Está en la página 1de 24

Programaci´n Lineal Entera.

o Algoritmos de Ramificaci´n y Acotaci´n o o

1

Introducci´n o

En la definici´n de los (PPL) s´lo exigiamos a las variables una condici´n de no negativio o o dad, pero esta suposici´n no siempre corresponde a la realidad. En ocasiones la naturaleza o de la variable exige una condici´n adicional como es la la de ser entera. As´ si hablamos o ı, de n´mero de trabajadores o instalar estaciones de bomberos en una zona, etc, la propia u naturaleza de la variable exige que sean enteras. Esta nueva restricci´n a˜ade dificultades o n a la resoluci´n del problema, como ya veremos. o Definici´n 1.1 Un problema de programaci´n lineal en el que todas las variables han de o o ser enteras se dice un problema de programaci´n lineal entero puro. o Ejemplo 1.1 Max s.a: 3x1 − 2x2 x1 + x2 ≤ 6 x1 − x2 ≤ 12 xi ≥ 0, i = 1, 2. x1 , x2 enteras.

o o Definici´n 1.2 Un problema de programaci´n lineal en el que s´lo algunas de las vario ables han de ser enteras se dice un problema de programaci´n lineal entero mixto. o Ejemplo 1.2 Max s.a: 3x1 − 2x2 x1 + x2 ≤ 6 x1 − x2 ≤ 12 xi ≥ 0, i = 1, 2. x1 entera. 1

Observaci´n 1.1 La expresi´n problema de programaci´n entera (PPE) como o o prende tanto los problemas enteros puros, como los enteros mixtos. Definici´n 1.3 El problema de programaci´n lineal que se obtiene al omitir las restrico o ciones de integridad de un problema entero se le llama problema entero relajado. Proposici´n 1.1 La regi´n factible del problema entero relajado contiene a la regi´n o o o factible del problema entero. Corolario 1.1 El ´ptimo de problema entero relajado obtiene mejor valor en la funci´n o o objetivo que el ´ptimo del problema entero. o Una primera aproximaci´n a la resoluci´n de los problemas enteros pdr´ ser la de reo o ıa dondear los valores del problema relajado. Pero ese camino no conduce a buenas soluciones y hay que descartarlo, como vemos, en el siguiente ejemplo. Ejemplo 1.3 Max s.a: 21x1 + 11x2 7x1 + 4x2 ≤ 13 xi ≥ 0, i = 1, 2. x1 , x2 enteras.

La regi´n factible del problema es F = {(0, 0)(0, 1)(0, 2)(0, 3)(1, 0)(1, 1)}. Si evaluamos o dichos puntos nos da que el ´ptimo es el punto (0,3) y que z ∗ = 33. o Observaci´n 1.2 Obviamente el m´todo de evaluaci´n de los puntos factibles no es noro e o malmente una buena estrategia, pues pueden ser muy numerosos o incluso infinitos. As´ pues, resolvamos el problema relajado para redondear las soluciones. ı Max s.a: 21x1 + 11x2 7x1 + 4x2 ≤ 13 xi ≥ 0, i = 1, 2.

2

Con lo que hemos probado que o al redondear una soluci´n es posible que pierda la factibilidad y si es factible puede estar o muy alejada del ´ptimo. que es un o e a 7 punto infactible y por tanto no puede ser la soluci´n. que como sabemos tampoco es ´ptima. ya que o el valor de la funci´n objetivo en ese punto es 21 < 33.La soluci´n por m´todos gr´ficos es ( 13 . 0).0). o 3 . Si redondeamos por abajo para o conseguir la factibilidad nos queda (1.0). Redondeando obtenemos (2.

(b) El subproblema tiene una soluci´n que satisface las condiciones de integridad o del problema original.2 Algoritmo de Dakin El algoritmo de Dakin est´ encuadrado dentro de la clase de algoritmos de ramificaci´n a o y acotaci´n (Branch and Bound). o 1. O sea. P     Q Q Q Q Q xi ≤ [x∗ ] i      Q xi ≥ [x∗ ] + 1 i Q Q Q P1 P2 donde [x∗ ] denota la parte entera de x∗ . (c) El valor del ´ptimo del subproblema no es mejor que una soluci´n encontrada o o previamente y que es factible para el problema original (est´ acotado). 4 . En esta partici´n se eliminan partes no e o factibles del problema relajado. a Observaci´n 2. entonces hacemos la siguiente partici´n en dos subproblemas o i (P1 . Consiste en la partici´n del espacio continuo del problema relajado o o en dos subproblemas tambi´n continuos. los ultimos proo ´ blemas creados. P2 ). Acotaci´n. Consta de dos procesos. Ramificaci´n. introduciendo nuevas restricciones al problema. resolver primero. Seguiremos ramificando hasta encontrar la i i soluci´n entera ´ptima del problema original. o o o o ıcita de las soluciones 2. no ser´ neceı a sario sondear ni ramificar un nodo cuando se den alguna de las siguientes circunstancias: (a) El subproblema es infactible. Si el ´ptimo del problema relajado (P) en la variable o xi toma el valor x∗ . As´ pues. Se trata de conseguir una enumeraci´n impl´ factibles sin necesidad de sondearlas todas expl´ ıcitamente. por ello debemos utilizar una disciplina LIFO en la resoluci´n de problemas.1 El algoritmo requiere para ser eficaz que tengamos soluciones enteras o para comparar y evitar sondear ramas no prometedoras.

Veamos el problema relajado gr´ficamente. Determinar la pol´tica de fabricaci´n para maximizar el beneficio. i = 1. a 5 . 2.1 Rulisa fabrica mesas y sillas. u Sea x2 = N´mero de sillas fabricadas. xi enteras i = 1.Ejemplo 2. Una mesa necesita 1 hora de trabajo y 9 tablas. y una silla requiere 1 hora de trabajo y 5 tablas.a: 8x1 + 5x2 x1 + x2 ≤ 6 9x1 + 5x2 ≤ 45 xi ≥ 0. Sabiendo que el beneficio de construir una mesa es 8 euros y de una silla 5 euros. Disponemos de 6 horas de trabajo y tenemos 45 tablas. ı o Sea x1 = N´mero de mesas fabricadas. 2. u El problema queda Max s.

Se a˜ade la restricci´n x1 ≥ [x∗ ] + 1 =⇒ x1 ≥ 4. 8 5 0 0 8 5 0 0 x1 x2 x3 x4 x1 x2 x3 x4 0 1 1 1 0 6 =⇒ x3 0 0 4/9 1 −1/9 1 =⇒ 0 9 5 0 1 45 x1 8 1 5/9 0 1/9 5 −8 −5 0 0 0 0 −5/9 0 8/9 40 8 5 0 0 x1 x2 x3 x4 5 0 1 9/4 −1/4 9/4 8 1 0 −5/4 1/4 15/4 0 0 5/4 3/4 165/4 x3 x4 x2 x1 La soluci´n ´ptima es x∗ = 15 y x∗ = 9 . (P2 ). Se a˜ade la restricci´n x1 ≤ [x∗ ] =⇒ x1 ≤ 3. Dividimos en dos sobproblemas de acuerdo al algoritmo de Dakin. a 6 . ıa Subproblema-1. aunque tambi´n e valdr´ x2 ). con z ∗ = 165 .Empezamos por resolver el problema relajado. El siguiente paso es escoger una o o 1 2 4 4 4 variable con valor fraccionario que tenga que ser entera (por ejemplo x1 . n o 1 Observemos la gr´fica de P1 y P2 . mediante el algoritmo del simplex. n o 1 Subproblema-2. (P1 ).

2 Observamos que la uni´n de las regiones factibles de los problemas o o contiene toda la regi´n factible del problema original.Observaci´n 2. por tanto: P (15/4. (S´lo se han eliminado partes que o o no contienen puntos enteros). El arbol queda. 9/4) Z ∗ = 165/4 X1 ≤ 3       Q Q X1 ≥ 4 Q Q Q Q P2 P1 7 .

aplicando el simplex. o P (15/4.Resolvamos P1 . 8 5 0 0 0 8 5 0 0 0 x1 x2 x3 x4 x5 x1 x2 x3 x4 x5 5 0 1 9/4 −1/4 0 9/4 x2 5 0 1 9/4 −1/4 0 9/4 =⇒ 8 1 0 −5/4 1/4 0 15/4 x1 8 1 0 −5/4 1/4 0 15/4 0 1 0 0 0 1 3 x5 0 0 0 5/4 -1/4 1 −3/4 0 0 5/4 3/4 0 165/4 0 0 5/4 3/4 0 165/4 8 5 0 0 0 x1 x2 x3 x4 x5 5 0 1 1 0 −1 3 8 1 0 0 0 1 3 0 0 0 −5 1 −4 3 0 0 5 0 3 39 x2 x1 x5 =⇒ x2 x1 x4 ´ Optimo (3.3). x2 x1 x5 8 5 0 0 0 8 5 0 0 0 x1 x2 x3 x4 x5 x1 x2 x3 x4 x5 5 0 1 9/4 −1/4 0 9/4 x2 5 0 1 9/4 −1/4 0 9/4 =⇒ 8 1 0 −5/4 1/4 0 15/4 x1 8 1 0 −5/4 1/4 0 15/4 0 −1 0 0 0 1 −4 x5 0 0 0 -5/4 1/4 1 −1/4 0 0 5/4 3/4 0 165/4 0 0 5/4 3/4 0 165/4 8 . Como la soluci´n es entera se trata de un nodo terminal. 3) Z ∗ = 39 Resolvemos ahora P2 . 9/4) Z ∗ = 165/4 X1 ≤ 3       Q Q X1 ≥ 4 Q Q Q Q P2 P1 (3.

9/4) Z ∗ = 165/4 X1 ≤ 3       Q Q X1 ≥ 4 Q Q Q Q P2 (4. (P4 ). Se a˜ade la restricci´n x2 ≥ [x∗ ] + 1 =⇒ x2 ≥ 2. Se a˜ade la restricci´n x2 ≤ [x∗ ] =⇒ x2 ≤ 1. n o 2 9 . 3) Z ∗ = 39 Hay que seguir ramificando en x2 . 9 ). P (15/4. 9/5) Z ∗ = 41 P1 (3. por tanto. un nodo que no es terminal y que requerir´ nuevas a a ramificaciones.=⇒ x2 x1 x3 8 5 0 0 0 x1 x2 x3 x4 x5 5 0 1 0 1/5 9/5 9/5 8 1 0 0 0 −1 4 0 0 0 1 −1/5 −4/5 1/5 0 0 0 1 1 41 ´ a Optimo (4. Subproblema-3. (P3 ). Como no es entera y adem´s 41 > 39 (lo que significa que el nodo no 5 est´ acotado). n o 2 Subproblema-4. a partir de P2 . Tenemos.

3) Z ∗ = 39 X2 ≤ 1      Q Q Q QX2 ≥ 2 Q Q P3 P4 Resolvemos P3 gr´ficamente. 9/4) Z ∗ = 165/4 X1 ≤ 3      Q Q Q X ≥4 Q 1 Q Q P2 (4.P (15/4. a 10 . 9/5) Z ∗ = 41 P1 (3.

Resolviendo. 9/5) Z ∗ = 41 P1 (3. o o 9 P (15/4. mediante el simplex. 9/4) Z ∗ = 165/4 X1 ≤ 3       Q Q Q X ≥4 Q 1 Q Q P2 (4. 1) Z ∗ = 365/9 P4 11 . queda: 8 5 0 0 0 0 x1 x2 x3 x4 x5 x6 0 1 0 1/5 9/5 0 9/5 x2 1 0 0 0 −1 0 4 =⇒ x1 0 0 1 −1/5 −4/5 0 1/5 x3 0 1 0 0 0 1 1 x6 0 0 0 1 1 0 41 8 5 0 0 x 1 x2 x3 x4 0 1 0 1/5 1 0 0 0 0 0 1 −1/5 0 0 0 −1/5 0 0 0 1 0 0 x5 x6 9/5 0 9/5 −1 0 4 −4/5 0 1/5 -9/5 1 −4/5 1 0 41 x2 x1 x3 x6 5 8 0 0 5 8 0 0 x2 =⇒ x1 x3 x5 5 8 0 0 8 5 0 0 0 0 x1 x2 x3 x4 x5 x6 0 1 0 0 0 1 1 1 0 0 1/9 0 −5/9 40/9 0 0 1 −1/9 0 −4/9 5/9 0 0 0 1/9 1 −5/9 4/9 0 0 0 8/9 0 5/9 365/9 La soluci´n ´ptima es ( 40 . 1). 3) Z ∗ = 39 X2 ≤ 1       Q Q Q QX2 ≥ 2 Q Q P3 (40/9.

Hemos perdido la integridad de la variable x1 y como 365 > 39. Se a˜ade la restricci´n x1 ≤ [x∗ ] =⇒ x1 ≤ 4. la pol´ ıtica ´ptima del algoritmo es resolver antes las ramificaciones o que se derivan de P3 antes de sondear P4 . hemos de seguir ramifi9 cando. Como sabemos. n o P (15/4. n o 1 ∗ Subproblema-6. 9/5) Z ∗ = 41 P1 (3. (P5 ). 1) Z ∗ = 365/9 X1 ≤ 4      Q Q Q P4 X ≥5 Q 1 Q Q P6 P5 12 . 3) Z ∗ = 39 X2 ≤ 1       Q Q Q QX2 ≥ 2 Q Q P3 (40/9. Subproblema-5. Se a˜ade la restricci´n x1 ≥ [x1 ] + 1 =⇒ x1 ≥ 5. (P6 ). 9/4) Z ∗ = 165/4 X1 ≤ 3       Q Q Q X ≥4 Q 1 Q Q P2 (4.

Veamos la resoluci´n de P5 gr´ficamente. o a Veamos la resoluci´n mediante el simplex de P5 . o 8 5 0 0 0 0 0 x1 x2 x3 x4 x5 x6 x7 0 1 0 0 0 1 0 1 1 0 0 1/9 0 −5/9 0 40/9 =⇒ 0 0 1 −1/9 0 −4/9 0 5/9 0 0 0 1/9 1 −5/9 0 4/9 1 0 0 0 0 0 1 4 0 0 0 8/9 0 5/9 0 365/9 8 5 0 0 0 0 0 x1 x2 x3 x4 x5 x6 x7 0 1 0 0 0 1 0 1 1 0 0 1/9 0 −5/9 0 40/9 =⇒ 0 0 1 −1/9 0 −4/9 0 5/9 0 0 0 1/9 1 −5/9 0 4/9 0 0 0 -1/9 0 5/9 1 −4/9 0 0 0 8/9 0 5/9 0 365/9 13 x2 x1 x3 x5 x7 5 8 0 0 0 x2 x1 x3 x5 x7 5 8 0 0 0 .

1) Z ∗ = 37 14 . por lo que es nodo terminal.x2 x1 x3 x5 x4 5 8 0 0 0 8 5 0 0 0 0 0 x1 x 2 x3 x4 x5 x6 x7 0 1 0 0 0 1 0 1 1 0 0 0 0 0 1 4 0 0 1 0 0 −1 −1 1 0 0 0 0 1 0 1 0 0 0 0 1 0 −5 −9 4 0 0 0 0 0 5 8 37 Tenemos soluci´n entera (4. 9/4) Z ∗ = 165/4 X1 ≤ 3       Q Q Q X ≥4 Q 1 Q Q P2 (4. 9/5) Z ∗ = 41 P1 (3.1) con z ∗ = 37. 1) Z ∗ = 365/9 X1 ≤ 4      Q Q Q P4 X ≥5 Q 1 Q Q P6 P5 (4. o P (15/4. 3) Z ∗ = 39 X2 ≤ 1       Q Q Q QX2 ≥ 2 Q Q P3 (40/9.

8 5 0 0 0 0 0 x1 x2 x3 x4 x5 x6 x7 0 1 0 0 0 1 0 1 1 0 0 1/9 0 −5/9 0 40/9 =⇒ 0 0 1 −1/9 0 −4/9 0 5/9 0 0 0 1/9 1 −5/9 0 4/9 −1 0 0 0 0 0 1 −5 0 0 0 8/9 0 5/9 0 365/9 8 5 0 0 0 0 0 x1 x2 x3 x4 x5 x6 x7 0 1 0 0 0 1 0 1 1 0 0 1/9 0 −5/9 0 40/9 =⇒ 0 0 1 −1/9 0 −4/9 0 5/9 0 0 0 1/9 1 −5/9 0 4/9 0 0 0 1/9 0 -5/9 1 −5/9 0 0 0 8/9 0 5/9 0 365/9 15 x2 x1 x3 x5 x7 5 8 0 0 0 x2 x1 x3 x5 x7 5 8 0 0 0 . o a Resolvamos el problema P6 . aplicando el algoritmo del simplex.Retomamos el problema P6 y veamos su resoluci´n gr´fica.

9/4) Z ∗ = 165/4 X1 ≤ 3      Q Q Q X ≥4 Q 1 Q Q P2 (4. P (15/4. 1) Z ∗ = 37 Ascendemos en el arbol y analizamos los nodos que hab´ quedado sin sondear.x2 x1 x3 x5 x7 5 8 0 0 0 8 5 0 0 0 0 0 x1 x2 x3 x4 x5 x6 x7 0 1 0 1/5 0 0 9/5 0 1 0 0 0 0 0 −1 5 0 0 1 −1/5 0 0 −4/5 1 0 0 0 0 1 0 −1 1 0 0 0 1/5 0 1 −9/5 1 0 0 0 1 0 0 1 40 Soluci´n entera (5. Como ıan el ´ptimo asociado a P2 . que no est´ totalmente sondeado. 0) Z ∗ = 40 P5 (4. 1) Z ∗ = 365/9 X1 ≤ 4      Q Q Q P4 X ≥5 Q 1 Q Q P6 (5. a 16 . pues z = 40. por lo que es nodo terminal y adem´s mejora la candidata a solci´n o a o ∗ ´ptima que ten´ o ıamos hasta ahora. 3) Z ∗ = 39 X2 ≤ 1       Q Q Q QX2 ≥ 2 Q Q P3 (40/9. entonces no est´ acotado y tenemos que sondearlo. pues le queda una rama sin o a estudiar. 9/5) Z ∗ = 41 P1 (3.0). vale 41.

ı La tabla del simplex queda . 17 . recordemos que hay que a˜adir la restricci´n a la tabla n o ´ptima de P2 .As´ pues resolvemos P4 . como sigue: o 8 5 0 0 0 0 x1 x2 x3 x4 x6 x6 0 1 0 1/5 9/5 0 9/5 x2 1 0 0 0 −1 0 4 =⇒ x1 0 0 1 −1/5 −4/5 0 1/5 x3 0 −1 0 0 0 1 −2 x6 0 0 0 1 1 0 41 8 5 0 0 0 0 x1 x2 x3 x4 x6 x6 0 1 0 1/5 9/5 0 9/5 1 0 0 0 −1 0 4 0 0 1 −1/5 −4/5 0 1/5 0 0 0 1/5 9/5 1 −1/5 0 0 0 1 1 0 41 x2 x1 x3 x6 5 8 0 0 5 8 0 0 El problema es infactible.

con z ∗ = 40.As´ pues el arbol queda completo. 1) Z ∗ = 37 La soluci´n ´ptima es. 3) Z ∗ = 39 X2 ≤ 1      Q Q Q QX2 ≥ 2 Q Q P3 (40/9. o o 18 . 9/5) Z ∗ = 41 P1 (3. 1) Z ∗ = 365/9 X1 ≤ 4       Q Q Q P4 INFACTIBLE X ≥5 Q 1 Q Q P6 (5. por tanto. 0) Z ∗ = 40 P5 (4.0). ı P (15/4. (5. 9/4) Z ∗ = 165/4 X1 ≤ 3      Q Q Q X ≥4 Q 1 Q Q P2 (4.

4. en ocasiones los problemas tienen restricciones en las que las variables s´lo o pueden tomar los valores {0.a: −6x1 − 5x2 + x3 − 2x4 3x1 + 4x2 + x3 + x4 ≥ 4 2x1 + x2 − x3 − x4 ≤ 3 4x1 + 2x2 − 2x3 + 2x4 ≤ 5 xi ≥ 0. As´ si cj < 0. xi booleanas. i = 1. Veamos un ejemplo Ejemplo 3. La ramificaci´n ser´ en este caso. 2. el problema de asignaci´n). lo transformamos en uno de maximizar. 19 . Se usa como valor de acotaci´n el mayor de los posibles. hacemos el cambio de variable yj = 1 − xj .1}. 4. 3. suponiendo que todas las o variables que no tienen valor asignado valen 1. i = 1. o a P     Q Q Q Q xi = 1      Q Q Q xi = 0 Q Q P1 P2 Para facilitar la resoluci´n del problema actuaremos como sigue: o 1. Si es un problema de minimizar. 4.e.3 Programaci´n booleana o Como ya vimos. 3. Cambiar los costos de forma que todos sean positivos. que llamamos booleanos (p. entonces ı. Se efectuan las ramificaciones con el orden de las variables de mayor costo de las que no tengan valor asignado. 2. o Para resolverlo usaremos una variante del algoritmo de ramificaci´n y acotaci´n. adaptada o o a esa particularidad. 3. pues es m´s f´cil comparar cantidades positivas. a a 2.1 Min s.

Transformamos el problema. xi ≥ 0. y3 booleana. 4. Max s. 2. 2. i = 2. 4. 2. z ∗ = 7. 3. z ∗ = 13. i = 1. de acuerdo a lo referido anteriormente. Subproblema-3 (P3 ) ≡ x2 = 1. i = 1. 4. Subproblema-2 (P2 ) ≡ x1 = 0. 3. 4. Subproblema-4 (P4 ) ≡ x2 = 0. Las ecuaciones quedan: a 4x2 − y3 + x4 ≥ 0 x2 + y 3 − x4 ≤ 2 2x2 + 2y3 + 2x4 ≤ 3 xi ≥ 0. z ∗ = 13. y3 booleana.a: 3x1 + 4x2 − y3 + x4 ≥ 3 2x1 + x2 − x3 − x4 ≤ 3 2x1 + x2 + y3 − x4 ≤ 4 =⇒ 4x1 + 2x2 − 2x3 + 2x4 ≤ 5 4x1 + 2x2 + 2y3 + 2x4 ≤ 7 xi ≥ 0.a: 6x1 + 5x2 − x3 + 2x4 Max 6x1 + 5x2 + y3 + 2x4 − 1 3x1 + 4x2 + x3 + x4 ≥ 4 s. Subproblema-1 (P1 ) ≡ x1 = 1. i = 1. xi booleanas. 4. Iniciamos las ramificaciones. Continuamos las ramificaciones. y3 ≥ 0. P Z = 13 ∗ X1 = 1   ∗    Q Q  Q Q X1 = 0 Q Q P1 Z = 13 P2 Z =7 ∗ Comenzamos por P1 . xi booleanas. i = 1. 2. que es el m´s prometedor. 20 . i = 2. xi booleanas. a partir de P1 . y3 ≥ 0. 4. z ∗ = 8.

P Z = 13 ∗ X1 = 1   ∗    Q Q Q  Q X1 = 0 Q Q P1 Z = 13 X2 = 1       Q Q Q Q X2 = 0 Q Q P2 Z =7 ∗ P3 Z ∗ = 13 P4 Z∗ = 8 Seguimos con P3 . que es el m´s prometedor. z ∗ = 13. y3 booleanas Continuamos las ramificaciones por P3 . z ∗ = 11. 21 . Las ecuaciones quedan: a −y3 + x4 ≥ −4 y 3 − x4 ≤ 1 2y3 + 2x4 ≤ 1 x4 . y3 ≥ 0 x4 . Subproblema-6 (P6 ) ≡ x4 = 0. Subproblema-5 (P5 ) ≡ x4 = 1.

El problema es infactible. como podemos ver en la tercera ecuaci´n. Las ecuaciones quedan: a −y3 ≥ −5 y3 ≤ 2 2y3 ≤ −1 y3 ≥ 0 y3 booleana.P Z = 13 ∗ X1 = 1   ∗    Q Q Q  Q X1 = 0 Q Q P1 Z = 13 X2 = 1       Q Q Q Q X2 = 0 Q Q P2 Z =7 ∗ P3 Z ∗ = 13 X4 = 1   ∗ P4 Z∗ = 8 Q Q Q Q X4 = 0 Q Q     P5 Z = 13 P6 Z = 11 ∗ Seguimos con P5 . o 22 . que es el m´s prometedor.

x4 = 0.Con lo que podemos completar el arbol. cuyas ecuaciones son: −y3 ≥ −4 y3 ≤ 1 2y3 ≤ 1 y3 ≥ 0 y3 booleana. por lo que tenemos una candidata o a soluci´n ´ptima en P8 con x1 = 1. Obviamente P7 es infactible por la tercera ecuaci´n. Subproblema-8 (P8 ) ≡ y3 = 0. z ∗ = 10. y3 = 0. que verifican todas las o o restricciones y valor de la funci´n objetivo z ∗ =10. z ∗ = 11. Subproblema-7 (P7 ) ≡ y3 = 1. o 23 . P Z = 13 ∗ X1 = 1   ∗    Q Q Q  Q X1 = 0 Q Q P1 Z = 13 X2 = 1       Q Q Q Q X2 = 0 Q Q P2 Z =7 ∗ P3 Z ∗ = 13 X4 = 1       Q Q Q Q X4 = 0 Q Q P4 Z∗ = 8 P5 Infactible P6 Z = 11 ∗ Subimos un nivel y ramificamos desde P6 . x2 = 1.

El arbol queda ahora P Z = 13 ∗ X1 = 1   ∗    Q Q Q  Q X1 = 0 Q Q P1 Z = 13 X2 = 1   ∗ P2 Z =7 ∗    Q Q  Q Q X2 = 0 Q Q P3 Z = 13 X4 = 1       Q Q Q Q X4 = 0 Q Q P4 Z =8 ∗ P5 Infactible Y3 = 1       P6 Z ∗ = 11 Q Q Q Q Y3 = 0 Q Q P7 Infactible P8 Z = 10 ∗ Si analizamos los nodos que no hemos sondeado (P2 y P4 ) vemos que su funci´n o objetivo est´ acotada por la soluci´n que ya tenemos.0) es la soluci´n y el valor de la funci´n objetivo original es z =-10. o o 24 .1. As´ o ı ∗ tenemos que (1. As´ pues. Para acabar. no a o ı hay que sondearlas y esa es la ´ptima. debemos deshacer los cambios.1. por lo que es peor.