Programacion Lineal: Modelos PLE

CCIR / Matematicas

euresti@itesm.mx

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

1 / 35

Introduccion

Introduccion

En esta lectura se veran c

omo se puede modelar situaciones mediante un modelo
de programaci
on lineal entera o entera mixta (PLE). Tambien veremos algunos
ejemplos que ilustran c
omo modelar situaciones que nos son lineales, tanto en las
restricciones como en la funci
on objetivo, que mediante la introduccion de
variables binarias se pueden convertir a un modelo lineal.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

2 / 35

0-1 Knapsack problem

0-1 Knapsack problem

Suponga que hay n proyectos y que el costo del proyecto i es ci y que por otro
lado el valor del proyecto es ai . Cada proyecto se realiza o no, de manera que no
es posible realizar una fracci
on de el. El presupuesto disponible es limitado y tiene
el valor b. El problema de la mochila consiste en elegir un subconjunto de
proyectos que maximice el valor obtenido y que no exceda el presupuesto dado:
Max

n
X

ai xi

i=1

sujeto a
n
X

c i xi b

i=1

La variable binaria xi sirve para determinar cuando el proyecto i es seleccionado: 0

si no lo es, 1 si s lo es.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

3 / 35

Ejemplo 1

Ejemplo 1
StockCo considera cuatro inversiones. La inversi
on 1 proporcionara un valor
actual neto (VAN) de 16,000 d
olares; la inversi
on 2 un VAN de 20,000 dolares; la
inversi
on 3 un VAN de 12,000 d
olares; y la inversi
on 4 un VAN de 8,000 dolares.
Cada inversi
on requiere cierto flujo de caja en el momento actual; la inversion 1
requiere 5,000 d
olares; la inversi
on 2 requiere 7,000 d
olares; la inversion 3 requiere
4,000 d
olares; y la inversi
on 4 requiere 3,000 d
olares. Se dispone de 14,000
dolares para la inversi
on. Formule y resuelva un modelo PLE para maximizar el
VAN obtenido por StockCo.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

4 / 35

Ejemplo 1

Ejemplo 1
StockCo considera cuatro inversiones. La inversi
on 1 proporcionara un valor
actual neto (VAN) de 16,000 d
olares; la inversi
on 2 un VAN de 20,000 dolares; la
inversi
on 3 un VAN de 12,000 d
olares; y la inversi
on 4 un VAN de 8,000 dolares.
Cada inversi
on requiere cierto flujo de caja en el momento actual; la inversion 1
requiere 5,000 d
olares; la inversi
on 2 requiere 7,000 d
olares; la inversion 3 requiere
4,000 d
olares; y la inversi
on 4 requiere 3,000 d
olares. Se dispone de 14,000
dolares para la inversi
on. Formule y resuelva un modelo PLE para maximizar el
VAN obtenido por StockCo.
Variables de Decisi
on:


1 si se realiza la inversi
on i
0 otro caso
Objetivo: Maximizar el VAN:
Max z = 16, 000 x1 + 20, 000 x2 + 12, 000 x3 + 8, 000 x4
xi =

Restricciones:
5, 000 x1 + 7, 000 x2 + 4, 000 x3 + 3, 000 x4 14, 000
xi = 1
o 0, para i = 1, 2, 3, 4.
CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

4 / 35

Ejemplo 1

Codigo LINDO y reporte Euing

MAX 0.12X11+0.12X21+0.14X12+0.14X22-CX1
ST
X1 -X11 - X12=0
X2 -X21 + X22=0
X2 <= 1000
X1 <= 2000
0.5X11 + 0.5X21 - X11 <=0
0.6X12 + 0.6X22 - X12 <= 0
125Z3 + 225Z4 + 300Z5 - CX1=0
Z1 - Y1 <= 0
Z2 - Y2 - Y1 <=0
Z3 - Y3 - Y2 <=0
Z4 - Y4 - Y3 <=0
Z5 - Y4 <= 0
Y1 + Y2 + Y3 + Y4 = 1
Z1 + Z2 + Z3 + Z4 + Z5 = 1
1000Z3 + 1500Z4 + 2000Z5 - X1 <=0
END
INTE Y1
INTE Y2
INTE Y3
INTE Y4

CCIR / Matem
aticas

OBJECTIVE FUNCTION VALUE

1)
476.0000
VARIABLE
VALUE
REDUCED COST
Y1
1.000000
0.000000
Y2
0.000000
0.000000
Y3
0.000000
0.000000
Y4
0.000000
0.000000
X11
1400.000000
0.000000
X21
1400.000000
0.000000
X12
600.000000
0.000000
X22
400.000000
0.000000
CX1
0.000000
0.000000
X1
2000.000000
0.000000
X2
1000.000000
0.000000
Z3
0.000000
125.000000
Z4
0.000000
225.000000
Z5
0.000000
300.000000
Z1
0.000000
0.000000
Z2
1.000000
0.000000
ROW
SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
-0.236000
3)
0.000000
-0.004000
4)
0.000000
0.004000
5)
0.000000
0.236000
6)
0.000000
0.232000
7)
0.000000
0.240000
8)
0.000000
1.000000
9)
1.000000
0.000000
10)
0.000000
0.000000
11)
0.000000
0.000000
12)
0.000000
0.000000
13)
0.000000
0.000000
14)
0.000000
0.000000
15)
0.000000
0.000000
16)
2000.000000
0.000000

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

5 / 35

Ejemplo 1

Modifique el modelo para StockCo para considerar por separado cada una de las
siguientes restricciones:
1

StockCo puede realizar los mas dos inversiones.

Si StockCo invierte en la inversi

on 2, entonces debe tambien invertir en la 1.

Si StockCo invierte en la inversi

on 2, entonces no podra invertir en la 4.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

6 / 35

Ejemplo 1

Modifique el modelo para StockCo para considerar por separado cada una de las
siguientes restricciones:
1

StockCo puede realizar los mas dos inversiones.

Si StockCo invierte en la inversi

on 2, entonces debe tambien invertir en la 1.

Si StockCo invierte en la inversi

on 2, entonces no podra invertir en la 4.

Respuestas
1

Basta a
nadir al modelo la restricci
on: x1 + x2 + x3 + x4 2
Esto hace que entre todos los proyectos hay a lo mas dos ss

Basta a
nadir al modelo la restricci
on: x2 x1
Esto hace que un s para el proyecto 2 implique un s para el proyecto 1.

Basta a
nadir al modelo la restricci
on: x2 + x4 1
Esto hace que entre los proyectos 2 y 4 hay a lo mas un s.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

6 / 35

Ejemplo 2

Ejemplo 2
Gandhi Cloth Co puede fabricar 3 tipos de ropa: camisas, shorts y pantalones.
Para poder fabricar la ropa, la compa
na debe disponer de la maquinaria adecuada
la cual debe rentar. Para fabricar camisas la maquinaria se renta en 200 dolares
por semana; la maquinaria para hacer shorts se renta en 150 dolares por semana;
y la maquinaria para hacer pantalones cuesta 100 d
olares por semana. La
siguiente tabla contiene informaci
on sobre los requerimientos para fabricar la ropa
en tela y en horas de trabajo, as mismo contiene informacion sobre los precios de
venta y los costos de la matera primas.
TRABAJO
Horas

TELA
m2

PRECIO VENTA
d
olares

COSTO
d
olares

Camisa
Short
Pantal
on

3
2
6

4
3
4

12
8
15

6
4
8

Disponibles

150

160

Suponiendo que los costos de renta son independientes de las cantidades de ropa
a producir, formule y resuelva un modelo PLE para la compa
na Gandhi de
manera que maximice sus ganancias semanales.
CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

7 / 35

Ejemplo 2

Variables de Decisi
on:
x1 = n
umero de camisas a fabricar
x2 = n
umero de shorts a fabticar
x3 = n
umero de pantalones a fabricar
Relativas a la renta de maquinaria:

1 si se fabrican camisas
y1 =
0 otro caso

1 si se fabrican shorts
y2 =
0 otro caso

1 si se fabrican pantalones
y3 =
0 otro caso
Objetivo Maximizar:
z

CCIR / Matem
aticas

+ (12 x1 + 8 x2 + 15 x3 )
(6 x1 + 4 x2 + 8 x3 )
(200 y1 + 150 y2 + 100 y3 )

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

8 / 35

Ejemplo 2

Restricciones
No exceder el n
umero de horas disponibles de trabajo
3 x1 + 2 x2 + 6 x3 150
No exceder la cantidad semanda de tela disponible:
4 x1 + 3 x2 + 4 x3 160
Si se decide hacer al menos una camisa, debe rentarse la maquinaria de
hacer camisas: x1 M1 y1
Si se decide hacer al menos un short, debe rentarse la maquinaria de hacer
shorts: x2 M2 y2
Si se decide hacer al menos una pantal
on, debe rentarse la maquinaria de
hacer pantalones: x3 M3 y3
x1 , x2 , x3 enteros no negativos, y1 , y2 , y3 1
o 0.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

9 / 35

Ejemplo 2

Para las restricciones anteriores, M1 , M2 y M3 son n

umeros grandes de forma tal
que un 0 en yi condiciona a que xi = 0 y un 1 en yi no pone restricciones a xi .
Estos valores de Mi son calculables por las restricciones. Por ejemplo, si solo se
hicieran camisas (x2 = 0 y x3 = 0) por las horas de trabajo se debe cumplir que
3 x1 150, as x1 50. Por tanto, se puede elegir M1 = 50 o un n
umero mayor.
De igual manera, si s
olo se hacen shorts (x1 = 0 y x3 = 0) de la restriccion de
horas de trabajo se tiene que cumplir 2 x2 150, y s x2 75. Por tanto, se
puede elegir M2 = 75 o cualquier n
umero mayor. Si ahora decidimos elegir solo
hacer pantalones (x1 = 0 y x2 = 0) por el n
umero de horas disponibles se debe
cumplir 6 x3 150, y as x3 25. Por tanto, se puede elegir M3 = 25 o cualquier
n
umero mayor.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

10 / 35

Ejemplo 2

Codigo LINDO y reporte Euing

MAX 0.12X11+0.12X21+0.14X12+0.14X22-CX1
ST
X1 -X11 - X12=0
X2 -X21 + X22=0
X2 <= 1000
X1 <= 2000
0.5X11 + 0.5X21 - X11 <=0
0.6X12 + 0.6X22 - X12 <= 0
125Z3 + 225Z4 + 300Z5 - CX1=0
Z1 - Y1 <= 0
Z2 - Y2 - Y1 <=0
Z3 - Y3 - Y2 <=0
Z4 - Y4 - Y3 <=0
Z5 - Y4 <= 0
Y1 + Y2 + Y3 + Y4 = 1
Z1 + Z2 + Z3 + Z4 + Z5 = 1
1000Z3 + 1500Z4 + 2000Z5 - X1 <=0
END
INTE Y1
INTE Y2
INTE Y3
INTE Y4

CCIR / Matem
aticas

OBJECTIVE FUNCTION VALUE

1)
476.0000
VARIABLE
VALUE
REDUCED COST
Y1
1.000000
0.000000
Y2
0.000000
0.000000
Y3
0.000000
0.000000
Y4
0.000000
0.000000
X11
1400.000000
0.000000
X21
1400.000000
0.000000
X12
600.000000
0.000000
X22
400.000000
0.000000
CX1
0.000000
0.000000
X1
2000.000000
0.000000
X2
1000.000000
0.000000
Z3
0.000000
125.000000
Z4
0.000000
225.000000
Z5
0.000000
300.000000
Z1
0.000000
0.000000
Z2
1.000000
0.000000
ROW
SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
-0.236000
3)
0.000000
-0.004000
4)
0.000000
0.004000
5)
0.000000
0.236000
6)
0.000000
0.232000
7)
0.000000
0.240000
8)
0.000000
1.000000
9)
1.000000
0.000000
10)
0.000000
0.000000
11)
0.000000
0.000000
12)
0.000000
0.000000
13)
0.000000
0.000000
14)
0.000000
0.000000
15)
0.000000
0.000000
16)
2000.000000
0.000000

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

11 / 35

Ejemplo 3

Ejemplo 3
Hay seis ciudades (ciudades 1-6) en el Condado Kilroy. El condado debe
determinar en que ciudad construir estaciones de bomberos. El condado quiere
construir una cantidad mnima de estaciones, pero quiere asegurarse que para
cada ciudad hay al menos una estaci
on que esta a 15 minutos de viaje. Los datos
de los tiempos de viaje, en minutos, de una ciudad a otra estan en la siguiente
tabla. Formule y resuelva un modelo PLE que dira en que ciudades construir una
estac
on de bomberos.
DE
Ciudad
Ciudad
Ciudad
Ciudad
Ciudad
Ciudad

1
2
3
4
5
6

CCIR / Matem
aticas

Ciudad 1

Ciudad 2

0
10
20
30
30
20

10
0
25
35
20
10

HACIA
Ciudad 3
Ciudad 4
20
25
0
15
30
20

30
35
15
0
15
25

Programaci
on Lineal: Modelos PLE

Ciudad 5

Ciudad 6

30
20
30
15
0
14

20
10
20
15
14
0

euresti@itesm.mx

12 / 35

Ejemplo 3

Variables de decisi
on:

1
xi =
0

si estaci
on de bomberos en la ciudad i
si no

Objetivo:
P6
Minimizar el total de estaciones de bomberos: Minimizar
i=1 xi
Restricciones
Cubrir a la ciudad 1: Como s
olo ella misma y la ciudad 2 estan a 15 minutos
o menos, entonces la ciudad 1 se cubrira teniendo estaciones de bomberos
en la ciudad 1 y/o en la ciudad 2: x1 + x2 1
Cubrir a la ciudad 2: x1 + x2 + x6 1
Cubrir a la ciudad 3: x3 + x4 1
Cubrir a la ciudad 4: x3 + x4 + x5 1
Cubrir a la ciudad 5: x4 + x5 + x6 1
Cubrir a la ciudad 6: x2 + x5 + x6 1
CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

13 / 35

Ejemplo 3

Codigo LINDO y reporte Euing

MAX 0.12X11+0.12X21+0.14X12+0.14X22-CX1
ST
X1 -X11 - X12=0
X2 -X21 + X22=0
X2 <= 1000
X1 <= 2000
0.5X11 + 0.5X21 - X11 <=0
0.6X12 + 0.6X22 - X12 <= 0
125Z3 + 225Z4 + 300Z5 - CX1=0
Z1 - Y1 <= 0
Z2 - Y2 - Y1 <=0
Z3 - Y3 - Y2 <=0
Z4 - Y4 - Y3 <=0
Z5 - Y4 <= 0
Y1 + Y2 + Y3 + Y4 = 1
Z1 + Z2 + Z3 + Z4 + Z5 = 1
1000Z3 + 1500Z4 + 2000Z5 - X1 <=0
END
INTE Y1
INTE Y2
INTE Y3
INTE Y4

CCIR / Matem
aticas

OBJECTIVE FUNCTION VALUE

1)
476.0000
VARIABLE
VALUE
REDUCED COST
Y1
1.000000
0.000000
Y2
0.000000
0.000000
Y3
0.000000
0.000000
Y4
0.000000
0.000000
X11
1400.000000
0.000000
X21
1400.000000
0.000000
X12
600.000000
0.000000
X22
400.000000
0.000000
CX1
0.000000
0.000000
X1
2000.000000
0.000000
X2
1000.000000
0.000000
Z3
0.000000
125.000000
Z4
0.000000
225.000000
Z5
0.000000
300.000000
Z1
0.000000
0.000000
Z2
1.000000
0.000000
ROW
SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
-0.236000
3)
0.000000
-0.004000
4)
0.000000
0.004000
5)
0.000000
0.236000
6)
0.000000
0.232000
7)
0.000000
0.240000
8)
0.000000
1.000000
9)
1.000000
0.000000
10)
0.000000
0.000000
11)
0.000000
0.000000
12)
0.000000
0.000000
13)
0.000000
0.000000
14)
0.000000
0.000000
15)
0.000000
0.000000
16)
2000.000000
0.000000

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

14 / 35

Ejemplo 4

Ejemplo 4
FC-Co considera construir plantas en tres localidades desde donde se proveeran
productos a otras 4 ciudades distintas. La primera de las posibles plantas tendra
una capacidad de 39 productos y un costo de 91 unidades de capital; la segunda
tendra una capacidad de 35 productos y un costo de 70 unidades de capital; la
tercera tendra una capacidad de 31 productos a un costo de construccion de 24
unidades de capital. La ciudad 1 tiene una demanda de 15 productos, la segunda
de 17, la tercera de 22 y la cuarta ciudad de 12 productos. Determine cuales de
las plantas debe construir de manera que se minimice el costo de construccion y
el costo por envio total. Suponga que debe proporcionar a las ciudades los
productos requeridos y que no debe exceder las capacidades de las plantas. Los
costos de envio unitarios en unidades de capital desde cada planta a cada ciiudad
estan dados en la siguiente tabla.

P1
P2
P3
CCIR / Matem
aticas

C1
6
4
8

C2
2
9
8

C3
6
5
1

C4
7
3
5

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

15 / 35

Ejemplo 4

Variables de decisi
on
yi : variable binaria que indica si la planta i se construye
xi,j : Variable entera que determina cuantos productos se envian desde la
plata i a la ciudad j.
Objetivo
Min z =

3
X
i=1

cpi yi +

3 X
4
X

ci,j xi,j

i=1 j=1

Restricciones
Cumplir demandas: Para toda ciudad j = 1, 2, 3, 4,

P3

No exceder capacidades: Para toda planta i = 1, 2, 3,

i=1 xi,j

P4

dj

j=1 xi,j

s i yi

Naturales: Para toda i = 1, 2, 3, yi es binaria.

Naturales: Para toda i = 1, 2, 3 y para toda j = 1, 2, 3, 4, xi,j es entera.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

16 / 35

Ejemplo 4

Codigo LINDO y reporte Euing

MAX 0.12X11+0.12X21+0.14X12+0.14X22-CX1
ST
X1 -X11 - X12=0
X2 -X21 + X22=0
X2 <= 1000
X1 <= 2000
0.5X11 + 0.5X21 - X11 <=0
0.6X12 + 0.6X22 - X12 <= 0
125Z3 + 225Z4 + 300Z5 - CX1=0
Z1 - Y1 <= 0
Z2 - Y2 - Y1 <=0
Z3 - Y3 - Y2 <=0
Z4 - Y4 - Y3 <=0
Z5 - Y4 <= 0
Y1 + Y2 + Y3 + Y4 = 1
Z1 + Z2 + Z3 + Z4 + Z5 = 1
1000Z3 + 1500Z4 + 2000Z5 - X1 <=0
END
INTE Y1
INTE Y2
INTE Y3
INTE Y4

CCIR / Matem
aticas

OBJECTIVE FUNCTION VALUE

1)
476.0000
VARIABLE
VALUE
REDUCED COST
Y1
1.000000
0.000000
Y2
0.000000
0.000000
Y3
0.000000
0.000000
Y4
0.000000
0.000000
X11
1400.000000
0.000000
X21
1400.000000
0.000000
X12
600.000000
0.000000
X22
400.000000
0.000000
CX1
0.000000
0.000000
X1
2000.000000
0.000000
X2
1000.000000
0.000000
Z3
0.000000
125.000000
Z4
0.000000
225.000000
Z5
0.000000
300.000000
Z1
0.000000
0.000000
Z2
1.000000
0.000000
ROW
SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
-0.236000
3)
0.000000
-0.004000
4)
0.000000
0.004000
5)
0.000000
0.236000
6)
0.000000
0.232000
7)
0.000000
0.240000
8)
0.000000
1.000000
9)
1.000000
0.000000
10)
0.000000
0.000000
11)
0.000000
0.000000
12)
0.000000
0.000000
13)
0.000000
0.000000
14)
0.000000
0.000000
15)
0.000000
0.000000
16)
2000.000000
0.000000

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

17 / 35

Restricciones del tipo O BIEN

Restricciones del tipo O BIEN

Para codificar una restricci

on del tipo
f (x1 , x2 , . . . , xn ) 0
o bien
g (x1 , x2 , . . . , xn ) 0
el truco consiste en introducir una variable binaria (0
o 1) y que indica cual
restricci
on se cumple, y lo anterior se codifica como
f (x1 , x2 , . . . , xn )
g (x1 , x2 , . . . , xn )

My
M (1 y )

donde M es un n
umero positivo muy grande.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

18 / 35

Ejemplo 5

Ejemplo 5

Dorian Auto considera la fabricaci

on de 3 tipos de autos: Compacto, mediano, y
grande. En la siguiente tabla se muestran los recursos requeridos y las ganancias
por cada tipo de auto. En la actualidad se cuenta con 600 toneladas de acero y
60,000 horas de trabajo. Para que la producci
on de un tipo de auto sea factible,
hay que fabricar al menos 100 autom
oviles. Formule un modelo PLE para
maximizar la ganancia de Dorian Auto.

Acero requerido
Trabajo requerido
Gancia obtenida

CCIR / Matem
aticas

COMPACTO
1.5 ton
30 horas
2,000 d
olares

MEDIANO
3 ton
25 horas
3,000 d
olares

Programaci
on Lineal: Modelos PLE

GRANDE
5 ton
40 horas
4,000 dolares

euresti@itesm.mx

19 / 35

Variables de Decisi
on

Ejemplo 5

xi = Num de autos i a producir (i = 1 Compacto, i = 2 mediano, i = 3

grande)
Objetivo
Max z =

3
X

gi xi

i=1

Restricciones
Recursos:
Acero: 1.5 x1 + 3 x2 + 5 x3 600
Trabajo: 30 x1 + 25 x2 + 40 x2 60, 000
Producci
on: 400 xi o xi = 0
Restricciones naturales xi 0
Truco:
400 xi
o xi = 0 f = 400 xi 0
o g = xi 0
(400 xi ) M yi y xi M (1 yi )
CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

20 / 35

Ejemplo 5

Codigo LINDO y reporte Euing

MAX 0.12X11+0.12X21+0.14X12+0.14X22-CX1
ST
X1 -X11 - X12=0
X2 -X21 + X22=0
X2 <= 1000
X1 <= 2000
0.5X11 + 0.5X21 - X11 <=0
0.6X12 + 0.6X22 - X12 <= 0
125Z3 + 225Z4 + 300Z5 - CX1=0
Z1 - Y1 <= 0
Z2 - Y2 - Y1 <=0
Z3 - Y3 - Y2 <=0
Z4 - Y4 - Y3 <=0
Z5 - Y4 <= 0
Y1 + Y2 + Y3 + Y4 = 1
Z1 + Z2 + Z3 + Z4 + Z5 = 1
1000Z3 + 1500Z4 + 2000Z5 - X1 <=0
END
INTE Y1
INTE Y2
INTE Y3
INTE Y4

CCIR / Matem
aticas

OBJECTIVE FUNCTION VALUE

1)
476.0000
VARIABLE
VALUE
REDUCED COST
Y1
1.000000
0.000000
Y2
0.000000
0.000000
Y3
0.000000
0.000000
Y4
0.000000
0.000000
X11
1400.000000
0.000000
X21
1400.000000
0.000000
X12
600.000000
0.000000
X22
400.000000
0.000000
CX1
0.000000
0.000000
X1
2000.000000
0.000000
X2
1000.000000
0.000000
Z3
0.000000
125.000000
Z4
0.000000
225.000000
Z5
0.000000
300.000000
Z1
0.000000
0.000000
Z2
1.000000
0.000000
ROW
SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
-0.236000
3)
0.000000
-0.004000
4)
0.000000
0.004000
5)
0.000000
0.236000
6)
0.000000
0.232000
7)
0.000000
0.240000
8)
0.000000
1.000000
9)
1.000000
0.000000
10)
0.000000
0.000000
11)
0.000000
0.000000
12)
0.000000
0.000000
13)
0.000000
0.000000
14)
0.000000
0.000000
15)
0.000000
0.000000
16)
2000.000000
0.000000

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

21 / 35

Funciones Linealmente Seccionadas

Funciones Linealmente Seccionadas

Suponga una funci
on linealmente seccionada en la variable var , f (var ); cuyos
puntos de ruptura son var = b1 , var = b2 , . . . var = bn . Para alg
un k
(k = 1, 2, . . . , n 1) se tiene que
var = zk bk + (1 zk ) bk+1
y as
f (var ) = zk f (bk ) + (1 zk ) f (bk+1 )
f (bk+1 )

f (var )

f (bk )
bk

CCIR / Matem
aticas

var

Programaci
on Lineal: Modelos PLE

bk+1

euresti@itesm.mx

22 / 35

Funciones Linealmente Seccionadas

Estrategia de modelaci
on con variables enteras:
Reemplace:
f (var ) = z1 f (b1 ) + z2 f (b2 ) + + zn f (bn )
Adicione al modelo las restricciones:
z1 y1
z2 y1 + y2
z3 y2 + y3
..
.
zn1 yn2 + yn1
zn yn1
y1 + y2 + + yn1 = 1
z1 + z2 + + zn = 1
var = z1 b1 + + zn bn
yi = 0 o 1 para i = 1, 2, . . . n 1, zi 0 para i = 1, 2, . . . , n

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

23 / 35

Ejemplo 6

Ejemplo 6
La compa
na MyCo produce dos tipos de productos que vende a granel, digamos
A y B. Estos productos se basan en una misma materia prima y diferentes
cantidades de mano de obra. El precio de venta de cada kilogramo de A es de 200
pesos y cada kilogramo de B se vende en 250 pesos. Cada kilogramo de A
requiere 4 horas de mano de obra y dos kilogramos de materia prima (1 kilogramo
de materia prima se pierde en el proceso). Cada kilogramo de B requiere 6 horas
de mano de obra y dos kilogramos y medio de materia prima (Un y medio
kilogramos se pierden en el proceso). La compa
na dispone de 400 horas de mano
de obra a la semana y la materia prima la compra por semana a un proveedor a
un precio de 50 pesos cada kilogramo, pero por cada kilogramo despues de
comprar 100 recibe un descuento de 5 pesos. El proveedor no puede proporcionar
mas de 200 kilogramos por semana. Suponga que la materia prima no puede ser
almancenada por la compa
na. Modele y resuelva mediante PLE la situacion de
MyCo para maximizar sus ganancias semanales.
CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

24 / 35

Ejemplo 6

MODELO
VD

x= total de kg de A a producir
y = total de kg de B a producir
z= total de kg de materia prima a comprar
Objetivo
Max w = Costo(plan) = ventas costos = (200 x + 250 y ) C (z)
f (b3 ) = 9500

C (z)

f (b2 ) = 5000

f (b1 ) = 0
b1 = 0

CCIR / Matem
aticas

b2 = 100

Programaci
on Lineal: Modelos PLE

b3 = 200

euresti@itesm.mx

25 / 35

Ejemplo 6

Las restricciones quedan:

Referente a la materia prima:
Usada = 2 x + 2.5 y Disponible = z (en kg)
Referente a las horas de mano de obra:
Usada = 4 x + 6 y Disponible = 400 (en hrs)
La capacidad del proveedor de surtir materia prima
z 200 (en kg)
Naturales x, y , z 0
Ahora tenemos el pendiente de la funci
on C (z) que no es lineal.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

26 / 35

Ejemplo 6

En este caso, la funcion linealmente seccionada C (z) tiene 3 puntos de

ruptura: (b1 = 0, C (0) = 0), (b2 = 100, C (100) = 5000) y
(b3 = 200, C (200) = 9500). Por tanto, requerimos s
olo 3 1 = 2 variables
binarias yi (y1 y y2 ) y 3 variables auxiliares zi (z1 , z2 y z3 ). Cambiaremos
C (z) = z1 f (b1 ) + z2 f (b2 ) + z3 f (b3 )
= z1 0 + z2 5000 + z3 9500
= 5000 z2 + 9500 z3
y a
nadiremos al modelo las restricciones:
z1 y1 , z2 y1 + y2 , z3 y2 ,
y1 + y2 = 1,
z1 + z2 + z3 = 1,
z = z1 b1 + z2 b2 + z3 b3 = 100 z2 + 200 z3

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

27 / 35

Ejemplo 6

Codigo LINDO y reporte Euing

MAX 0.12X11+0.12X21+0.14X12+0.14X22-CX1
ST
X1 -X11 - X12=0
X2 -X21 + X22=0
X2 <= 1000
X1 <= 2000
0.5X11 + 0.5X21 - X11 <=0
0.6X12 + 0.6X22 - X12 <= 0
125Z3 + 225Z4 + 300Z5 - CX1=0
Z1 - Y1 <= 0
Z2 - Y2 - Y1 <=0
Z3 - Y3 - Y2 <=0
Z4 - Y4 - Y3 <=0
Z5 - Y4 <= 0
Y1 + Y2 + Y3 + Y4 = 1
Z1 + Z2 + Z3 + Z4 + Z5 = 1
1000Z3 + 1500Z4 + 2000Z5 - X1 <=0
END
INTE Y1
INTE Y2
INTE Y3
INTE Y4

CCIR / Matem
aticas

OBJECTIVE FUNCTION VALUE

1)
476.0000
VARIABLE
VALUE
REDUCED COST
Y1
1.000000
0.000000
Y2
0.000000
0.000000
Y3
0.000000
0.000000
Y4
0.000000
0.000000
X11
1400.000000
0.000000
X21
1400.000000
0.000000
X12
600.000000
0.000000
X22
400.000000
0.000000
CX1
0.000000
0.000000
X1
2000.000000
0.000000
X2
1000.000000
0.000000
Z3
0.000000
125.000000
Z4
0.000000
225.000000
Z5
0.000000
300.000000
Z1
0.000000
0.000000
Z2
1.000000
0.000000
ROW
SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
-0.236000
3)
0.000000
-0.004000
4)
0.000000
0.004000
5)
0.000000
0.236000
6)
0.000000
0.232000
7)
0.000000
0.240000
8)
0.000000
1.000000
9)
1.000000
0.000000
10)
0.000000
0.000000
11)
0.000000
0.000000
12)
0.000000
0.000000
13)
0.000000
0.000000
14)
0.000000
0.000000
15)
0.000000
0.000000
16)
2000.000000
0.000000

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

28 / 35

Ejemplo 7

Ejemplo 7

Euing Gas produce dos tipos de gasolina (G1 y G2) a partir de dos tipos de
petroleo (P1 y P2). Cada gal
on de G1 debe contener al menos 50 % de P1, y
cada gal
on de G2 debe contener al menos 60 % de P1. Cada galon de G1 se
vende 12 centavos de G2 a 14 centavos. Actualmente se disponen 500 galones de
P1 y 1,000 galones de P2. Se pueden comprar 1,500 galones extra de P1 a los
siguientes precios: los primeros 500 a 25 centavos el gal
on, los siguientes 500 a 20
centavos el gal
on, y los u
ltimos 500 a 15 centavos el gal
on. Modele y resuelva
mediante PLE la situaci
on de Euing Gas para maximizar sus ganancias.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

29 / 35

Ejemplo 7

Variables de Decisi
on
xij = Num de galones del petr
oleo i destinados a gasolina j.
Xi = Num de galones del petr
oleo i usados en total.
Objetivo
Max z = 0.12 (x11 + x21 ) + 0.14 (x12 + x22 ) Costo(X1 )
Restricciones
Producci
on: X1 = x11 + x12
Producci
on: X2 = x21 + x22
Recursos petr
oleo 2: X2 1, 000
Recursos petr
oleo 1: X1 2, 000
Calidad: x11 0.5 (x11 + x21 )
Calidad: x12 0.6 (x12 + x22 )
Restricciones naturales xi 0
CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

30 / 35

Ejemplo 7

Problema: Costo(X1 ) es una funci

on seccionada
Costo(x) = 0 para 0 x 500 (Los primeros 500 ya se tienen)
Costo(x) = 0 + 0.25(x 500) para 500 x 1, 000
Costo(x) = 125 + 0.20(x 1, 000) para 1, 000 x 1, 500
Costo(x) = 125 + 100 + 0.15(x 1, 500) para 1, 500 x 2, 000
Los extremos de la grafica de la funci
on costo son: P1 (b1 = 0, f (b1 ) = 0),
P2 (b2 = 500, f (b2 ) = 0), P3 (b3 = 1000, f (b3 ) = 125),
P4 (b4 = 1500, f (b4 ) = 225), y P5 (b5 = 2000, f (b5 ) = 300): Reemplazaremos:
Costo(X1 ) por z1 0 + z2 0 + z3 125 + z4 225 + z5 300
Adicionaremos al modelo:
z1 y1 , z2 y1 + y2 , z3 y2 + y3 , z4 y3 + y4 , z5 y4
y1 + y2 + y3 + y4 = 1
z1 + z1 + z3 + z4 + z5 = 1
X1 = z1 0 + z2 500 + z3 1, 000 + z4 1, 500 + z5 2, 000
yi binaria para i = 1, 2, 3, 4y zi 0 para i = 1, 2, 3, 4, 5
CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

31 / 35

Ejemplo 7

Codigo LINDO y reporte Euing

MAX 0.12X11+0.12X21+0.14X12+0.14X22-CX1
ST
X1 -X11 - X12=0
X2 -X21 + X22=0
X2 <= 1000
X1 <= 2000
0.5X11 + 0.5X21 - X11 <=0
0.6X12 + 0.6X22 - X12 <= 0
125Z3 + 225Z4 + 300Z5 - CX1=0
Z1 - Y1 <= 0
Z2 - Y2 - Y1 <=0
Z3 - Y3 - Y2 <=0
Z4 - Y4 - Y3 <=0
Z5 - Y4 <= 0
Y1 + Y2 + Y3 + Y4 = 1
Z1 + Z2 + Z3 + Z4 + Z5 = 1
1000Z3 + 1500Z4 + 2000Z5 - X1 <=0
END
INTE Y1
INTE Y2
INTE Y3
INTE Y4

CCIR / Matem
aticas

OBJECTIVE FUNCTION VALUE

1)
476.0000
VARIABLE
VALUE
REDUCED COST
Y1
1.000000
0.000000
Y2
0.000000
0.000000
Y3
0.000000
0.000000
Y4
0.000000
0.000000
X11
1400.000000
0.000000
X21
1400.000000
0.000000
X12
600.000000
0.000000
X22
400.000000
0.000000
CX1
0.000000
0.000000
X1
2000.000000
0.000000
X2
1000.000000
0.000000
Z3
0.000000
125.000000
Z4
0.000000
225.000000
Z5
0.000000
300.000000
Z1
0.000000
0.000000
Z2
1.000000
0.000000
ROW
SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
-0.236000
3)
0.000000
-0.004000
4)
0.000000
0.004000
5)
0.000000
0.236000
6)
0.000000
0.232000
7)
0.000000
0.240000
8)
0.000000
1.000000
9)
1.000000
0.000000
10)
0.000000
0.000000
11)
0.000000
0.000000
12)
0.000000
0.000000
13)
0.000000
0.000000
14)
0.000000
0.000000
15)
0.000000
0.000000
16)
2000.000000
0.000000

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

32 / 35

Restricciones del tipo SI , ENTONCES

Restricciones del tipo SI , ENTONCES

Para codificar una restricci

on del tipo
Si
f (x1 , x2 , . . . , xn ) > 0
entonces
g (x1 , x2 , . . . , xn ) 0
el truco consiste en introducir una variable binaria (0
o 1) y que indica cual
restricci
on se cumple, y lo anterior se codifica como
g (x1 , x2 , . . . , xn ) M y
f (x1 , x2 , . . . , xn ) M (1 y )
donde M es un n
umero positivo muy grande.

CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

33 / 35

Ejemplo 8

Ejemplo 8

Hay que realizar cuatro trabajos en una misma maquina. En la tabla siguiente se
indica el tiempo requerido por trabajo y la fecha lmite para entregarlo. El retraso
de un trabajo es el n
umero de das, despues de la fecha lmite, hasta la la
terminaci
on del trabajo. Si se termina el trabajo a tiempo o antes el retraso es
cero. Formule y resuelva un modelo PLE para minimizar el retraso total de los
cuatro trabajos.

Trabajo
Trabajo
Trabajo
Trabajo

CCIR / Matem
aticas

1
2
3
4

TIEMPO REQUERIDO
PARA TERMINAR (das)(ti )

FECHA LIMITE (di )

6
4
5
8

Final del da 8
Final del da 4
Final del da 12
Final del da 16

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

34 / 35

Ejemplo 8

Variables de decisi
on
yi = das de retraso en el trabajo i.
xi = el da en el cual el trabajo i se inicia.
P4
Funci
on Objetivo Minimizar Z = i=1 yi
Restricciones
Dos trabajos no se pueden empalmar: Para todo i 6= j:
xi + ti xj
o xj + t j xi

xi + ti xj 0 o xj + tj xi 0
xi + ti xj M zij y
xj + tj xi M (1 zij )

con zij binario.

Contabilizaci
on del retraso: Si xi + ti > di , entonces yi = xi + ti di : De
otra manera Si xi + ti di > 0, entonces yi xi ti + di 0.
xi + ti di yi M wi y xi + ti di M(1 wi )
con wi binario.
CCIR / Matem
aticas

Programaci
on Lineal: Modelos PLE

euresti@itesm.mx

35 / 35