Documentos de Académico
Documentos de Profesional
Documentos de Cultura
113 PDF
113 PDF
~ 15 ~EP 2014
::,. ""'~~~-~---
... ___
O,F!RMA: -
--- .......................................................
~-:
,
CENTRO DE DOCUMEÑrACio~
CIENTIFICA YTRADUCCIONES
"TEXTO AUTOINSTRUCTIVO
DE INVESTIGACIÓN DE OPERACIONES"
AUTORES:
PROFESOR TITULAR
Dr. Luis Whiston García Ramos
PROFESOR COLABORADOR
Mg. Anival Alfredo Torre Camones
CALLA0-2014
DEDICATORIA:
ll
IN DICE
ÍNDICE .............................................................................................................1
11 PROLOG0 ..............................................................................................................:............................ 3
IIIINTRODUCCION ..............................................................................................................................4
1
6.1 ~vlétodo Húngaro ........................................................... o •••••••••••••••••••••••••••••••••••••••••••••••••••• 223
~·· 2
11 PROLOGO
Estimado participante:
Reciba Usted la más cordial
bienvenida a nombre de la
Universidad.
Esperamos que la experiencia de
estudio que ahora inicia sea
significativa para su ejerc1c1o
profesional y desarrollo personal.
•
Hl INTRODUCCION
Aquí lo orientamos cómo debe utilizar el Texto autoinstructivo para tener resultados
\
Definiciones básicas
11 Modelos matemáticos
lil Programación lineal
IV Método gráfico
V Programación entera
VI Problemas de transporte y asignación
En todas las unidades didácticas buscaremos lograr el objetivo alrededor del cual se
cumple en todo el sistema del proceso de auto instrucción. Encontrará
procedimientos simples para poder desarrollar modelos relacionados con la
especialidad. Los ejercicios propuestos, que adjuntamos al final de cada unidad,
deben resolverlo para comprender meLar la asignatura. Si esta fase logra pasar,
entonces estará capacitado para poder autoevaluase. Si el problema o ejercicio se
vuelve dificultoso, posibtemente sea. consecuencia de haber anotado algún dato
incorrecto; le recomiendo tener mucho cuidado en tratar a las variables de decisión.
Busque las condiciones ambientales más propicias para el estudio, lo que le
facilitará su concentración y su aprendizaje. Haga un cronograma de estudio que
deberá cumplir sistemáticamente.
Recuerde que debe interpretar con sus propias palabras los conceptos presentados
p_or el autor, esto ie permitirá una n:layor comprensión del tema. Recurra a los
glosarios que se encuentran al final de cada unidad didáctica; así como al
\
diccionario, que posibilitarán que enriquezca su vocabulario y entienda claramente
!as ideas expresadas en el texto. Resuelva todas las actividades: auto evaluación,
prácticas y ejercicios propuestos.
4
,
UNIDAD 1 DEFINICIONES BASICAS
7
Ilustración
2.1
Proceso de..
toma de
decisiones
~· 8
de operaciones, son programación matemática, pr-obabilidad, estad~stica e
informática. Algunas áreas de la Investigación de operaciones como por
ejemplo el control de existencias y -el control de producción, y la teoría del
scheduling, se han transformado en sub-discip1inas por propio derecho y se
han hecho en gran medida indispensables en el mundo moderno.
9
1.3 Metodoiogía de la investigación de operaciones
. . . .·. ¡··
U.~f~:~~~~~
~
Ilustración 3.2
Metodología de la
Investigación de
operaciones
11
1.4 Usos y aplicaciones de la investigación de operaciones
12
Secuenciamiento: ¿Qué tarea es más importante?
1
¿Cómo se pueden establecer las prioridades?
1
'-
·11 ¿Como debenan utilizarse los recursos?
1
1
l ¿Qué nivel de servicio estamos brindando?
1
13
-·
1.5 Autoeva!uación de la Unidad i
01. Una definición de Investigación de oper3ciones es:
a. Un conjunto de métodos y técnicas.
b. El uso de la matemática e informática para tomar decisiones.
02. La metodología de la investigación de operaciones, implica:
a. Definición del problema, ReSOLUCIÓN:del modelo, Desarrollo del
modelo, SOLUCIÓN:, validez, implementación.
b. Definición del problema, Desarrollo del modelo, ReSOLUCIÓN:del
modelo, SOLUCIÓN:, validez e implementación.
03. La definiCión sobre la investigación de operaciones, "Método científico
por el cual la administración ejecutiva dispone de una base cuantitativa
para las decisiones de operaciones bajo su control" ¿A quién
corresponde?
a) Ackoff b) Sasieni e) Mores-Kimball d) Dantzing e) Warner
04 ¿A quién se le considera Padre de la Programación lineal?
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing e) Warner
05 La definición sobre la investigación de operaciones, "Rama de la
matemática aplicada al proceso de toma de decisiones, ¿A quién
corresponde?
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing
e) Kaufmann
06 El miedo a la toma de decisiones impo)iantes es un nuevo tipo de
temor, denominado decido fobia, rue reve)ado por:
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing
e) Kaufmann
07 ¿Dónde se originó la Investigación de Operaciones durante ta Segunda
Guerra Mundial?
a) Francia b) EE.UU. e) Inglaterra d) Japón e) Rusia
08 ¿Qué año se originó la Investigación de Operaciones duíante la
Segunda Guerra Mundia~?
14
1.6 Lectura: Entrevista ai creador de !a programación lineal
"En el ejemplo anterior, factorial de 70 es un número muy grande. A fin de tener una
idea de qué tan grande es, supóngase que se hubie?e tenido una computadora IBM
del tipo mainframe en el instante en el que ocurrió el Big Bang hace quince millones
de años. ¿Habría podido, entre ese entonces y ahora, examinar todas las
Soluciones posibles? jNo! No obstante, supóngase que se hubfese tenido una
computadora aún más poderosa, una que pudiese examinar mil miltones de
asignaciones por segundo. La respuesta seguiría siendo negativa. Aun si la Tierra se
llenase con computadoras cuyas rapideces fueran de nanosegun-dos, todas ellas
trabajando en paralelo, la respuesta aun sería no. Sin embargo, si existiesen diez
Tierras, todas llenas conll:om
' tadoras del tipo mencionado, todas programadas en
/ . 15
w
parale!o desde el instante del Big Bang hasta que el Sol fuese una esfera fría,
entonces quizás la respuesta podría ser sí. Lo notable es que el método Simplex,
con la ayuda de una computadora moderna, puede resolver este problema en una
fracción de segundo".
"Si se estudiaba con cuidado el paso siguiente, se podía ver que algún líder había
promulgado un montón de reglas básicas que, en su concepto, llevarían a la meta.
Esto distaba mucho de lo que sería honestamente estudiar todas las combinaciones
alternativas de las acciones a seguir para elegir la mejor combinación. Los que
mandan generalmente mueven las manos y dicen 'He considerado todas las
alternativas'. Pero eso es casi siempre basura. Lo más probable es que no pudiesen
estudiar todas las combinaciones. Antes de 1947 era inconcebible pensar en la
existencia de una herramienta como la programación lineal que permitiese examinar
millones de combinaciones. No había algoritmo o herramienta computacional que
pudiera hacer eso."
16
"Las reglas básicas empleadas en la pianeación se expresaban en un formato
completamente distinto del que se emplea en la actualidad para formuiar un
programa lineal. Lo que hicimos fue revisar estas reglas una por una y demostrar
que casi todas ellas podían reformularse aceptablemente en un formato de
programación lineal. Pero no todas. En algunos casos era necesario tomar en
cuenta el caíácter discreto de las variables y !as no convexidades.""Cuando formulé
por primera vez mi modelo de programación lineal, lo hice sin una función objetivo.
Estuve luchando por algún tiempo con la adición de reglas básicas para elegir de
entre las Soluciones factibles la que en algún sentido fuese 'óptima'. Pero pronto
abandoné esta idea y la sustituí por la de una función objetivo a ser maximízada. El
modelo que formulé no estaba hecho específicamente paré;l fines militares. Podía
aplicarse a toda clase de problemas de planeación; todo lo que tenía que hace~se
era cambiar los nombres de las columnas y los renglones, y entonces era aplicable a
un problema de planeacíón económica lo mismo que a un problema de planeación
industrial."
17
UNIDAD 11: MODELO MATEMÁTICO
20
2.3 Modelo de mezc!a
EJERCICIO 2.1 ·
PEPSICO, procesa jugo de naranja y lo transforma en concentrado congelado
en tres plantas localizadas en Chosica, Vitarte y Comas. De cualquiera de !os
dos huertos ubicados cerca de Huaral y Cañete se pueden enviar libras de
naranja hacia cualquier planta. El huerto que está cerca de Huarai tiene
20000 libras y el huerto que está cerca de Cañete tiene 12000 libras. La
planía de Chosica requiere al menos 8000 libras para ·cumplir su cuota de
producción. Las plantas de Vitarte y Comas requieren cada una al menos
11 000 libras. Dado el costo de transporte y el precio de venta del
concentrado, el objetivo, sujeto a ciertas restricciones de oferta y demanda, es
determinar cómo transportar estas naranjas desde los huertos a las plántas
: ··:·
procesadoras para maximizar la ganancias.
COSTO DE TRANSPORTE ($. /TON)
. . -_;..; .:.
.·_:_.
~ . '~- '.
~:-~~: :-pRI~~~G ~---_._:~-: ~--- ---~~~:~~~-:-~ ::~-.- - -~- - ~e-~~~~;~·_ ,~ .__ --~ :_:.-.:,:. :·:
..:· _- ·. . . _·. :.,:
- . ·,.. . -.
-- · ·. ..
_~;
.:. . ' - - . : - .
~hostca~---.
:_. ~
· . V•tarte.
-__: ~
· Comas_ ,.
·_;_ -
~
- -==:: . -. . ~
Huaral 50 75 60
Cañete 60 90 45
1 1
Ingresos ($/Tonelada) 550 750 600
SOLUCIÓN:
ORIGEN DESTINO
(Huerto) (planta)
CHOSICA
8000 Ilustración 4. 4
Metodología de la
Investigación de operaciones
V/TARTE
11000
COMAS
11000
21
Utilidad= Ingreso- Gasto Conversión lb= 453 gr. 1Ton= 2207 lb.
l. Identificación de variables.
IH Identificación de Restricciones.
\
Xij ?: O
22
EJERCICIO 2.2
PETROPERÚ puede comprar dos tipos de petróieo: crudo ligero· a un c~sio
de $25 por barril, y: crudo pesado a un costo de $22 por barril. Cada b?rriLcie
petróleo crudo, ya refinado, produce tres productos: gasolina, turb.9~,ti1a y
queroseno. La siguiente tabla indica las cantidades en barriles de ga_~olina,
turbosina y queroseno producidos por barril de cada tipo de petróleo
SOLUCIÓN:CON LINDO
CP = 2'748,649
~1'435,135
1)1 01 '906,800
.
24
EJERCICIO 2.4
NISAN fabrica carros compactos y subcompactos. La producción de cada
carro requiere una cierta cantidad de materia prima y mano de obra, como se
especifica en la siguiente tabla:
l. Identificación de variables
CC =Número de carros compactos por fabricar
CS =Número de carros subcompactos por fabricar
25
EJERCICIO 2.5
MILKITO tiene dos máquinas distintas para procesar leche pura y producir
leche descremada, mantequilla o queso. La cantidad de tiempo requerido en
cada máquina para producir cada unidad de producto íesultante y las
ganancias netas se proporcionan en la siguiente tabla:
~~!~~~~&.i~Iil~wj~Q~~if5:"~~;~~¡-~i~F1
Proteínas 40 30 íO 80
¡
Vitamina A 5 50 30 60
1 1 1 1
Vitamina 8 20 30 j 40 50
1 1 1
Vitamina C 30 50 60 30
1 1
:
Cantidad mínima 0,5n gal 0,501b 0,50
1 1
Costo unitario 2,15 2,25 1,25
1 1
Como d1et1sta de una escuela públrca, formule un modelo para determinar la
comida de costo mínimo que reúna todos los requerimientos nutricionales.
SOLUCIÓN:
l. Identificación de variables
1
L =Número Galones de leche a utilizar
Q =Número Libras de queso a utilizar en
M =Número Libras de manzana a utilizar
11. Identificación de la Función Objetivo
MIN 2.15L + 2.250 + 1.25M
111. Identificación de las restricciones
Con respecto a los requerimiento 40L + 300 +10M ~80
~
27
EJERCICIO 2.7
REPSOL, cerca de Lima, suministra gasolina a sus distribuidores en caminos.
La compañía recientemente recibió un contrato para iniciar el suministro de
800000 galones de gasolina por mes a distribuidores de Lima. La compañía
tiene $ 5000000 disponibles para crear una flota consistente en tres tipos
diferentes de camiones. En la siguiente tabla se muestra la capacidad, costo
de compra, costo operativo y número máximo de viajes por cada tipo:
30
EJERCICio- 2.1 O
SERPOST indica que la ciudad de Arequipa desea determinar cuántas
subestaciones postales se requieren para dar servicio a su población. La
ciudad ha sido dividida en ocho zonas postales. Se han identificado cinco _
ubicaciones posibles para las subestaciones. Cada ubicación puede dar
servicio a un número diferente de zonas, como indica en la siguiente tabla:
1 1, 2, 3
2 1, 4, 5
3 2,4,5,8
4 3, 5, 6, 7
5 6, 7,8
Formule un modelo para determinar el menor número de subestaciones (y sus
ubicaciones) necesarias para
1
dar servicio
.
a las ocho . zonas postales.
(Sugerencia: defina una variable apropiada para cada ubicación).
SOLUCIÓN:
l. Identificación de variables
Ui =Ubicación de la Subestación i
11. Identificación de la Función Objetivo
MIN U1 + U2 + U3 + U4 + U5
111. Identificación de las restricciones
U1 + U2 U2 + U3 + U4
U1 + U3 U4 + U5
U1 + U4 U3 + U5 ;::: 1
U2 + U3 Ui ;::: O, binario
31
EJERCICIO 2.11
COiv10DOY tiene tres divisiones que fabrican un producto en ei que cada
unidad completa consiste en cuatro unidades de componentes A y tres
unidades del componente B. Los componentes A y B se fabrican a partir de
dos materias primas diferentes. Existen 100 unidades de la materia prima 1 y
200 unidades de !a materia prima 2 disponibles. Cada una de las tres
divisiones usa un método diferente para fabricar los componentes, dando
como resultado distintos requerimientos de materia prima y productos. La
tabla muestra Jos requerimientos de materia prima por corrida de producción
en cada división y el número de cada componente producido por esa corrida.
1 86 75
2 59 69
3 38 84
Como gerente de producción, formule un modelo para determinar el número
de corridas de producción para cada división que maximice el número total de
unidades tenminadas del producto final.
SOLUCIÓN:
J. Identificación de variables
C=Númer'o de unidades completas
A=Número de componente A
B=Número de componente B
Ri=Número de corridas en la división i
JI. Identificación de la Función Objetivo
iv1AX C
11. ldBntificación de las restricciones
Según la materia prima 1 8R1 + 5R2 + 3R3 ,;tOO
Según materia prima 2 6R1 + 9R2 + 8R3 $200
Según el componente A 7R1 + 6R2 + 8R3 -A=O
Según el Componente B 5R1 + 9R2 + 4R3 -B =O
4C-A =O 3C-B =O
Según la no negatividad R1, R2, R3, A, B, C~ O, Entero
5 R3 = 11 A= 132 B =99 C = 33
32
-EJERCICIO 2.12
QUÍMICA SUIZA, produce los productos CS-01 y CS-02, generan cantidades
excesivas de tres contaminantes diferentes: A, B y C. El gobierno ha
ordenado a la compañía que instale y emplee dispositivos anticontaminantes.
La siguiente tabla proporciona las emisiones diarias actuales en Kg./1 000
litros y el máximo de cada contaminante permitido en kilogramos.
25 40 43
B 10 15 20
e 80 60 50
~
-· <-~~- ·:-_
A • ~- - ... ::._
-~:;:~-~-:---=/_; . ~<. ~~-es~~:-~,·c5-o2 .~~ ~-es-o1 :·-=-cs~2--
'7 . O - - .... 0 - ..:_ O :,__ - ... • q .._. • - "='- ~... ~ ~--. ~ ~
·
• •• ~ - -
A 40 40 30 20
B 60 60 o o
e 55 55 65 80
('\ determinar un plan que maximice la producción diaria total (cantidad de CS-01
)
más CS-02) al mismo tiempo que satisfaga los requerimientos
\
gubernamentales.
33
SOLUCiÓN:
l. Identificación de variables
R =Número de miles de litros a producir de CS-01
S =Número de miles de litros a producir de CS-02
- ...
.. /
34
EJERCICIO 2.13
Burger Kin, es un restaurante que vende una gran variedad de
hamburguesas. Se encuentra ubicado en la Av. Javier Prado y tiene entre sus
variedades la ·Súper Burger Kiny a ia Mega Burger Kincomo ias más
preferidas por sus clientes.La Súper Burger Kin utiliza en su preparación
250gr. de carne molida, en tanto que la Mega__;,BURGER KIN 350gr. El
restaurante inicia el día con 200kg. De carne destinada a la preparación de
estos tipos de hamburguesas, pero puede ordenara más ·a un costo adicional
de S/.6.00 por Kg., para cubrir los costos de entrega. Cualquier sobrante de
carne al final del día se dona al comedor "San Cristóbal". Las utilidades de
Burger Kinson de S/.2.00 por una Súper Burger Kin y de S/.4.00 por una
Mega Burger Kinnoespera vender más de 100 hamburguesas de 'estos tipos
en un día.Encuentre la SOLUCIÓN:que le permita a Burger Kinconocer su
plan óptimo de trabajo.
SOLUCIÓN:
l. Identificación de variables
X1: Número de Hamburguesas Súper Burger Kina prepararse
diariamente.
,X2: Número de Hamburguesas Mega Burger Kina prepararse
diariamente.
X3: Número de Kg. de Carne a comprarse diariamente
11. Identificación de la Función Objetivo
Max 2X1 + 4X2 " 6X3
111. Identificación de las restricciones
La carne destinada a ia producción de ambos tipos de hamburguesas
debe ser menoro igual a los 200 Kg. con los que seinicia el día más los
Kg. comprados adicionaimente:
0.25 X1 + 0.35 X2 ~ 200 + X3
No se espera vender más de 100 hamburguesas de estos dos tí pos:
X1 + X2 ~ 100
X1, X2 1 X3 ~o
35
EJERCICIO 2.14
La Casa del Llavero", elabora dos tipos de llaveros; y para producirlos utiliza
una máquina especial. Los tiempos de producción para los llaveros tipo 1 y 2
son de 10 y 12 minutos respectivamente, por unidad. El tiempo regular total
de la máquina es de 2500 minutos por día. "La Casa del Llavero "vende entre
150 y 200 unidades del tipo 1, pero no más de 45 unidades del tipo 2,
diaria-mente. Además se pueden emplear horas extras para satisfacer la
demanda a un costo adicional -de S/.010 por minuto. Si las utilidades por
unidad de los llaveros tipo 1 y 2 son S/.1.20 y S/.1.50, respectivamente.
Encuentre la SOLUCIÓN:que determine el nivel óptimo de producción para
cada tipo de llavero.
SOLUCIÓN:
l. Identificación de variables
Xi =Número de Llaveros del tipo i a producirse diariamente
11. Identificación de la Función Objetivo
Criterio: Maximizar las utilidades en el día (Beneficios = Utilidades por
ambos tipos de llaveros- Costo por minutos extras).
MaxZ = 1.2X1 + 1.5X2-0.1 X3
'
111. Identificación de las restricciones
El tiempo utilizado en la producción de los llaveros debe ser menor o
igual al tiempo disponible en el día más los minutos extra utilizados:
10 X1 + 12 X25 2500 + X3
Vende entre 150 y 200 unidades de llaveros tipo 1: 150::;: X1s: 200
No se venden más de 45 unidades del tipo 2: X2s: 45
Modelo de Programación Lineal
1.2 + 1.5- 0.1
MaxZ =
X1 X2 X3
sujeto a 10 X1 + 12 X2- X3 S: 2500
X1 2:150
X1 5200
X2 545
X1, X2, X3
k
36
EJERCICIO 2.15
SCOTIABANK, es una institución que brinda una gran cantidad de servicios. Está en
proceso de fo1111ular una política de préstamos que incluyen un máximo de S/. 120
000. La siguiente tabla proporciona los datos pertinentes acerca de los diferentes
tipos de préstamos que ofrece el banco.
Automóvil.
Vivienda
Agrícola
Los malos créditos son irrecuperables y, por lo tanto, no produce ningún ingreso por
interés. La competencia con otras entidades bancarias de la zona, requiere que el
banco asigne por lo menos el 40% de los fondos a préstamos agrícolas y
comerciales. Para ayudar a la industria de vivienda, los préstamos para vivienda
deben ser equivalentes por lo menos a 50% de los préstamos personales, para
automóvil y para viviendas. El banco también ha declarado una política de que la
razón total de los malos créditos en {odos los préstamos no puede exceder del 4%.
Formule el problema como un modelo de programación lineal.
SOLUCIÓN:
l. Identificación de variables
X1: Soles destinados a los préstamos personales
X2: Soles destinados a los préstamos para
automóvil
X3: Soles destinados a los préstamos para
vivienda
X4: Soles destinados a los préstamos agiicolas
X5: Soles destinados a ios préstamos comerciales
37
Max 14 %( 90% X1) + 13 %( 93% X2) + 12 %( 97% X3) +
12.5%(95% X4) + 10%(98% X5)- 10%X1 -7%X2- 3%X3 -·5%X4 -.2%X5
Observación: El interés obtenido por un tipo de préstamos es igual a la tasas
de interés de préstamos, multiplicando por el monto esperado de u'n buen
crédito. Los malos créditos son pérdidas que afectan a la Función Objetivo.
38
EJERCICIO 2.16
El presidente de la comunidad, el Ingeniero Osear Becerra, está estudiando la
posibilidad de urbanizar las 1 700 hectáreas. La nueva urbanización incluirá
viviendas familiares individuales, dobles y triples.
Se calcula que 15% de la superficie total se consumirá en abrir calles y en
instalaciones para servicios públicos. César también calculó las utilidades de las
diferentes unidades habitacionales:
39
111. Identificación de las restricciones
Las viviendas familiares individLJales deben sumar por lo menos el 50% del
total.
Xt?: 50% (XI + X2 + X3)
Supeificies cie 2, 3 y 4 hectáreas para las viviendas familiares individuales,
dobles y triples y de 1 hectárea para las áreas recreativas. Además el 15% de
la superficie total es no utilizable. Todo esto originala siguiente distribución del
suelo: 2 X1 + 3 X2 + 4 X3 + X4:<> 85% (1 700)
Por lo menos un área recreativa por cada 200 familias.
X4¿ (X1 + 2 X2 + 3 X3) /200
Recordar que: Vivienda individual: 1 familias,
Vivienda doble: 2 familias
Vivienda triple: 3 familias
El costo de conectar el seNicio del agua debe ser de por lo menos S/. 200
OOOpara el proyecto sea factible: 1 000 X1 + 2 000 X2 + 3 000 X3 + 500
X4¿ 200 000
El consumo de agua está limitado en 100 000 m3 al día
400 X1 + 600)(2 + 800 X3 + 500 X4:<> 100 000
''
40
EJERCICIO 2.17
La Municipalidad de Lima Metropolitana está estudiando la factibilidad de introducir
un sistema de autobuses de tránsito masivo que disminuya el problema de
contaminación por gases tóxicos, reduciendo el número de vehículos que circulan
por la ciudad. El estudio inicial busca la. determinación del número mínimo de
autobuses que pueda manejar las necesidades de transporte. Después de recopilar
la información necesaria, el encargado de este proyecto observó que el número
mínimo de autobuses variaba según la hora del dia. Este hallazgo se ve reflejado en
el siguiente cuadro:
Para Cubrir estas necesidades se cuentan con unidades que operan sólo 8 horas
sucesivas al día. Fórmule el problema como un modelo de Programación Lineal.
SOLUCIÓN:
41
Identificación de las variables
Xi =Número de autobuses que inician sus labores a las i horas {i=O, 4, 8, 12, 16,20)
42
EJERCICIO 2.18
PAPELERA "SUAVE "produce rollos de papel con un ancho de 2 metros cada uno.
los pedidos especiales de los clientes, con diferentes anchos, se producen
recortando los rollos estánda.r. Diariamente, en promedio, se tienen los siguientes
pedidos:
¡300 rollos.
4DO rollos
xn
X12
e e' ~~
¡: _), 1
__,.1 ~
(
1
X13 }1
.
r
\
43
Las seis posibles -posiciones se pr-esentan en el siguiente cuadro:
44
EJERCiCIO 2.19
PETROPERÚ tiene una refinería muy moderna en ~a ciudad de Trujillo, tiene una
capacidad de 500000 barriies de petróleo crudo al día. L-os productos finales de la
refinería incluyen dos tipos de gasolina sin plomo: SP y Extra SP.
Del mismo modo, las utilidades correspondientes para la gasolina Extra SPsonS/.
12,20yS/.10,40.
45
X4:· Barriles de gasolina Extra SP, producidos con concentrado de
·- ~.
. ~ ' . · · gasolina.
(~
~¡. ¡,.·
:, '~ . ..
. ·....
....., ldentificacion
:.. ....
de la Función Objetivo
'·_,,:;:>Criterio
- .
Objetivo:
..
Maximizar el beneficio por las gasolinas, según el tipo y el modo de
;
. . . .
.·. ''('
producción:
.·.
· · · MAX8.5 X1+ 6.8 X2 + 12.2 X3 + 10.4 X4
X2 +X4 540000
X1 +X2 ~40000
46
•
~-·. El proceso de producción puede apreciarse en el siguiente gráfico:
X12
-·-·-·-·-·-·-·-·
'
j
r:. .. . -.-. ·"' ")
1-'----.....;,1
··.:.
Posición
2:
2m Tipo 1:2
40cm Tipo 2: 1
Tipo 3: O
70cm
\
.d-
./
EJERCICIO 2.20
AZUCARERA "PARAMONGN' produce azúcar rubia, blanca e impalpable; así como
miel con el jarabe de la caña de azúcar. La compañfa compra 5 000 toneladas de
jarabe a la semana y tiene contratos para entregar un mínimo de 25 toneladas
semanales de cada tipo de azúcar, así como de miel. El proceso de producción se
inicia elaborando azúcar rubia y miel con el jarabe. Una tonelada de jarabe produce
0.3 toneladas de azúcar rubia y 0.1 toneladas de miel. Después, el azúcar blanco se
elabora procesando el azúcar rubia. Se requiere de una tonelada de azúcar rubia
para producir O. 7 toneladas de azúcar blanca. Y finalmente, el azúcar impalpabie se
produce con el azúcar blanca. en donde una tonelada de bianca produce 0.8
toneladas de pulverizada. Las utilidades por toneladas de azúcar rubia, blanca e
impalpable son de S/. 120, S/. 180 y S/. 240 respectivamente y de SI. 100 para la
tonelada de miel. Formule el modelo de Programación Lineal.
SOLUCIÓN:
l. Identificación de las variables
X1: Ton. de miel a producirse semanalmente
.X2: Ton. de azúcar rubia a producirse semanalmente
X3: Ton. de azúcar blanca a producirse semanalmente
X4: Ton.de azúcar impal'pable a producirse semanalmente
Y1: Ton.de azúcar rubia destinadas a la preparación de blanca
Y2: Ton. de azúcar blanca destinadas a la preparación de impalpable
IL ldentfficación de la Función Objetivo
MAX100 X1 + 120 X2 + 180 X3 + 240 X4
111. identificación de las restricciones
Una tonelada de jarabe produce 0.1 toneladas de miel. Se cuenta con 5000
toneladas de jarabe a !a semana X1~ 0.1 (5 000)
Una tonelada de jarabe produce 0.3 tonelada de azúcar rubia, tanto la rubia
como la destinada a la preparación de blanca. X2 + Y1~ 0.3 (5 000)
Una ton. de azúcar rubia produce 0.7 de blanca. Tanto la blanca, como la
blanca destinada a ser pulverizada. Y2 + X3~ 0.7Y1
Una ton. de azúcar blanca produce 0.8 ton. de pulverizada
X4s 0.8 Y2
Entregar un mínimo de 25 ton. dé cada uno X1, X2, X3, X4:2:25
48
EJERCICIO 2.21
COSPI DATA, está considerando seis proyectos para su posible ejecución, a lo largo
de los próximos cuatro años. Romero está autorizado para emprender parcial o
'totalmente cualquiera de los proyectos. Toda ejecución parcial de un proyecto
generará una utilidad en su determinada proporción. A continuación se proporcionan
fas utilidades esperadas y los desembolsos de efectivo para los proyectos:
t· 6
49
.,·
...
-.;. ··-. ~
·.: .. · -~ L~s .fondos disponibles (en miles de soles) para el segundo año son:
. ·~
12.8 X1 + 15.4 X2 +8.9 X3 + 10.5 X4 +9.6 X5 +5.2 X6~ 75
·Los fondos disponibles (en miles de soles) para el tercer año son:
3.6 X1 +8.9 X2 +6.7 X3 +8.1 X4 +5.3 X5 +9.2 X6~ 40
los fondos disponibles (en miles de soles} para el cuarto año son:
2.4 X1 +3.2 X2 +4.2' X3 +5.6 X4 +7.8 X5 +5.9 X6~ 30
Todas las variables toman valores entre O y 1:
o 9:i~ 1, \:;ji= 1, 2, 3, 4, 5, 6
..
-
50
EJERCICIO 2.22
CONFECCIONES LLOSA ha obtenido un contrato para entregar ventanas para
viviendas durante los próximos seis meses. Los pedidos sucesivos para los seis
meses son 100, 250, 200, 150, 200 y 100, respectivamente. El costo de producción
por ventana varía de un mes a otro, dependiendo de los costos de la mano de obra,
.el. material y las utilidades. El señor Flores calcula que el costo de producción
>''unitario ·en~ los próximos seis meses será de 50, 48, 52,46, 50 y 44 soles,
... : .
respectivamente. Para aprovechar esta variación en los costos de producción, el
señor Llosa puede elegir producir más de los que se necesita en un determinado
mes y tener en inventario ese exceso para entregarlo en los meses siguientes. Sin
embargo, esto traerá consigo un costo de almacenamiento de S/ . .4.00 mensuales
por ventana, evaluados en el inventario al final del mes. Formule el modelo de
·· Programación LineaL
SOLUCIÓN:
l. J. Identificación de las variables
Xi: Ventanas a producirse en el mes í (i = 1, 2, ... , 6)
!k: Ventanas en inventario al final del mes k (k= O, 1, ... , 5)
J:L. 51
10 =o Inventario al inicio del1 ° mes
11 =X1 + 10-100 Inventario al final del1°mes
12 = X2 + 11 - 250 Inventario al final del 2° mes
13 =X3 + 12-200 Inventario al final del JO mes
14 =X4 +13-150 Inventario al final del 4° mes
15 = X5 + 14 - 200 Inventario al final del 5° mas
X1, X2, X3, X4, X5, X6, 10, 11' 12, 13, 14, 15
EJERCICIO 2.23
Metal-mecánica "Rodríguez" ha firmado un contrato con Automotriz "Valladares",
para proporcionar a su tienda alicates y llaves de tuerca. La demanda semanal de
Automotriz "Valladares" es de 80 llaves de tuerca y 60 alicates. La capacidad actual
de Metal-mecánica "Rodríguez" no es lo bastante grande para producir fas unidades
requeridas y debe trabajar horas extra para satisfacer la demanda e inclusive
'ccntratar los servicios de otros talleres de herramientas. El resultado es un
incremento en el cesto de producción unitario, el cual se ve reflejado en e/ siguiente
cuadro. Además el mercado indica' que la producción de llaves de tuercas a una
proporción de por lo menos 2 a 1 con los alicates.Formule el modelo de
Programación Lineal.
¡Alicates 1
Regular !0-30 j S/. 5.00
! 131
• Hqras extra -50 iS!. 6.00
j '
'
, Servicio Ext. '51 a más :S/. 8.00
1 '
fiL·· 52
SOLUCIÓN:
53
EJERCICIO 2.24
ZAPATERÍA BATA, elabora cuatro modelos de z;3patos para damas. Para esto
cuenta con dos máquinas: una aparadura y un torno. La siguiente tabla proporciona
los datos pertinentes del problema.
¡
11. Identificación de la Función Objetivo
Max65 X1 + 70 X2 + 60 X3 +55 X4 -10(2 X1 + 3 X2 + 4 X3 + 2 X4)
- 5(3 X1 + 2 X2 + X3 + 2 X4)
Beneficios (Z) =Ingresos- Costos debido al uso de las máquinas
lH. Identificación de las restricciones
Horas disponibles en la aparadura:
2 X1 + 3 X2 + 4 X3 + 2 X4~ 500
Horas disponibles en el tomo:
3 X 1 + 2 X2 + X3 + 2 X4 :e;; 300
Modelo de Programación Lineal
Max Z = 30 X 1 + 30 X2 + 15 X3 +25X4
Sujeto a 2 X1 + 3 X2 +4X3 +2X4 sSOO
3 X1 + 2 X2 +X3 +2X4 :<;;300
54
EJERCICIO 2.25
COLGATE con su planta de procesamiento en la ciudad de Lima, produce tres tipos
de crema dental: Colgate Regular, Colgafe Fresh y Colgate Fresca Rica para niños.
Dichos productos se elaboran con Monoflúorfosfato de Calcio y Sulfato de Sodio. La
siguiente tabla proporciona los datos para la producción diaria:
X 1 =X 2 =X3
tipos de cremas: 3 2 5
De donde se obtiene las siguientes restricciones:
2 X1 = 3 X2y5 X2= 2 X3
40 X1 +20X2 + 70 X3 ~ 60 000 .
X1 ~200
X2 ~ 200
X3 ~ 150
6 X1 +3X2 + 2 X3 ~ 9 000
2 X1 -3 X2 =O
5X2 - 2X3 =O
X1, X2, X3, ~o
56
EJERCIGIQ 2.26
LAN CHILE tiene el problema de asignar sus -tres ·tipos de aviones: Gomercial,
familiar y privado; a cuatro diferentes. rutas al interior del país, conforme a los
siguientes datos:
Los costos asociados, incluyen los castigos por-perder clientes debido a la falta de
espacio disponible, son:
SOLUCIÓN:
57
~:.. ·.
58
EJERCICIO 2.27
Slider Perú produce dos tipos de aleaciones: Aleación 1 y 2; con 4 tipos de metales
. procesados en la misma mina: Metal 1, 2, 3 y 4; conforme a las siguientes
especificaciones:
59
Máxima cantidad del mineral 3: X31.+X32 · ~ 2500
Especificaciones de la aleación tipo 1:
A lo más 75% de contribución del metal 1:
0.2 X11 +·0.1 X21 + 0.05 X31~ 0.75 X1
A lo más 30% de contribución del metal 2:
X11 + 0.2 X21 + 0.05 X31~ 0.3 X1
·· Al menos 35% de contribución del metal 4:
.. 0.3 X11 + 0.3 X21 + 0;2CX3:1~·0.35 X1
· ..•
Especificaciones de la aleación bpó'2: · ·'
.. -_.;.;..:..:.;....... '.:~-.. ,, •. ·- . ';_. . . ··, . ' ._· ... :.;_:_·:. ·-;-< _;.- .' ~:-~.·~:·-------_ . ,\.:,-.. _~~ ,-··: '•\·•.
60
EJERCICIO 2.28
PLA.ZP, VEA, tiene un área de producción de cítricos. En este lugar se producen y
enlatan tres extractos de naranjas: Concentrado de jugo, Jugo Normal y Mermelada
marca Plaza Vea. Estos productos son para uso comercial y se fabrican en latas de
5 litros. La mermelada utiliza naranjas del tipo 1 y los otms productos del tipo 2. La
siguiente tabla enumera !os usos de la naranja, así como la demanda para el
próximo añ<?:
61
X3: Latas Concentrado de Jugo a producirse en el año.
11. Identificación de la Función Objetivo
Beneficios= (Ingresos por los tres tipos de productos)-
(Costos asociados a los dos tipos de naranja)
Max 13.2 X1 + 18.3 X2 + 25.7 X3- 0.2 (5 X1)- 0.5 (16 X2 + 30 X3)
X2 -2 X3 ¿Q
62
EJERCICIO 2.29
SONY VAIO, ensambla microcomputadoras para clientes particulares. Los pedidos
par~' los cuatro tíimestres siguientes son: 300, 800, 400 y 300, respectivamente.
SONY VAIO tiene la opción de producir más de la demanda para un respectivo
trimestre, en cuyo caso se incurre en un costo de $10~00 por computadora para el
almacenamiento.
La creciente producción de un trimestre al siguiente requiere la contratación de
empleados adicionales, lo que incrementa en $50 el costo de producción por
computadora en ese trimestre. Así mismo, la disminución en la producción requerirá
el despido de empleados, originando un incremento de $30 en el ~osto de
producción por computadora. Formule el problema como un modelo de
programación lineal.
SOLUCIÓN:
l. Identificación de las variables
Xi: Computadoras a producirse en el trimestre i (i = 1, 2, 3, 4)
lk: Inventario de computadoras al final del trimestre k {k = O, 1, 2,
3)
Vp: . Variación del nivel de producción en el trimestre p (p = 2, 3, 4)
Observación: Como la variadón del nivel de producción puede ser positiva
(a~mento) o negativa (disminución), será tratada como una variable sin
restricción de signo.
Vp = Vp+- Vp-
Donde:
Vp+: Aumento en el nivel de producción.
Vp-: Disminución en el nivel de producción.
63
X4 + 13~ 300 Requerimientos mínimos en el 4° trimestre
10 =o Inventario al inicio del 1o trimestre
11 =X1 + 10- 300 Inventario al firial del1° trimestre
12 = X2 + 11 - 800 Inventario al final del 2° trimestre
13 =X3 + 12- 400 Inventario al final del 3° trimestre
V2+- V2- = X2- X1 Variación del Nivel de Producción enel 1°-
trimestre
V3+ - V3- = X3 - Variaciófl del Nivel de Producción en el 2°
X2 trimestre
V4+ - V4- = X4 - Variación del Nivel de Producción en el __ 3°
X3 trimestre
X1, X2, X3, X4, 10- ~o
64
EJERCICIO 2.30
MUEBLERÍA GARCÍA, fabrica y ensambla sillas, mesas y libreros. El centro de
producción cuenta con un área que produce los productos semiacabados y otra para
el ensamble final. La capacidad de producción, no ensamblada, mensual de la planta
incluye 300 sillas, í 00 mesas y 60 libreros. El área de ensamble emplea a 15
trabajadores en dos tumos de 8 horas al día, 6 días a la semana. Los tiempos
promedios de ensamble por silla, mesa y librero son 20, 30 y 40 minutos,
. respectivamente. El número de empleados en la instalación de ensamble fluctúa
debido a las vacaciones. Las solicitudes de vacaciones pendientes incluyen a 2
trabajadores en Mayo, 3 en Junio y 4 en Julio. El departamento de Marketing calcula
que el pronóstico de ventas para los meses en Mayo, Junio y Julio es:
...... 1 •
•
......
• •• ;¡
. ...,. . ~
·. :...;; ·.•
(
: .. ~· '•.,!' r •
. ' ,- ' ~
65
11. Identificación de la Función Objetivo
MAX50(Y11 + Y12 + Y13) + 90(Y21 + Y22 + Y23) + 100(Y31 + Y32 + Y33)
- (30(X11 + X12 + X13) + 60(X21 + X22 + X23) + 70(X31 + X32 +X33)]
:_ 0.1 [30(111 + 112) + 60(121 + 122) + 70(131 + 132)]
111. identificación de las restricciones
Para las sillas:
X11 + i10~ 280 Requerimientos mínimos en el mes de Mayo
66
EJERCICIO 2.31
SOUTHERN, en su planta siderúrgica del Mantaro, opera con una fundidora y dos
laminadoras. La fundidora funde tres tipos de rollos de acero que se elaboran en el
taller mecánico antes de enviarlos a la laminadora. Las laminadoras utilizan los rollos
para fabricar varios productos.
Al principio de cada trimestre, las laminadoras preparan sus necesidades mensuales
de rollos y se lo entregan a la fundidora. Después, el encargado de la fundidora traza
un plan de producción del taller. La falta de rollos se cubre mediante la compra
directa a terceros, a un precio más elevado. En el siguiente cuadro se proporcionan
los datos pertinentes a esta situación. Sin embargo, la administración observa que
esa escasez no es frecuente y que se puede afirmar que esto ocurre alrededor del
5% de veces.
4 6 ·. .. '8 ·.
6 3 ... O g,
5 ' -: ;;•
340
. ' ~-
--r·
La demanda de rollos para las dos laminadoras, durante los próximos tres meses es:
500" 200~ o
o 300
1
1
¡.
500 300
~ l. 200 200
o .·¡·'
¡,. ... 300 o :_ . ,..1: 400"
;;,:..,
200
67
SOLUCIÓN:
100
68
X31 + X32 + X33 + X342: 400 +O Requerimiento del rollo tipo 3
Segundo mes:
Disponibilidad de Horas al mes
Y11 +5Y21 +7Y31~320x 10 Máquina tipo 1
69
Modelo de Programación Lineal
MinZ= 202 X11 + 202 X12 + 202 X13 + 202 X14 +
202 Y11 + 202 Y12 + 202 Y13 + 202 Y14 +
202 V11 + 202 V12 + 202 V13 + 202 V14 +
303 X21 + 303 X22 + 303 X23 + 303 X24 +
303 Y21 + 303 Y22 + 303 Y23 + 303 Y24 +
303 V21 + 303 V22 + 303 V23 + 303 V24 +
404 X31 + 404 X32 + 404 X33 + 404 X34 +
404 Y31 + 404 Y32 + 404 Y33 + 404 Y34 +
404 V31 + 404 V32 + 404 V33 + 404\134
Sujeto a X11 +5 X21 + 7 X31 s; 3200
4X22 + 6 X32 s 2880
. 6 X13 + 3 X23 s; 2700
3 X14 + 6 X24 + 9X34 s; 1700
·~;:,.·'=".:
w 70
EJERCICIO 2.32
PINTURAS VENCEDOR produce tres tipos de pinturas: Standard, Qualily y
Premium. Las instalaciones actuales pueden producir un máximo de 18000 galones
de Standard, 10000 galones de Quality y 500 galones de Premium al día. Debido a
la economía de escala, el costo de producir cada tipo de pintura disminuye al
aumentar el número de galones producidos. Por ejemplo, si se producen por galones
de pintura Standard, entonces el costo por galón es a - bx. La siguiente tabla
proporciona los valores de a y b; el precio de venta por galón, y la demanda diaria
mínima por cada tipo de pintura.
\ SOLUCIÓN:CON LINDO
1)110004,5S = 10000
71
EJERCICiO 2.33
MORA VE COi debe producir al menos 600000 tornillos pequeños y 400000 tornillos
grandes para satisfacer la demanda de las siguientes 4 semanas. Estos tornillos
pueden producirse en dos máquinas distintas, cada una de las cuales está
disponible 40 horas a ia semana. Los requerimientos de costos y tiempo para
producir cada tamaño de tornillo en cada máquina y el precio de venta de cada
tamaño de tornillo se muestra en la siguiente tabla:
72
SOLUCIÓN:
El modelo es incorrecto, a continuación está el modelo corregido:
L1 +L2 2:400
0.4166781+ 0.7290L í ::;160
0.2777082+ 0.5208L2 ::;160
S1,S2,L1,L2 2:0
SOLUCIÓN:CON LINDO
1)16836,5951=23,83869 82=576,161316 L 1=205,8534L2=0
73
2.5 Autoevaluacién de la Unidad íi
74
maximización o de minimización en donde la función objetivo y las
restricciones son lineales.
4.2 ( ) Para la formulación de un modelo, es necesario conocer todas las
alternativas posibles de SOLUCIÓN:.
4.3 ( ) La definición apropiada de las variables del modelo es el primer
paso esencial en la formulación del problema.
4.4 En las lll.ldentificación de las restricciones, se.deben de colocar a
todas las variables anteriormente definidas.
4.5 ( ) La función objetivo debe contener a .todas las variables
previamente definidas.
4.6 (y Las. variables del mqdelo deben reflejar
:
fielmente
.
tas necesidades
. ..·.
75
SOLUCIONARlO DE LA AUTOEVALUACIÓN DE LA SEGUNDA UNIDAD
01 V V V
02 MODELO MATEMÁTICO
l. Identificación de las variables
8 = Número de edificios para personas de 8ájos ingresos.
- M= Número de edificios para personas de Medianos ingresos.
!! Identificación de la Función Objetivo
Max 158+12M
111 Identificación de las restricciones
38+6M s50
208 +20M s180
12M 1 158 - ;;:::0,8
B,M ;;:;:o, Entero
03 MODELO MATEMÁTICO
l. Identificación de las variables
CN = Número de galones de concentrado de naranja a producir esta
semana.
CT = Número de galones de concentrado de toronjaa producir esta
semana.
11 Identificación de la Función Objetivo
Max 3,86CN+ 5,33CT
ll! Identificación de las restricciones
0,057CN+0,067CT s150
CN s 1000
CT s 1000
CN,CT ;;:;:o
76
restricciones son lineales.
Un problema de Programación Lineal, es un problema de
optimización con restricciones de igualdad y de desigualdad con la
particularidad detener, tanto la función objetivo, como las funciones
que definen las restricciones, lineales. La reSOLUCIÓN:de esta
clase de problemas se conoce desde 1947 y es debida a G. B.
- Dantzing.
4.2 (F) Para la formulación de un modelo, es necesario conocer todas las
alternativas posibles de SOLUCIÓN:.
En un problema de toma de decisiones, es necesario tener tres
componentes principales, para la SOLUCIÓN:
1.- Las alternativas de decisión
2.- Las restricciones que afectan a la decisión
3.- El criterio objetivo para la evaluación de las alternativas.
En un problema de programación lineal, es necesario solamente
conocer el criterio objetivo que busca el problema y las restricciones
del mismo.
4.3 (V) La definición apropiada de las variables del modelo es él pnmer
paso esencial en la forrhulación del problema.
En las 111. Identificación de las restricciones, se deben de colocar
4.4 (F) a todas las variables anteriormente definidas.
En la l. Identificación de las variables, se deben de definir a
aquellos que están estrechamente relacionadas con las necesidades
del problema y a las que sirven solamente para expresar mejor estas
necesidades. Por lo general estas últimas se simplifican y no
aparecen en el modelo.
4.5 (F) La función objetivo dehe contener a todas las variables previamente
definidas.
Como se mencionó anteriormente, no todas las variables definidas
aparecen en ei modelo, por tanto la función objetivo tampoco
contendráa toda las variables. Además muchas variables que
aparecen en las restricciones no se observan en la función objetivo y
viceversa.
77
4.6 (V) Las variables del modelo deben reflejar fielmente las nec:;esidades
del problema. Para una mejor apreciación del mismo, a veces es
necesario definir parámetros que ayudarán a las variables a
expresar mejor el modelo.
Muchos de los parámetros surgen, debido a que las restricciones
son difíciles de expresar en función de ias variables del modelo. Por
-tanto estos parámetros son una ayuda para facilitar esta tareay en
su mayoría de casos, no aportan nada que favorezca a la búsqueda
del objetivo dei modelo.
4. 7 (V) Los parámetros, son variables que aún siendo definidas en el
modelo, no aparecen en el mismo.
Efectivamente, estos parámetros son variables que ayudan a
expresar mejor· el modelo; pero que sus valores no necesitan
calcular ya que son utilizados antes de la verdadera formulación del
problema. Después de las simplificaciones, estos parámetros ya no
aparecen en el modelo.
4.8 (V) Luego de definir apropiadamente a las variables, es necesario definir
el criterio objetivo que busca alcanzar el modelo.
Si, puesto que este criterio objetivo refleja exactamente la meta que
busca alcanzar el modelo. Y cuando se traduce matemáticamente
en función de las variables del modelo, se convierten en la función
objetivo del modelo.
4.9 (F) Las Identificación de las restricciones son todas las limitaciones que
presenta el problema y deben expresarse en función de las variables
del modelo.
Las 111. Identificación de las restricciones son todas !as
condiciones que debAn de satisfacer y tienen que expresarse en
función de las variables del modelo. Estas condiciones no son
solamente limitaciones, en otms casos serán condiciones de
proporcionalidad entre las variables o condiciones mínimas
necesarias que deben cumplir las variables.
\
4.1 O (F) Las restricciones implícitas, aquellas que se sobreentienden, son las
\
denominadas restricciones de no negatividad.
78
Las restricciones implícitas son aquellas que se sobreentienden y
que deben aparecer también en -el modelo. Los modelos de
Programación Lineal, en su mayoría, presentan variables que
aceptan sólo valores positivos y por ende las condiciones de no
negatividad son implícitas al modelo. Pero existen otras restricciones
como el número de días en un mes o la suma de las aportaciones
- porcentuales de un todo, las que tomarán valores de . 30 y 1
respectivamente, ambas se sobreentienden y a la vez son implícitas
al modelo.
79
Respuesta. Una variabie sin restricciones de signo, es aquella que puede tomar un
valor positivo o negativo, por ejemplo, la variación de la producción de un mes a otro
puede ser positivo o negativa dependiendo si hay aumento o disminución en el nivel
de producción.
Matemáticamente, es difícil trabajar c~n una variable sin restricción de signo. Por
esta razón, se utiliza una sustitución estándar que convierte la variable sin restricCión
de signo en dos variables no negativas, es decir:
Sea X1, una variable sin restricción de signo; entonces la siguiente sustitución: X1 =
X1+- x·1-, donde X1+, X1-~ O, transforma a la variable en mención en dos variables
positivas.
Si X1 +> O y X1- = O, X1 es una variable positiva.
Si X1+ =O y X1-> O, X1 es una variable negativa .
,
.
5.4 ¿Es posible modelar la situación en donde ocurre un descuento por cantidad
vendida e,n un modelo de programación lineal?
80
UNlDAD 111 PROGRAMACIÓN LINEAL
e:s5ª tn~~·sti~facioh g~
--:; • ; • .. :_ 1. ·.... .;::- •• < ' ••
,Iograr
;- - -
qu~
.
-,o-s.-estudiantes
~- ·.. .. .
conozcan)?
.
.. befinir que
.~ .;.::::'~· .'
~- .:
definición -de la : .¡nvesti_ga'clón -de operacion~~-· :. . _
01
· -operacibne$, su · metqdolog"ía, · . su_. .. , _ • . • . • •
· · · ·. · · Conocer.la f::irstot:ia'ge·Ja:invéstígadónde
; historia, s~;i? ventaja$. y'aplicacl_ones. · · ·
operaciones.
;. : .:
:: .' deo_peraC?ione~~indicaf1dq
. • .•· --z•' •
:la~/á'se~s.., . r~ '-·· ~-
.-~ •' .. L .... • :._;, ,,._·:· ~ ..... :~" • --~~4'-'
81
3.1 Ejercicios de programación linea!
Ejercicio 3.1
PETROPERÚ Tiene 14000 galones de una mezcla de gasolina y alcohol
almacenada en su instalación de La pampilla y 16000 galones almacenados en su
instalación de Bayo bar. Desde estas instalaciones, debe proveer a Primax 10000
galones y a Repsol 20000 galones. El costo en soles de embarcar 1 galón desde,
cada instalación de almacenado a cada cliente es:
SOLUCIÓN:
Identificación de las Variables
Xij = Número de gal. de mezcla a enviar del almacén í a las instalaciones j
83
Ejercicio 3.2
Nestlé está desarrollando una nueva golosina de maní y chocolate. El dulce debe
tener al menos 5 gramos de proteínas, pero no más de 5 gramos de carbohidratos y
3 gramos de grasas saturadas. Desarrolle un programa lineal para determinar la
cantidad de cada ingrediente por utilizar que satisfaga los requerimientos
nutricionales a un costo total mínimo, basándose en los siguientes datos:
SOLUCIÓN:
l. Identificación de las Variables
M = Número de oz. de mantequilla
C = Número de oz. de chocolate
84
Ejercicio 3.4
SIDERPERU tiene una máquina capaz de fabricar tubos de diámetros grandes y
pequeñas para contratistas de plomería. Los tubos grandes se producen a una
velocidad de 200 pies por hora y los pequeños a unos 300 pies por hora. Cada hora
que la máquina es utilizada para producir tubos grandes, generalmente ocasiona 1.5
atascamientos y cuando se producen tubos pequeños resultan 3 atascamientos por
hora. Cada -atascamiento requiere aproximadamente 5 minutos de restablecimiento
durante los cuales la máquina no puede producir tubos. La gerencia desea un
número igual de pies de ambos tamaños de tubos y la mayOí cántidad total de tubos
posible. Formule un modelo para determinar cuánto tiempo de un día de 8 horas
debe asignarse a la producción de tubos grandes y cua_nto a la de tubos pequeños.
Para las variables de decisión, use el número de horas de tiempo de maquina por
dedicar a la fabricación de tubos pequeños y grandes.
85
Ejercicio 3.5
Repita· el ejercicio 3.4 usando ia fracción de 8 horas de tiempo de máquina
dedicara a fabricar tubos pequeños y grandes como las variables de decisión.
SOLUCIÓN:
l. Identificación de las Variables
G = Número de horas máquina para tubos grandes
P = Número·de horas máquina para tubos pequeños
SOLUCIÓN:USANDO LINDO
1) 787.5000
VARlABLEVALUEREDUCED COST
G 0.5625000.000000
p 0.4375000.000000
86
Ejercicio 3.6
Repita el ejercicio 3.4 usando el número de pies de tubos pequeños y grandes por
fabricar en 8 horas de tiempo de maquina como las variables de decisión.
SOLUCIÓN:
l. Identificación de las Variables
G = Número de pies a producir de tubos grandes
P =Número de pies a producir de tubos pequeños
SOLUCiÓN:USANDO LINDO
1) 787,5
VARI.ABLE VALUEREDUCED COST
G 787,5 0.000000
p 787.5 0.000000
87
Ejercicio 3. 7
EXPLOSIVOS S.A. mezcla azufre, carbón y salitre. para producir pólvora. El producto
final debe contener al menos 10%, pero no más de 20%, de carbón por unidad de
peso. La cantidad de salitre no puede exceder el 50% de la cantidad de carbón
usado. Para evitar una explosión accidental, la syma de 50% del azufre más 60%del
carbón mas 30% del salitre usados no puede exceder 35% del producto final. El
azufre es cen mucho ei componente más caro. Formule un modelo para determinar
la cantidad de cada ingrediente que debe utilizarse para producir cada libra de
pólvora que satisfagalas restíicciones y, a la vez que, requiera la menor cantidad de
azufre.
SOLUCIÓN:
88
Ejercicio 3.8
QUIMICA SUIZA diluye cada litro de ácido sulfúrico concentrado con 20 litros de
agua destilada para producir H2S04. De manera similar cada litro de ácido
clorhídrico concentrado se diluye con 30 litros de agua destilada para producir Cl.
Estos dos productos vendidos a escuelas de segunda enseñanza a $0.1 O por botelia
de 100 mililitros (estoes 0.1 litros). La compañía actualmente tie¡:¡e 50000 botellas
vacías en inventario. Suponga que existe una cantidad virtualmente ilimitada de
agua destilada que cuesta $0.15 por litro y que se dispone a los siguientes datos:
Formule un modelo para determinarla cantidad de cada ácido concentrado por diluir
para maximizar las ganancias totales.
SOLUCIÓN:
SOLUCIÓN:USANDO LINDO
1)41625.00 AS=350 AC =4650
90
Ejercicio 3 ..9
BASA S.A.usa una base y dos productos de goma,_ todos en cantidades iguales,
para producir su autoclave. La compañía puede producir un total combinado de
hasta 800 libras de la base y dos productos de goma. De manera alternativa, puede
comprar estos ingredientes en el mercado abierto en las siguientes cantidades de
dólares por iibra:
2.0 8.00 1
0.25 gal 1 0.05 h /gal
1
SOLUCIÓN:USANDO LINDO
1)9190.477 JN = 1428.57 JT = í 333.33
92
Ejercicio 3.11
Como variables del ejercicio 3.10 formule un modeto de programación lineal para
determinar un plan de producción que maximice la ganancia para la siguiente
semana usando las variables:
CN = El número de galones de concentrado .eJe naranja por producir .esta semana.
CT = El número de galones de concentrado de toronja por producir esta semana.
SOLUCIÓN:
l. Identificación de las Variables
CN = Número de galones de concentrado de naranja por producir.
CT = Número de galones de concentrado de toronja por producir.
SOLUCIÓN:USANDO LINDO
1) 9190.000 CN = 1000.000 CT= 1000.000
93
Ejercicio 3.12
Como variantes del ejercicio 3.10 formule un mode!o de programación lineal para
determinara un plan de producción que maximice la ganancia de la ganancia de la
siguiente semana usando variables:
TN = Número de horas de tiempo de maquina a usarse esta semana para destilar
jugo de naranja
TT = Número de hoías de tiempo de maquina a usarse esta semana para destilar
jugo de toronja.
SOLUCIÓN:
SOLUCIÓN:USANDO LINDO
1) í0500.00 TN = 40.000000 TT = 50.000000
94
Ejercicio 3. 13
PETROPERU. debe transportar 100000 barriles de cada uno de sus tres campos
petroleros·.· a su tanque de almacenamiento en La Pampilla. El petróleo puede
transportarse en camiones directamente de los campos al tanque de
almacenamiento a un costo de $0.03 por barril por milla. Hasta 150000 barriles de
petróleo también pueden enviarse desde los campos mediante duetos a un eje
central en Bayobar a un costo de $0.02 por barril por mWa y luego transportarse en
camiones a La Pampilla por $1 por barril. Formule un modelo para determinar el plan
de embarque de costo mínimo, dadas las siguientes distancias en millas:
SOLUCIÓN:USANDO LINDO
1) 1090000.
VARIABLEVALUEREDUCED COST
X11 10000 X21 50000
X31 00000 X12 00000
X22 50000 X32 100000
95
Ejercicio 3. í4
COMPASS mezcla seis especias para fabricar un producto para aderezar pescados.
La siguiente tabla proporciona el costo de cada especia y los porcentajes mínimos y
máximos por unidad de peso que pueden usarse en el .producto final:
96
140::; o::;; 180
Con respecto a los productos terminados
C + P + S + R + A + O= 1000
Con respecto a la no negatividad
C ,P ,S ,R ,A ,O~ O
SOLUCIÓN:USANDO LINDO
1) 38.79
C 200.000000P180.000000S 120.000000 R 200.000000 A
150.0000000150.000000
97
Ejercicio 3.15
TEXTIL SAN CRISTOBAL mezcla tres aditivos, A 1, A2 y A3 a una base en
diferentes proporciones para obtener distintos coiores de tintas. la tinta roja se
obtiene mezclando A 1, A2 y A3 en la proporción 3:1 :2, la tinta azul en la proporción
2:3:4 y la tinta verde en la proporción de 1:2:3. Después de mezclar estos aditivos,se
añade una cantidad igual de base para cada color. La compañía actualmente tiene
1000 galones de A 1, 1500 de A2, 2000 de A3 y 4000 de base. Dado que el precio de
venta por galón de cada tipo de tinta es el mismo, desarrolle un modelo para
determinar cómo deberían usarse estos -recursos para obtener los máximos
ingresos .
.SOLUCIÓN:
l. Identificación de las Variables
Aij =Número de galones de ad,itivo i utilizado en la tinta j
8j =Número de galones de base Outilizado .en la tinta j
R =Número de galones de tinta Roja
A =Número de galones de tinta Azul
V =Número de galones de tinta Verde
11. Identificación de la Función Objetivo
MAX R+A +V
111. Identificación de las Restricciones
A11 +Aí2+A13:51000 A21 + A22 + A23:::; 1500
A31 + A32 + A3;3 :::; 2000 811 + B 12 + 813 :::; 4000
A 11- 3A21 =O 2A21 -A31 =O
A 11 +A21 +A31- 81 =O A11 +A21 + A31+ 81- R =O
3A12- 2A22 =O 4A22- 3A32 =O
A12 +A22 + A32-82 =O A12 +A22 + A32+82- A =O
2A13- A23 =O 3A23- 2A33 =O
A13 + A23 +A33- 83 =O A13 + A23 +A33+83- V =O
Aij,Bj,R,A, V 2: O
SOLUCIÓN:USANDO LINDO
1)9000 A 12= 1000 A32=2000 82=4500 A=900ü A22=1500
98
Ejercicio 3.16
El departamento de energía de Lilliput actualmente está en -el proceso de desarrollar
un plan nacional de energía para el año siguiente. Lilliput puede generar energía de
cualquiera de cinco fuentes: carbón gas natural, materiales nucleares, proyectos
hidroeléctricos y petróleo. Los datos sobre los recursos de energía, la capacidad de
generación de energía medida en mega watts-hora (MW-:-hr) y los costos unitarios de
generación _se dan en la tabla 1.Lillip~t necesita 50000 MW-he.de energía de uso
domestico, y el país tiene un compromiso para producir 10000 MW-
hr.paraexportación. Más aun, a fin de conservar los recursos de energía y proteger
el ambiente, el gobierno ha prohibido las siguientes regulaciones:
La generación proveniente de materiales nucleares no debe exceder 20% de la
energía total generada en Lilliputdebe utilizarse al menos 80% de la capacidad de
las plantas de carbón. Los efluentes que salen a la atmósfera no deben exceder los
límites especificados en la tabla 2
La cantidad de energía generada a partir de gas natural debe ser al menos 30% de
la generada a partir del petróleo. Formule un programa lineal para determinar un plan
de energía de costo mínimo.
Tabla 1 Capacidad de generación y costos
99
~
Petróleo 0.4 0.8 0.5 0.1
Kg. Máx. permitidos 75 60
l 30
1
25
SOLUCIÓN:
l. Identificación de las Variables
e= Número de MW -hr.a generar de la fuente de Carbón.
G = Número de MW -hr.a generar de la fuente de Gas Natural.
N = Número de MW -hr.a generar de la fuente de Nucleares.
H =Número de MW -hr.a generar de la fuente de Hidroeléctrica.
P =Número de MW -hr.a generar de la fuente de Petróleo.
11. Identificación de la Función Objetivo
MIN 6e + 5.5G + 4.5N + 5H + 7P '
111. Identificación de las Restricciones
e+G+N+H+P ~ 60000
N :::; 0,20(C+G+N+H+P)
e ~ 36ooo
G-0.3P ~O
f
e :::; 45ooo
G :::; 15000
N :::; 45000
H :::; 24000
p :::; 48000
1.5C + 0.2G + 0.4P :::; 75000
1.2e + 0.5G + 0.1 N + 0.8P :5 60000
e, G,N,H,P ~O
SOLUelóN:USANDO LINDO
1) 330000 C=36000 G=O N=12000 H=12000 P=O
100
EJERCICIO 3.17
El Ministerio de Agricultura ben la Ciudad de lea tiene 50 acres de tierra en la cual
plantar cualquier cantidad de maíz, soya, lechuga, algodón y brócoli. La siguiente
tabla muestra la información relevante perteneciente a la producción, el costo de
plantación, ei precio de venta esperado y los requerimientos de agua para cada
cuitivo:
101
Bróco!i Ingreso (350) Kg. /acre *(1.30)$/Kg. = (455) $/acre
Costo (350) Kg. /acre *(0.60) $/Kg = (210) $/acre
Ganancia 455-210 =(245) $/acre
Modelo matemático
l. Identificación de ias Variables
M=. Número de kilogramos a producir de maíz.
S= Número de kilogramos a producir de soya.
L= Número de kiiogramo"s a producir de lechuga.
A= Número de kilogramos a producir de algodón.
8 = Número de kilogramos a producir de bróculi.
11. Identificación de la Función Objetivo
MAX 448C + 400S + 240L + 225N + 2458
111. Identificación de la Restricciones
C +S +L +N +8 !Ó50
5600C +2500S + 9000L + 1275N + 12758 !Ó100000
640C ;o,5120
M, S, L, A,8 ;o, O
SOLUCIÓN:
USANDO LINDO
1) ..
14 082.78 C=8 S=1.3469 L=O N=O 8=40,653
EJERCICIO 3.18
Repita el ejercicio 3.17 usando el número de kilogramos de cada cultivo por producir
como las variables de decisión.
~
102
.•
SOLUCIÓN:
SOLUCIÓN:USANDO LINDO
1) 5120.000
VARIA8LEVALUEREDUCED COST
M5120.000000 0.000000
S 0.000000 0.500000
L 0.000000 0.400000
A 0.000000 0.250000
8 0.000000 0.600000
103
Ejercicio 3.19
NESTLÉ tiene una maquina que muele semillas de Psyllium hasta producir un polvo
fino a una velocidad de 30 libras por hora. La compañía también usa la máquina
para hacer crema de cacahuate con cacahuetes tostados a una velocidad de 60
librasporhora. El tiempo de fijación para cambiar la máquina de un producto al otro
es despreciable. La demanda mensual y los costos de mantenimiento de inventario
de cada preducto se muestran en la tabla siguiente:
SOLUCIÓN:
Cálculos: Psyllium Crema de Cacahuate
30 Lb. ------1 h 60 Lb. -------1 h
1 Lb. ------- x 1 Lb-------- x
X= 1/30 x=1/60
104
l. identificación de las Variables
ICM = Inventario Inicial de Crema de Cacahuate -en Mayo
ICJ = Inventario Inicial de Crema de Cacahúate en Junio
ICL = Inventario Inicial de Crema de Cacahuate -en Julio
ICA = Inventario Inicial de Crema de Cacahuate en Agosto
IPM = inventario Inicial de Psyllium en Mayo
fPJ = Inventario Inicial de Psyllium en Junio
IPL = Inventario Inicial de Psyllium en Julio .
IPA = Inventario Inicial de Psyllium en Agosto
PCM =Producción de crema de Cacahuate en Mayo
PCJ = Producción de crema de Cacahuate en Junio
PCL =Producción de crema de Cacahuate en Julio
PPM =Producción de-PsylliurJ! en Mayo
PPJ =Producción de Psyllium en Junio
PPL = p·roducción de Psyllium en Julio
ICM =O
!PM =O
ICA =O
IPA =O
lCJ :SS OO
IPJ :S1000
ICL :SS OO
/
IPL :S1000
105
0.0333PPM+0.01667PCM $80
0.0333PPJ +0.01667PCJ $80
0.0333PPL+0.01667PCL S80
SOLUCIÓN:USANDO LINDO
1) - 0.000000
VARIABLEVALUEREDUCEDCOSTv'ARIABLEVALUEREOUCED COST
!CM 0.00 0.073333 IPM 0.00 0.000000
ICJ 0.00 9.973333 IPJ 0.00 0.000000
ICL 0.00 0.093333 IPL 0.00 0.000000
PCM 400.00 0.000000 PCJ 450.00
0.000000
ICA 0.00 0.080000 PCL 500.00 0.000000
PPM 600.00 0.000000 PPJ 700.00
0.000000
IPA 0.00 0.150000 PPL 650.00 0.000000
106
Ejercicio 3:19
- PACOCHA quiere invertir $1000000 de un gran fondo de pensiones. El
departamento de investigación de Inversiones ha identificado seis fondos mutuos
con estrategias de inversión variables, resultando en diferentes rendimientos
potenciales y riesgos asociados, como se resume en !a siguiente tabla
SOLUCIÓN:USANDO LINDO
1)0, 1381667
VARIABLEVALUEREDUCED COST
F11851 ,85 0.000000
F22192,98 0.000000
F32272,72 0.000000
F43921 ,57 0.000000
F55797, 10 0.000000
F613636,36 0.000000
108
Ejercicio 3.20
Repita el ejercicio 3.19 usando las siguientes variable~ .de decisión:
F1 =El número de dólares que invertir en el Fondo 1.
f2 =El número de dólares que invertir en el Fondo 2.
F3 =El número de dólares que invertir en el Fondo 3.
F4 =El número de dólares que invertir en el Fondo 4.
F5 =El número de dólares que invertir en el Fondo 5.
F6 =El número de dólares que invertir en el Fondo 6.
SOLUCIÓN:
l. Identificación de las Variables
Fi = El número de dólares que invertir en el Fondo i.
11. Identificación de la Función Objetivo
MAX F1 + F2~+ F3 + F4 + F5 :+ F6
111. Identificación de las Restricciones
45F1 +76F2 + 110F3 ~ 500000
45F1 +76F2 + 11 OF3 :;; }50000
17F4 +23F5~ 200000
17F4 +23F5:s 300000
22F6 ~50000
90F1-76F2 =O
135F1 - 110F3 =O
34F4-23F5 =O
45F1 +76F2+11 OF3+17F4+23F5+22F6 = 1000000
Fi ~o
SOLUCIÓN:
1) 29986.48
VARIABLEVALUEREDUCED COST
F1 1851.8518070.000000
F2 2192.9824220.000000
F3 2272.727295 o. 000000
F4 5882.353027 o. 000000
F5 8695.6523440.000000
F6 9090.9091800.000000
1
3.2 Autoevaluadón de fa Unidad
'1
m
11
' '
inapropia(ja. A lo largo de los años, las filtraciones de los silos han dado
1
menos el '50% del total. Para limitar el número de silos, s requiere de lote
de una ~luperficie
1
mínima de dos, tres y cuatro hectáreas para las
viviendas :l familiares individuales, dobles y triples, respectivamente. Se
deben estpblecer áreas recreativas de una hectárea, en una proporción de
un área pbr cada 200 familias. Para preservar la ecología del lugar, las
1
1
2. PACOCH1 quiere invertir $1000000 de un gran fondo de pensiones. El
1
\
1 • .. • -
siguiente tabla
110
Una forma de controlar el riesgo es limitar la cantidad de dinero invertido
en los diversos fondos. Para ese fin, la administración de Pacocha. ha
especificado las siguientes pautas:
1. La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y
75% de la cartera.
2. La cantidad total invertida en fondos de mediano riesgo debe -estar entre
20 y 30% de la cartera.
3. La cantidad total invertida en fondos de bajo riesgo debe ser al menos
de 5% de la
Cartera. Una seaunda
""' . -
forma
. de controlar el riesgo es diversificar, esto es,
esparcir el riesgo invirtiendo en muchas alternativas diferentes. La
gerencia de Pensión Planners, lnc., ha especificado que la cantidad
invertida en los fondos de alto riesgo 1, 2 y 3 deben estar en la tasa 1:2:3,
respectivamente. La cantidad invertida en los fondos de mediano riesgo 4
y 5 debe ser 1:2. Con estas pautas, ¿qué cartera debería usted, gerente
de cartera, recomendar ,para maximizar la tasa esperada de retorno
usando las siguientes variables de decisión.
H =La fracción de la cartera por invertir en fondos de alto riesgo.
M = La fracQión de la cartera para invertir en fondos de mediano riesgo.
L =La fracción de la cartera por invertir en fondos de bajo riesgo.
111
UNIDAD IV MÉTODO GRÁFICO
... . ~
. ~iñ.cfér:hent?rá la.· función- ·objetivo?,· dichó :de. otra. forma~.. ¿'Cuántas ··unidades ·se
-~ ~ . -~ ' ' . '"'.:.. ~ ~ --'; -... -~ . .. ~ . .. . ·:::-. . .
113
4. 1 Definición de método g¡áfico
2 () ¿El procedimiento del método gráfico incluye dos pasos? GráfiCa de las
restricciones y gráfica Z
3 () ¿Para graficar las restricciones, se deben de reemplazar las desigualdades.
por ecuaciones y después trazar las líneas rectas resultantes?
4 () ¿Dentro del espacio de SOLUCIÓN:factible se encontrarán un número
infinito de puntos que satisfacen todas las restricciones?
5 () ¿La SOLUCIÓN:óptima está asociada a un único punto de esquina del
espacio de SOLUCIÓN:factible?
SOLUCIÓN:
1 (V Gráficamente se puede resolver un problema de Programación Lineal de dos
) variables y muchas restricciones.
El Método Gráfico Soluciona problemas de Pmgramación Lineal de dos
variables, sin importar el número de restricciones.
2 (F El procedimiento del método gráfico incluye dos pasos. Gráfica de las
) restricciones y gráfica de Z.
115
Los pasos para el procedimiento del Método Gráfico son:
Determinación de la región factible que satisface todas las 111 Identificación
de las Restricciones.
Determinación de la SOLUCIÓN:óptima de entre todos los puntos de la
región factible.
3 (V Para grañcar las restricciones, se deben de reemplazar las desigualdades
) por ecuaciones y después trazar las lineas rectas resultantes.
La forma más sencilla para determinar la región factible, consiste en
reemplazar las desigualdades por ecuaciones y trazar ias gráficas de las
rectas resultantes, constatando que las zonas determinadas por estas rectas
coincidan con el sentido de las desigualdades.
4 (V Dentro del espacio de SOLUCIÓN:factible se encontrarán un número infinito
) de puntos que satisfacen todas las restricciones.
Debido a que la región factible es un espacio geométrico encerrado con
muchas rectas, y dicho espacio se encontrará constituido por un número
infinito de puntos, los cuaiE<S satisfacen todas las 111 Identificación de las
Restricciones.
5 (F L'a SOLUCIÓN:óptima está asociada a un único punto de esquina del
) espacio de SOLUCIÓN:factible.
La SOLUCIÓN:óptima puede estar asociada a más de un punto de la región
factible, esta SOLUCIÓN:es conocida como óptimos alternativos.
Gráficamente se puede apreciar este hecho cuando la función Z resulta ser
paralela a la restricción que optimiza el valor de Z. Obteniéndose así dos
puntos de esquina que optimizan la SOLUCIÓN:.
116
Despajando más preguntas sobre el Método Gráfico
A A
Ilustración 4.1 La rectas pueden
tener pendiente positiva o negativa
SOLUCIÓN:
Respuesta (e) La función objetivo se desplazará por el espacio o región factible
hasta que la recta Z, quede fuera de los límites de la región factible debido a un
incremento o decremento en su valor. Gráficamente se puede apreciar que si
desplazamos !a función Z, con un incremento (+ f}.Z) (Caso de Maximización) o
117
decremento(- .62) (Caso de Minimización) en su valor, ésta puede escapar del área
de la región factibie.
Incremento en Z Decremento en Z
..·. ~
. ··..
·· ....
··.·. Ilustración 4.4El máximo valor de
Z, al que puede llegar sin salir de
la región factible, se da en el punto
e
118
coordenadas j e) Tampoco -es necesario que ia Rf esté ac-otada cuando la
como un punto de ( pendiente de la función objetivo es negativa. Solo importa
¡ esquina. que esta se encuentre acotada cuando se trata de
c. Esté acotada si la maximizar, debido a que para maximizar o minimizar el valor
pendiente de la l de la función objetivo
función objetiva d) Si es necesario que la RF se encuentre acotada para el
fuera negativa. caso de una maximización, ya que de lo contrario, el valor
d. Esté acotada para de Z se incrementaría hasta el infinito y no se encontraría
el caso de una SOLUCIÓN:óptima.
maximización. "a"
O "c.
"
·.· ...__
¿Cuáles son los i Respuesta. Los pasos son: Graficar las restricciones,Hallar
pasos básicos para /la región factible (RF), Graficar la Función Objetivo (FO), ¡
efectuar el Hallar la SOLUCIÓN:óptimaentre uno de los puntos de la
procedimiento del región factible (puede ser más de uno).
Método Gráfico?
¿Cómo se determina 1 Respuesta. Se debe de seguir el siguiente procedimiento:
f
el espacio Se grafican todas las restricciones. Para realizar esto, se
geométri9o de la RF? recomienda reemplazar a la inecuación por una ecuación y
graficar la línea recta resultante, seguida de esto se
sombrea la parte correspondiente a la cond!ción de la
desigualdad.
Luego se interceptan todas las restricciones. · ·
A la zona resultante de estas intersecciones se le denomina )
1
1
R-
¡-.
/
119
/ fuera de los límites de la RF.
Para el caso de Respuesta. Se debería de. agregar una restricción que limite 1
1
EJERCICIO 4.1
Maximizar -X1 + 2X2
Dependiendo de
6X1 - 2X2 ::;: 3
-2X1 + 3X2 ::;: 6
X1 +X2 ::;: 3
X1, X2 ;,::0
120
¡ ¡
--·-·---··-··--!-·--·-+-·-·
i .
'
X: 4¡3::2
Hallando la SOLUCIÓN:Óptima
La SOLUCIÓN:es la intersección de 11 y 111
-2X1 + 3X2 == 6 -2X1 + 3X2 = 6 111
X1 +X2 =3 11 2X1 + 2X2= 6 IV
5X2 = 12.
121
EJERCICIO 4.2
Maximizar -4X1+ 8X2
Dependiendo de
X1 ,X2 ?:0
SOLUCIÓN:
G;aficando las Restricciones
Si X2 =O =:>X1=0.5
Si X2 =O =:>X1=-3
Si X2 =O =:>X1= 12
Hallando la región factible
Si X2 =O :::>X1 = -4
Hallando la SOLUCiÓN:Óptima
La SOLUC!ÓN:es la inte;sección de 1 y 11
-6X1 + 2X2 = -3 --+ -5X1 +2X2 = -3
-2X1 + 3X2 = 6 6X1-9X2 = -18
-7X2 = -21
De donde la SOLUCIÓN:óptima es: X2 = 3,üX1 = 1,5
El valor que toma la fundón objetiva es:Z = 18
122
EJERCICIO 4.3 (Véanse las instrucciones anteriores)
Maximizar 3X1 +5X2
Dependiendo de -3X1 +2X2 :56
-X1 +X2 :55
-3X1 +8X2 ::: 12
3X1+2X2 ;::18
X1,X22:0
SOLUCION
Graficando las Restricciones
1) 3X1 - 2X2 = 6 si X1 =O => X2 =3
Si X2 =O :::>X1 =-2
Si X2=0 :::> X1 = -5
Si x2 =o => x1 =6
Hallando la región factible
\
El problema NO TIENE SOLUCIÓN:porque la región factible no está acotado
superiormente.
~· 123
EJERCICIO 4.4
Maximizar X1+X2
Dependiendo de 3Xí-5X2
3X1+ 2X2
X1,X2~0
J
¡
l í
!
-·~
T •.
¿ ¡
f .i .,':;~.:. ~ •;¡. L- fl"'Jr)
r·'X". -...i1 r8
17
~·· · •''·l~
!¡.·
~ . .JL..:.
H-:--.:....· -~--....!,----~~~'~'oJ . ¡
1
~-.....,1,__----j
'
>
1• \ ~
• ......
1l 1! !: l
H---+---+,--+-¡.--..~-t--\.+---""";:-1--¡ ¡ ¡
,-·-----i---4
... ".:,....·
t
-~=::~~..:ldg ·:
; ¡
!---~-----~-~-\---l
f ' !'
\ ""4
r\..
¡l
~
!;
~\~~~~~·----fk·-----f---
¡
¡
124
EJERC!CIO 4.5
Minimizar 3X1 + 7X2
Dependiendo de X1-X2 ;,:4
X1+2X2 s 10
-2X1-X2 ;,:2
X1,X2;,:0
1)Graficando las Restricciones
1) -X1 +X2 =4 Si X1 =O X2 = -4
Si X2 =o => X1 =4
11) -X1 + 2X2 = -10 Si X1 =O X2 =-5
Si X2=0 => X1=10
Si X2 =O X1 =-1
2)Graficando la Región Factible
125
EJERCICIO 4.6
Maximizar 2X1 +2X2
Dependiendo de -6Xí+10X2 2: 15
X1+ X2 2:7
X1 ::;2
X1, X2 2:0
1)Graficando las Restricciones
j) -6X1 + 10X2 = 15 SI X1 =O => X2 =1.5
Si X2 =O => X1 = -2.5
11) X1 + X2 = 7 si X1 =O => X2 =7
.. ~
Si X2 =O => X1=7
111) X1 = 7
2)Graficando la Región Factible
-::<: -1 .1 I:::
-Y: -1 3964
126
EJERCICIO 4. 7
Max~mizar -4X1 + 6X2
Dependiendo de 6X 1 - 2X2 ~ 3
-2X1 + 3X2 ~ 6
Xí +X2 ~3
X1,X2~0
. ¡
¡
1
i
q
i x: s.slss
' !
¡ i
!
.---1--r--+--¡--·· --¡-
Graficando la Función Objetivo
-4X1 + 6X2 = 24 Si X1 =O=> X2 =4 Si X2 =O => X 1 =-6
HaHando la SOLUCIÓN:Óptima
La SOLUCIÓN:es la intersección de 11 y 111
II)-2X1 + 3X2 =6 --7 -2X1 +3X2 = 6
X1 +X2 = 3 --7 2X1 +2X2 = 6
5X2 = 12
De donde la SOLUCIÓN:óptima es: X2 = 2,4 X1 =0,6
También X2 =2X1 =O
El valor que toma la fundón objetiva es: z = 12
127
EJERCJCIO 4.8
Maximizar -X1 +2X2
Dependiendo de 6X1 -2X2 ~3
-2X1 +3X2 ~6
X1 +X2 ~3
2X1 +2X2 ~8
o ~1 ~5
·o ~X2 ~5
X1,X2~ O
SOLUCIÓN:
1)Graficando las Restricciones
1) -6X1 + 2X2 = -3 Si X1 =O ~ X2 = -1.5 Si X2 =O~ X1 = 0.5
11) -2X1 + 3X2 = 6 Si X1 =O ~ X2 =2 Si X2 =O ~ X1 =-3
111) X1 + X2 =3 Si X1 =O ~X2=3 Si X2 =O=> X1 = 3
IV) 2X1 + 2X2 = 8 Si X1 =O ~ X2 =4 Si X2 =O~ X1 =4
V) X1 =5 VI) X2 =5
Graficando la Región Factible
X1-2X2 <o O
X2 ~ 1
X1,X22:0
1 )Graficando las Restricciones
1) X1 + X2 = 3 Sí X1 =O==> X2 = 3 Si X2 =O==> X1 = 3
129
/7_ ~-
~
EJERCICIO 4.10
Maximizar X1+2X2
Dependiendo de X1+X2 53
X1-2X2 2:: O
X2 2:: 1
X1 ,X2 2:: O
1) Xí + X2 = 3 si Xí =O=> X2 =3 si X2 =O => X1 =3
11) -X1 + 2X2 =O si X1 =O=> X2 =O ·si X2 =O => X1 =O
111) X2=1
Graficando la Región Factible
··..............~...... .J. y :
................
............
............
~l
1
_J_
J l
Graficando la Función Objetivo
X1 + 2X2 = 4 si X1 =O=> X2 = 2 si X2 =O => X1 =4
Hallando la SOLUCIÓN:Óptima
La SOLUCIÓN:es la intersección de 1 y 11
I)X1 +X2 = 3 -t -2X1 - 2X2 = -6
1!) -X1 + 2X2 =O - X1+ 2X2 =O
3X1 = -6
De donde la SOLUCIÓN:ópüma es: X1 = 2X2 = 1
El valor que toma la función objetiva es:Z = 4
Aquí, tres restricciones pasan por un mismo punto en la SOLUCIÓN:óptima.
~--130
EJERCICIO 4.11
Minimizar 2X1 +X2
Dependiendo de 5X1 - 4X2 ~ 14
X1- 4X2 ~ -2
2X1 +X2 ;: : : 5
6X1 -X2 ;: : : 3
X1,X2;::::0
I)Graflcando las Restricciones
1) -5Xí + 4X2 = -14 si X1 =O:::::> X2 = -3.5 si X2=0 :::::> X1 = 2.8
11) -X1 + 4X2 = 2 si X1 =O:::::> X2 =0.5 si X2 =O:::::> X1 = -2
111) 2X1 + X2 = 5 si X1 = O:::;> X2 =5 si X2 =O:::::> X1 = 2.5
IV) -6X1 + X2 = -3 si X1 =O:::::> X2 = -3si X2 =O:::::> X1 =0.5
II)Hallando la Región Factible
w~131
EJERCICIO 4.12
Minimizar 12Xi - 2X2
Dependiendo de 5X1-4X2 :::;;14
X1 - 4X2 :::;;-2
. 2X1 +X2 :2:5
X1 ,X2 :2:0
132
EJERCICIO 4.13
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H ~ 126000 (gasolina)
L,H 20
1)Graíicandc las restricciones
1) 0.45L + 0.35H =126000 SiL= O ~ H = 360000
Si H= O ~ L= 280000
133
EJERCICIO 4.14
Maximizar 0.55JN +0.40JT
Dependiendo de 0.04JN +0.05JT :5150 (tiempo de máquina)
0.70JN :<> 1000 (concentrado de naranja)
0.50JT s 1000 (concentrado de toronja)
JN,JT <:0
1)Graficando las Restricciones
i) 0.04JN + 0.05JT = 150 Si JN =O ::::>JT = 3000
Si JT= O ::::>JN= 3750
11) O. 70JN = 1000 ::::>JN = 1428.57
111) 0.50JT = 1000 => JT = 2000
Graficando la Región Factible
134
EJERCICIO 4.15
El siguiente modelo fue desarrollado por Camac Company, en que C es número de
coches compacto y ses el número de coches sub compactos por producir.
Maximizar 6740C +51 DOS
Dependiendo de 200C +150S :$ 80000 (materia prima)
18C +20S :$9000 (mano de obra)
e :$1500
S :$200
C, S;;>-Oy entero
Resuelva este problema gráficamente, ignorando los requerimientos enteros.
SOLUCIÓN:
1)Graficando las Restricciones
1) 200C + 1.50S = 80000 si e= o S= 533.33
Si S =O C= 400
11) 18e + 20S = 9000 Si e= o S= 450
Si S= O e= 500
111) e= 15oo
S= 200
Graneando la Región Factible
Graneando la Función Objetivo
6740C + 5100S= 500000 Si e=O S= 98.04
Si S= O e=74.18
Hallando la SOLUCIÓN:Óptima
La SOLUCIÓN:es la intersección de 1 y IV
1) 200e + 150S = 80000 200e + 150S =80000
IV) S= 200 - 150S = -30000
200e =50000
De donde la SOLUCIÓN:óptima es: C = 2SO,S =200
El valor que toma la fund6n objetiva es Z = 2'705000
~-·· 135
EJERCICIO 4.16
Mineral MiningCompany envía una carga de camión de mineral de hierro y cobre de
la mina a 1a planta procesadora. El camión tiene una -capacidad de peso de 10
Toneladas y una capacidad de volumen de 1200 pies cúbicos. Cada libra de mineral
de hierro toma 0.04 pies cúbicos de espacio y produce una ganancia de $0.30 al
procesarse. Cada libra de mineral de cobre ocupa 0.08 .pies cúbicos de espacio y
proporciona una ganancia neta de $0.50
Formule un problema de programación lineal para determinar la cantidad de cada
mineral por cargar diariamente
Resuelva el problema de la parte a gráficamente. Explique la SOLUCIÓN: óptima y
el valor de la función objetivo.
SOLUCIÓN: ..
MH +MC::; 22046
MH,MC2: O
~-136
11) MH + MC = 22046 Si MH=O ::::> MC = 22D46
0.04MC= 318.16
137
EJERCICIO 3.17
Resoiver gráficamente el siguiente problema de Programación Lineal
MaxZ= 8 X1 +4 X2
sujeto a 2 X1 +X2 ~10
X1 + 3X2 ~ 14
X1 +X2 ~6
X1, X2 ~o
SOLUCIÓN:
1) Graficando las Restricciones:
x1 + 3 x, = 14
2 x1 + x, = 10
Z= 8X1 +4X,
····Región
..... Factible
nhtnvie.rrm nos
.'XJ.
13.9
Determinar el valor óptimo de la FUNCIÓN OBJETIVO:
Para determinar este valor, es necesario conocer las coordenadas del punto óptimo;
y para conocer estas coordenadas, se deberá de identificar a las -rectas que definen
a dicho punto (estas rectas pueden ser restricciones o ejes coordenados).
Identificadas las rectas, se obtendrá el valor de las coordenadas del punto óptimo
resolviendo las ecuaciones de · las rectas que lo definen, en un sistema de
ecuaciones lineales de dos variables.
Para este problema, se presentaron 2 puntos (A y B):
Punto A, es resultado de la intersección de las rectas C1 y C3 (restricciones í y 3):
C1: 2 X1 + X2 = 10
C3:X1 + X2 =6
Resolviendo el sistema se obtiene:
Restamos C3 de C1:
C1:2X1+X2=10
C3:- X1 -X2 =- 6
X1=4
Luego, reemplazando en C1:
C1: 2(4) + X2 = 10
X2 = 2
Es decir: A = ( 4,2)
Punto B, es resultado de la intersección de la recta C1 y el semieje de las abscisas
(Restr:icción 1 y la recta X2 =O)
C1:2X1+X2=10
X2 =O
Resolviendo el sistema se obtiene:
X1 = 5 y X2 =O
Es decir: B = (5,0)
Finalmente, para determinar ei valor óptimo de la FUNCIÓN OBJETIVO, se tendrá
que evaluar el valor de Z en el punto óptimo.
Para este problema, se tendrá que evaluar Z en !os puntos A y B.
Punto A: Z = 8(4) + 4(2) = 40
Punto 8: Z =8(5) + 4(0) = 40
Como puede apreciarse, en ambos casos el valor óptimo de .la
140
EJERCICIO 4.17
Resolver gráficamente el siguiente problema:
Min Z == 2 X1 + 3X2
sujeto a X1 +X2 ;?:13
2 V1
/\. ' +X2 z18
.,,1
; ' ' + 3 X2 ;?:21
X1 + 2X2 ;?:18
X1, X2 zO
SOLUCIÓN:
Graficando las restricciones:
X1 +X2>13 ... (Cí)
2 X1 +X2>18 __:_ (C2)
X1
141
~···
EJERCICIO 4. 18
Una empresa que opera 12 hoías diarias, ensambla sus dos tipos de productos en
tres procesos en secuencia, el primer y segundo proceso se realizan en 4 y 5 horas
respectivamente. La siguiente tabla resume los datos del problema.Encuentre el
Plan óptimode producción
60
Tiempo disponible para el Proceso 3 (3 horas por día, debido a que la empresa
labora 12 horas diarias): 3,6 X1 + 1,8 X2~
3 X 60
142
X1 X2
X1, X2
·-
'
... ....
__.,, ,- _
,_.._ __._,
- -··~·
143
X2: Cantidad de mochilas tipo 2 a pr-oducirse en e! día.
T1: Tiempo necesario para producir un sombrero tipo 1.
T2: Tiempo necesario para producir un sombrero tipo 2.
T: Tiempo total disponible para producir en un día.
/Identificación de la Función Objetivo
Max Z = 6 X1 + 4 X2
lllldentificación de las Restricciones
Demanda diaria de las mochilas Tipo 1: X1~ 15
Demanda diaria de las mochilas Tipo 2: X2~ 20
Tiempo disponible para la producción diaria: T =20T1
Relación entre los tiempos de producción de ambos tipos: Tf = 2T2
Disponibilidad de tiempo para la producción de ambos tipos de mochi!as:T1 X1 + T2
X2~T
40
Modelo de Programación Lineal
6
Max Z = + 4 X2
X1
2
sujeto a + X2 ~ 40 ... (C1)
X1
X1 ~ 15 ... (C2)
X2 ~ 20 ... (C3)
X1, X2, ~O
144
es el resultado de la intersección de las rectas C1 Y C3)
Luego el punto A se obtiene de las siguientes restricciones:
C1: 2 X1 +X2 = 40
C3:X2 = 20
Resolviendo el sistema se tiene:
X1=10yX2=20
Es decir: A = (1 0,20)
Finalmente el valor óptimo de la FUNCIÓN OBJETIVO es:
Z = 6(1 O)+ 4(20) = 140
SOLUCIÓN:
Producir 10 mochilas del Tipo 1 y 20 del Tipo 2, obteniéndose una utilidad diaria de
S/. 140.
EJERCICIO 4.20
LA BODEGA "DON JOSÉ",vende las dos marcas de gaseosas más conocidas en el
mercado, Coca Cola y Ko!a ReaL El margen de utilidad por botella de 1 }';litros de
Coca Cola es de S/. O.25, mientras. que Kola Real aporta una ganancia de S/.
0.35.En promedio, la tienda no vende más de 100 botellas de ambas gaseosas al
día. Aun cuando Coca Cola es una marca más conocida, los clientes tienden a
comprar más botellas de Kola Real, porque es considerablemente más económica.
Se calcula que las ventas de Kola Real superan a las de Coca Cola en una razón de
2 a 1, por lo menos. Sin embargo, vende como mínimo 25 botellas de Coca Cola al
día. Ayude a Don José a maximizar su utHidad en la venta de las bebidas.
SOLUCIÓN:
1 Identificación de las Variables
X1: Número de botellas de 1 }';litros de Coca Cola a comprarse
diariamente.
X2: Número de boteiias de 1 }';litros de Ko!a Real a comprase
diariamente.
11 Identificación de la Función Objetivo
Max Z = 0.25 X1 + 0.35 X2
111 Identificación de las Restricciones
Máxima cantidad de botellas vendidas de ambas gaseosas en el día: Xí +
X2:s: 100
145
Relación entre las ventas de ambas gaseosas (Las ventas de Kola real superan a
las de Coca Cola en una razón de 2 a 1 por lo menos): ·
X2;;::: 2 X1
X1, X2, ~o
146
EJERCICIO 4.21
Miguel Ángel, debe trabajar por lo menos 30 horas a la semana para ayudar en sus
gastos mientras estudia en la universidad. Tiene la oportunidad de trabajar en dos
cabinas de Internet: En R@pinet ,Miguel Ángel puede trabajar entre 8y 18 horas a la
semana, y en Fl@sh.comle permiten trabajar entre 9 y 15 horas. Ambas cabinas
pagan el mismo salario por hora .. De manera que Miguel Ángel quiere basar su
decisión acerca de cuantas horas debe trabajar en cada cabina en un criterio
diferente: El factor de estrés en el trabajo. Basándose en una entrevista con los
empleados actuales, Miguel Ángel calcula que, en una escala del 1 al 1O, los
factores de estrés son de 7 y 5 en la primera y segunda cabina respectivamente.
Debido a que el estrés aumenta por hora, él supone que el estrés total al final de la
semana es proporcional al número de horas que trabaja en las cabinas. Encontrar la
SOLUCIÓN:que le penmita a Miguel Ángel, conocer el número de horas que debe
trabajar en cada cabina.
SOLUCIÓN:
Identificación de las Variables
X1: Número de horas a trabajar en la cabina "R@pinet"
semanalmente.
X2: Número de horas a frabajar en la cabina "FI@sh.com"
semana !mente.
11 Identificación de la Función Objetivo
Criterio Objetivo: Minimizar el nivel de estrés en el trabajo.
Min 7 X1 + 5 X2
111 Identificación de las Restricciones
Migue!Angel debe trabajar por lo menos 30 horas a la semana:
X1 + X22 30
En R@pinet, puede trabajar entre 8 y 18 horas a la semana:
8~X1~18 ó X12 8 y X1~ 18
En Flash.com,puede trabajar entre 9 y 15 horas:
9~X2~15 ó X22 9 y X2~ 15
Modelo de Programación Lineal
7
M in + 5 X2
X1
147
e
sujeto a X1 +X2 ;:: 30 (i)
X1 ;::8 (ii)
X1 ~ 18 (iii)
X2 ;::g (iv)
X2 ~ 15 (v)
X1, X2 ;::o
Gráfica del Modelo:
La SOLUCIÓN:óptima de 1á función objetivo, se encuentra en la intersección de las
restricciones (i) y (v)
C1: X1 + X2 =30
es: X1= í5 .... ·::- ·.• 4.
,¡
Resolviendo el sistema d
""'·""'"'"""
~
:~·
se tiene: ;~:,
X1=15yX2=15
4:" -<a;· . .
."[.
ñ~
Es decir: A= (15, 15) ~;:
Finalmente el valor
óptimo de la FUNCI_ÓN
OBJETIVO es:
z = 7 ( 15) + 5( 15) = 180
Respuesta:
Miguel Angel deberá de
trabajar 15 horas en a
la semana en cada una
de las cabinas, de este
modo su nivel de Estrés
será de 180.
148
EJERCICIO 4.22
JOSEMA RÍA. es un estudiante de universitario muy entusiasta. Él razona "Sólo
trabajo y nada de diversión ", lo convierte en un muchacho aburrido. Como
resultado, Josemaría quiere distribuir su tiempo disponible de alrededor 1O horas al
día, entre el trabajo y !a diversión. Él estima que el juego es el doble de divertido que
el trabajo. También quiere estudiar tanto como juega. Sin embargo, si él quiere
terminar toelas sus tareas universitarias, no puede jugar más de 4 horas al día.
Encuentre la manera en que Josemaría distribuya su tiempo de manera que
maximice su satisfacción tanto en el trabajo como en el juego.
SOLUCIÓN:
Identificación de las Variables
X1: Número de horas del día destinadas al trabajo.
X2: Número de horas del día destinadas al juego.
11 Identificación de la Función Objetivo
Criterio Objetivo: Maximizar su nivel de diversión tanto en el trabajo como en
el juego (El Juego es el doble de divertido que el trabajo).
Max Z = X1 + 2 X2
111 Identificación de las Restricciones
1
Tiempo disponible al día : 1O horas: X1 + X2 ~ 1O
Estudiar por lo menos tanto como juega: X1 ;;::: X2
No puede jugar más de cuatro horas al día: X2 ~ 4
X1, X2 ;;:::O
SOLUCIÓN:
Gustavo Ara ujo deberá de dedicar 6 horas .diarias al trabajo y 4 al juego, de este
modo su nivel de satisfacción será de 14.
EJERCICIO 4.23
La carpintería "Don Toyo", de Hernando Torre, emplea a cuatro carpinteros durante
20 días para ensamblar mesas y sillas. Se requiere de 1 hora para ensamblar una
mesa y de 30 minutos para el ensamble de una silla. Por lo general, los clientes
compran entre 2 y 6 si!!as con cada mesa. Las utilidades son de S/.40.00 por mesa y
S/.15.00 por silla. La carpintería opera en un turno de 8 horas al día. Encuentre la
SOLUCIÓN:que ayude al Señor Torre determinar el plan de producción óptimo para
los siguientes 20 días .
. SOLUCIÓN:
Identificación de las Variables
X1: Número de Siilas a ensamblarsediariamente.
X2: f\Júmero de Mesas a ensamblarse diariamente.
A
Gráfica del Modelo:
El valor óptimo de la FUNCIÓN OBJ¡:TIVO, se encuentra en el punto A. Dicho punto
es el resultado de la intersección de las rectas C1 Y C2.
/ 151
EJERCICIO 4.24
FINANCIERA "SOLUCIÓN:", esté.! asignando un máximo de S/.1 00 000 para
préstamos personales y préstamos para construcción de viviendas. La financiera
cobra 14% de interés por préstamos personales y 12% para las viviendas. Ambos
tipos de préstamos se liquidan al final del periodo de un año. La experiencia muestra
que alrededor del 3% de los préstamos personales y el 2% para préstamos de
vivienda nunca se liquidan. Por !o general, el banco asigna cuando menos el doble
de los préstamos personales a los préstamos de vivienda.
Encu~ntre la SOLUCIÓN:que permita optimizar e! uso de los recursos.
SOLUCION
Identificación de las Variables
X1: Cantidad de S/. -a asignarse a los préstamos personales,
anualmente.
X2: Cantidad de SI. a asignarse a los préstamos de vivienda,
anualmente.
152
Gráfica del Modelo:
El valor óptimo de la FUNCIÓN OBJETIVO, se encuentra en el punto A. Dicho punto
153
EJERCICIO 4.25
Conserv'as A 1 tiene un contrato para recibir 50000kg de tomates maduros a S/.0.50
por Kg., con los cuales produce jugo de tomate enlatado y pasta de tomate. Los
productos enlatados se empacan en cajas de 24 latas. Una lata de jugo requiere de
1kg de tomate y una lata de pasta solo requiere de :h Kg. La participación de
mercado de la compañía se limita 1000 de jugo y 3000 cajas de pasta. Los precios
de mayoreo-por caja de· jugo y de pasta son de S/.15.00 y S/.10.00 respectivamente.
Encuentre la SOLUCIÓN: que permita obtener el máximo beneficio.
SOLUCIÓN:
1 Identificación de las Variables
X1: Cantidad de Cajas de Jugo de Tomate a producirse.
X2: Cantidad de Cajas de Pasta de Tomate a producirse.
·X>
154
·· ..
sujeto a 24 X1 + 12 X2 s 50 000 ... (C1)
1-55
EJERCICIO 4.26
Carpinterfa "M&Cr. ensambla dos tipos de reposteros de cocina de madera: regulares
y de lujo. Los reposteros regulares están pintados de blanco y los de lujo están
barnizados. Tanto el pintado como el barnizado se llevan a cabo en el mismo
departamento. La capacidad mensual del departamento de .ensamble puede producir
un máximo d.e 200 reposteros reguiares y 180 reposteros de lujo: El barnizado de un
repostero de lujo se lleva el doble de tiempo que pintar uno regular. Si el
departamento de pintura 1 barnizado se dedicara únicamente a las unidades de lujo,
terminaría 200 unidades af mes. M & C calcula que las utilidades por unidad de los
reposteros regulares y de lujo son de S/.50 y S/.80 respectivamente. Encuentre la
SOLUCIÓN:que permita obtener e! beneficio óptimo.
SOLUCIÓN:
! Identificación de las Variables
X1: Cantidad de Reposteros Regulares a producirse
mensualmente.
X2: Cantidad de Reposteros de Lujo a producirse mensualmente.
Tí: Tiempo necesario para producir un Repostero Regülar.
T2: Tiempo necesario para producir Reposteros de Lujo.
T: Tiempo total disponi13Ie para producir en el mes.
1 Identificación de la Función Objetivo
Max Z =50 X1 + 80 X2
111 Identificación de las Restricciones
Capacidad máxima del departamento de ensamble: X1 ::; 200
X2 ::; 180
El barnizado de un repostero de lujo lleva el doble de tiempo -que el pintado de uno
regular:T2 =2T1
El departamento de pintado 1 barnizado puede producir 200 unidades de Lujo al
mes, si solo produce esas unidades: T =
200T2
Tiempo total disponible para la producción de ambos tipos de Reposteros: TI
X1 + T2 X2 ::; T
Expresando la restricción en términos de T1 tenemos:T1 X1 + 2 Ti X2::; 200(2T1)
Simplificando TI se obtiene: X1 + 2 X2 ·::; 400
~·· 156
Modelo de Programación Lineal ·
MaxZ= 50 X1 +80X2
sujeto a XI ~200 ... (C1)
X2 ~ 180 ... (C2)
X1 + 2 X2 ~400 ... (C3)
X1, X2, 2:0
Gráfica del Modelo:
.¡,¡..-.~ --·-
157
EJERCICIO 4.27
Ferretería "Barbosa" prepara dos tipos de pintura: Color Max y Color Star. El
volumen de venta de Color Max es por lo menos el 80% de la venta de ambas
pinturas. Sin embargo, la ferreteíÍa no puede vender más de 3D unidades de Color
Max diariamente. Las dos pinturas utilizan para su elaboración un tipo de
imprlmante,- cuya disponibilidad máxima diaria es de 70kg. Color Max utiliza 2kg de
materia prima por unidad, mientras que Color Star4kg. Los precios por un balde de
pintura de Color Max y Color Star son de S/.15 y S/.25 respectivamente. Encuentre
la SOLUCIÓN:que permita obtener la máxima utilidad.
SOLUCION
!Identificación de las Variables
X1: Unidades de Color Max a producirse diariamente.
X2: Unidades de Color Star.a producirsediariamente.
Max Z = 15 X1 + 25 X2
111 Identificación de las Restricciones
1
Volumen de ventas de Color Max: X1~ 80%(X1 + X2)
158
Gráfica del Modelo:
El valor óptimo de la FUNCIÓN OBJETIVO, se encuentra en el punto A. Dicho punto
es el resultado deJa intersección de las rectas C2 Y C3.
Luego el punto A se obt;ene de las siguientes restricci_ones: C2:X1 = 30 -
C3: 2 X 1 + 4 X2 = 70
Resolviendo el sistema se tiene: X1 = 30 y X2 = 2.5
Es decir: A = (30, 2.5)
Finalmente el valor óptimo de la FUNCIÓN OBJETIVO es: Z = 15(30) + 25(2.5) =
512.5
SOLUCIÓN: Ferretería Barbosa, del;>erá producir 30 unidades ·de pintura Color Max
y 2.5 de Color Star, para obtener un beneficio de S/. 512.50
--EJERCICiO 4.28
El HoteiCrillónpuede anunciar su diversidad de servicios en la radio o televisión
. local. El presupuesto para anunc:ios está limitado a S/.100.00 al mes. Cada minuto
de anuncio por radio cuesta S/.50 y cada minuto de comerciales por televisión
cuesta S/.400. A CrillónHotelie interesa utilizar los anuncios por radios por lo menos
el doble de los anuncios por televisión. Por lo pronto, no es práctico utifizar más de
1000 minutos de anuncios por radio. La experiencia pasada muestra que los
anuncios por televisión· son más efectivos que los de radio, en la relación de 20 a
1.Encuentre !a SOLUCIÓN: que permita optimizar el uso de los recursos.
SOLUCIÓN:
Hdentificacíón de las variables
X1=Cantidad de minutos en Anuncios por Radio a comprarseen el mes
S
X2=Cantidad de minutos en Comerciales por TV. a comprarse en el mes
159
. '
JQ .......... , ... _ , , _
X12: 2 X2
Máxima cantidad de anuncios por ra,dio:
Xb 1 000
Gráfica del Modelo:
El valor óptimo de la FUNCIÓN OBJETIVO, se encuentra en el punto A Dicho punto
es el resultado de la intersección de las rectas C1 Y CZ
Luego el punto A se obtiene de las siguientes restricciones: C1: 50 X1 + 400 X2 =
100 000
C2:X1-2 X2 =O
Resolviendo el sistema se tiene: X1 = 400 y X2 = 200
Es decir: A= (400, 200)
Finalmente el va!or óptimo de la FUNCIÓN OBJETIVO es: Z = 1(400) + 20(200) = 4
400
SOLUCIÓN:
Crillón Hotel, deberá comprar 400, minutos en Anuncios de Radio y 200 en
Comerciales para la TV_ Obteniendo así un nivel de efectividad en los anuncios de 4
400,
rf)__.
160
EJERCICIO 4.29
La empresa eléctrica "Santa Rosa", afiliada a EDGEL, es propietaria de una piante
generadora de energia con turbinas de vapor. Debido a que Santa rosa es rica en
depósitos de carbón, la planta utiliza el mismo para generara el vapor. Sin embargo
esto crea el problema de satisfacer los estándares de emisión. Las regulaciones de
Agencia de Protección Ambiental, limitan la descarga de dióxido de azufre a 2000
partes por millón y la descarga de humo de las chimeneas de la planta a 20kg por
hora. La empresa recibe dos grados de carbón pulverizado, CX1 y CX2, para ser
utilizados en la planta. Por lo general, los dos grados se mezclan antes de
quemarlos. Para facilidad en los cálculos, se supondrá que el contaminante de
azufre de la mezcla (en partes por millón) es un promedio ponderado de la
proporción de cada grado empleado en la mezcla. Los siguientes datos se basan en
el consumo de 1 tonelada por hora de cada uno de los grados de carbón.
161
Modelo de Programación Lineal
MaxZ= 12 000 X1 + 9 000 X2
sujeto a -200 X1 + 100 X2 50 ... (C1)
2.1 X1 + 0.95 X2 5 20 ... (C2)
X1, X2 ¿O
162
EJERCICIO 4.30
Confecciones Zarah, confecciona camisas para caballeros y blusas para damas para
hipermercados Metro. Metro aceptará toda !a producción que le proporciona Zarah.
E! proceso de producción incluye corte, costura y empacado. Zarah emplea a 25
trabajadores en el departamento de corte, a 35 en costura y 5 empacado. La fábrica
trabaja un tt¿rno diario de 8h y 6 días a la semana.La siguiente tabla proporciona los
requerimientos de tiempo y las utilidades por unidad para las dos prendas .
Blusa 6o .· · ·:6o· ·
Encuentre la SOLUélóN:que d~t~.r~ine,.el programa de producción semanal para
Zara h.
SOLUCIÓN:
Identificación de las Variables
X1: Cantidad de Camisas para caballero a confeccionar
semanalmente.
· X2: Cantidad de Blusas para dama a confeccionar semanalmente.
6 X 60
Minutos disponibles en el departamento de costura. 70 X1 + 60 X2:::; 35 x 8 x
6 X 60
Minutos disponibles en el departamento de empacado. í 2 X 1 + 4 X2:::; 5 x
8 X 6 X 60
~163
Observación:El número de minutasen un departamento disponibles semanalmente
es igual al pmducto del número de trabajadores por el número de minutos en una
semana. Por ejemplo en el departamento de corte:25 x 8 x-6 x 60
Modelo de Programación Lineal
MaxZ= 5 X1 +6 X2
sujeto a 20 X1 + 60 X2 ~72000 ... (C1)
70 Xí + 60 X2 ~ 108000 ... (C2)
12 Xí +4 X2 ~14400 ... (C3)
X1, X2
(¿ 164
EJERCICiO 4.31
.Industrias 'éPaquita", fabrica dos productos de limpieza para el hogar: Extra Clean y
Súper Cleah; procesando dos tipos de cloro: Tipo 1 y Tipo !l. El procesamiento de un
galón de cloro Tipo 1 cuesta S/.8 y produce medio galón de Extra Clean y 0.5
galones de Súper Clean. Mientras que el procesamiento de un galón de cloro Tipo 11
cuesta S/.6 y produce 0.6 galones de Extra Clean y 0.4 galones de Súper Clean. La
demanda diaria de Extra Clean está entre 1000 y 1500 galones y la Súper Clean
entre 1200 y 2000 galones.Encuentre la SOLUCIÓN:que determine la cantidad
óptima de Extra Clean y Súper Clean que deba producir "Paquitá" diariamente.
Identificación de las Variables
Y1: Cantidad de Galones de cloro tipo 1a utilizarse diariamente.
Y2: Cantidad de Galones de cloro tipo 11 a utilizarse diariamente.
X1: Cantidad de Galones de Extra Clean a producirse diariamente.
X2: Cantidad de Galones de Súper Clean a producirse
diariamente.
11 Identificación de la FunGión Objetivo
Criterio Objetivo: Minimizar los costos del proceso de producción.
Min Z = 8 Y1 + 6 Y2
Observación:
Las cantidades de productos obtenidos por el procesamiento de los cloros tipo
1 y 11 son:
Y1 =0.5 X1 + 0.5 X2
Y2 = 0.6 X1 + 0.4 X2
Expresando Z en términos de X1 y X2 tenemos:Z = 8(0.5 X1 + 0.5 X2) + 6
(0.6 X1 + 0.4 X2)
Luego la FO quedaria: Min Z = 7.6 X1 + 6.4 X2
111 Identificación de las Restricciones
Demanda diaria para los dos tipos de productos:
1 000 ~ Xh 1 500
1 200 ~ X2s 2 ooo
Modelo de Programación Lineal
7.6 + 6.4
MinZ=
X1 X2
165
sujeto a X1 ~ 1 000 ... (C1)
X1 :s; 1 500 ... (C2)
X2 ~ 1 200 ... (C3)
X2 :s; 2 000 ... (C4)
X1, X2 ~o
166
EJERC~ClO 4.32
IMPORTACIONES "HIRAOKA", posee una línea de ensamble que consta de tres
estaciones consecutivas y produce dos modelos de radios SONY: CFD-1 y CFD-2.
La siguiente tabla proporciona los tiempos de ensamble para las tres estaciones de
trabajo.
2
:3.
. ·~ . '•
167
sujeto
6 X1 +4X2 5 432 ... (C1)
a
8 X1 + 2 X2 5 384 ... (C2)
4 X1 +4 X2 5 400 ... (C3)
X1, X2 ¿O
Gráfica del Modelo:
~- 168
4. 3 Método dual
PRIMAL DUAL
1
Maximización Minimización
Restricción¿ Restricción S
Restricción S Restricción¿
EJEMPLO:
Una Compañía produce computadores y televisores, cada computadora se vende
'
con una ganancia de 30$ mientras que cada televisor con una ganancia de 50$
Ambos deben pasar por los departamentos A yB mensualmente se dispone de 200 y
140 horas en los departamentos A y B respectivamente
Cada computadora requiere i hora de A y 1 hora de 8, cada televisor requiere2
horas de A y 1 hora de B. ¿Cuál es el programa de producción?
X1+x2S140 2Y1+Y2¿50
169
La SOLUClÓN:del Dual se puede realizar por cualquier método, ya sea el método
. grafico, el método simplex o el método computacional.
4.3 Análisis de sensibilidad con variaciones en las constantes del lado derecho.
El análisis del lado derecho, para ver que sucede con la función objetivo cuando se
varía los recursos disponibles, Este análisis nos permite obtener el precio sombra ¿sí
aumentC? los materiales, en cuánto se incrementará mis ganancias?, dicho de otra
forma, ¿Cuántas soles se incrementan mi ganancia si se incremento un sol en
materiales?
Consiste en hacer cambios i:;n el modelo para conocer sus efectos. Tenemas dos
casos:
1. Analisis del los coeficientes de la Función objetivo
2. Analisis de lado derecho (Precio sombra)
~ 170
EJERClCIOS RESUELTOS
E.:JERC1C~O 4.33
Determine gráficamente el intervalo de sensibilidad de cada coeficiente de función
objetivo en la SOLUCIÓN:óptima del programa lineal
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H ;?: 1-26000 (gasolina)
0.18l + 0.36H ;?:90000 (turbosina)
0.30L + 0.20H ~30000 (queroseno)
L,H ;?:0
SOLUCIÓN:
Manteniendo constante el coeficiente de H
Hallamos la pendiente de la FO y de las restricciones que intervienen en la
SOLUCIÓN:óptima ..
La pendiente de la FO: al + 22H ::::::> m=- a/22
De la restricción 1) 0.45L + 0.35H ;?: 126000 =::;, m=- 0.45/0.35
Igualando =::;, a= 28.29 ·
De la restricción 11)
Igualando ~ a= co
~ 0,32~a~ oo
;
Manteniendo constante el coeficiente de JN
La pendiente de la F.O.: 0.55JN + bJT m =-0.55 1 b
De !a restricción 1) m=-0.04/0.05
Igualando b= 0.69
De la restricción 11)
Igualando b=O
O~b~0.687
Interpretación:
El coeficiente de OJ puede variar desde 0.32 inclusive sin modificar su
SOLUCIÓN:óptima. El coeficiente de JN puede varia r hasta 0.687 inclusive sin
modificar su SOLUCIÓN:óptima.
. EJERCICIO 4.35
Determine gráficamente el intervalo de sensibilidad de cada coeficiente de función
objetivo en la SOLUC1ÓN:óptima del programa lineal
Maximizar 6740C +5100S
Dependiendo de 200C +150S::; 80000 (materia prima)
18C +20S ::;9000 (mano de obra)
e ::;15oo
S ::;200.
C,S 20y entero
SOLUCIÓN:
Manteniendo constante el coeficiente de S
la pendiente de la F.O.: aC + 5100S =>m =-a/5100
De la restricción 1) m=-200/150=-a/5100 =>a= 6800
De la restricción 11) m=-18/20=-a/5100 =>a= 4590
.=>0 ::; a ::; 6800
173
EJERClC~O 4.36
Determine gráficamente e! intervalo de sensibilidad de cada coeficiente de función
objetivo en la SOLUGIÓN:óptimadel programa lineal
Maximizar 0.30MH + 0.5D MC
Df3pendiencto de 0.04MH + 0.08 MC ~1200
MH +MC ~ 22046
MH,MC ¿O
SOLUCIÓN:
Manteniendo constante el coeficiente de MC
La pendiente de la F~O.: aMH + ü.SOMC ~m =-a/0.50
De la restricción !) m=-0.04/0.08=-a/0.50 ~a= 0.25
De la restricción 11) m=-1/1 =-a/0.50 ~a= 0.50
~ 0.25 ~a~ 0.50
174
EJERCiCIO 4.37:
Determine el intervaio de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en el contexto de este problema.
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H ¿ 126000 {gasoiina)
175
Anáiisis -de Sensibilidad del Lado Derecho de la Restricción 11)
Restricciónil): 0.18L + 0.36H = 90000 (Demanda de turbosína)
Del gráfico {Ejercicio 4.13):
En: L =O 0.18L + 0.36H = b
H = 360000 0.18 (O)+ 0.36 (360000) = b
b = 129600 (Valor Máximo del L.D.)
Valor de la f.O. 25(0) + 22(360000) = $ 7'920000
En: L = 280000 0.18L + 0.36H =a
H=O 0.45 (280000) + 0.35 (O)= a
a= 50400 (Valor Mínimo del L.D.)
Valor de la F.O. . .. 25(280000) + 22(0) = $ 7'000000
Los valores óptimos de la F.O. asociados con cambios en el Valor Derecho de la
Restricción 11
Por cada barril adicional en la demanda de turbosina por encima de 9000 y hasta
129600 barriles, y por debajo hasta 50400 barriles, el margen de costo corporativo
se incrementa en 11.616 de $100, es decir: $1661.6 y desciende en $1661.6
respectiva mente.
1) 7460000.
VARIABLE VALU E REDUCED COST
L 140000.
H 180000
.· 176
ROW .SLACK OR SURPLUS DUAL PRICES
2) 0.000000 -50.909092
3) 0.000000 -11.616161
4) 48000.000000 0.000000
NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
L 25.000000 · 3.285714 14.000000
H 22.000000 28.000000 2.555556
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 126000.000000 99000.000000 38500.000000
3 90000.000000 39600.000000 39600.000000
4 30000.000000 48000.000000 INFINITY
177
EJERCiCIO 4.38
Determine el intervalo de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en el contexto de este problema.
Maximizar 0.55JN + 0.40JT
Dependiendo de 0.04JN + 0.05JT ~ 150 (tiempo de máquina)
0.70JN ~ 1000(concentr.ado de naranja)
0.50JT ~ _1000 (concentrado de toronja)
JN,JT ?:0
SOLUCIÓN:
Análisis de Sensibilidad del Lado Derecho de la Restricción l)
Restricción!): 0.04JN + 0.05JT = 150 (Tiempo de máquina)
Del gráfico (Ejercicio 4.14):
........
En:: JN = 1428.57. 0.04JN + O.OSJT =a
JT =O 0.04 (1428.57)+0.05 (O)= a
a= 57.14 (Valor Mínimo del L.D.)
Valor de la F.O. 0.55 ( 1428.57)+0.40 (O) =$ 785.7135
En: JN = 1428.57 .=:;> . 0.04JN + 0.05JT = b
~857.14 ~ JT ~ 2000 0.04 (1428.57) +0.35 (2000) = b
b?: 157.1428 (Valor Máximo del L.D.)'
Valor de· la F.O. 0.55 (1428.57)+0.40 (2000)= $ 1585.71
Los valores óptimos de la F.O. asociados con cambios en el Valor Derecho de la
Restricción 1
Valor del L.D. 1SOLUCIÓN:Óptima ¡valor de la F.O.
1
Por cada galón de concentrado de naranja adicional que se produzca por encima de
1000 y hasta 2625 galones, el margen de ganancia corporativo aumentará en 0.328
de $100, es decir: $32.8. Mientras que por cada galón que deje de producir, el
margen de ganancia bajará en $32.8, esto hasta un mínimo de O galones de
concentrado de naranja.
~· 179
EJERCICIO 4.39
Determine €1 intervalo de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en el contexto de este problema.
Maximizar 6740C +51 OOS
Dependiendo de 200e +150S ~ 80000 {materia prima)
18C +208 ~9000 (mano de obra)
e ~1soo
S ~200
180
Análisis de Sensibilidad del Lado Derecho de la Restricción IV
RestricciónU í8C + 20S = 9000 {Mano de Obra)
Del gráfico (Ejercicio 4.15):
En: e= O 18C + 20S =b
S= 533.33 18(0) + 20(533.33) = b
b = 10666.6 (Valor Máximo del L.O.)
-
Valor de la F.O. 6740(0) + 5100(533.33) = $ 2'71-9.983
181
·•
EJERCICIO 4.40
Determine .el intervalo de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en e! contexto de este problema.
Maximizar 0.30MH + 0.50 MC
Dependiendo de 0.04MH + 0.08 MC ~1200
MH+MC ~ 22046
MH,MC ~o
SOLUCIÓN:
Análisis de Sensibilidad del Lado Derecho de la Restricción 1
182
Análisis de Sensibilidad del Lado Derecho de la Restricción 11
Restricciónll MH + MC =22016 (Unidad de Capacidad de Peso)
Del gráfico (Ejercicio 4.16):
En: MH =30000 ~ MH + MC = b.
MC=O b = 30000 (Valor Máximo del L.D.)
·,:;;.;
m= 9000 -7500=0.1
30000 - 15000
Por cada unidad de capacidad de peso adicional por encima de 22016 libras y hasta
30000 libras, ef margen de ganancia corporativo aumentará en 0.1 de $100, es decir:
$10. Mientras que por cada unidad de capacidad de peso que se disminuya hasta
15000 libras, el margen de ganancia bajará en $1 O.
4.5. Autoevaiuacion cuarta unidad metodo grafico
restricciones y gráfica de Z.
C ( )_ Para graficar las restricciones, se deben de reemplazar las desigualdades
por ecuaciones y después trazar las líneas rectas resultantes.
184
MODEL02 SOLUCIÓN:del modelo 2
Minimizar 12X1 La SOLUCIÓN:óptima _es X1 = X2 =
2X2
Sujeto a la F.O. toma el valor de Z =
5X1 - 4X2 5 14
X1 - 4X2 5 -2
2X1 + X22: 5
-
- X22:
16X1 3
X1 X22: o
185
07. Para el problema N°6, gráficamente analice la sensibilidad para los
Coeficientes de la función objetivo.
08. Para el problema N°6, hallar el precio sombra para la segunda restricción.
1O. Miguel Ángel, debe trabajar por lo menos 20 horas a la semana para
complementar su ingreso mientras asiste a la Universidad. Tiene la
oportunidad de trabajar en dos tiendas al detalle: en la tienda 1 puede trabajar
entre 5 y 12 horas a la semana y en la tienda 2 le permi~en trabajar entre 6 y
1O horas. Ambas tiendas pagan el mismo salario por hora. De manera que
Miguel Ángel quiere basar su decisión acerca de cuántas horas debe trabajar
en cada tienda en un criterio diferente: el factor del estrés en el trabajo.
Basándose en entrevistas con los empleados actuales, Migu~l Ángel calcula
que, en una escala de 1 a 10, los factores del estrés son de 8 y 6 en las
tiendas 1 y 2 respectivamente. Debido a que el estrés aumenta por hora, el
supone que el estrés total al final de la semana es proporcional al número de
horas que trabaja en la tienda. ¿Cuántas horas debe trabajar en la cada
tienda? Use el método gráfico.
1
La solución óptima se da cuando Xl == X2==
La Función objetivo toma el valor de Z==
1í Purina S.A. utiliza diariamente por lo menos 800 libras de alimento especial.
El alimento especial es una mezcla de maíz y semilla de soya, con las
siguientes composiciones
Libra por Libra de alimento para ganado
Alimento para Proteínas Fibra Costo/ Libra
..
ganado
Maíz '0.09 0.02 10.3
Semilla de soya 0.60 0.06 10.9
1 1
12 Minimizar12X1-2X2
Sujeto a
5X1-4X2 :S14
La solución óptima se da cuando X 1 = X2 =
X1-4X2 :S- 2
La Función objetivo toma el valorde Z=
2X1+X2 i::5
6X1-X2 i::3
X1,X2 i::O
e) X1==0,5X2=0Z==12.5
m. Identificación de las restríc.ciones
d) X¡==0,5X2==0,5Z=22.5 1
e) X 1==0X2=0,5 Z=lO
bL 187
14 Un fabricante de muebles tiene 6 unidades de madera y 28 horas disponibles,
durante las cuales fabricará biombos decorativos. Con anterioridad, se han
vendido bien dos modelos de manera que se limitará a producir estos dos.
Estima que el modelo 1 requiere 2 unidades de madera y 7 horas de tiempo
disponible; mientras que el modelo 11 requiere una unidad de madera y 8
horas. Los precios de los modelos son $120 y $80, respectivamente. Se pide:
a) Formule el modelo matemático, considerando la pmporcionalidad. de las
variables.
b) Resolver el modelo matemático usando el método· gráfico( Justifique al
reverso)
'
188
16 Resolver gráficamente el siguiente problema de. P-rogramación Lineal.
Max 8 X1 +4X2
s.a.: 2X1 +X2 5 10
X1 + 3X2 514
X1 +X2 56
X1, X2 ~o
2 X1 +X2 ~18
X1 +3 X2 ~21
X1 +2X2 ~18
X1, X2 ~o
18. Una empresa que opera 12 horas diarias, ensambla sus dos tipos de
productos en tres procesos Ein ·secuencia, el primer y segundo proceso se
~ .
189
20. "La Casa del Llavero", elabora dos tipos de llaveros; y para producirlos utiliza
una máquina especial. Los tiempos de producción para los llaveros tipo 1 y 2
son .de 10 y 12 minutos respectivamente, por unidad. El tiempo regular total
de la máquina es de 2500 minutos por día. "La Casa del Uavero"vende entre
j 50 y 200 unidades del tipo 1, pero no más de 45 unidades del tipo 2,
diariamente. Además se pueden emplear horas extras para satisfacer la
demanda a un costo adicional de S/.010 por minuto.
06. m=5
07 X1 =6,3541, X2=1,5694 Z=65,03
08. 4,67~ a ~oo -13,5~ b ~9,64
09. m=1,2847
10 MODELO
Identificación de las variables
Xi= # de horas a trabajar em la tienda i
Identificación de las F.O.
'
MIN 8X1+6X2
Identificación de las restricciones
X1+X2>=20 5<=X1<=12
6<=X2<=10 X1,X2>=0
SOLUCIÓN:usando el método gráfico:
X1=10 X2=10 Z=140
11 MODELO
Identificación de las variables
X1 =#de Lb. de maíz a utilizar
X2= #de Lb. de soya a utilizar
identificación de las F.O.
190
MtN 0,3X1 +0,9X2
Identificación de las variabies
X1+X2>=800
0,09X1 +O,úOX2>=0,30(X1 +X2)
0,02X1 +0,06X2>=0,05(X1 +X2)
X1,X2>=0
SOLUCIÓN: con el método gráfico
X1=470,59 X2=329,41 Z=437,'65
12 X1 =1, X2=3, Z=6
Se debe trabajar con las SOLUCIÓN:es factibles (4, 15) conZ=45, (2, 1) con
Z=22y( 1,3) con Z= 6 eligiendo al menor Z
13 MODELO
Identificación de las variables
X1 =#de onzas del ingrediente 1 a utilizar
X2= # de onzas del ingrediente 2 a utilizar
Identificación de las F.O.
MIN 25X1 +20X2
Identificación de las variables
0,05X1 +0,07X2<=0,06(X1 +~)
0,02X1 +0,01X2<=0,015(X1 +X2)
X1+X2=1
SOLUCIÓN:con el método gráfico
X1 =0,5 X2=0,5 Z=22,5
14 MODELO MATEMATICO
1 Identificación de las variables:
X1 =Número de unidades de biombos modelo 1
X2=Número de unidades de biombos modelo 11
!l Identificación de la F.O.
M/0( 120X1 + 80X2
!1! Identificación de las restricciones
2X1+1X2<=6
7X1+8X2<=28
X1, X2 >=0, ENTERO
Resolviendo: Xí =3, X2=0, Z=360
191
15 VFWF
16 X1 =4,X2=2,Z=40
17 X1 =8,)(2=5,Z=31
18 X1 =20,X2=40,Z==560
19 X1 ==10,X2==20,Z=140
20. Modelo -matemático
1 Identificación de las Variables
X1: Número de Llaveros dei tipo 1 a producirse diariamente.
X1 ~150
X1 s200
X2 ~45
X1, X2, X3 ~o
192
Programa-Ción entera 193
i r:~ 0
' J ~ .> ·. :: ~~ ';.• ~·j•; ~;~-·~·> ~.L ::~ • ", ~ ~--·~~· :i\ ,o • ~=-~A.:: •::::~:·]
. pr~bfe.m~s·' ram~'tiórl~~t~ta;s¿'ée~déPl~é·~~:~éj~JtJvn6g:réa(y;,está:.(e.fe,rido')
_."j···:<.-: ..:~:.;,.-~· :._·;·::_;_":,_ ~ ---~::.:~ ·~7r¡:J4-_·- ·:. . . ·_ "··t;::i·;r . ·:.¿r' _.!'·;:·: ... '·:. ~···:··~.i
.•; .:_ --e~le~a:~.-~Li:Y~ti~~~n..·-va.ri~~~~:~~r::t~,ra_s ~.om9 ,n.~rii"~rp~~:e~ jhg,~~ie\c:s·.!'].~n:~ro de.:·
r~.~~~,,~_uta.d~f~'s', .~t.c{."t: ·:_,·. -~ . . -. ~ .
r~,.~-..
·. _-;·. . ..·. ·-~. ~,! .:~
;--,_'l:-
.;,. .. '~-:·: . . . :
~- -
-~
~
193
Programación entera 195
. ... .',
.
.
.
~ : . :·.· .· -~v'?·<::.
'-2QOO -"1.000
·r..-:1000
r 195
SOLUCIÓN:
Max 0.59S +'O 79L
ST
1,5S+2L<=8000
8S+2,66L<=16000
END
GIN S
GIN L
EJERCICIO 5.2
La Municipalidad de Breña está planeando la adquisición de nuevas patrullas
..
policíacas que cuestan$ 15 000 cada una, ambulancias que cuestan$ 25 000 cada
una y carros de bomberos que cuestan $ 48 000. El reglamento de la ciudad
requiere que haya al menos una ambulancia por cada dos carros de bomberos.
Establece también que la cantidad de dinero gastada en vehículos policiales debe
ser al menos de!o~oble de lo gastado en carros de bomberos. Formule un modelo
' ~
196
·ProgramaCión entéra 197
EJERCICIO 5.3
MORA VECO tiene cuatrc máquinas que pueden. producir, cada una tres tipos de
tornillos, pequeño, mediano y grande, con las siguientes tasas de producción (en lb.
de tornítlos/min.)
jTAMAÑO DE TORNILLO
MAQUINA PEQUEÑO MEDIANO GRANDE
1 1
- 1 10 8 6
1 1
2 1
20 14 10
3 15 12 1 8
4 16 14 12
1 1
Cada máquina debe prepararse para producir un solo tipo de tornillo por día. Si el
margen de ganancia por libra de tornillo pequeño es de $ 1.25, de tornillo mediano
es de $ 1.75 y de tornillo grande es de $ 2.00, formule un modelo para determinar
qué máquina debe ser preparada para producir qué tipo de tornillo, de modo que se
maximice la ganancia neta obtenible en una jornada de ocho horas (que debe induir
tiempos de preparación)
SOLUCIÓN:
Identificación de las variables
1 Si la máquina i es equipada para tomillos pequeños
{
Si= O En cualquier otro caso i = 1, 2, 3,4
1 Si la máquina i es equipada para tornillos medianos
Mi= { OEn cualquier otro caso i = 1, 2, 3,4
197
r 1 Si la máquina i es equipada para tornillos grandes
Li== LO En cualquier otro casoi = 1, 2, 3,4
Identificación de la Función Objetivo:
MAX 5750S1 + 11250S2 + 8718.75S3 + 8700S4 +
300M1 + 10 780M2 + 9660M3 +1 0657.5M4 +
5280L1 +8600L2 + 7200L3 + 10440L4
Identificación de las restricciones:
S1+M1+L 1 ~ 1
S2+M2+L2 ~ 1
S3+M3+L3 ~ 1
S4+M4+L4 ~ 1
Si, Mi, Ld ;:::o, Binario
RESPUESTA
1) 37317,0 S1= 1 S2==1 M3==1 M4=1
ProgramaCión entera 199
EJERC1Cl0 5.4
El consejo directivo de la Escuela Euclides está formulando un plan para erradicar la
discriminación racial en sus dos escuelas elementales, que tienen ~a capacidad de
manejar hasta 1100 y 700 estudiantes cada una de ellas. Los estudiantes negros y
blancos pueden transportarse en camiones desde cualquiera de tres distritos
residenciales a cualquiera de las dos escuelas. Se han recogido los siguientes
datos:
DISTRliO NÚMERO DE NUMERO TOTAL MILLAS A MILLAS A
BLANCOS DE ESCUELA 1 ESCUELA
1
NEGROS 1 2
1 1
1 350 150 500 3 7
2 250 1 100 350 4 4
3 900 .. 50 950 6 4
1 1
Formule un modelo que minimice la longitud total, en millas, recorridas por cada
estudiante, mientras se asegura lo siguiente:
Todos los estudiantes acuden en la escuela
Ninguna escuela rebasa su capacidad de estudiantes
Cada escuela tiene entre 40% y 60% de estudiantes blancos en su población.
En cada uno de los ejercicios siguientes, determine gráficamente si (a) el problema
de prowamación lineal asociado es no factible, óptimo o no acotado, y (b) el
problema de programación entera es no factible, óptimo o no acotado (indique todas
las SOLUCIÓN:es enteras factibles con puntos negros, y etiquete cada restricción).,
En aquellos para los cuales ambos problemas en (a) y en (b) son óptimos, encuentre
las SOLUClÓN:es óptimas e indique si la -SOLUCIÓN:enter(3 puede .obtenerse
mediante redondeo de la SOLUCIÓN:de la programación lineal.
SOLUCIÓN:
Identificación de variables
Xij =Número De alumnos que acuden del distritoi a la Escuela j
RESPUESTA
1 )2440 X 11 =440 X32 =280
200
ProgramaCión entera 201
EJERCICIO 5.5
Identificación de ~a Función Objetivo:
MAX6x1+5x2
Identificación de las restricciones:
5x1 "T" x2 ::; 15
2x1 + 4x2 ::; 19
x1 _ x2 ~ O , enteras
SOLUC!ÓN:usando el método gráfico:
Graficandorestricciones y la F.O:
Hallando la S.O:
Z=6(2)+5(3)
Z=27
201
EJERCICIO 5.6
!dentíficación de la Función Objetivo:
MAX-2X1-3X2
Identificación de ias r-estricciones:
X1 2X2 :::: 2
2X1 X2 2!: o
X1 X2 2!: O, enteras
SOLUCIÓN:
i) Graficando lasrestricciones
-X1 +2X2=-2 (i) -2X1 + X2 =O (íi)
Sí X1=0 -+ X2=-1 SiX1=0 -+X2=0
Si X2=0-+ X1=2 Si X2=2-+ X1=1
202
Programación entera 203
EJERC!CJO 5.7
Identificación de la Función Objetivo:
MAX-2x1 +3x2
· Identificación de las restricciones:
7x1 +24x2::; 45
-x1 +4x2 2:5
x1 ,x2 ?:Oyentetas
SOLUCIÓN:
Graficando lasrestricciones
7X1 +24X2 = 45 (1) -X1 +4X2 = 5 (11)
SI X1=0 ~X2=1,9 I
. SI X1 =o·~X2=1 ,2575
SI X2=0 ~X1=6,43 SI X2=0 ~X1=-5
/''~~
1 1
1 _,L
No tiene SOLUCIÓN: porque no tiene región factible es decir no hay valores enteros
que cumplan con las restricciones
______ ..
203
EJERCICIO 5.8
Identificación de la Función Objetivo:
MAX12x1 +4x2
Identificación de las restricciones:
30x1 + 8x2 105
4x1 + 4x2 21
4x2 17
x1, x2 OyEnteras
SOLUCIÓN:
Graficando las restricciones
30 X 1 + 8 X 2 = 105
X 1 = O --+ X 2 = 13 .13
X2=0--+ XI=3.5
4Xl+4X2=21
X 1 = O --+ X 2 = 5 .25
X 2 = O --+ X 1 = 5 .25
4X 2 = 17
X 2 = 4.25.
Graficando la F.O.
12Xl+4X2=48
Xl = O-t X2 = 12
X2=0-tXl=4
Hallando la S.O.
Xl =3
X2=1
12(3) + 4(1) = 40
RESPUESTA 1 ) 40 Xi =3 x2 = 1
204
Programación entera 205
EJERCICIO 5.9
Identificación de ·la Función Objetivo:
MIN-2x1-5x2
Identificación de las restricciones:
4xí 2x2 2 10
3x1 + x2 :55
xí x2 20yenteras
SOLUCIÓN:
Graficando las restricciones
205
EJERCICIO 5.10
Identificación -de la Función Objetivo:
· MAXx1-x2
Identificación de las restricciones:
2x1 2x2 ::;1
-4x1 + 4x2 ::; -1
x1 ,x2 ~Oyenteras
SOLUCIÓN:
Graficando las restricciones
- 2Xl + 2X 2 = -1
Xl = O~ X 2 = -0.5
-X2?0~Xl=0.5
- 4Xl + 4X 2 = -1
X1=0.-+X2=-0.25
X 2 = O -+ X 1 = O.25
-ds
X: -0.83:74
-Y:-19851
206
Programación entera 207
EJERCICIO 5.11
Dibuje un árbol para representar todas las SOLUC1ÓN:es enteras posibles del
siguiente programa entero:
SOLUCIÓN:
Identificación de la Función Objetivo:
MAXx1+x2
Identificación de las restricciones:
5x1 + x2 ~10
2x1 + 4x2 ~8
x1~2
x2s1
x1 x2 ~Oyente ras
X 2 = 1
Hallando la S.O.
Xl = 1
X2=l
1+1=2
XI= 2
X2=0
2+0=2 1
·;:t:~~·'.~~~~f\!j====-=Et :......... ·······························-~··-······-·····-··-+····-·
1··--·--···········-···i-····-···-·-····
'~1 ······ ···-· ~--····--····-····· .(..
- "~= ¡ ; 1
. NO. ITERATIONS= 4
BRAHCHES= O DETERM.= i.OOOE O
/ 208
Programación entera 209
EJERCICIO 5.13
En el siguiente programa entero, -considere un árbol en el cual las variables se fijan
de izquierda a derecha en su siguiente valor entero más grande. Utilice la
información dada consistente en e! nodo actual del árbol, -la SOLUC1ÓN:al programa
lineal asociado y la cota inferior actual para indicar qué nodos, si los hay, pueden
·dejar de tomarse en cuenta.
SOLUCIÓÑ:
identificación de Ja Función Objetivo:
MAX2x1+3x2
Identificación de las restricciones:
-x1 + x2 $1
-x1 ·+ x2 $0
2x1 + x2 $3
x1 $1
x2 $2 .y."v-1!
209
EJERCICIO 5.14
Repita el ejercicio 5.15 utilizando la sigu~nte información en el nodo actual, cota
inferior: ninguna, Nodo actual: aquel en que ni x1 está fijo en 1.
solución:al programa lineal asociado: x1 =1, x2 = 1
SOLUCIÓN:
Identificación de la función Objetivo:
MAX2x1+3)5:2
Identificación de las restricciones:
-x1 + x2::; í
-x1 +
2x1 +
x1 ,x2 ~Oyentero
Xl =O --1- X2 ::,,D
X2 =O --1- Xl =·1
2Xl+X2~3
Xl =O -'-7 X2 =3
X2 =O --1- Xl = 1.5
Graficando !a F.O.
2XI+3X2 = 6
XI =0 ~ X2 = 2 . "'-... -~·ii30!<
"-._!
X2=0~Xl=3 "'-...
!·--····--·-·-·-..-......;. ,.. _ .. ,..................... _ ... ,______..___....., ..- ...-...................... - ..:. .......... ~ .....
Hallando la S.O.
¡
Xl =1 ' . .-.. .
. . . . . .!-.
1
X2 =l -Y:t44
2(1) + 3(1) =5
210
Programación entera 211
EJERCJC10 5.15
Repita e! ejerdcio 8.15 utilizando lo siguiente:
SOLUCIÓN:
Identificación de la Función Objetivo:
MAX 2x1+3x2
Identificación de las restricciones:
x1 x2 ::;; 1
x1 x2 ;:;: o
x1 + 2x2 ::;; 3
x1 :5:2
x2 :5:1
x1 ,x2 ;:;:Qyenteras
Graficando las restricciones
-X1+X2=-l
Xl =O-+ X2 = -1
X2=0-+X1=1
-XI+X2=0
Xl =O-+ X2 =O
X2=0-+Xl=l
Xl + 2X2 =3
Xl =O-+ X2 = 1.5
X2 =O~ Xi = 3
Xl = 2
X2=I
Graficando la F.O.
2Xl +3X2 = 6
Xl =O-+ X2 = 2
X2 =O-+ Xl = 3
Hallando la S.O.
Xl=l
X2=1
2(1) + 3(i) = 5
RESPUESTA
El nodo actual y todos los nodo§ q_IJe se encuentran por debajo de éste pueden ser
eliminados.
1)5.000000 X1 = 1.000000 X2 = 1. 000000
Programación entera 213
EJERGICJO 5.17
UNIVERSAL TEXTIL fabrica tiendas de campaña grande y pequeña. Las tiendas
grandes requieren 1O metros cuadrados de material, 15 minutos en la máquina de
coser y aportar a la compañía una ganancia de$ 90. Las tiendas pequeñas utilizan 6
metros cuadrados de material, 7.5 minutasen la máquina de -coser y producen una
ganancia de$ 70. En el presente trimestre hay 15000 metros cuadrados de material
y 25000 miAutos de tiempo de máquina disponibles. Dado que el número de tiendas
grandes debe ser de al menos la mitad de la cantidad de tiendas pequeñas, el
siguiente programa entero fue desarrollado para determinar cuántas tiendas grandes
(L) y cuántas pequeñas (S) se deben hacer en el trimestre:
SOLUCIÓN:
Identificación de la Función Objetivo:
MAX90L+70S
Identificación de las restricciones:
10L+ 6S ~15000
2L- S ;::: O
L,S ;:::o y son enteras
1
Utilice su paquete de computación para resolver este problema entero. Interprete los
valores de las variables en el contexto del problema. ¿Qué restricciones son
limitantes, es decir, valen igualmente en condición de optimalidad? ¿Qué significa
esto en el contexto del problema?
213·
EJERCICIO 5.18
Con un presupuesto de un millón de dólares, Linea 1 ele Trenes Metro de Lima,
necesita reorganizar su ex!stencia de vagonetas estándar, que cuestan $ 20000
cada una, de vagonetas de lujo, que cuestan cada una $ 28 000, y de vagonetas de
súper lujo, que cuesta $ 40 000 cada una. El gerente desea asegurar que hay al
menos el doble de vagonetas estándar que !as de lujo, y al menos tres veces más
vagonetas de lujo que de súper lujo. Dado que debe hacer al menos tres vagonetas
de súper lujo, el siguiente problema de programación entera fue desarrollado para
determinar el número de vagonetas estándar (S), de lujo (D) y de súper lujo (C) que
se deben pedir para tener el mayor número posible de vagonetas en existencia:
SOLUCIÓN:
MAXS+D+C
SUJETO A
20000S+280000+40000C =::;1 0000000
s-2o ~o
D-3C ~O
e ~3
S,D,G~O, ENTERAS
. 1
Utilice su paquete de computación para resolver este programa entero. Interprete los
valores de las variables en el contexto del problema. ¿Qué restricciones son de
limitación, es decir, valen igualmente en condición de optimalidad-? ¿Qué significa
esto en el contexto del problema?
TABLERO
Fax- Comprensi Sintetizad ·Disponibl
modem ón orde e
de datos sonido
1
Inserción de chip Soldado 10.3333 0.25 ¡o.5 500
Ensamblado Jo.s 0.5 0.5 600
Prueba 2.0 2.0 1.0 12000
11-~ 2.0 3.5 12400
1 1
Ganancia($) j10 10 18
214
Programación entera 215
EJERCICIO 5.19
Hacker Company fabrica tableros de circuitos electrónicos para computadoras PC.
Cada tablero de fax-módem, de comprensión de datos y de sintetización de sonido
requiere una cierta cantidad de tiempo de máquina para insertar fos chips, soldarlos,
ensamblarlos y probarios. Estos datos (en minutos), junto con la cantidad de minutos
de tiempo de máquina disponible para cada operación, el número mínimo de
producción de cada tablero, y !as ganancias netas se resume-n en la tabla siguiente:
el siguiente problema de programación entera fue desarrollaqo para determinar el
número de tableros de fax-módem (F), de comprensión de datos (O) y de
sintetizador de sonido (M) que se deben producir:
SOLUCIÓN:
MAX1 OF+1 OD+8M
SUJETO A
0.3333F+0.25D+0.5M ~500
0.5F+0.5D+0.5M ~600
2F+2D+M :::;2000
1.5F+2D+3.5M :::;2400
F 2:500 · t-
D 2:300
M 2:250
F,D,M 2:0, ENTERAS
Utilice los resultados anteriores para responder. ¿Cuántos tableros de cada uno
debe fabricar la empresa?¿ Cuál es la ganancia total?
215
..... ....-·
EJERCICiO 5.20
Uti·lice su paquete de computación para encontmr la nueva SOLUCIÓN:al ejercicio
8.23, sí las cuatro operaciones tienen 1O% más de tiempo disponible.
SOLUCIÓN:
MAX10F+100+8M
SUJETO A
0,3333F+0.250+0.5M :::; 550
0,5F+0,50 +0.5M :5 660
2F+2D +M :5 2200
í ,5F+2D +3.5M ::; 2640
F ~ 500
o ~300
M ~250
EJERCICIO 5.21
Utilice su paquete de computación P8ra determinar qué le sucede a la SOLUCIÓN:y
a la ganancia óptima del ejercicio 5.23, si se debe producir un mínimo de 550 fax-
módems?
SOLUCIGN:
MAX10F+100+8M
SUJETO A
0,3333F+0,250+0.5M :5550
0,5F+0.50+0.5M :5600
2F+2D+M ::; 2000
1.5F+20+3.5M ::; 2400
F ~500
o ~300
M ~250
EJERCiCIO 5.22
Utilice su paquete de computación para determinar qué le sucede a 1a SOLUCIÓN:y
a al ganancia óptimas del ejercicio 8.24, si se tienen disponibles 400 minutos
adicionaies de tiempo de máquina para el ensamblado.
SOLUCIÓN:
MAX10F+IOD+8M
SUJETO A
0.3333F+0.250+0.5M ~500
1.5F+20+3.5M ~2400
F ~500
o ~300
M ~250
EJERCICIO 5.23
l
La gerencia de High Tech está considerando invertido en seis proyectos, cada uno
requiere .una cierta cantidad de capital inicial. Estos datos, junto con el factor de
riesgo asociado (entre O y 1) y la recuperación anual esperada, se presentan en la
siguiente tabla:
PROYECTO CAPITAL RIESGO Df::VOLUCION
1 1
P1 100 000 0~50 0.20
P2 200 000 0.40 0.15
í
P3 170 000 0.70 0.30
1
P4 250 000 0.65 0.25
1
P5 400 000 . 5
04 0.17
P6 250 000 0.75 0.40 j
1 1
Los socios de la empresa han acordado que el riesgo total, obtenido al sumar los
factores de riesgo de cada proyecto emprendido, no debe exceder a 3.0. También,
cuando muchos dos proyectos pueden tener un factor de riesgo mayor a 6.0 El
siguiente problema de programación entera fue desarmllado para de'terminar en qué
217
proyectos se debe invertir con un presupuesto de un millón de dólares para lograr la
mayor recuperación anual esperada:
SOLUCIÓN:
MAX 20000P1 +30000P2+51 OOOP3+62500P4 +68000P5+100000P6
SUJETO A
0.5P1 +0. 7P2+ O. 7P3 + 0.65P4 + 0.45P5 + O. 75P6 ~ 3
P3+P4+P6 ~ 2
1OOP1 + 200P2 + 170P3 + 250P4 + 400P5+250P6 ~ 1000
P1 ,P2,P3,P4,P5, P6 i!O, Binario
OPTIMAL SOLUTION- DETAlLE O REPORT
VARIABLE VAL UE COST RED.COST STATUS
218
Programación entera 21 9
EJERCICIO 5.24
En el ejeícicio 8.27, suponga que los socios de la empresa agregan el r€quisito de
que el proyecto P1 debe emprenderse sólo si se emprende el -proyecto P2.
Modifique la formulación y utilice su paquete de computación para determinar e!
nuevo plan de inversión.
SOLUCiÓN:
219
.. :. -::~
5.2. Autoevaluacion quinta unidad programacion entera
respectivamente. La siguiente
tabla resume los datos del
problema. Desarrolle el modelo
matemático y encuentre el plan -
óptimo de producción Use el
método gráfico
220
UNIDAD VI PROBLEMAS DE TRANSPORTE
..,7~,... ....··_·"'~· .;:¡,._4:( •. . ~ ..... ",.;:,;..~--. ~> ~).,_ ......... :·- .......~ . .-~<ti~.~~ . . . ,::~ .::, ,. . 1.. ... . . . 1
r ~~-----w~~~: ~:-~~---. .;:.~: ;, ~~ _.~_2~--!. .~.-~::__.~- ~~~~ .· : ...:..~~~-~ ~r-- ~~:~~:. :/..:~~-!!. _'~-- --j~~~~~~-- : •• - · ;, ___ ._:_,..:_.~--~~· .:.._••• L -·~
221
6.1 Método Húngaro
223
SOLUCION
Paso! Paso 11 Paso lll
11
12
12
o 3 o
MODELO MATEMATICO
l. ldentificad6n de las variables
l
Xjj = . { O Al hijo i no se le asigna la tar~a j
1 Al hijo i se le asigna la tarea j
11. Identificación de la Función objetivo
MIN 13X11+14X12+ 11X13+
12X21+15X22+ i4X23+
13X31+í6X32+ 12X33
111. Identificación de las restricciones
X11 +X12+X13 =1 X11+X21+X31 =í
X21+X22+X23 =1 X12+X22+X32 =1
X31+X32+X33 =1 X13+X23+X33 =1
Xij>=O, Binario
224
EJERCICIO 6.1
Una compañía '<ie servicios se desenvuelve en el -negocio de reparación de
máquinas lavadoras y secadoras doméstícas.La compañía da servicio a clientes en
toda la ciudad. Con el objeto de ahorrar tiempo de manejo y costos al inicio de cada
día, el personal de servicio se dirige directamente de sus casas a ios lugares donde
se les requiere. La tabla siguiente presenta las distancias asociadas con los
primeros 5 írabajos que deben llevarse a cabo.A cada empleado de servicio se ie
paga por conducir. Determinar la asignación del personal -de servicio a su primer
trabajo del dfa de manera que la distancia sea menor.
TAREA
EMPLEADO
A B e D E
01 20 14 6. 10- 22
02 16 8 22 20 10
03 8 6 24 14 12
04 20 22 2 8 6
05 4 16 22 6 24
225
X5í + X52 + X53 + X54+ X55 =1 X15 + X25 + X35+ X45+ X55 =í
Xij~ O, Binario
Resultado .usando UNDO
1) 32. X14=1 C=10 X25=1 C=10. X32=1 C=6
X32=1 X3=í C= 2 X51 =1 C=4
.2
o o o 2 2•
....
1 1 ·1
~
o·
14
r 2 14 . 12 8
~ 12
- .J_ ..~t!l
_a_
1
~
1
~a... 8 2 16 10
~
~~
},
r . ··)8
:
2 6 4: o ·18 4 2
.
18 jo
_.
f
1
4 2
1
16
1
20
®l 2 o
_o_ .12
.- ,b_
1 j
~ .!l rí.a. r ~ 14 20 o ~8
1
Respuesta:
Al empleadO í se le asignae! trabajo 4 1O
Al empleado 2 se le asignaei trabajo 5 1O
Al empleado 3 se le asignael trabajo 2 6
Al empleado 4 se. le asignael trabajo 3 2
Al empleado 5 se le asignael trabajo 1 4
DISTANCIA MINIMA 32
226
,.. ,..
o.¿ M_,eLoao
't. '- ~
oe •voge¡
' e
EJERCICIO 6.2
Medican, lnc., renta equipo especializado de rayos.X a hospitales.Actualmente hay
tres máquinas ubicadas en Nueva York, dos en Chicago y tres en Los Ángeles.Hay
hospitales en Dalias que requieren cuatro máquinas.Los de Denver y Phoenix
necesitan cada uno dos máquinas.EI costo (en dólares) de enviar una máquina de
cada ciudad a cada hospital se muestra en la siguiente tabla:
HACIA1
DESDE DALLAS /DENVER PHOENIX
Nueva York 1600 1800 2500
Chicago 900 1000 1800
Los Ángeles 1400 1000 400
Dibuje una red de distribución que indique los suministros, demandas y otros datos
relevantes apropiados (cuando sea adecuado, añada nodos y arcos figurados para
obtener un problema equittbrado ).
Formule un modelo matemático para determinar cuántas máquinas deberían
enviarse desde cada ciudad a cada hospital para incurrir en el mínimo costo.
··· Encuentre una SOLUCIÓN:inicial usando el Método de Voge!
SOLUCIÓN:
ORIGEN DESTINO
New York Da !las
227
(3) (4)
Chicago Denver
(2) (2)
228
IDENTIFICACION DE VARIABLES
Xij = N.úmero de máquinas de rayos x,que se envían de la ciudad.i al Hospital j.
IDENTIFICACION DE LA FUNCION OBJETiVA
MIN 1600Xí 1 +1800X12 + 2500X13 +
900X21 + 1OOOX22 + 1800X23 +
1400X31 + 1000X32+400X33
IDENTIFICACIÓN DE LP,S RESTRICCIONES
X11 +Xí2 +X13 s3 X 11 + X21 + X31 = 4
X21 + X22 + X23::; 2 X 12 + X22 + X32 = 2
X31 + X32 + X33 s 3 X 13 + X23 + X33 = 2
Xij2: O, entero
Resultado usando LINDO
1)8500 X11=3 · X21==1 . X22==1 X32=t X33=2
Demanda 4 2 2
o
P1 500 800 1400
229
OBSERVACION
las penalidades de la primera vueltason 500,800, 1400 200, 100 y 600
Escogemos e! mayo que es 1400
En esta columna se escoge el menor costo, a!lf hacemos la transacción X33=2
La columna cormspondiente ha quedado saldada, se sombrea.
Luego se repite una segunda vuelta
P2 500 800
230
CUADRO RESUMEN
P2 500 800
P3 700 800
231
EJERCICIO 6.3
Medican, lnc., acaba de· recibir una solicitud adicional para -dos de sus máquinas en
MiamLCuesta $1300 embarcar una máquina a Míami desde Nueva York, $1400de
Chicago y $27-00 de Los Ángeles. Use su paquete de computación para resolver el
problema modificado, suponiendo que cualquier demanda que no pueda satisfacerse
no incurre en ninguna penalidad.¿ Cómo afecta este cambio la SOLUCIÓN:óptima
del ejercicío_9.2? ¿Quién debería recibir máquinas y quién no?
SOLUCIÓN:
HACIA
DESDE Dalias Denver Phoenix Miami
1 1
Nueva York 1600 1800 2500 1300
232
SOLUCIÓN:
HACIA
Dalla 1 Denv Phoe Miam Ofert
DESDE P1 P2 P3 P4
S er nix i a
1
3 1
30 30 30 20
Nueva York 1600 11800 12500 11300 1
o o o
-
1 1
o lo
2
1
/10 10
¡
Chicago
1
1
900 11000
1
1800 11400
1
o ¡o o
1
3
1
1 Los
¡60 40 140 40
1400 1000 400 2700 1
, Ángeles o o o o
o
- '· 2
Figurado o o o o 1 o
¡o 1
4
2
2 2 2
Demanda 1
1 o o
o
o 'i
233
EJERCICJO 6.4
American Motors, lnc., puede enviar un total de hasta 200 automóviles en camión y
600 en ferrocarril de su fábrica de Detroit a sus distribuidores de Chicago, Cieveland,
Washington, D. C. y Filadelfia. El costo (en dólares) de enviar un carro a cada uno de
los distribuidores por camión y por tren y las demandas de los distribuidores se
muestran en la siguiente tabla:
COSTO EMBARQUE ($/CARRO) HACIA
-
POR ICHICAGO 1 CLEVELAND . WASHINTON FILADELFIA
'Camión 30 20 !50 60
Tren 451 30 75 90 1
1
(;\CH300
.~u.
CAMION
200
~WA250
TREN
~u 250
600
Fl150
234
~----.
MODELO
IDENTJFICAC~ON DE VARIABLES
Xij = Número de car. A enviar-por el medio i ál distribuidor j
11 IDENTIFICACION DE LA FUNCION OBJETIVA
MIN 30X11 + 20X12 + 50X13 + 60X14 + 45X21 + 30X22 + 75X23 + 90X24
Xíj 2:0,Entero
1 HACIA (Costo embarque ($/carro))
POR 1 CH 1 CLE WASHIN t FIL Oferta P1 P2
1 200
·Camión 30 20 50 60 50 10 10
1
o
1 600
j 500
Tren 45 30 75 90 15 15
200
o
250
300 100 150
Demanda 200
¡o o
lo o ..
1
P1 15 110 /25 130
P2 115 110 ¡25
X14 =150------C= 150(60)
X13 =50--------C=50(50)
X22 =1 00------C= 100(30)
Y21 =300------C= 300(45)
X23 =200------- C=200(75}--------------43000
235
EJERCICIO 6.6
Para el probiema de American Motors, lnc. del ejercicio -9.4:
Dibuje el cuadro de transportación iniciaL
Encuentre una SOLUCJÓN:inicial usando el método de Vogel
SOLUCIÓN-:
P2 115 10 ¡25 1
236
EJERCICIO 6.7
La gerenda de American Motors, lnc., acaba de recibir un pedido adicional de 75
automóviles de su distribuidor de Cincinnati.La tasa de embarque por carro es de
$28 por camión y $42 por tren.Use su paquete de computación modificado,
suponiendo que cualquier demanda que no pueda satisfacerse no incurre en
ninguna penalídad.¿Cómo afecta este cambio la SOLUCIÓN:óptima del ejercicio
9.5? ¿Quién recibirá sus pedidos completos y quién no?
SOLUCIÓN:
CAMION CLEVELAND
200 100
TREN WASHINGTON
600 250
FILADELFIA
75 150
CINCINNATI
75
MODELO
lOENTIFICACION DE VARIABLES
Xij = Número de carros que se van a transportar mediante el medio i al destino j
11 IDENTIFICACION DE LA FUNCION OBJETIVA
RESPUESTA: 1)39775,
X13=125, X14=75, X21=300,• X22=100, X23=125, X25=75, X34=75
238
Costo embarque $/carro)
HACIA / Chicag 1 Clevelj Washin Filad Cincin Oferta ¡ P1 P2 P3
1200 l
Camión 30 20 50 60 28 125 8 8 8
- o
1
1
1 1
1
1
600
1
1 sao·
1
Tren ¡45 30 75 90 42 425 12 12 12
1
125
1
.. ·..•
o
1 . .
1
75
1
Figurado o o o o /o o
o
250 150
300 100 75
Demanda 125 75
o o o
o o
1
P1 130 20 50 i 60 28
1
¡30
j
P2 ¡ 15 10 25 114
P3 115 10 25 14
1
~·· 239
- PROBLEMA 6.8
Considere un problema de transportación equilibrado en donde debe maximizarse la
función objetivo en vez de minimizarse.
Desarrolle un método de matriz máxima para encontrar un plan -de embarque inicial
modificando los pasos del método de matriz mínima.
SOLUCIÓN:
240
HACIA 1
1Chícag Cleve! Washin Filad Cincin Oferta P1 P2 P3 P41
POR
1
1
- 1 200
1 1
Camión . 100
( í)
30 120 50 60 28
25
10 20
1
2 2 J
o
1
1 600
Tren 450
. . ·~
45 30 75 90 42 15 30 3
(2) 200
o
'
75 o
Figurado o ¡o o o o
o
o o
Demanda 300 100 250 150 75
100 o O. o o
1
o
P1 1 15 10 /25 /30 14
P2 /15 j 10 125 1 14
1
:
P3 115
1
110 l. /14
1
l P4 130 20
1
/28 1
241
EJERCICIO 6.9
Pine Tres, lnc., ha recogido 400 toneladas de madera de bosques de pinos ubicados
fuera de Vancouver, 200 toneladas de madera de bosques ubicados fuera de
Sea1tle, 150 toneladas de madera -de bosques ubicados fuera de Pórt~and, Japón ha
colocado un pedido de 200 toneladas a un precio de $1.200 por toneladas.Taiwán
necesita 300 toneiadas y pagará a $1100 la tonelada y Síngapur desea 250
toneladas a $1000 por tonelada.A Pine Trees, lnc., ie cuesta $500 traer cada
tonelada de los aserraderos al puerto de Vancouver, $400 por tonelada al puerto de
Seatle y $300 por tonelada a Portland.La siguiente tabla proporciona el costo de
embarque de cada tonelada por mar desde puertos a Jos países respectivos:
COSTO DE EMBARQUE (S/TONELADA)-DE MADERA
POR MAR-HACIA
DESDE · jJAPON /TAIWAN SINGAPUR
Vancouver 1250 /250 200
Seattle 1250 '200 200
Portland ¡_200 150 150
Dibuje una re6 de distribución que indique los suministros, demandas y otros datos
relevantes apropiados (cuando sea tadecuado, añada nodos y arcos figurados para
obtener yn problema equilibrado).
Formule un modelo matemático para determinar un plan de distribución para
maximizar las ganancias corporativas.
SOLUCIÓN:
VANCOUVER JAPON
400 200
SEATLLE TAIWAN
200 300
PORTLA.NO SINGAPUR
150 250
MODELO
l. IDENTIFfCACION DE VARIABLES
Xij = Númem de Ton. de madera de transportar de la ciudad i a -la ciudad j
11. IDENTIFJCACION DE LAFUNCION OBJETIVA
MAX450X11 + 350X12 + 300X13+550X21 +500X22+
400X23 + 700X31 + 650X32+550X33
111 JDENTIFICACIÓN DE LAS RESTRICCIONES
X11+Xí2+X13 <= 400 X 11 + X21 + X31 = 200
X21 + X22 + X23 <= 200 X12 + X22 + X32= 300
X31 + X32 + X33 <= 150 X13 + X23 + X33= 250
Xij~ o
SOLUCIÓN:CON LINDO:
1) 342500 X11=200, X22=150, X32=150,X13;.2oo, X23=50
Ganancia según los destino =ingresos- costos (recogido y traslado)
G 11 =1200-750=450 G21 =1200-650=550 G31 =1200-500=700
G12=1100-750=350 G22=11 00-600=500 G32=11 00-450=650
G13=1000-700=300 G23=1 000-600=400 G33=1000-450=550
HACIA
DESDE JAPON TA'IWAN 1 SINGAPUR Oferta P1 P2 P3
400
VANCOUVER 1450 350 300 200 50 50 150
:
o r
200
SEATLE 550 500 400 50 100 100 150
o
1
1 1 1 1
150 1
PORTLAND 1700
1
/650 /sso lo '100 1
1 i ! 1
'
1200
300 '250
1
Demanda 150 200
lo ¡o ¡o
1 1
1
P1 j100 150 1100 1
1
P2 /100 1
J
150 ¡ 100
P3 1100 1 100
1 i
243-- . .
------
RESPUESTA:
Utilidad máxima: X11 -------200(450)
X32 ------150(650)
X22 -----150(500)
X13 -------50(400)
X23 -----200(300)
1
342500
EJERCICIO 6.10
Para el problema de Pine Trees, lnc. del ejercicio 9.9:
Dibuje el cuadro de tr.ansportación inicial.
Encuentre una SOLUCIÓN:inicial usando el método de Vogel.
SOLUCIÓN:
COSTO DE EMBARQUE
_245
EJERCICIO 6.11
Después de recoger toda la madera en sus aserraderos, se le ha comunicado a Pine
Trees, Jnc., que Singapur debe cancelar su pedido.No obstante, la madem recogida
debe transportarse por camión de los aserraderos a los puertos de Vancouver,
Seattle y P-ortland a los costos dados en el ejercicio 9.9.La madera no enviada desde
estos puertos debe almacenarse a un costo de $25, $20 y $15 por tonelada,
respectivail}ente.Use su paquete de computación para resolver el problema
modificado. ¿Cuái es el plan óptimo?
SOLUCIÓN:
VANCOUVER . JAPON
400 o----...o
SEATLE
200
PORTLAND
150
¡HACIA 1
200
SEATLE 550 500 o 11050! 900 900
1 1
/150
1 PORTLAND 700 650 o 1 11350 11200
1
i 1
Demanda 200 1300 1 250
1
¡o
l.
P1 1250 /1150
1"
P2 /1150 ¡950 1
l P3 1
1
! 850
1
1
1
1
tOO
J
EJERCICIO 6.12
Hexxon Oí!" Company tiene seis consultores internacionales de petróleo, tres de los
. cuaies están actualmente ubicados en los EE.UU., dos en Rusia y uno en
Nigeria.Arabia Saudí ha solicitado dos consultores durante una semana a una tarifa
de $4200 cada uno. Venezuela ha solicitado un consultor durante una seméma a una
tarifa de $4000.1ndonesia ha solicitado tres consultores durante una semana a una
tarifa semanal de $4000 cada uno.Los gastos ~emanales por consultor son de $1400
en Arabfa Saudí, $1000 en Venezuela y $700 en lndonesia.La siguiente tabla
muestra las tarifas de viaje redondo (en dólares) para enviar por avión a los
consultores:
/HACIA
DESDE ARABIA SAUDI !VENEZUELA INDONESIA
Dibuje una red de. distribución que indique los suministros, demandas y otros datos
relevantes apropiados (cuando sea adecuado, añada nodos y arcos figurados para
obtener un problema equilibrado).
Formule un modelo matemático para determinar un plan de distribución para
maximizar la ganancia neta (los ingresos totales menos los costos totales,
incluyendo la tarifa aérea de viaje redondo) de ExónOíl.
~247
SOLUCIÓN:
ORIGEN DESTiNO
3 2
RUSIA VENEZUELA
NIGERIA INDONESIA
1 3
MODELO
IDENTIFICACION DE VARIABLES
Xij =Número de consultores a viajar del país i al país J.
:IDENTIFICACION DE LA FUNCION OBJETIVA
MAX 1000X11 + 2200X12 + 1300X13 +
1200X21 + 1200X22 + 1600X23 +
1500X31 + 1800X32 + 1800X33
IDENTIFICACIÓN DE LAS RESTRICCIONES
X11+X12+X13 ~3 X21 + X22 + X23 ~ 2
X31 + X32 + X33 ~ 1 X 11 + X2 í + X31 =2
X 12 + X22 + X32 =1 X13 + X23 + X33 =3
Xij 2:: O, entero
SOLUCIÓN:CON LINDO:
i) 9200 X11 =1 X12=1 X31=1
X13=1 X23=2
EJERCICIO 6.13
,~Para el problema de ExónOí!Gompanydel ejercicio 9.12:
Dibuje el cuadr-o de transportación inicial.
Encuentre una SOLUGIÓN:inícial usando el método Vogel
SOLUCIÓN:
/ Hacia / OFERT
- ! ARABI Vt:NEZUEL INDONESI A P3
P1 P2
/A A A
Desde 1 SAUDI 1
1
1
1 3
Estados 90 30
-1000 -2200 -1300 . 2 30
Unidos o o
:;·.
o
2 40 40
Rusia -1200 -1200 -1600
o o o -
1
30 30
Nigeria -1500 -1800 -1800 o 30
o o
1
o
1~
DE MANO 1 3
1
A o 1
o
1
P1 300 400 /200
. '
:
P2 300 - /200
P3 300 - J 50~'
249
EJERC!CIO 6.14
Arabia Saudí acaba de cancelar su solicitud de uno -de los consultores.La gerencia
de ExónOíl sabe que un consultor residente en Rusia durante una semana tiene una
ganancia neta de $1000, un consultor en Nigeria gana $800 y uno en los EE.UU. no
gana nada. Use su paquete de computación para resolver el problema modificado.
¿Cómo cambia esta información la SOLUCIÓN:óptima -obtenida para el ejercicio
9.13?
SOLUCIÓN:
ARABIA
(1)
EE.UU.
(3)
TAIWAN
(1)
RUSIA
(2)
(3)
NÍGERIA.
FIGURADO
( 1)
250
~
MODELO
4DENT1FICACION DE VARIABLES
Xij = Número de consultores a viajar del país i al país j.
IDENTIFICACION DE LA FUNCION OBJETIVA
MAXOX11 +0Xí2+0X13+0X14+
1000X21 +1000X22 +1000X23 +OX24+
800X31 +800X32 +800X33 +OX34
IDENTIFICACIÓN DE LAS RESTRICCIONES
X11+ X12+ X13+ X14 S3 X21+ X22+ X23+ X24· ~2
1
P3
1
_¡8oo o ¡
=> c21=1x1000=1000
~ c.. =l x soo=8oo
.).)
=> C =o x 2=0
13
::::::>e 14
=I x o=o
CTOTAL =2800
6.2 Autoeva!uación de la Sexta Unidad
01. GENERAL MOTORS, puede enviar un total hasta 300 automóviles en camión
y 400 en ferrocarril de su fábrica de Detroit a sus distribuidores de Chicago,
Cleveland, Washington, Filadelfia y Cincinnati. El costo en dólares de enviar un carro
a cada uno de los distribuidores por camión y por tren y las demandas de carros de
los distribuidores se muestra en la siguiente tabla. Se pide: el modelo matemático al
problema de transportación y la SOLUCIÓN: usando el Método de Vogel:
1 1
POR Chicago 1 Cleveland Washington Filadelfia Cincinnati
1 1
1
CAMION 6 4 3 7 10
.
-
TREN .
5 8 9 11 - 13
DEMANDA 150 100 200 50 250
ALFA SERVIS 6 5 7 12
1
1
1
'
BETASERV!S 7 7 9 11
1
1
1
1 1
1
SiGMA SERVIS 4 1
1
5 8 9
1 1
1 1
1
ALAS SERVIS 6
1
6 i 10 11
1 ! 1
1
RESPUESTA:
A Alfa Servis se le asigna la tarea quienes cobran
SI. _ _ _ __
A Beta Servís se le asigna la tarea _ _______, quienes cobran
S/ . _ _ _ __
03. COSAPI DATA, tiene siete consultores nacionales de sistemas contables, dos
de los cuales están ubicados en Trt..Villo, uno en Arequipay cuatro en Lima. !quitos ha
solicitado tres consultores durante una semana a una tarifa de $800, Madre de Dios .
ha solicitado dos consultores durante una semana a una tarifa de $600 y Piura ha
solicitado un consultor durante una semana a una tarifa <;je $700. Los gastos por
consultor son de $160 en !quitos, $-180 en Madre de Dios y $220 en Piura La
s_iguiente tabla muestra las tarifas de viaje en $ para enviar por . avión a los
consultores.
Desde \ Hacia /!quitos /Madre de Piura Se pide:
a) Dibuje una Red
1 /Dios b) Formule el Modelo
1
Arequipa 1140
1
¡go
1
/150
1
luma
04.EI COLEGIO DE CONTADORES tiene la urgencia de mejorar su infraestructura
para lo cual debe contratar aempleados de servidós, una para cada tarea de
acuerdo según la proforma que presentan (en miles de Nuevos soles). Suponiendo
que estos empleados están en capacidad de realizar cualquiera de las tareas pero
que solo una pueden tomar de acuerdo al reglamento de contratos. Formular y
resolver el modelo matemático.
¡Empleado\ Tarea A 8 e o E F
1 1 15 14 -- 13 15 17
1 1 1 1 1 1
2 15 17 1
16 1 16 .. -- 16
1 1
3 11
1
14 18
1
14 15 ¡ 14
4 13
1
15 17 14
1
16 --
5 12
.1
16 17
1
1 .
15
..
18 --
..
A Empleado 1 se le astgna la tarea . _ _ _ ,qutenes cobran S/. _ _ _ __
A Empleado 2 se le asigna la tarea ~--' quienes cobran S/. _ _ _ __
A Empleado 3 se le asigna la tarea _ _ _ , quienes cobran S/. _ _ _ __
A Empleado 4 se le asigna la tarea _ _ _ , quienes cobran S/. _ _ _ __
A Empleado 5 se le asigna la tarea _ _ _, quienes cobran S/. _ _ _ __
COSTO TOTAL SI. _ _ __
.- ~-¡9o
1
¡Lima ¡so . 1
06. LA REG!ON CALLAO tiene la urgencia de mejorar su infraestructura pam lo cual
· debe contratar aempresas de servicios, una para cada tarea de acuerdo según la
preforma que presentan (en miies de Nuevos soles). Suponiendo que estos
empleados están en capacidad de realizar cualquiera de las tareas pero que solo
una pueden tomar de acuerdo al reglamento de contratos. Formular y resolver el
modelo matemático.
···~
Empleado \A 8 e o E F
Tarea
1
1 14 14 -- 15 15 18
'
2 15 113 16 16 -- 17
3 116 17 f 18 18 17 15
4 .. 13 15 17 17 16
¡__
5 12 16 17 15 -- 13
255
07. COOPERATIVA ALAS, tiene siete consultores nacioM!es de finanzas, uno de
los cuales están ubicados en Trujillo, dos en Arequipay cuatro en Lima. lea ha
solicitado tres consultores durante una semana a una tarifa de $600, Huaraz ha
solicitado dos consultores durante una semana a una tarifa de $650 y Cuzco ha
solicitado un consuitor durante una semana a una tarifa de $500. Los gastos por
consultor son de $160 en lea, $200 en Huaraz y $ 220 en Cuzco La siguiente tabla
muestra las tarifas de viaje en $
'
Desde\ Hacia ¡lea 1Huaraz ¡cuzco Se pide:
, 1
Trujillo 120 13D a) Dibuje una Red
1100
b) Formule el Modelo Matemático
Arequipa 90 1140 1110
Lima 80 /7Q 150
256
09. EL MINISTERIO DE AGRICULTURA, tiene siete expertos nacionales de
forestación, dos de los .cuales residen en Trujillo, tres en Arequipay dos .en Lima. lea
ha solicitado cuatro consultores durante una semana a una tarifa de $800, Huaraz
ha solicitado un consultor durante una semana a una tarifa de $850 y Cuzco ha
solicitado dos consultores durante una semana a una tarifa de $950. Los gastos en
viáticos por consultor son de $180 en lea, $190 en Huaraz y $ 200 en Cuzco. La
siguiente tabla muestra las tarifas de viaje en $
. Desde \ Hacia /lea Huaraz Cuzco Se pide:
a) Dibuje una Red
Trujillo /70 80 60
b) Formule el Modelo Matemático
Arequipa /90 100 80
Lima ¡so 70 ¡9o
257
11 Diga si es Verdadero(V) o Falso (F)
() En la formulación de problemas de PL solo cabe dos pasos.
() Un modelo de programación lineal puede ser expresado de diferentes
maneras
() Programación linea! solo se aplica en los problemas de transporte
a) VV\/ b)FFF c)VFV d)FV~ e)
FFV
12 La función objetiva es:
t§ombinación linea! de las variables de decisión
Combinación lineal de los costos de decisión
Combinación lineal de las restricciones de decisión
Combinación lineal de las condiciones de decisión
Combinación .lineal de las linealidad de decisión
13 Un modelo de programación lineal puede ser expresado en forma:
Algebraica b) Matricial e) Vectorial d) Canónica ®Lineal
14 Supóngase que una compañía que da servicios de limpieza prepara sus
propias SOLUCIÓN:es mezclando dos ingredientes. Hace esto para obtener
una SOUJCIÓN:que tiene lo que considera una combinación apropiadade
fosfato y cloruro. Un ingrediepte tiene 5% de fosfato y 2% de cloruro y cuesta
25 centavos 1 onza. El otro ingrediente tiene 7% de fosfato y 1% de cloruro y
cÚesta 20 centavos 1 onza. La compañía necesita que la mezcla final tenga no.
más del 6% de fosfato y 1 ;;2% de cloruro. Se quiere minimizar el costo total.
-
Formule el modelo matemático y resuelva el modelo usando el método
gráfico.
a) X1=1X2= 1Z= 50b) X1=0X2=1,2Z=24 e) X1=0,5X2=0Z=12.5
";!)
d) X1=0,5X2~0,5Z=22.5. e) X1=0X2=0,5Z=10
SOLUCIÓN:
Identificación de las variables:
X = Cantidad del ingrediente 1
Y= CantLdád del ingrediente 2
Función objetivo:
MIN 0.25X + 0.20Y
Restricciones:
258
0.05X + 0.07Y!> 0.06
0.02X + 0.01Y!> 0.015
X+Y=1
X, Y;?: O
X1,X22 O
a) X1 =5/2X2=1/2Z=8 b) X1-=0X2=5/2Z=5/2 e)
X 1= 1/2X2=5/2Z=4
d)X1=0X2=0Z=O e)X1 =OX2=1/2Z=1/2
Mayorista-7 jA 8 ¡e o Oferta
~rr~
Fabrica 1
ciento ae
1
259
. Cerveza ¡ ¡cajas
1
18
Norte
121 115 ¡! 9 550
Sur 1 10 114 16 23 650
Demanda en ¡200 .· 250 400 350 1200
cientos de
cajas
1 1
rista Oferta
en
A1 82 C3 D4 cientos P 1 P2 P3
Fábrica de
Cerveza cajas
500
0:1 Norte 200 6 3 3
o
650
02 Sur 16 4 4 2
450
Demanda en
200 250 350
cientos de 400
o 50 o
cajas
P1 1i 1 2 14
P2 11 1 2
P3 1 2
Respuesta:
x14=350 costo = (350) (9) = 3150
x21=200 costo = (200) (1 O) = 200(}
x12=200 costo = (200) (í 5) = 3000
/} 260
LL-------
x22=50 costo = {50) (14) = 700
x23=400 costo = (200) (16) = 6400
1525018
261
19 Resolver usando el método Gráfico
Z max = 8X1 + 5X2
S.A. 2X1 + X25 10
X1 +3X25 18
5X1 +X22:: 4
X1 ,X22:: O
a)X1=4X2=0Z=32
b) X1=4X2=4Z=52
;~ X1 =2,4X2:::5,2Z=45,2
d) X1=5X2=0Z=40
e)X1=0X2=5Z=25
N° Tareas 1 3 4 5
N° Operadores
12
01 /12 16 24 8 2
1
1
02 6. 8 20 14 6
03 10 6 116 18 1
12
04 2 24 20
14 ¡2
05 7 110 ¡6
..
ls 18
a) Productividad =8 r b)Productividad =88 e)
Productividad =89
d} Productividad =9.0 e) Productiv¡dad =91
262
No21. Tanto el modeio de asignación de recursos y de transportes son iguales
cuando:
a) Maximizan b) Minimizan c)Programa línea d) 8 y C e)N. A.
400
250
Tren 5 8 9 11 13 3 3 3·
200
1
1
j o
1 i 1 1
1
i
50
Figurado ¡ 1
o o o o o 11 o 1
1 1 1 1
1
1
o
1
¡ 1
1
¡
1
1
1 250 1
1 150 100 200 50 1
Demanda 200
o o o o
0-
1
P1 i 5 j 4 3 7
1 10
1
1 1 r 1
264
P2 1 4 11
6 4 3
P3 1 4 1 4 3
1 1
. Costo mínimo: X35=50--- C=50(0)
X13= 200--- C= 200(3)
Xí2 =100--- C=100(4)
X21 =150---- C=150(5)
X24 =50---- C=50( 11)
X25 =200---- C=200( 13) ---4900
Problema 02
Costo total = 27
Empresa 1 - Tarea B Empresa2- Tarea D
Empresa3 - Tarea C Empresa4- TareaA
_ Empresas- Tarea-·
Problema 03
Max 540X11 +300X12+420X13+ OX14 +
500X21 +330X22+330X23+ Ox24 +
_.-520X31 +31 OX32+350X33+ OX34
ST
X11+X12+X13+X14<=2
X21+X22+X23+X24<=1
X31+X32+X33+X34<=4
X11+X21tX31=3
X12+X22+X32=2
X13+X23+X33=1
X14+X24+X34=1
1)2640 X 11 = 1 X22= 1X31 =2X32= 1X34= 1
Problema 04
Costo total = 70
Empleado1 -Tarea O Empleado2- Tarea C
Empleado3- Tarea F Empleado4- Tarea 8
EmpleadoS - Tarea A
Problema 06
265
Costo total = 71 ·
Empleado1 -Tarea D Empleado2- Tarea B
Empleado3 ··Tarea E Empleado4- tarea A.
EmpleadoS - Tarea F
Problema 08
Costo total = 1180
lmprenta1 -Tarea F 1mprenta 2 - Tarea O
Imprenta 3- Tarea A 1mprenta 4 - Tarea 8
Imprenta 5- Tarea C
·Problema 10
Costo totéH = 1440
lmprenta1- TareaS Imprenta 2- Tarea A
Imprenta 3- Tarea O Imprenta 4- Tarea E
Imprenta 5- Tarea C
12 16 24 8 2 - - -4 -8 -2 - 12 8 o 16 22 4 ¡o o 16 22
12 16 24 24
1 1
6 8 20 14 6 -6 -8 - - -6 - 14 12 o 6 14 6 4 o 6 14
20 14 20
1
10'6 16 18 12 - -6 1_ - - - 8 12 2 o 16 o 4 2 o /6
1
10 16 18 12 18
1
2 4 2 1
-2,-4 -2
1 1
- - - 14 12,2210 4
24 20 24
! 1 1 1 ·¡
l
7 10 6 -7 - ¡-6 -6 ¡- 1- 3 o 12 1210 1
101 118118
1 1 ! 1 1 1
A! 8 8 o ¡o1
aper
ador i se le asigna el trabajado2 costo = 16
Al aperador 2 se le asigna el trabajador3 costo = 20
Al aperador 3se le asigna el trabajador1 costo = 10
.AJ aperador 4 se le asigna el trabajador4 costo - 24
-266
Al aperador 5 se le asigna el trabajador5 costo_::_ 18
88
RESPUESTAS
11 12 13 /14 15 j 16 17 18 1 19 20 21 22 23
D A
'.. D 1 D A 1 B E B ¡e B D D o
n
~·~ 267
09 El Mundo de las Maletas, fabrica 2 tipos de mochilas estilo viajero: (Mochilas
Tipo 1 y 2 respectivamente). La mochiia tipo 1 requiere el doble de tiempo de
trabajo que la del tipo 2. Si se produjeran solamente mochilas del tipo 1, se
podrían producir 20 mochilas al día. La demanda diaria de las mochilas tipo 1
y 2 son 15 y 20 respectivamente.sabiendo que las utilidades unitarias de las
mochilas tipo 1 y 2 son S/. 6 y SI. 4 (respectivamente).Formule el modelo
matemático, considerando la proporcionalidad de las variables y resolver el
modelo matemático usando el método simplex.
MARTIN MARTIN, Martin Teresa Santos Martin, Yadira.del rosario De Paz santana.
(2005). lnvestigacion operativa. Madrid: Pearson prentice HalL
- 270
VI APENDICES
SILABO
INVESTIGACIÓN OPERATIVA 1
1. INFORMACION GENERAL
2. SUMILLA
3. CAPACIDADES 1 HABILIDADES
3.6 Desarrolla una red de proyectos, identificando ias tar.eas, estimando los
tiempos e identificar;¡do ia precedencia.
4. PROGRAMACIÓN TEMÁTICA:
_ _272
clasificación. función objetivo y
las restricciones.
1
CAPACiDAD 111 : Resuelve modelos mat-emáticos usando el enfoque gráfico.
TERCERA UNIDAD : Programación Lineal: Enfoque Grafico 1
1
asignación.
1
EXAMEN PARCIAL· 9
1
¡cAPACIDAD VI .. Desarrolla una Red de Proyectos, Identificando las Tareas,
1
1
~.--
/estimando los 1 iempos e Identificando la Precedencia.
SEXTA UNIDAD : Administración de Proyectos con Tiempos Determinísticos
l 1
/ *Administración de •Desarrolla la Red •Participa en -la •Exposiciones,
proyectos con de proyectos, Red de ejemplo y
tiempos de tareas identificando las proyectos. esquemas. 10
1
1
determin ísticos tareas, estimando •Uso de 11
1
(CPM). -
los tiempos e Software de
1 identificando la Manejo de
precedencia. Proyectos.
CAPACIDAD VIl Aplica el Análisis Probabilístico al Tiempo de Conclusión de
Proyectos.
SEPTIMA UNIDAD Administración de Proyectos con Tiempos Probabilísticas.
1
• Administración de •Aplica el análisis •Muestra interés •Exposiciones, ..
proyectos con probabilístico al por los ejemplos y
tiempos de tareas tiempo de problemas de esquemas. 12
probabilísticos conclusión de tipo •Uso de 13
(PERT). proyectos. probabilístico. Software de
administración
¡
de proyectos.
CAPACIDAD VIII 1oma Decisiones utilizando los Criterios de Decisiones.
OCTAVA UNIDAD Análisis de Decisiones.
1
decisiones. decisiones 15
1 usando los 1
1
criterios de
1
decisiones.
1 1 1 1
EXAMEN FINAL
¡ 16
5. EVALUACIÓN
2l4
La nota final dBI curso será e! promedio de:
PF = pp X 40 + EP X 30 + EF X 30
100
El promedio de prácticas, consiste en intervenciones orales en clase,
asistencia, prácticas calificadas, controles de lecturas o separatas
recomendadas por el docente, trabajos individuales o grupales y
exposiciones.
De igual manera, se- considerará la evaluación valorativa, es decir
aquella que mide las actitudes positivas, reflexivas y otros.
La calificación será sobre la base vigesimal, requiriéndose una nota
aprobatoria mínima de once (11)Capítulo 11 del Reglamentó de Estudios.
6. BIBLIOGRAFÍA .·
~
276
VIl ANEXOS
¿Qué es LINDO?
La filosofía del plan guiando para LINDO ha sido que si un usuario quiere hacer algo
simple, no debe haber entonces un . costo grande para aprender los rasgos
necesarios de LINDO.
'•,
Por ejemplo, si un deseo de los usuarios es resolver:
Máx. 2X + 3Y
Sujeto a
4X +3Y<10
1
3X + 5Y <12
- 1
• También es posible usar LINDO con los archivos creado en otra pa.1e,
mientras conteniendo escrituras de órdenes y datos de la entrada, y archivos
prod~ctores por informar los propósitos.
Entrando en un Modelo
La ventana exterior etiquetó que "LINDO" es la ventana del marco principal. Todas
las otras ventanas se contendrán ~entro de esta ventana. La ventana del marco
también _contiene todos los menús del orden y los toolbar del orden. La ventana del
niño más pequeña etiquetó "<el untitled> " es una nueva, pálida ventana ejemplar.
El primer requisito, un objetivo, es lo que parece: una meta. Usted tiene la opción de
dos metas, MÁXIMO o MINIMO que representan aumentar al máximo y minimiza. En
una situación comercial típica, por ejemplo, usted podría querer aumentar al máximo
la ganancia o minimizar el costo. La primera palabra en un modelo de LINDO debe
ser MÁX o MI N.
~- 278
La fórmula que usted ingresa después del MÁX Ci MIN se Hama la función objetiva.
Para nuestros propósitos, nosotros asumiremos que usted quiere aumentar al
máximo la ganancia. Usted ingresa:
MAX 10 X+ 15 Y
¿Pero qué son X e Y? Son las variables que son las cosas usted quiere que LINDO
ajuste para alcanzar su ganancia máxima. Podrían representar ventas totales de dos
productos, o ventas fuera de dos oficinas diferentes; en este caso X tiene una
contribución de ganancia de 1O, e Y tiene una contribución de ganancia de 15. La ·
cosa importante es que ellos son inconstantes. En LINDO, al instante halla el valor
de la variable de su modelo. Usted no tiene que hacer algo de otra manera que
ingresar la fórmula.
Tanto para elobjetivo y dos variables. Ahora nosotros miraremos las restricciones.
1 .
De alguna manera, las restricciones son la parte más importante de su modelo, y
ellos requieren algún pensamiento real.
X <=10
Y<=12
~···
Nota que LINDO interpreta el símbolo <= como "menos de D iguala a" en lugar de
"estrictamente menos de". Si usted prefiere, usted puede entrar alternativamente <=
en lugar del carácter<.
Muy bien, nosotros hemos restringido X y Y ahora. Suponga que nosotros también
tenemos un suministro obrero limitado. En particular, asume que nosotros tenemos
un total de 16 unidades de labor y ese producto que X requiere 2 una unidad de
labor mientras el producto Y es relativamente más intenso y requiere 2 unidades de
labor. Nosotros agregamos ahora la restricción obrero de la siguiente manera:
X+2Y<16
EL modelo que se ha ingresado está listo para ser resuelto. Para empezar a
resolver el modelo, seleccione la orden SOL VER (Resolver) del menú principal y
·luego el botón SOL VER de la ventana de dialogo. UNDO empezará intentando
compilar al modelo. Esto significa LINDO determinará si el ejemplar tiene el sentido
matemático, y si conforma a los requisitos sintácticos. Si el modelo no pasa estas
pruebas, usted se informará con el mensaje del erro~ siguiente:
..
Un error ocurrió durante la recopilación en la línea: n
LINDO saltará entonces a la línea dónde el error ocurrió. Usted debe examinar esta
línea para cualquieí error de la sintaxis y debe corregirlos.
28o
Esta Ventana de Estado es útil para supervisar el progr-eso -el solver. Una
descripción de los varios campos y mandos dentro del estado .aparece en la mesa
debajo.
La Descripción de Fíeld/Control
El estado, da el estado de solución actual. Los posibles valores incluyen:
Óptimo, Factible, lnfeasible, Ilimitado.
Las iteraciones Numeran de iteraciones del solver.
lnfeasibility .Amoont por que se violan las restricciones.
Cuando ei solver está acabado que lo incitará determinar si usted desea hacer
sensibilidad y análisis del rango. En el futuro, usted podrá hacer uso de esta
información, pero para ahora, simpiemente apriete el "No" e~ botón y entonces cierra
la Ventana de Estado.
Kabrá una nueva ventana ahora en su pantalla tituló la "Ventana de los Informes. La
Ventana de los Informes es donde LINDO envía que tod-o el, texto basó informando el
rendimiento. La ventana puede retrasarse a 64,000 caracteres de información. Si
·requirió, UNDO borrará el rendimiento de la cima de la Ventana de los Informes para
hacer el sitio para el nuevo rendimiento al fondo de la_ ventana. Si usted tiene un
informe de la solución largo que usted necesita examinar en su integridad, usted
puede anotar toda la información enviada a la Ventana del· Informe en un archivo del
disco que usa el Filejlog Rendimiento orden. Este archivo puede examinarse
usando a un editor del texto externo entonces o usando el orden de FilejView.
Alojado el orden, esto le dice, primero, ese LINDO tomó 2 iteraciones para resolver
al modelo; segundo que la ganancia máxima asequible de las dos variables, como
··-
usted los ha restringido, es 145. Tercero, las variables X y Y toman los valores
respectivamente 1O y 3. Lo que es interesante notar es que nosotros hacemos _
menos del Y relativamente más "aprovechable" debido a su uso intensivo de nuestro
suministro limitado de labor.
Haga clic aquí para la información sobre los COSTOS REDUCIDOS, FLOJERA el
SOBRANTE de OREGÓN y DUAL PRECIA las secciones en el informe de la
solución.
La Sintaxis ejemplar
La función objetiva siempre debe estar en la salida del modelo y debe comenzar con
o MÁXIMO (para aumente al máximo) o MIN (para minimice). El fin de la función
objetiva y el principio de las restricciones se significa con cuaiquiera de lo siguiente:
SUBJECTTO (SUJETO A)
SUNCH THA (TAL QUE)
~
'-'. 1•
282
ST
XBOUND) X <10
LINDO reconoce a sólo cinco operadores: más(+), menos(-), mayor que(>), menos
de(<:), e iguales(=). Cuando usted entra en los operadores de desigualdad estrictos,
mayor que (>) o menos de (<), LINDO los interpretará con los operadores de
desigualdad sueltos> o <respectivamente. Esto es porque muchos teclados no
tienen los operadores de desigualdad suettos. En sistemas que tienen los
operadores sueltos, LINDO no los reconocerá. Sin embargo, si usted prefiere, usted
puede entrar ">= " (y "<= ") en lugar de "> " (y "<").
..MÁX 1O X + 15 Y
! Maximiza la ganancia
SUJETO A
X <10
y <12
X+2Y<16
END
Las versiones del orden-línea de LINDO le permiten entrar los comentarios, pero
elíos no se guardarán con el modelo. Los comentarios son en conserva en las
versiones de 'vVindows de LINDO con tal de que el archivo se ahorre en el formato
del texto. Ahorrando el archivo en cualquiera comprimieron (*. lPK) o MPS
. . -~-284
estructuran (*. MPS) causará los comentarios y cualquier formato especial ser
despojado del modelo.
Pueden rajarse restricciones y funciones del objetivo encima de las líneas múltipies,
o combinó en las solas líneas. Usted puede el spilt en cuaiquier parte una línea
excepto en el medio de un nombre inconstante o un coeñciente. Lo siguiente sería
matemáticamente equivalente a nuestro ejemplo (aunque no realmente como fácil
leer):
MÁX 10 X+ 15 Y
SUJETO A
X <10
y<12X+2
y <16
End
Maxx
st
X <1
End
X> Y
X- Y> O
~······
Recíprocamente, se permiten sólo variables y sus coeficientes en el lado de la
izquierdo-mano de restricciones. Por ejemplo, la restricción:
3X + 4Y- 10 =O
3X + 4Y = 10
Haga clíc aquí para saltar a una discusión en las declaraciones modeladas
adicionales, optativas reconoció por LINDO.
INT <Inconstante> Hace <Inconstante> binario (es decir, lo restringe para o ser O o
1).
SLB <Inconstante> <el Valor> los Lugares un más bajo límite simple en
<Inconstante> de <el Valor>. Use en lugar de los restricciones d~ formulario X= r.
LA DECLARACIÓN LIBRE
El más bajo límite predefinido para una variable es O. En otros términos, a menos
que usted especifica porotra parte, LINDO no permitirá una variable ir negativo. La
declaración LIBRE le permite quitar todos los límites en una V§riablt:; para que pueda
asumir cualquier valor real, positivo o negativo. El ejemplo siguiente ilustra e~ uso de
la declaración LIBRE.
Si nosotros no hubiéramos puesto Y para ser una variable libre en este ejempio,
LINDO no habrían encontrado la solución óptima de X= 6 y Y= -1; en cambio, dado
el más ba_io límite pretendido de O en Y, LINDO habrían devue~to X a la solución= 7
y Y= O.
LA DECLARACIÓN DE GJNEBRA
Por defecto, LINDO asuma que todas las variables son continuas. En muchas
aplicaciones, los valores fraccionarios pueden ser de uso pequeño (por ejemplo, 2;5
empleados). En estos casos, usted querrá hacer uso de la declaración del entero
general - la GINEBRA. GINEBRA seguida por un nombre inconstante restringe el
valor de la variable a los enteros dei nonnegative (0, 1,2, ... ). El ejemplo pequeño
siguiente ilustra el uso de la declaración de GINEBRA.
También note, que redondeando la sofución del continuo simplement~ a los valores
del entero más cercanos no rinde la solución óptima en este ejemplo. En general,
las soiuciones continuas redondeadas pueden ser los nonoptimal y, en el peor de los
casos, infeasible. Basado en esto, uno puede imaginar que puede ser mismo tiempo
que consume para obtener la solución óptima a un modelo con muchas variables del
entero. E0 general, esto es verdad, y usted es mejor fuera de sólo utilizar el rasgo
de GINEB_RA cuando completament~ necesario.
Como una nota final, el orden de GINEBRA acepta también un argumento de valor
de entero en lugar de un nombre incónstante. El número c9rresponde al número de
variables que usted quiere ser los enteros generales. Estos variable debe aparecer
primero en la formulación. Así, en este ejemplo simple, nosotros podríamos
reemplazar nuestras dos declaraciones de GINEBRA con la sola declaración: ALIJE
2.
LA DECLARACIÓN DE INT
Usando INT restringe una variable a o ser O o 1. Estas variables están a menudo
llamadas las variables binarias. En muchas aplicaciones, las variables binarias
pueqen ser muy útiles no modelando todos-o-nada las situaciones. Los ejemplos
podrían incluir las tales cosas como asumir un costo fijo, construyendo una nueva
planta, o-comprar un nivel mínimo de algún recurso para recibir un descuento de
288
cant~dad. Para más información sobre las muchas aplicaciones útiles de variables
binarias usted puede referirse al libro de texto de LINDO, Optimización que Planea
con LINDO.
Como una nota final, la orden de INT acepta también un argumento de valor de
entero en lugar de un nombre inconstante. El número corresponde al número de
variables que usted quiere ser los enteros generales. Estas variables deben
aparecer primero en la formulación.
Si usted no especifica por otra parte, LINDO asume que las variables son continuas,
!_imitado debajo por el cero, e iiimitado de anteriormente. En muchas aplicaciones,
esta asunción no puede ser realista. Suponga que sus medios limitan la cantidad
producida de un artículo. En este caso, la variable que representa la cantidad
pmducida se limita anteriormente de. O, suponga usted quiere permitir el
backordering en un sistema. Una manera fácil de modelar .esto es permitir un
inventario inconstante ir negativo. En que el caso, ie gustaría engañar el más bajo
límite pretendido de cero. Se usan el SUBALTERNO y declaraciones ·de SLB para
alterar los límites en una variable. SLB representa el Más bajo Límite Simple y se
usa para poner los más bajo límites. Semejantemente, posiciones del
SU SALTERNO paía el Límite Superior Simple y se usa para poner los límites
superiores. Los ejemplos pequeños siguientes ilustran el uso del SUBALTERNO y
- .
declaraciones de SLB.
En este ejemplo, nosotros podríamos tener así como fácilmente usó las restricciones
para representar los límites. Específicamente, nosotros podríamos entrar en nuestro
modelo pequeño como sigue:
:. · Máx 20x + 30y
st
X + 2y <120
x>20
x< 50
y>40
y <70
End
Claro, esta formulación rendiría los mismos resultados, pero hay dos puntos para
tener presente. Primero fuera de, de Subalterno y SLBs se son ocupados
implíCitamente por el solver, y, por consiguiente, es más eficaz de un punto de vista
de la actuación que los restricciones. Secundariamente, los Subalterno y SLBs no
están contra el límite de restricción en LINDO, mientras permitiéndole resolver a los
modeios más grandes dentro de los límites de su versión de LINDO.
LA DECLARACIÓN DE QCP
The QCP statement is used in quadratic programming mode~s to indicate the first
"real" constraint, as opposed to the first order condition constraints. The details of
formulating a quadratic program are somewhat involved, and the reader is asked to
refer the documentation for more information on formuiating quadratic programs.
-290
However, we will briefly demonstrate here how QCP is incorporated into a model.
The following small portfolio model illustrates the use of the QCP statement.
Esta declaración se usa para asociar un título con un. modelo. El título puede
depender cualquier cordón alfanumérico de de 74 caracteres en la longitud. El título
áel modelo actual gue usa el orden de File/Title puede desplegarse. Al contrario de
todas las otras declaraciones que ¡jeben aparecer después de la declaración del
END, la declaración del Título puede aparecer antes del objetivo o después de la
declaración del END de un modelo.