Scribd
Cargar
494 vistas5 páginas

3.1. Definición y Tipos de Modelos de Programación Entera. Formulación de Modelos de P. Entera, Ejemplos

Este documento define y clasifica los modelos de programación entera, distinguiéndolos de los modelos de programación lineal. Explica que los modelos de programación entera tienen variables de decisión que solo pueden tomar valores enteros. Se dividen en programación entera mixta, que incluye variables continuas y enteras, y programación entera pura, con solo variables enteras. También presenta un ejemplo de un problema de maximización de ingresos para una empresa de auditoría que se puede modelar como un problema de programación entera pura.

Cargado por

Miguel Espriella
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
494 vistas5 páginas

3.1. Definición y Tipos de Modelos de Programación Entera. Formulación de Modelos de P. Entera, Ejemplos

Este documento define y clasifica los modelos de programación entera, distinguiéndolos de los modelos de programación lineal. Explica que los modelos de programación entera tienen variables de decisión que solo pueden tomar valores enteros. Se dividen en programación entera mixta, que incluye variables continuas y enteras, y programación entera pura, con solo variables enteras. También presenta un ejemplo de un problema de maximización de ingresos para una empresa de auditoría que se puede modelar como un problema de programación entera pura.

Cargado por

Miguel Espriella
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 5

3.1. Definición y Tipos de modelos de programación entera.

Formulación de modelos de P. Entera, ejemplos.


Un modelo de Programación Entera es aquel cuya solución óptima
tiene sentido solamente si una parte o todas las variables de decisión
toman valores restringidos a números enteros, permitiendo incorporar
en el modelamiento matemático algunos aspectos que quedan fuera del
alcance de los modelos de Programación Lineal.

En este sentido los algoritmos de resolución de los modelos de


Programación Entera difieren a los utilizados en los modelos de
Programación Lineal, destacándose entre ellos el Algoritmo de
Ramificación y Acotamiento (o Branch & Bound), Branch & Cut, Planos
Cortantes, Relajación Lagrangeana, entre otros.

Los modelos de Programación Entera se pueden clasificar en 2 grandes


áreas: Programación Entera Mixta (PEM) y Programación Entera Pura
(PEP).

Programación Entera Mixta (PEM)


A esta categoría pertenecen aquellos problemas de optimización que
consideran variables de decisión enteras o binarias pero no de forma
exclusiva. De esta forma un problema de PEM puede considerarse
como un híbrido entre distintas categorías de modelamiento, siendo un
caso típico aquel que considera la mezcla de variables enteras y
variables continuas (estas últimas características de los modelos de
Programación Lineal).

Programación Entera Pura (PEP)


En esta categoría encontramos aquellos modelos de Programación
Entera que consideran exclusivamente variables de decisión que
adoptan valores enteros o binarios.
Notar que en los problemas anteriores (PEP) el conjunto de las
soluciones factibles (o dominio de soluciones factibles) es finito. Esto
ocurrirá generalmente con los problemas de Programación Entera
(puros).

Adicionalmente resulta interesante hacer un contrastes entre las


propiedades de un modelo de Programación Lineal (PL) y uno de
Programación Entera (PE). A continuación se presentan 2 modelos de
optimización que se diferencian únicamente en que al segundo de ellos
(PE) se le exige que las variables de decisión adopten valores enteros.

El dominio de soluciones factibles del Problema Lineal (PL)


corresponde al área achurada de color verde. Por otro lado el dominio
de soluciones factibles del Problema Entero (PE) es enumerable y
corresponde a las coordenadas denotadas por A, E, F, B, G, H, I, J, K, C,
L, M, D (que es un subconjunto del dominio de factibilidad del PL). En
este caso en particular la solución óptima de ambos problemas coincide
(en el vértice C), no obstante, perfectamente podrían ser distintas
(bastaría con modificar los parámetros del problema).

3.2. Método gráfico de programación entera.


EJEMPLO
Una compañía de auditores se especializa en preparar liquidaciones y
auditorías de empresas pequeñas. Tienen interés en saber cuantas
auditorías y liquidaciones pueden realizar mensualmente para
maximizar sus ingresos. Se dispone de 800 horas de trabajo directo y
320 horas para revisión. Una auditoría en promedio requiere de 40
horas de trabajo directo y 10 horas de revisión, además aporta un
ingreso de 300 dls. Una liquidación de impuesto requiere de 8 horas de
trabajo directo y de 5 horas de revisión, produce un ingreso de 100 dls.
El máximo de liquidaciones mensuales disponibles es de 60.

OBJETIVO: Maximizar el ingreso total.

VARIABLE DE DECISION: Cantidad de auditorías (X1).

Cantidad de liquidaciones (X2).

RESTRICCIONES : Tiempo disponible de trabajo directo

Tiempo disponible de revisión

Número máximo de liquidaciones.

MAXIMIZAR Z= 300X1+100X2
SUJETO A:
40X1+8X2<=800
10X1+5X2<=320
X2<=60 Xi>=0
La solución óptima siempre se encuentra en uno de los vértices del
conjunto de soluciones factibles. Se analizan estos valores en la función
objetivo. El vértice que representa el mejor valor de la función objetivo
será la solución óptima.

También podría gustarte