ESCUELA PROFESIONAL

DE INGENIERÍA DE
SISTEMAS

INVESTIGACIÓN DE OPERACIONES I

SEMESTRE
ACADÉMICO 2023B
 Semana 13

PROGRAMACIÓN
ENTERA

2
 Recomendaciones
Orientaciones

Contraste

Practique Revise
 Contenido

1 Definición de Programación Entera

2 Modelos de Programación entera

3 Programación entera puro (PEP)

2 Programación lineal entera (PLE)

 Programación entera
B
Los problemas de programación entera están Solución Hallando la
9
referidos a problemas que tienen variables solución óptima:
enteras. 8
3A+3B = 27 (I)
7
Ejemplo: Número de ingenieros 2A+4B =30 (II)
6
Número de 6A+6B =54 (III)
5
computadoras 6A+12B =90 (IV)
4
Su tratamiento es similar a las variables reales 3 IV – III 6B=36
con la diferencia que las variables toman B=6
2
solamente valores
Problema enteros. usando el método gráf.
1:Resolver A=3
1
MAX 30A+ 50B
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Sujeto a: A

3A+3B <= 27 (I) Graficando la F.O. SOLUCIÓN

30A+50B=150
2A+4B<=30 (II) Si A=0  B=3 A=3 B=6
Si B=0  A=5
A, B  0, ENTERAS Z=390
 Problema 2
Problema 2 i) Graficando las restricciones iv) Hallando la solución optima
Resolver usando el método gráfico. -X1 + 2X2 >= -2 tomando soluciones factibles:
MAX -2x1 - 3x2 -X1 + 2X2 = -2 (0,0) Z=-2(0)-3(0)=0 (Mayor)
Si X1=0X2=-1 (1,0) Z=-2(1)-3(0)=-2
Sujeto a x1 - 2x2 ≤ 2 (I) Si X2=0X1= 2 (1,1) Z=-2(1)-3(1)=-5
2x1 - x2 ≥ 0 (II) -2X1 + X2 <= 0 La Solución óptima es:
x1 , x2 ≥ 0, enteras -2X1 + X2 = 0 X1 = 0 X2 = 0
Si X1=0X2= 0 El valor que toma la F.O es:
Si X2=2X1= 1 Z = -2(0) - 3(0) = 0
X2 iii) Graficando la F. O.
OBJECTIVE FUNCTION VALUE
-2X1 - 3X2 = -6
1) 0.0000000E+00
Si X1=0X2= 2
VARIABLE VALUE REDUCED
Si X2=0X1= 3
COST
MAX -2X1 - 3X2
2 X1 0.0000 2.000000
-1 X1 ST X1 - 2X2 <= 2 X2 0.0000 3.000000
2X1 - X2 >= 0 ROW SLACK OR SURPLUS
END DUAL PRICES
GIN X1 2) 2.000000 0.000000
GIN X2 3) 0.000000 0.000000
 Problema 3
Problema 3
Resolver usando el método gráfico. SOLUCION
i) Graficando las restriccio nes
MAX -2X1 + 3X2
MAX -2X1 + 3X2 7X1  24X2  45 (I)
SUJETO A ST
X1  0  X2  1.9
7X1 + 24X2 ≤ 45 7X1 + 24X2 <= 45
X2  0  X1  6.43
-X1 + 4X2 ≥ 5 -X1 + 4X2 >= 5
X2 END
X1 , X2 ≥ 0 , Enteras
 X1  4X2  5 (II)
GIN X1
X1  0  X2  1.25 GIN X2
X2  0  X1  5

Solución No integer
1,9
No tiene solución solution was
1,25 óptima porque no tiene found
-5 1 2 3 4 5 6,4 X1
región factible..
 Problema 4
X2
13,13 i) Graficando las restricciones iv) Hallando la solución
MAX 12X1 + 4X2 12 30X1+8X2=105 óptima. Trabajamos con
SUJETO A Si X1=0X2=13,13 las soluciones factibles:
30X1 + 8X2 ≤ 105 11 Si X2=0X1=3,5 (3,1) Z=12(3)+4(1)=40
4X1 + 4X2 ≤ 21 10 4X1+4X2=21 (2,3) Z=12(2)+4(3)=36
4X2 ≤ 17 9 Si X1=0X2=5,25 Por lo tanto, la solución
X1, X2 ≥ 0, Enteras Si X2=0X1=5,25
8 óptima es: X1=3 X2=1
4X2=17 X2=4,25 El valor que toma la F.O.
7 es: Z= 40
iii) Graficando la F.O
12X1+4X2=12
6 Si X1=0 X2=3
5 Si X2=0  X1=1 MAX 12X1 + 4X2
4 OBJECTIVE FUNCTION VALUE ST
3 30X1 + 8X2 <= 105
1) 40.00000
4X1 + 4X2 <= 21
2 VARIABLE VALUE REDUCED 4X2 ≤ 17
1 COST
END
X1 3.000000 -12.000000 GIN X1
X1 X2 1.000000 -4.000000 GIN X2
 Problema 5

MIN -2X1 - 5X2 i) Graficando las restricciones

SUJETO A - 4X1 + 2X2 ≤ -10 (I)
4X1 - 2X2 ≥ 10 - 4X1 + 2X2 = -10
3X1 + X2 ≤ 5
5 Si X1= 0 X2 = - 5
X1 , X2 ≥ 0, Enteras
4 Si X2= 0 X1 = 2,5
3
2 3X1 + X2 =5 (II)
1 Si X1= 0 X2 = 5
0 Si X2= 0 X1 = 1,6
-1 1.6 2.5
-2
-3
-4
RESPUESTA
-5
No tiene solución óptima, porque
no hay región factible.
 Problema 6

MAX X1 - X2 i) Graficando las restricciones

SUJETO A - 2X1 + 2X2 ≥-1 (I)
2X1 - 2X2 ≤ 1 - 2X1 + 2X2 =-1
-4X1+ 4X2 ≤ -1 Si X1= 0 X2 = - 0,5
X1 , X2 ≥ 0 , ENTERAS Si X2= 0 X1 = 0,5

X2 - 4X1 + 4X2 = -1 (II)

Si X1= 0 X2 = - 0,25
1 Si X2= 0 X1 = 0,25

0,5
MAX X1 - X2
0.25 0,5 1 1,5 2 ST
-0.25 X1 2X1 - 2X2<= 1 NO INTEGER SOLUTION
-0.5 WAS FOUND.
-4X1 + 4X2<= -1
RESPUESTA END
No tiene solución óptima, GIN X1
porque no hay región factible.
GIN X2
 X2 Problema 7
10

9 Max 8 X1 + 4 X2
8 Sujeto a 2 X1 + X2  10
X1 + 3 X2  14
7 X1 + X2  6
6 X1 , X2  0

5
Graficando la F. O.
8X1+4X2=16 NO ES
4 ENTERA
Si X1=0 X2=4
3 Si X2=0 X1=2

2 SOLUCIÓN OPTIMA
X1=4 X1=4.5 X1=5
1 X2=2 X2=1 X2=0
Z=40 Z=40 Z=40
1 2 3 4 5 6 7 8 9 10 11 12 13 14
 Problema 8

TIENDAS ADAMS, vende dos tipos de casacas: A y B I Identificación de las variable

usando la misma calidad y color de cuero. Para la
siguiente semana, la compañía tiene 27 metros de cuero y A=número de unidades de casaca tipo A
tiene programadas hasta 30 horas de tiempo de B= número de unidades de casaca tipo B
procesamiento para la confección. Cada casaca tipo A
II Identificación de la función objetivo
requiere 3 metros de cuero, 2 horas de confección y
produce una ganancia de $ 30. Cada casaca tipo B MAX 30A+ 50B
MAX 30A+ 50B
requiere también 3 metros, pero necesita 4 horas de III Identificación de las restricciones ST
confección y produce una ganancia de $ 50. Formular el 3A +3 B <= 27 3A +3 B <= 27
modelo y resolver usando el método gráfico. 2A + 4B<=30 2A + 4B<=30
SOLUCIÓN A, B0, ENTERAS END
TIPO CUERO PROCESAMIENTO UTILIDAD GIN A
GIN B
A 3 2 30
OBJECTIVE FUNCTION VALUE
B 3 4 50 1) 390.0000
VARIABLE VALUE REDUCED COST
STOCK 27 30 A 3.000000 0.000000
B 6.000000 0.000000
 X2

10

9 MAX 30A+ 50B

8 ST
3A +3 B <= 27
7 2A + 4B<=30
6 END
GIN A
5 GIN B
4 Del gráfico la
solución optima es:
3

2 X1=3,X2=6
1
Z=390
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X1
 Problema 9

Farmacias INKAFARMA en sus 9 sucursales ha decidido

ampliar su servicio a 24 horas, con la consiguiente 0-4 4-8 8-12 12-16 16-20 20-24
necesidad de nuevo personal de atención al cliente. La
gerencia de la Empresa ha estimado las necesidades 0:00 X1 X1
mínimas de personal por tramos horarios para poder
cubrir los requerimientos de los clientes que se presenten. 04:00 X2 X2
Se definieron 6 tramos de 4 horas. La necesidad mínima
de personal en cada tramo se indica en el Cuadro. Por 08:00 X3 X3
otro lado, el departamento de recursos humanos ha
informado a la gerencia que los contratos laborales han de 12:00 X4 X4
ser de ocho horas seguidas, según normativa laboral,
independientemente de los horarios de entrada y salida 16:00 X5 X5
del personal. El problema es encontrar el número mínimo
de personal necesario para cubrir la demanda. 20:00 X6 X6
0-4 4-8 8-12 12-16 16-20 20-24
Personal 9 5 3 7 5 6
PERSONAL 9 5 3 7 5 6
 Problema 9

MIN X1 +X2 +X3 +X4 +X5 +X6

I Identificación de las variable ST
Xi= Números de trabajadores que inician X6 + X1 >= 9
en turno i (i=1-6) X1 + X2 >= 5
X2 + X3 >= 3
II Identificación de la funcion objetivo X3 + X4 >= 7
MIN X1 +X2 +X3 +X4 +X5 +X6 X4 + X5 >= 5
X5 + X6 >= 6 OBJECTIVE FUNCTION VALUE
III Identificación de las restricciones
END
X6 + X1 ≥ 9 GIN X1 1) 18.00000
X1 + X2 ≥ 5 GIN X2
X2 + X3 ≥ 3 GIN X3 VARIABLE VALUE REDUCED COST
X3 + X4 ≥ 7 GIN X4 X1 5.000000 0.000000
GIN X5 X2 0.000000 0.000000
X4 + X5 ≥ 5
GIN X6 X3 4.000000 0.000000
X5 + X6 ≥ 6 X4 3.000000 0.000000
Xi ≥ 0, ENTERAS X5 2.000000 0.000000
X6 4.000000 0.000000
 Problema 10
Tipo Precio M. P. M. O. Acaba Carpin Demand Utilidad
Anatina Toys fabrica 2 tipos de juguetes de madera, autitos do tería a
y rompecabezas. Un autito se vende en S/. 54 y requiere
Autito 54 20 28 2 1 40 6
20 S/. de materia prima. Cada autito que se fabrica
incrementa la mano de obra variable y los costos globales Rompec 42 18 20 1 1 ∞ 4
en S/. 28. Un rompecabezas se vende en S/. 42 y requiere 100 80
S/. 18 de materia prima. Cada rompecabezas incrementa
la mano de obra variable y costos globales en S/. 20. Para I Identificación de las variable
la fabricación se requiere mano de obra especializada: Xi= Números de juguetes tipo i (i=1,2)
carpintera y acabados. Un autito requiere 2 h de acabado
y1 h de carpintería. Un rompecabezas requiere 1h II Identificación de la funcion objetivo
acabado y 1h de carpintería. MAX 6X1 + 4X2
Todas las semanas Anatina Toys consigue todo el III Identificación de las restricciones
material , pero solo 100h de trabajo de acabado y 80h de
trabajo de carpintería. La demanda de rompecabezas es 2X1+1X2 ≤ 100
ilimitada y solo se vende a lo más 40 autitos por semana. X1 + X2 ≤ 80
Anatina Toys debe maximizar las utilidades semanales X1 ≤ 40
(ingresos – costos). Diseñar un modelo matemático y
resolver por el método gráfico. X1, X2 ≥ 0, Enteras
 Problema 10
X2
Max 6 X1 + 4 X2 Graficando las restricciones
100 Sujeto a 2 X1 + X2 = 100 I
2 X1 + X2 ≤ 100 X1 + X2 = 80 II
80 X1 + X2 ≤ 80 X1 = 40 III
X1 ≤ 40
60 Graficando la F.O
Xi ≥ 0 Enteras
6X1+4X2 = 240
40 Si X1=0X2=60
Si X2=0X1=40
20
Hallando la Solución óptima
2X1+X2 =100 I
20 40 60 80 100 120 X1 X1+X2= 80 II
X1=20 I-II
X2= 60
Solución óptima:
X1 = 20 X2 = 60
El valor de la F.O
Z = 6(20)+4(60)=360
 Problema 11

NISAN fabrica carros compactos y subcompactos.

COMPACTO: U=10000-{(200)(10)+(18)(70)}=6740
La producción de cada carro requiere una cierta
cantidad de materia prima y mano de obra, como SUBCOMPACTO: U= 8000-{(150)(10)+(20)(70)}=5100
se especifica en la siguiente tabla:
Materia Mano de obra(Hr) [Link]ón de variables
prima(Lb)
C =Número de carros compactos por fabricar
Compactos 200 18
S =Número de carros subcompactos por fabricar
Subcompactos 150 20 II. Identificación de la Función Objetivo
Costo unitario 10 70 MAX 6740C + 5100S
Total disponible 80000 9000 III. Identificación de las restricciones
La división de comercialización ha estimado que a lo 200C +150S ≤ 80000
más 1500 compactos pueden venderse a $ 10000 18C + 20S ≤ 9000
cada uno y que a lo más 200 subcompactos pueden C ≤ 1500
venderse a $ 8000 cada uno. Como vicepresidente de
S ≤ 200
programación, formule un modelo para determinar la
cantidad a fabricar de cada tipo de carro para C, S ≥ 0, ENTERO
maximizar la ganancia total (ingresos menos gastos).
 Problema 11

MAX 6740C + 5100S

SUBJECT TO
200C +150S ≤ 80000
18C + 20S ≤ 9000
C ≤ 1500
S ≤ 200
SOLUCIÓN CON LINDO
END 1) 2705000 C=250 S=200
GIN C
GIN S
 Problema 12

El Banco BBVA está preparando su plan de inversiones Debido a regulaciones, al Banco BBVA no se le permite
para los próximos dos años. Actualmente, la empresa tiene pedir préstamos directos. Pero si que puede, cada seis
1,5 millones de dólares para invertir y espera ingresar, meses, invertir sus fondos excedentes (es decir, aquellos
gracias a inversiones pasadas, un flujo de dinero al final de que no ha invertido en ningún proyecto) en un fondo que le
los meses, 6 12 y 18 próximos. Por otra parte, la empresa daría un 7% cada seis meses.
quiere expandirse y tiene dos propuestas sobre la mesa. La Por otro lado, BBVA puede participar en cada uno de los
primera es asociarse con la empresa Minera San Cristobal proyectos con un nivel inferior al 100% y,
y la segunda con la empresa Gravetal S.A. En el Cuadro se consecuentemente, el flujo de caja se reducirá en la misma
muestra el flujo de caja (miles de dólares)del Banco BBVA proporción. Es decir, que si decide entrar por ejemplo con
si entrara con un 100% en cada uno de los proyectos. el 50% en el proyecto de Gravetal, el flujo correspondiente
Inicial 6 12 18 24 también se reducirá en la misma proporción.
meses meses meses meses El problema que se plantea BBVA es cuanto invertir en
Inversiones 500 400 380 cada proyecto para maximizar el dinero en efectivo que
pasadas tendrá la empresa en dos años
Minera San - 1000 - 700 1800 400 600
Cristobal
Gravetal S.A. - 800 500 -200 - 700 2000
 Problema 12

SOLUCIÓN: Análisis
La empresa dispone de 1,5 millones de dólares hoy (periodo También el dinero depositado en el fondo en el periodo
0) y las quiere gastar considerando las opciones siguientes: anterior estará a disposición junto con los intereses: S0 +
1. Participar en el proyecto Minera San Cristobal, que 0,07S0 .
implicaría desembolsar 1000000X1 dólares en el periodo 0; Por otra parte, el proyecto Gravetal SA dará una entrada
de dinero igual a 500000X2. Con este dinero tendrá que
2. Participar en el proyecto Gravetal SA, teniendo que hacer frente al compromiso adquirido con Minera San
gastar 800000X2; Cristobal, 700000X1, y depositar lo que quede al 7% una
Formulación
3. Depositar el dinero al 7% (0 ≤ X1 ≤ 1, 0 ≤ X2del
≤ 1). problema
vez más. En términos matemáticos:
500 + 500X2 + 1,07S0 = 700X1 + S6
Estas opciones no son excluyentes entre ellas. Por lo tanto, En el periodo 12, la empresa recibirá 400000 dólares, de
se tiene que cumplir la siguiente ecuación de equilibrio: inversiones anteriores, y 1800000X1 del proyecto Minera
1500 000 = 1000 000X1 + 800000X2 + S0 San Cristobal y el dinero del fondo junto con los intereses.
Al cabo de seis meses, la empresa ingresará 500000 Con estos ingresos tendrá que cubrir el compromiso del
dólares, gracias a inversiones realizadas anteriormente. proyecto Gravetal SA, 200X2 y depositar S12 en el fondo.
En términos matemáticos:
400 + 1800X1 + 1,07S6 = 200X2 + S12
 Problema 12

SOLUCIÓN: Análisis
En el periodo 18, los ingresos que tendrá la empresa vendrán Identificación de las variables
de inversiones anteriores (380000), del proyecto Minera San X1= Porcentaje de participación en el proyecto Minera San
Cristobal (400000X1) y del depósito realizado en el periodo Cristobal
anterior incluyendo los intereses (1,07S12 ). Con este dinero X2= Porcentaje de participación en el proyecto Gravetal S.A.
tendrá que realizar un gasto de 700000X2 en el proyecto Si =Dinero que se depositará en el fondo del periodo i (i= 0,
Gravetal y el resto puede volver a ponerlo en el fondo (S18). 6 12 y 18 )
Es decir: 380 + 400X1 + 1,07S12 = 700X2 + S18
Identificación de la Función objetivo
Finalmente, al cabo de dos años (periodo 24), el BISA tendrá Max 600X1 + 2.000X2 + 1,07S18
únicamente ingresos y no tendrá ningún gasto. Los ingresos
provienen de los dos proyectos (600.000X1 + 2.000.000X2) y Identificación de las resticciones
del dinero depositado en el periodo anterior, 1,07 S18. 1000X1 + 800X2 + S0 = 1.500
700X1 -500X2 -1,07S0 + S6 = 500
La Función objetivo es Maximizar los ingresos al cabo de dos
años. Los ingresos realizados en el periodo 24 en miles de -1.800X1 + 200X2 -1,07S6 + S12 = 400
dólares, tendremos que: MAX 600X1+2000X2+ 107S18 -400X1 + 700X2 -1,07S12 + S18 = 380
X1 ≤ 1 ; X2 ≤ 1 ;
Finalmente, como solo se puede invertir un máximo de 100% X1, X2, S0, S6, S12, S18 ≥ 0
en cada proyecto, las variables X1 y X2 no pueden exceder
la unidad. X1 ≤ 1 X2 ≤ 1
 Control de inventarios Problema 13

Manufactura Acme recibió un contrato para entregar 1 2 3 4 5 6

ventanas de vivienda durante los 6 meses siguientes. El Unid. 100 250 190 140 220 110
contrato estipula que Acme debe entregar en cada mes: Costo 50 45 55 48 52 50
100, 250, 190, 140, 220 y 110 ventanas, respectivamente. El
costo de producción por ventana varía de un mes a otro, I Identificación de las variables
dependiendo de los costos de mano de obra, materiales y Xi=Número unidades a producir
servicios. Acme estima que el costo de producción por Yi=Número unidades adicionales a producir
ventana, durante los 6 meses siguientes, será $50, $45, II Identificación de la F.O.
$55, $48, $52 y $50, respectivamente. Para aprovechar las MIN 50X1+45X2+55X3+48X4+52X5+50X6+
fluctuaciones en el costo de manufactura. Acme podría optar 58Y1+53Y2+63Y3+56Y4+60Y5
por producir más de lo necesario en determinado mes, y
III Identificación de las restricciones
guardar las unidades excedentes para entregar en meses
X1-Y1=100
posteriores. Sin embargo, eso le ocasionará un costo de
X2+Y1-Y2=250
I.F.=I.I.+Prod-D
almacenamiento de $8 por ventana y por mes, evaluado con D=I.I-I.F+Prod
X3+Y2-Y3=190
el inventario levantado en el fin de mes. Desarrolle un 250=Y1-Y2+X2
X4+Y3-Y4=140
modelo de programación lineal en forma compacta para
X5+Y4-Y5=220
determinar el programa óptimo de producción e inventario
X6+Y5=110 Xi >=0, entero
para Acme.
 Control de inventarios Problema 13

MIN 50X1+45X2+55X3+48X4+52X5+50X6+ OBJECTIVE FUNCTION VALUE

58Y1+53Y2+63Y3+56Y4+60Y5
ST 1) 50360.00
X1-Y1=100
X2+Y1-Y2=250 VARIABLE VALUE REDUCED COST
X3+Y2-Y3=190 X1 100.000000 0.000000
X4+Y3-Y4=140 X2 250.000000 0.000000
X5+Y4-Y5=220 X3 190.000000 0.000000
X6+Y5=110 X4 140.000000 0.000000
END X5 220.000000 0.000000
GIN X1 X6 110.000000 0.000000
GIN X2 Y1 0.000000 63.000000
GIN X3 Y2 0.000000 43.000000
GIN X4 Y3 0.000000 70.000000
GIN X5 Y4 0.000000 52.000000
GIN X6 Y5 0.000000 62.000000
GIN Y1 ……….
 Control de inventarios Problema 14

I Identificación de las variables

James Beerd hornea pasteles de queso y pasteles de
Selva Negra. Durante cualquier mes puede hornear Xij=Número unidades a producir del producto i en el mes j
cuando mucho 65 pasteles. Los costos por pastel y la Yij=Número unidades adicionales a producir del producto i
demanda de pasteles, la cual se debe cumplir a tiempo, en el mes j
se proporcionan en la siguiente tabla. Cuesta 50 II Identificación de la F.O.
centavos conservar un pastel de queso y 40 centavos MIN 3X11+3,40X12+3,80X13+2,5X21+2,80X22+3,40X23+
conservar un pastel de la selva negra en inventario por 3,50Y11+3,90Y12+2,90Y21+3,20Y22
un mes. Plantee un modelo de programación lineal para III Identificación de las restricciones
minimizar el costo total por cumplir la demanda de los X11-Y11=40
tres meses siguientes:
X12+Y11-Y12=30
Mes 1 Mes 2 Mes 3 X13+Y12 =20
Producto Costo Costo Costo
Demanda ($/pastel) Demanda ($/pastel) Demanda ($/pastel)
X21-Y21=20
Pastel de queso 40 3.00 30 3.40 20 3.80 X22+Y21-Y22=30 X11+Y11+X21+Y21<=65
Selva Negra 20 2.50 30 2.80 10 3.40
X23+Y22=10 X12+Y12+X22+Y22<=65
X13+X23<=65
Xi >=0, entero
I.F.=I.I.+Prod-D
D=I.I-I.F+Prod
 Control de inventarios Problema 14

OBJECTIVE FUNCTION VALUE

MIN 3X11+3,40X12+3,80X13+2,5X21+2,80X22+3,40X23+
3,50Y11+3,90Y12+2,90Y21+3,20Y22 1) 466.0000
ST
X11-Y11=40 VARIABLE VALUE REDUCED COST
X12+Y11-Y12=30 X11 40.000000 0.000000
X13+Y12 =20 X12 30.000000 0.000000
X21-Y21=20 X13 20.000000 0.000000
X22+Y21-Y22=30 X21 20.000000 0.000000
X23+Y22=10 X22 30.000000 0.000000
X11+Y11+X21+Y21<=65 X23 10.000000 0.000000
X12+Y12+X22+Y22<=65 Y11 0.000000 3.100000
X13+X23<=65 Y12 0.000000 3.500000
END Y13 0.000000 8.100000
GIN X11 Y21 0.000000 2.600000
GIN X12 Y22 0.000000 2.600000
GIN X13 Y23 0.000000 7.200000
 Control de inventarios Problema 15
Mes 1 2 3
Priceler fabrica vehículos tipo sedán y camionetas. La
cantidad de vehículos que como máximo se pueden U. Sedan 8000-6000 8000-6000 8000-6000
vender en cada uno de los próximos tres meses se U. Camioneta 9000-7500 9000-7500 9000-7500
presenta a continuación:
I Identificación de las variables
Tipo de Xij=Número unidades a producir del producto i en el mes j
Mes 1 Mes 2 Mes 3
vehículo Yij=Número unidades adicionales a producir del producto i en el
Sedán 1100 1500 1200 mes j
Camioneta 600 700 500 II Identificación de la F.O.
MAX 2000X11+2000X12+2000X13+1500X21+1500X22+1500X23+
Cada sedán se vende en $8000 y cada camioneta se vende en
$9000. Para producir un sedán se requieren $6000 y para 1850Y11+1850Y12+1300Y21+1300Y22
producir una camioneta se requiere $7500. Mantener por un III Identificación de las restricciones
mes en inventario un sedán y una camioneta cuesta $150 y X11+200-Y11<=1100 X11+Y11>=(2/3)(X11+X21+Y11+Y21)
$200 respectivamente. se pueden producir durante cada mes X12+Y11-Y12<=1500
a lo más 1500 vehículos en total. Además, por lo menos dos
3X11+3Y11>=2X11+2X21+2Y11+2Y21
X13+Y12<=1200
tercios de la producción en el mes 1 deben ser sedanes. El X21+100-Y21<=600
X11+Y11-2X21-2Y21>=0
inventario al inicio del mes 1 es de 200 sedanes y 100 X22+Y21-Y22<=700
camionetas. Defina las variables de decisión y formule el
modelo de programación lineal correspondiente en notación
X23+Y22<=500 X11+Y11>=2/3(X11+Y11+X21+Y21)
compacta. I.F.=I.I.+Prod-D
X11+Y11-2X21-2Y21>=0 3X11+3Y11>=2X11+2Y11+2X21+2Y21
D=I.I-I.F+Prod Xi >=0, entero X11+Y11-2X21-2Y21>=0
 Control de inventarios Problema 15

OBJECTIVE FUNCTION VALUE

MAX 2000X11+2000X12+2000X13+1500X21+
1500X22+1500X23+1850Y11+1850Y12+1300Y21+1 1) 0.1917500E+08 19’175000
300Y22
VARIABLE VALUE REDUCED COST
ST X11 3600.000000 0.000000
X11-Y11=900 X12 0.000000 1850.000000
X12+Y11-Y12=1500 X13 0.000000 3700.000000
X13+Y12=1200 X21 1700.000000 0.000000
X21-Y21=500 X22 0.000000 1300.000000
X22+Y21-Y22=700 X23 0.000000 2600.000000
X23+Y22=500 Y11 2700.000000 0.000000
X11+Y11-2X21-2Y21>=0 Y12 1200.000000 0.000000
Y21 1200.000000 0.000000
Y22 500.000000 0.000000
 Control de inventarios Problema 16
Gandhi Co. fabrica camisas y pantalones. La demanda en los I Identificación de las variables
próximos 3 meses, la cual se debe cumplir a tiempo, es la siguiente: Xij=Unidades a producir del producto i en el mes j
Mes 1 Mes 2 Mes 3 Yij=Unidades adicionales a producir del producto i en el mes j
Camisas 10 12 14 Zij=Unidades a producir en horas extras del producto i en el mes j
II Identificación de la F.O.
Pantalones 15 14 13
MIN 8X11+7X12+7.6X13+10X21+8.5X22+9.4X23+11Y11+
Durante cada mes, cuesta $4 elaborar una prenda cualquiera en 10Y12+13Y21+11.5Y22+ 12Z11+11Z12+11.6Z13+14Z21+
turno normal y cuesta $8 en turno extra. La capacidad mensual de 12.5Z22+13.4Z23
producción en turno normal es 25 prendas y la capacidad mensual de III Identificación de las restricciones
producción en turno extra es ilimitada. Es posible almacenar X11+Z11-Y11=9
X12+Y11+Z12-Y12=12 1 2 3
prendas, a un costo de inventario mensual de $3 por prenda. Al inicio
X13+Y12+Z13=14 CONFECCIÓN 4 4 4
del mes 1, en el almacén hay una camisa y 2 pantalones. X21+Z21-Y21=13
Cada camisa requiere 2 yardas2 de tela y cada pantalón requiere 3 X22+Y21+Z22-Y22=14 TELA CAMISA 4 3 3.6
yardas2 de tela. Lo máximo de tela que se puede comprar y el costo X23+Y22+Z23=13 TELA PANTALÓN 6 4.5 5.4
de compra se muestran a continuación: X11+X21<=25
Mes 1 Mes 2 Mes 3 X12+X22<=25
Máximo a comprar (yardas2) 90 60 80 X13+X23<=25
2X11+2Y11+2Z11+3X21+3Y21+3Z21<=90
Costo ($/yarda2) 2 1.5 1.8 2X12+2Y12+2Z12+3X22+3Y22+3Z22<=60
Es posible almacenar tela en cada mes, con un costo de almacenamiento 2X13+2Z13+3X23+3Z23<=80
despreciable. Desarrolle el modelo que minimice el costo total. Xi >=0, entero
 Control de inventarios Problema 16

MIN 8X11+7X12+7.6X13+10X21+8.5X22+9.4X23+ OBJECTIVE FUNCTION VALUE

11Y11+10Y12+13Y21+11.5Y22+ 1) 670.6000
12Z11+11Z12+11.6Z13+14Z21+12.5Z22+13.4Z23 VARIABLE VALUE REDUCED COST
ST X11 9.000000 0.000000
X11+Z11-Y11=9 X12 12.000000 0.000000
X12+Y11+Z12-Y12=12 X13 14.000000 0.000000
X13+Y12+Z13=14 X21 15.000000 0.000000
X21+Z21-Y21=13 X22 12.000000 0.000000
X22+Y21+Z22-Y22=14 X23 11.000000 0.000000
X23+Y22+Z23=13 Y11 0.000000 2.333333
X11+X21<=25 Y12 0.000000 24.733334
X12+X22<=25 Y21 2.000000 0.000000
X13+X23<=25 Y22 0.000000 35.599998
2X11+2Y11+2Z11+3X21+3Y21+3Z21<=90 Z11 0.000000 4.000000
2X12+2Y12+2Z12+3X22+3Y22+3Z22<=60 Z12 0.000000 4.000000
2X13+2Z13+3X23+3Z23<=80 Z13 0.000000 0.000000
Z21 0.000000 4.000000
Z22 0.000000 4.000000
Z23 2.000000 0.000000
 Tipos de modelos para
programación lineal entera
• Es un problema en el que se
Programación • Es un problema en el que se exige Programación requiere que algunas variables de
decisión tengan valores enteros,
Entero Puro que todas las variables de decisión Lineal Entero mientras que otras pueden
tengan valores enteros.
(PEP) (PLE) asumir cualquier numero no
negativo.

PEP PLE
 Tipos de modelos para
programación lineal entera

MIN 6X1+5X2+4X3 MIN 6X1+5X2+4X3

ST ST
108X1+92X2+58X3>=576 108X1+92X2+58X3>=576
7X1+18X2+22X3>=83 7X1+18X2+22X3>=83
END END
GIN X1 GIN X1
GIN X2 PEP GIN X2 PLE
GIN X3

OBJECTIVE FUNCTION VALUE OBJECTIVE FUNCTION VALUE

1) 32.00000 1) 31.55172
VARIABLE VALUE REDUCED COST VARIABLE VALUE REDUCED COST
X1 2.000000 6.000000 X1 1.000000 -1.448276
X2 4.000000 5.000000 X2 5.000000 -1.344828
X3 0.000000 4.000000 X3 0.137931 0.000000
ROW SLACK OR SURPLUS DUAL PRICES ROW SLACK OR SURPLUS DUAL PRICES
2) 8.000000 0.000000 2) 0.000000 -0.068966
3) 3.000000 0.000000 3) 17.034483 0.000000
Problema 1
 Problema 1

MIN Z=60(X1+X2+X3+X4+X5+X6+X7)+200(Y1+Y2)
S.A.
X1+Y1>=15
X1+X2+Y1>=18
X2+X3+Y1>=21
X3+X4+Y1>=24
X4+X5+Y2>=27
X5+X6+Y2>=25
X6+X7+Y2>=15
X7+Y2>=15
Y1+Y2>=0,5(X1+X2+X3+X4+X5+X6+X7+Y1+Y2)
Xi, Yj >= 0, ENTEROS
 Problema 1

MIN
60X1+60X2+60X3+60X4+60X5+60X6+60X7+200Y1+200Y2
ST
X1+Y1>=15
X1+X2+Y1>=18
X2+X3+Y1>=21
X3+X4+Y1>=24 1) 7160.000
X4+X5+Y2>=27 VARIABLE VALUE REDUCED COST
X5+X6+Y2>=25 X1 5.000000 60.000000
X6+X7+Y2>=15 X2 0.000000 60.000000
X7+Y2>=15 X3 9.000000 60.000000
-0.5X1-0.5X2-0.5X3-0.5X4-0.5X5-0.5X6- X4 2.000000 60.000000
0.5X7+0.5Y1+0.5Y2>=0 X5 10.000000 60.000000
END X6 0.000000 60.000000
GIN X1 X7 0.000000 60.000000
GIN X2 Y1 13.000000 200.000000
GIN X3 GIN X4 GIN X5 Y2 15.000000 200.000000
GIN X6 GIN X7 GIN Y1 GIN Y2
 Problema 3

F Graficando las restricciones Graficando la F.O.

MAX Z=18E+6F 42.8E+100F=800 18E+6F=36
24 S.A. Si E=0F=8 Si E=0F=6
22 42.8E + 100F<=800 Si F=0E=18,69 Si F=0E=2
20 20E + 6F <=142 20E + 6F=142
18 30E + 10F >=135 Si E=0F=23,67 Hallando la Solución
16 E – 3F <=0 Si F=0E=7,1 optima trabajando
14 E, F >=0, ENTERO con las soluciones
12 30E + 10F =135 factibles:
10 Si E=0F=13,5 (6,3)Z=126
8 Si F=0E=4,5 (5,6)z=126
6
E – 3F =0
4 La solución óptima es:
Si E=0F=0
2 E=5 F=6
Si F=1E=3
El valor de la F.O. es:
2 4 6 8 10 12 14 16 18 20 22 24 E Z=126
MAX Z=18E+6F OBJECTIVE FUNCTION VALUE
ST
1) 126.0000
42.8E + 100F<=800
20E + 6F <=142 VARIABLE VALUE REDUCED COST
30E + 10F >=135 E 6.000000 -18.000000
E – 3F <=0 F 3.000000 -6.000000
END
GIN E
GIN F ROW SLACK OR SURPLUS DUAL PRICES
2) 243.200012 0.000000
3) 4.000000 0.000000
4) 75.000000 0.000000
5) 3.000000 0.000000
MILKITO tiene dos máquinas distintas para procesar I. Identificación de variables
leche pura y producir leche descremada, mantequilla o Li =Número de gl. de leche descremada a producir en la máq. i
queso. La cantidad de tiempo requerido en cada máquina Mi=Número de lb. de mantequilla a producir de en la máquina i
para producir cada unidad de producto resultante y las Qi =Número de lb. de queso a producir en la máquina i
ganancias netas se proporcionan en la siguiente tabla: II. Identificación de la Función Objetivo
Leche Mantequilla Queso MAX 0.22(L1+L2) + 0.38(M1+M2) + 0.72(Q1+Q2)
descremada III. Identificación de las restricciones
Máquina 1 0.2 min / gal 0.5 min / lb 1.5 min / lb Con respecto a la cantidad a producir
Máquina 2 0.3 min / gal 0.7 min / lb 1.2 min / lb L1+L2 ≥ 300
Ganancia neta 0.22$/ gal 0.38$/ lb 0.72$/ lb M1+M2 ≥ 200
Q1+Q2 ≥ 100
Suponiendo que se dispone de 8 horas en cada máquina Con respecto al tiempo requerido
diariamente, como gerente del departamento de 0.2L1 + 0.5M1 +1.5Q1 ≤ 480
0.3L2 + 0.7M2 + 1.2Q2 ≤ 480
producción, formule un modelo para determinar un plan
Con respecto a la no negatividad
de producción diaria que maximice las ganancias Li, Mi, Qi ≥ 0
corporativas netas y produzca un mínimo de 300 galones
de leche descremada, 200 libras de mantequillas y 100
libras de queso.
MAX 0.22L1+ 0.22L2 + 0.38M1+0.38M2 + SOLUCIÓN CON LINDO
0.72Q1 + 0.72Q2 1) 837.33
SUBJECT TO Variable Value Reduced Cost
L1+L2 >=300 L1 2400.000 0.000000
M1+M2 >=200 L2 733.3333 0.000000
Q1+Q2 >=100 M1 0.0000 0.036667
0.2L1 + 0.5M1 +1.5Q1 <=480 M2 200.0000 0.000000
0.3L2 + 0.7M2 + 1.2Q2 <=480 Q1 0.0000 0.770000
Q2 100.0000 0.000000
El Ministerio de Salud indica que cada galón de leche, libra I. Identificación de variables
de queso y libra de manzanas proporciona un número L =Número Galones de leche a utilizar
conocido de miligramos de proteínas y vitaminas A, B y C. La Q =Número Libras de queso a utilizar
siguiente tabla incluye esos datos junto con los M =Número Libras de manzana a utilizar
requerimientos diarios de los ingredientes nutricionales y la
cantidad mínima de cada alimento que debe incluirse en la II. Identificación de la Función Objetivo
comida y su costo. MIN 2.15L + 2.25Q + 1.25M
Leche Queso Manzanas Requerimient
(mg/gal) (mg/lb) (mg/lb) o mín. (mg) III. Identificación de las restricciones
Con respecto a los requerimiento
Proteínas 40 30 10 80 40L + 30Q + 10M ≥80
Vitamina A 5 50 30 60 5L + 50Q + 30M ≥60
Vitamina B 20 30 40 50 20L + 30Q + 40M ≥50
30L + 50Q + 60M ≥30
Vitamina C 30 50 60 30
Con respecto a La cantidad mínima
Cantidad mínima 0,50 gal 0,50 lb 0,50 lb L ≥ 0.5
Costo unitario 2,15 2,25 1,25 Q ≥ 0.5
Como dietista de una escuela pública, formule un M ≥ 0.5
modelo para determinar la comida de costo mínimo Con respecto a la no negatividad
que reúna todos los requerimientos nutricionales. L, Q, M ≥ 0
OBJECTIVE FUNCTION VALUE
1) 5.147297
VARIABLE VALUE REDUCED COST
L 1.297297 0.000000
Q 0.770270 0.000000
M 0.500000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 -0.052027
3) 0.000000 -0.013784
4) 19.054054 0.000000
5) 77.432434 0.000000
6) 0.797297 0.000000
7) 0.270270 0.000000
8) 0.000000 -0.316216
NO. ITERATIONS= 3
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
L 2.150000 0.850000 1.462500
Q 2.250000 0.508696 0.637500
M 1.250000 INFINITY 0.316216
 Seamos dueños de nuestro propio
destino

Donde quiera que usted vea un negocio exitoso,

alguien ha tomado una decisión valiente.

Gracias

44