PROGRAMACION ENTERA

Ing. Manuel Sánchez Terán

INVESTIGACION DE OPERACIONES II

PROGRAMACION LINEAL CON VARIABLES ENTERAS

 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

• Cajeros a asignar en turnos de atención

• Camiones a comprar para reparto de mercadería
• Escritorios a elaborar para surtir un pedido
• Computadoras a reparar en una semana
• Acciones a comprar con propósito de inversión
• Tiraje de libros

 SOLUCION POR REDONDEO O TRUNCAMIENTO

Una primera aproximación a la solución de cualquier programa puede obtenerse ignorando el

requerimiento de variables enteras y resolviendo el programa lineal resultante. Si la solución óptima al
programa lineal fuese entera, entonces esta solución es también la solución óptima al programa entero
original. De otro modo se pueden redondear los componentes de la primera aproximación a los enteros
factibles más próximos y obtener una segunda aproximación. Este procedimiento se emplea a menudo,
especialmente cuando la primera aproximación involucra números muy grandes, pero puede ser inexacta
cuando los números son pequeños*.

* 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.

Ing. Manuel Sánchez Terán 1

INVESTIGACION DE OPERACIONES II

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?

 Si las variables pudieran adoptar valores continuos

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

 Reducción de la región factible considerando solamente enteros

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

Ing. Manuel Sánchez Terán

2
INVESTIGACION DE OPERACIONES II

 Solución por redondeo

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

 Solución por truncamiento

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

Ing. Manuel Sánchez Terán 3

INVESTIGACION DE OPERACIONES II

 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

 ALGORITMO DE RAMIFICACION Y ACOTAMIENTO (BRANCH AND BOUND)

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.

Ejemplo: Como una primera aproximación al programa entero

Max Z = 10x1 + x2

Sujeto a: 2x1+ 5x2 < 11 (1)

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:

Ing. Manuel Sánchez Terán

4
INVESTIGACION DE OPERACIONES II

Max Z = 10x1 + x2

Sujeto a: 2x1+ 5x2 < 11 (2)

x1 < 5

x1 y x2 > 0, y enteros

Max Z = 10x1 + x2

Sujeto a: 2x1+ 5x2 < 11 (3)

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

Sujeto a: 2x1+ 5x2 < 11 (4)

x1 < 5

x2 < 0 (en el cual x2 = 0)

x1 y x2 > 0, y enteros

Max Z = 10x1 + x2

Sujeto a: 2x1+ 5x2 < 11 (5)

x1 < 5

x2 > 1

x1 y x2 > 0, y enteros

Ing. Manuel Sánchez Terán 5

INVESTIGACION DE OPERACIONES II

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

Ignorando los requerimientos de enteros, la solución al programa (4) es x1 = 5, x2 = 0, con Z = 50,

mientras que la solución al programa (5) es x1 = 3, x2 = 1, con Z = 31. Ya que ambas primeras
aproximaciones son enteras, no es necesario continuar las ramificaciones.

Acotamiento

Considérese que la función objetivo ha de maximizarse. El proceso de ramificación se continúa

hasta que se obtiene una primera aproximación entera (o sea, pues, una solución entera). El valor de
la función objetivo para esta primera solución entera se vuelve una cota inferior para el problema y
todos los programas cuyas primeras aproximaciones, enteras o no, den valores de la función
objetivo menores que la cota inferior, se descartan.

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.

La ramificación se continúa a partir de aquellos programas que tengan primeras aproximaciones no

enteras y que den valores a la función objetivo, mayores que la cota inferior. Si durante el proceso
se descubre una nueva solución que tenga un valor de la función objetivo mayor que la cota inferior
actual, entonces este valor de la función objetivo se vuelve la nueva cota inferior. El programa que
proporcionó la cota inferior anterior se elimina, así como todos aquellos programas cuyas primera
aproximaciones dan valores de la función objetivo menores que la nueva cota inferior. El proceso
de ramificación continúa hasta que ya no haya bajo consideración programas con primeras
aproximaciones no enteras. En este punto, la solución actual de cota inferior es la solución óptima
al programa entero inicial.

Si la función objetivo ha de minimizarse, el procedimiento es el mismo, excepto que se emplean

cotas superiores. Así, el valor de la primera solución entera se vuelve una cota superior para el
problema y se eliminan los programas cuando sus valores Z de primera aproximación son mayores
que la cota superior actual.

Ing. Manuel Sánchez Terán

6
 INVESTIGACION DE OPERACIONES II

Consideraciones para los cálculos

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.

A continuación aparecen los datos relevantes:

TIPO DE PRECIO DE MINIMO A DEMANDA MAX. METROS

COMPOSICION
CORBATA VENTA ($) SUMINISTRAR MENSUAL NECESARIOS
Seda 6.70 6000 7000 0.125 100% seda
Polyester 3.55 10000 14000 0.08 100% polyester
50% polyester
Combinación #1 4.31 13000 16000 0.10
50% algodón
30% polyester
Combinación #2 4.81 6000 8500 0.10
70% algodón

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);

!ó también (ya calculado):

Max = 4.075*S + 3.07*P + 3.56*C1 + 4*C2;

!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;

Ing. Manuel Sánchez Terán

8
 INVESTIGACION DE OPERACIONES II

!INVERSION MAXIMA EN LA BOLSA;

55*X1 <= 750;

!INVERSION EN EL FONDO MUTUO;

X2 >= 0.4*(55*X1 + X2);

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 1 (Proyectos de construcción)

Una empresa constructora tiene seis proyectos a realizar en el próximo semestre, así que ya debe estar
preparando al personal para el inicio de las obras, los datos económicos de cada proyecto son:

Proyecto → Camino Supermercado Condominios Departamentos Parques Puentes

Beneficio
50 60 70 80 90 50
(Miles de S/.)

La empresa se tiene que cumplir las siguientes condiciones:

 El Camino se hace para que se pueda hacer el Supermercado. Si el supermercado no se hace el
camino podría no hacerse o hacerse para beneficiar a las casas aledañas.
 De los proyectos Camino y Departamentos se debe elegir uno a lo más.
 El proyecto Condominios podría hacerse si es que se hace el proyecto Departamentos y/o el proyecto
Parques.
 Por límite de presupuesto, de los seis proyectos se debe elegir cuatro proyectos.
 El proyecto Departamentos se puede hacer si es que se hace el proyecto Condominio y no el proyecto
Puentes.

Elabore un modelo PB para ayudar a la constructora a elegir sus proyectos.

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

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 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

Ing. Manuel Sánchez Terán

10
 INVESTIGACION DE OPERACIONES II

PROGRAMACION BINARIA
DECISIONES DEL TIPO SI O NO

Instrucciones:
 Modelar el siguiente problema considerando el uso de variables binarias.
 Encontrar la solución mediante software.

PROBLEMA 1 (Planificación de la producción)

Cierta línea de producción fabrica dos productos. Los datos sobre el producto aparecen en la siguiente
tabla adjunta:

DATOS SOBRE LOS PRODUCTOS

PRODUCTO
DETALLE
A B
Tiempo de arranque 5 horas 10 horas
Tiempo de producción por unidad 0.5 horas 0.75 horas
Costo de arranque $200 $400
Costo de producción por unidad $10 $15
Precio de venta $20 $30

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:

DATOS SOBRE LA DEMANDA

SEMANA
PRODUCTO
1 2 3 4
A 80 100 75 80
B 15 20 50 30

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.

Ing. Manuel Sánchez Terán

11
 INVESTIGACION DE OPERACIONES II

PROBLEMA 2 (Asignación de docentes)

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/.)

Docente A Docente B Docente C Docente D Horas

Curso 1 SI SI NO SI 10
Curso 2 SI SI SI SI 9
Curso 3 SI NO SI SI 10
Curso 4 SI SI SI NO 8
Curso 5 NO SI SI SI 9
Horas disponibles: 25 20 22 18
Costo de contratación: 800 700 650 700
Costo por hora: 35 30 40 33

Tomando en cuenta que:

 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.

 El presente ciclo tiene 16 semanas de duración.

Determinar qué docentes deben ser contratados para minimizar el costo total respecto al pago a docentes
para el ciclo en mención.

Ing. Manuel Sánchez Terán

12
INVESTIGACION DE OPERACIONES II

PROGRAMACION ENTERA BINARIA

 CASOS ESPECIALES: USOS INNOVADORES DE VARIABLES BINARIAS

 RETRICCIONES UNA U OTRA

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:

5x11 + 3x21 + 6x31 + 4x41 < 6000 (1)

4x11 + 6x21 + 3x31 + 5x41 < 5000 (2)

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.

 DEBEN CUMPLIRSE K DE N RESTRICCIONES

En este tipo de problema que consta de N restricciones, solamente deben cumplirse K de

ellas. Lo que sucede realmente es que las N – K restricciones que no se eligen son eliminadas
del problema. Observe que esta situación es una generalización del caso anterior que tenía
K=1 y N=2.

Sean las siguientes

restricciones:
5x1 + 3x2 + 3x3 - x4 < 10
2x1 + 5x2 - x3 + 3x4 < 82
- x1 + 3x2 +5x3 + 3x4 < 15
3x1 - x2 + 3x3 + 5x4 < 20
Aplicando la misma lógica que en caso anterior y considerando; por ejemplo, que al menos
tres de las restricciones se cumplan; se tendría lo siguiente:
5x1 + 3x2 + 3x3 - x4 < 10 + My1
2x1 + 5x2 - x3 + 3x4 < 82 + My2
- x1 + 3x2 +5x3 + 3x4 < 15 + My3
3x1 - x2 + 3x3 + 5x4 < 20 + My4
y1 + y2 + y3 + y4 < 1
yi binarias, (i=1,2,3,4)

Ing. Manuel Sánchez Terán

13
INVESTIGACION DE OPERACIONES II

 RESTRICCIONES CON N VALORES POSIBLES

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:

7x1 + 2x2 < 15y1 + 18 y2 + 20 y3

y1 + y2 + y3 = 1
yi binarias, (i=1,2,3)

 CONSIDERACION DE COSTO FIJO

Al iniciar una actividad o proceso normalmente se incurren en costos inherentes al inicio

de dicha actividad que no se relacionan directamente con la cantidad a producir. Este costo
no es proporcional al nivel de producción como normalmente lo suele ser el costo variable.

En el siguiente modelo matemático se puede apreciar la consideración del

costo fijo:
xi = cantidad de unidades a producir del artículo i, (i=1, 2, 3)
yi = se lleva a cabo o no la producción del artículo i, (i=1, 2, 3)

Max Z = 5x1 + 4x2 + 2x3 - 170y1 - 180y2 - 150y3

Sujeto a:
x1 + x2 + x3 > 250
x1 < 220 y1
Los niveles de producción tendrán valores
x2 < 200 y2 solamente si se ha aceptado llevar a cabo la
fabricación de sus respectivos productos.
x3 < 205 y3

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

Ing. Manuel Sánchez Terán

14
 INVESTIGACION DE OPERACIONES II

 EJEMPLOS

PROBLEMA 1 (RESTRICCIONES UNA U OTRA)

Una empresa ha diseñado 3 nuevos productos y dispone de dos plantas que los pueden producir. Sin embargo, para
evitar una diversificación excesiva de la línea de productos de la empresa, la administración ha dispuesto en primer
lugar que deben producirse como máximo dos de estos tres nuevos productos posibles. Y, en segundo lugar, que
solo una de las plantas debe asignarse para la fabricación de los nuevos productos.

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

Tiempo de producción utilizado por cada unidad Horas

producida (horas) disponibles por
Producto 1 Producto 2 Producto 3 semana
Planta 1 3 5 2 30
Planta 2 4 6 2 40
Ganancia
5 7 3 (miles de $)
unitaria
Ventas
7 5 9 (unid/sem)
potenciales

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;

MAX = 5*X1 + 7*X2 + 3*X3;

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

Ing. Manuel Sánchez Terán

15
 INVESTIGACION DE OPERACIONES II

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:

Aleación 1 Aleación 2 Aleación 3

Costo por tonelada($) 190 200 185
% de A 2.2% 2.5% 2.4%
% de B 1.8% 1.5% 1.9%
% de C 3.2% 4.1% 2.9%

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)

MIN = 190*X1 + 200*X2 + 185*X3;

0.022*X1 + 0.025*X2 + 0.024*X3 <= 0.023 + 1000*Y1;

0.018*X1 + 0.015*X2 + 0.019*X3 <= 0.017 + 1000*Y2;
0.032*X1 + 0.041*X2 + 0.029*X3 <= 0.031 + 1000*Y3;
X1+X2+X3 = 1;
Y1+Y2+Y3 <= 1;

@BIN(Y1);@BIN(Y2);@BIN(Y3);

Solución: Z = 187.50 X1 = 0.5, X3 = 0.5, Y2 = 1

PROBLEMA 3 (RESTRICCIONES CON N VALORES POSIBLES)

Un microempresario ofrece al público 3 modelos novedosos de muebles, para elaborar cada uno de éstos necesita
de 3 tipos de material. Él se encuentra indeciso puesto que le visitaron representantes de 3 distribuidoras de insumos
que ofrecen abastecerle de los materiales que necesita bajo los mismos costos, aunque en cantidades limitadas puesto
que tienen también otros clientes. De estos 3 proveedores debe trabajar solamente con uno.

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.

Material necesario (unidades) Disponibilidad de materiales (unidades)

Modelo 1 Modelo 2 Modelo 3 Proveedor A Proveedor B Proveedor C
Material 1 25 10 33 1200 1500 1750
Material 2 17 15 18 950 1200 800
Material 3 8 7 12 600 820 750

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);

MAX = 750*X1 + 900*X2 + 800*X3;

25*X1 + 10*X2 + 33*X3 <= 1200*YA + 1500*YB + 1750*YC;

17*X1 + 15*X2 + 18*X3 <= 950*YA + 1200*YB + 800*YC;
8*X1 + 7*X2 + 12*X3 <= 600*YA + 820*YB + 750*YC;
YA + YB + YC = 1;
X1 = X2;
X1 = X3;

@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

Ing. Manuel Sánchez Terán

16
 INVESTIGACION DE OPERACIONES II

PROBLEMA 4 (COSTO FIJO)

Un distribuidor decide alquilar locales para establecer almacenes en algunas regiones. En la tabla adjunta se muestran
los tres almacenes candidatos que puede rentar, sus costos mensuales de alquiler, el número máximo de camiones
que pueden cargar y despachar en un mes, la demanda mensual de cargas de camión para cada uno de los cuatro
distritos que desea atender y el costo promedio de enviar un camión de cada almacén a cada distrito.

Costo por camión

Capacidad
distrito de ventas Costo de
mensual
(S/.) alquiler (S/.)
(camiones)
Almacén 1 2 3 4
A 170 90 120 160 200 7750
B 150 165 100 140 250 4000
C 150 240 140 120 300 5500
Demanda 100 90 110 60

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;

!No exceder la capacidad Y alquilar el almacén i

si se atiende por lo menos un pedido desde allí;
XA1 + XA2 + XA3 + XA4 <= 200*YA;
XB1 + XB2 + XB3 + XB4 <= 250*YB;
XC1 + XC2 + XC3 + XC4 <= 300*YC;

@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

Ing. Manuel Sánchez Terán

17