje de deporte de aventura hacia la sierra sur del país. Deben de caminar varios
km a través de quebradas para llegar a una posada; además todo lo que se requiere en este viaje debe de ser
empacado en una mochila y transportado a la posada. El padre valoró la utilidad de cada artículo del 1 al 100
(donde 100 es lo más útil). El peso y la utilidad de cada artículo se muestran en el cuadro dado. En el punto de
partida habían disponibles 2 mochilas estándar y una mochila reforzada; usando la mochila estándar el padre
puede llevar un peso máximo de 40 kg, y el hijo podría cargar 30 kg con esta mochila. Con la mochila reforzada,
cualquiera de ellos podía llevar 10 kg adicionales. Cada uno debe escoger una única mochila.
ARTICULO >> 1 2 3 4 5 6 7 8
Peso (kg) 8 1 7 6 3 12 5 14
Hay dos unidades Utilidad para el padre 80 20 50 55 50 75 30 70 de cada uno de los
artículos del 1 al 5, Utilidad para el hijo 80 30 60 20 50 85 40 50 por lo cual, cada
persona podría llevar uno para sí, o no hacerlo, de manera independiente. Pero existe solamente una unidad
para cada producto del 6 al 8, así que; ambos no podrían tener el mismo en su respectiva mochila. Ellos buscan
maximizar la utilidad total de las cosas que llevarán.
PROGRAMACION BINARIA
Ing. Manuel Sánchez Terán
9
INVESTIGACION DE OPERACIONES II
Instrucciones:
Determinar el modelado matemático a los siguientes problemas considerando el uso de variables binarias.
Encontrar la solución mediante software.
PROBLEMA 1
!VARIABLES:
i: Se elige o no el proyecto i. (i : CA,CO,DE,PU,SU,PA)
FUNCION OBJETIVO;
MAX = 50*CA + 60*SU + 70*CO + 80*DE + 90*PA + 50*PU;
!RESTRICCIONES;
SU <= CA;
CA + DE <= 1;
CO <= DE + PA;
CA + SU + CO + DE + PA + PU = 4;
DE<=CO;
DE+PU<=1;
@BIN(CA); @BIN(SU); @BIN(CO); @BIN(DE); @BIN(PA); @BIN(PU);
SOLUCION LINGO:
Se construyen: CAMINO, SUPERMERCADOS, CONDOMINIOS, PARQUES Beneficio = $270 mil
PROBLEMA 2
!VARIABLES:
Xij: Es llevado o no el artículo i por la persona j, (i=1,2,3...8) (j=P,H)
Pk: Lleva el papá lleva la mochila tipo k o no, (k=E,R)
Hk: Lleva el hijo lleva la mochila tipo k o no, (k=E,R)
FUNCION OBJETIVO;
MAX = 80*X1P+20*X2P+50*X3P+55*X4P+50*X5P+75*X6P+30*X7P+70*X8P+
80*X1H+30*X2H+60*X3H+20*X4H+50*X5H+85*X6H+40*X7H+50*X8H;
!RESTRICCIONES;
8*X1P+1*X2P+7*X3P+6*X4P+3*X5P+12*X6P+5*X7P+14*X8P <= 40*PE + 50*PR;
8*X1H+1*X2H+7*X3H+6*X4H+3*X5H+12*X6H+5*X7H+14*X8H <= 30*HE + 40*HR;
PE+PR=1;
HE+HR=1;
PR+HR<=1;
X6P+X6H<=1;
X7P+X7H<=1;
X8P+X8H<=1;
@BIN(X1P);@BIN(X2P);@BIN(X3P);@BIN(X4P);@BIN(X5P);@BIN(X6P);@BIN(X7P);@BIN(X8P);
@BIN(X1H);@BIN(X2H);@BIN(X3H);@BIN(X4H);@BIN(X5H);@BIN(X6H);@BIN(X7H);@BIN(X8H);
@BIN(PE);@BIN(PR);
@BIN(HE);@BIN(HR);
SOLUCION LINGO:
Z=670
PROGRAMACION BINARIA
DECISIONES DEL TIPO SI O NO
Instrucciones:
Modelar el siguiente problema considerando el uso de variables binarias.
Encontrar la solución mediante software.
Cierta línea de producción fabrica dos productos. Los datos sobre el producto aparecen en la siguiente
tabla adjunta:
El tiempo total disponible (para la producción y la puesta en marcha) cada semana es de 80 horas. La
firma no tiene inventario de producto alguno al principio de la semana 1, y no se permite que lo tenga al
final de la semana 4. El costo de conservar una unidad de inventario de una semana a la siguiente es de
$4 para cada producto.
Una unidad de demanda no satisfecha cuesta $3 por el producto A y $4 por el producto B. Los datos
sobre la demanda aparecen en la siguiente tabla:
La línea se cierra para realizar operaciones de limpieza cada fin de semana. Por tanto, si un producto es
fabricado en la semana presente, tendrá que pagarse el costo correspondiente al tiempo de arranque del
equipo en la siguiente semana, si es que se decide fabricar éste. Sólo un tipo de producto puede fabricarse
durante la semana. No puede haber producción durante el tiempo en el cual se pone en marcha la línea.
Formule y resuelva este modelo de planeación de 4 semanas. El objetivo es maximizar las ganancias en el
periodo de 4 semanas.
En una universidad hacen faltan docentes para cubrir 5 cursos nuevos. Existen 4 docentes candidatos de
entre quienes se tendrán que seleccionar a 3. En la tabla adjunta se muestra información respecto a los
cursos que cada docente podría dictar, horas de duración por semana de cada curso, las horas que cada
docente dispone semanalmente, el costo de contratación de cada uno de ellos para el presente ciclo y el
monto que a cada docente se le retribuirá por hora (todos los montos están en S/.)
Las horas asignadas a cada docente no debe exceder la tercera parte del total de horas que tendrán
disponibles los tres docentes que se hayan escogidos.
Determinar qué docentes deben ser contratados para minimizar el costo total respecto al pago a docentes
para el ciclo en mención.
Situación en la que se debe elegir entre dos restricciones, de manera que solamente una de
ellas debe cumplirse.
Por ejemplo, sean las restricciones siguientes entre las que solamente una debe tomarse en
cuenta en el modelo:
Reformular las restricciones considerando un número positivo muy grande (M) al lado
derecho de éstas y se obtendrá el efecto de eliminar una de ellas, de la siguiente manera:
5x11 + 3x21 + 6x31 + 4x41 < 6000 + My (1)
4x11 + 6x21 + 3x31 + 5x41 < 5000 + M(1 - y) (2)
y es binaria, siendo M un número muy grande
Note que si la variable y toma el valor de cero, la primera restricción queda con <= 6000 en
su lado derecho, pero en la segunda se tendría <= 5000 + M, al sumarse un número tan
grande al 5000, el lado derecho es como si quedara: <= INFINITO dejando así de ser una
restricción. La restricción que prevalecería sería la primera. La situación es totalmente
contraria si es que la variable y hubiera tomado el valor de 1; en tal caso, la restricción que se
mantendría sería la segunda.
Situación en la que se requiere que una restricción tome cualquiera de N valores dados.
Siendo por ejemplo para la siguiente restricción que se pueda adoptar en su lado derecho el
valor de 15, 18 ó 20:
7x1 + 2x2 < 15 ó 18 ó 20
La restricción se transformaría
en:
xi > 0 (i=1,2,3)
yi binarias (i=1,2,3)
Lectura sugerida:
INTRODUCCION A LA INVESTIGACION DE OPERACIONES
Hillier – Lieberman
McGraw –Hill (Octava edición)
2006
“Usos innovadores de variables binarias en la formulación de modelos”
Capítulo 11 Programación Entera Pág 487
EJEMPLOS
Se considera que el costo unitario de fabricación de cada producto sería el mismo en las dos plantas, pero por
diferencia de instalaciones, el número de horas de producción por unidad de cada producto puede diferir entre ellas.
Estos datos se dan en la tabla adjunta junto con la información del departamento de mercadotecnia del número de
unidades de cada producto que se pueden vender a la semana si se producen. El objetivo es seleccionar los
productos, la planta y las tasas de producción de los nuevos productos de manera que se maximice la ganancia total.
Considerar que las tasas de producción pueden adoptar valores decimales
Modelo:
!Xi = Unidades a elaborar del producto i (i=1,2,3);
!Yi = Se elabora o no el producto i (i=1,2,3)
!Z = Variable binaria auxiliar para escoger solo una entre dos restricciones;
X1 <= 7*Y1;
X2 <= 5*Y2;
X3 <= 9*Y3;
Y1 + Y2 + Y3 <= 2;
3*X1 + 5*X2 + 2*X3 <= 30 + 10000*Z;
4*X1 + 6*X2 + 2*X3 <= 40 + 10000*(1 - Z);
@BIN(Y1);@BIN(Y2);@BIN(Y3);@BIN(Z);
Solución:
Productos a elaborar: productos 1 y 3. (Y1=1, Y3=1)
Elaborar 6 unidades del producto 1 (X1=6) y 8 unidades del producto 3 (X3=8)
(Z=1) esta variable indica que se trabaja en la planta 2, ya que elimina la restricción de la planta 1.
Beneficio: $ 54000
PROBLEMA 2 (K DE N RESTRICCIONES)
Una siderúrgica produce unas planchas de metal a partir de aleaciones, cada una de las cuales tienen un porcentaje
de agentes contaminantes A, B y C. Los porcentajes máximos aceptables para cada contaminante es de 2.3% de A,
1.7% de B y 3.1 % de C. El costo y las propiedades de cada aleación aparecen en la siguiente tabla:
Si fuese aceptable con que se cumplan con dos de las restricciones de los agentes contaminantes. Determinar cómo
minimizar los costos para una tonelada de producción.
Modelo:
!Xi = Fracción de tonelada a utilizar de la aleación i (i=1,2,3);
!Yj = Variable auxiliar para aceptar o no la restricción j (j=1,2,3)
@BIN(Y1);@BIN(Y2);@BIN(Y3);
El microempresario quiere fabricar la misma cantidad de muebles para sus 3 modelos. El beneficio obtenido por
cada mueble de los modelos 1, 2 y 3 es de S/.750, S/.900 y S/.800 respectivamente. En la tabla adjunta se muestra
la cantidad de cada material que necesita por unidad de cada modelo de mueble, así como la cantidad de cada
material de la que cada proveedor dispone mensualmente.
Según lo expuesto, sugiera un plan de producción una vez decidido con cuál de los proveedores es con quien
trabajará.
Modelo:
!Xi = # de muebles a elaborar del modelo i (i=1,2,3);
!Yj = Trabaja o no con el proveedor j (j=A,B,C);
@GIN(X1);@GIN(X2);@GIN(X3);@BIN(YA);@BIN(YB);@BIN(YC);
Solución: Fabricar 22 muebles de cada tipo, trabajando con el proveedor B. Beneficio total: S/. 53900
Determinar que almacenes alquilar y el plan de distribución para minimizar los costos totales.
Modelo:
!Declaración de variables:
Xij = número de camiones enviados del almacén i(i=A, B, C) al distrito j(j = 1, 2, 3, 4)
Yi = alquila o no el almacén i
Función objetivo;
Min = 170*XA1 + 90*XA2 + 120*XA3 + 160*XA4 +
150*XB1 + 165*XB2 + 100*XB3 + 140*XB4 +
150*XC1 + 240*XC2 + 140*XC3 + 120*XC4 +
7750*YA + 4000*YB + 5500*YC;
!Demandas;
XA1 + XB1 + XC1 >= 100;
XA2 + XB2 + XC2 >= 90;
XA3 + XB3 + XC3 >= 110;
XA4 + XB4 + XC4 >= 60;
@GIN(XA1);@GIN(XA2);@GIN(XA3);@GIN(XA4);
@GIN(XB1);@GIN(XB2);@GIN(XB3);@GIN(XB4);
@GIN(XC1);@GIN(XC2);@GIN(XC3);@GIN(XC4);
@BIN(YA);@BIN(YB);@BIN(YC);
Solución:
Z = 54650
YA = 1, YB = 1
XA2 = 90, XA4 = 20, XB1 = 100, XB3 = 110 XB4 = 40