Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EjCap2 PDF
EjCap2 PDF
EjCap2 PDF
EJERCICIO 2.1:
Tampa = T
Plantas Miami = M
Orlando = O
Huertos
Jacksonville = J
Gaineisville = G
Huertos Plantas
Variables de decisión:
T
XOT = cantidad de naranjas desde el origen O hasta el destino T.
O XOM = cantidad de naranjas desde el origen O hasta el destino M
XOJ = cantidad de naranjas desde el origen O hasta el destino J.
M
XGT = cantidad de naranjas desde el origen G hasta el destino T.
G XGM = cantidad de naranjas desde el origen G hasta el destino M
XGJ = cantidad de naranjas desde el origen G hasta el destino J.
J
EJERCICIO 2.2:
Identifique un conjunto de variables de decisión apropiadas para este ejercicio. Proporcione
nombres simbólicos relevantes y una descripción completa de cada variable No necesita formular el
modelo.
Pensión Planners, Inc., administra una cartera particular que consiste en 1800, 1000 y 500
acciones de fondos mutuos. Dadas ciertas suposiciones sobre las condiciones económicas en los
siguientes 2 meses, el administrador de la agenda desea determinar el número de acciones de cada
fondo por vender o comprar en cada uno de los siguientes dos meses, para maximizar el valor
esperado de la agenda.
1
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
.
Fondo1
Ventas
Fondo2
Compras
Fondo3
Variables de decisión:
X1 = cantidad de acciones del fondo 1 por vender en los siguientes dos meses.
X2 = cantidad de acciones del fondo 2 por vender en los siguientes dos meses.
X3 = cantidad de acciones del fondo 3 por vender en los siguientes dos meses.
X4 = cantidad de acciones del fondo 1 por comprar en los siguientes dos meses.
X5 = cantidad de acciones del fondo 2 por comprar en los siguientes dos meses.
X6 = cantidad de acciones del fondo 3 por comprar en los siguientes dos meses.
F1 = cantidad total de acciones del fondo 1 al final de los dos meses.
F2= cantidad total de acciones del fondo 2 al final de los dos meses.
F3 = cantidad total de acciones del fondo 3 al final de los dos meses.
EJERCICIO 2.3:
Para el ejercicio 2.1, el huerto que está cerca de Orlando tiene 20000 libras de naranjas y el
huerto cercano a Gainesville tiene 12000 libras de naranjas.
La planta de Tampa requiere al menos 8000 libras de naranjas para cumplir su cuota de
producción. Las plantas de Miami y Jacksonville requieren cada una al menos 11000 libras de
naranjas. Use la técnica de agrupamiento para identificar todos los grupos de restricciones. No
necesita formular las restricciones; sin embargo, especifique el número de restricciones de cada
grupo.
Restricciones de no negatividad:
Xi >= 0 siendo i = 1 6
Restricciones de producción:
XOT + XOM + XOJ < = 20000 Orlando puede enviar hasta 20000 libras de naranjas
XGT + XGM + XGJ < = 12000 Gainesville puede enviar hasta 12000 libras de
naranjas
2
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Restricciones de demanda:
XOT + XGT >= 8000 Tampa requiere al menos 8000 libras de naranjas
XOM + XGM >= 11000 Miami requiere al menos 11000 libras de naranjas.
XOJ + XGJ >= 11000 Jacksonville requiere al menos 11000 libras de
naranjas.
EJERCICIO 2.4:
Restricciones de no negatividad:
Xi >= 0 siendo i = 1 6
Restricciones de venta:
F1 = 1800 + X4 – X1 El total del fondo1 es lo que tiene más lo que compra y vende.
F2 = 1000 + X5 - X2 El total del fondo2 es lo que tiene más lo que compra y vende.
F3 = 500 + X6 - X3 El total del fondo3 es lo que tiene más lo que compra y vende.
X1 < = 1800 + X4 Lo que hay para vender del fondo1 debe ser al menos la suma de lo que
tiene más lo que compra.
X2 < = 1000 + X5 Lo que hay para vender del fondo2 debe ser al menos la suma de lo que
tiene más lo que compra.
X3 < = 500 + X6 Lo que hay para vender del fondo3 debe ser al menos la suma de lo que
tiene más lo que compra.
Restricciones de compra:
F1 < = 2 * F2 El fondo1 en ningún caso debe tener más del doble de acciones del fondo2
F2 < = 2 * F3 El fondo2 en ningún caso debe tener más del doble de acciones del fondo3
Restricciones de inversión:
F1 < = 75000 La cantidad total invertida en el fondo1 no debe exceder los $75 000.
F2 < = 75000 La cantidad total invertida en el fondo2 no debe exceder los $75 000
F3 < = 75000 La cantidad total invertida en el fondo3 no debe exceder los $75 000
3
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
EJERCICIO 2.5
Para el ejercicio 2.1, use la técnica de descomposición para expresar la función objetivo de
maximización de ganancias dados los siguientes datos de costo e ingresos:
INGRESOS
($/ton de naranjas procesadas)
Tampa 550
Miami 750
Jacksonville 600
Z = (XOT* Ingresos - XOT* Costos) + (XOM * Ingresos - XOM * Costos) + (XOJ * Ingresos - XOJ *
Costos) + (XGT * Ingresos - XGT * Costos) + (XGM * Ingresos - XGM * Costos) + (XGJ * Ingresos -
XGJ * Costos)
Z = (XOT* 550 - XOT* 50) + (XOM * 750 - XOM * 75) + (XOJ * 600 - XOJ * 60) + (XGT * 550 - XGT *
60) + (XGM * 750 - XGM * 90) + (XGJ * 600 - XGJ * 45)
Mediante Lingo:
4
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Solution Report
Global optimal solution found at step: 10
Objective value: 0.1887000E+08
Variable Value Reduced Cost
XOT 7000.000 0.0000000
XOM 13000.00 0.0000000
XOJ 0.0000000 25.00000
XGT 1000.000 0.0000000
XGM 0.0000000 5.000000
XGJ 11000.00 0.0000000
Row Slack or Surplus Dual Price
1 0.1887000E+08 1.000000
2 7000.000 0.0000000
3 13000.00 0.0000000
4 0.0000000 0.0000000
5 1000.000 0.0000000
6 0.0000000 0.0000000
7 11000.00 0.0000000
8 0.0000000 675.0000
9 0.0000000 665.0000
10 0.0000000 -175.0000
11 2000.000 0.0000000
12 0.0000000 -110.0000
Mediante Solver::
5
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Celdas cambiantes
Nombre Valor final Valor inicial
Xot>=0 7000 0
Xom>=0 13000 0
Xoj>=0 0 0
Xgt>=0 1000 0
Xgm>=0 0 0
Xgj>=0 11000 0
Restricciones
Nombre Valor final lado Valor final lado Valor inicial lado Valor inicial lado
derecho izquierdo derecho izquierdo
Xot+Xom+Xoj<=20000 20000 20000 0 20000
Xgt+Xgm+Xgj<=12000 12000 12000 0 12000
Xot+Xgt>=8000 8000 8000 0 8000
Xom+Xgm>=11000 13000 11000 0 11000
Xoj+Xgj>=11000 11000 11000 0 11000
Función objetivo Z = (Xot* 550 - Xot* 50) + (Xom * 750 - Xom * 75) +
(Xoj * 600 - Xoj * 60) + (Xgt * 550 - Xgt * 60) +
(Xgm * 750 - Xgm * 90) + (Xgj * 600 - Xgj * 45)
Z= 18870000
EJERCICIO 2.6:
Para el ejercicio 2.2, suponga que al final del segundo mes se espera que el precio por
acción del Fondo 1 sea $28, que el del Fondo 2 sea $60 y el del Fondo 3, $45. Formule una
restricción para asegurar que con estos precios, el valor de la cartera al final del segundo mes sea al
menos $ 125 000. Ilustre el uso de la descomposición.
Restricción de ganancia:
28 * F1 + 60 * F2 + 45 * F3 > = 125000
Función Objetivo:
Mediante Lingo:
X1 >=0;
X2 >=0;
X3 >=0;
X4 >=0;
6
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
X5 >=0;
X6 >=0;
28*(1800 + X4 - X1)+
60*(1000 + X5 - X2)+
45*(500 + X6 - X3) >= 125000;
Solution Report
Global optimal solution found at step: 4
Objective value: 220000.0
Variable Value Reduced Cost
X4 700.0000 0.0000000
X1 0.0000000 0.0000000
X5 250.0000 0.0000000
X2 0.0000000 0.3337860E-05
X6 1166.667 0.0000000
X3 0.0000000 0.0000000
Row Slack or Surplus Dual Price
1 220000.0 1.000000
2 0.0000000 0.0000000
3 0.0000000 0.0000000
4 0.0000000 0.0000000
5 700.0000 0.0000000
6 250.0000 0.0000000
7 1166.667 0.0000000
8 0.0000000 28.00000
9 2083.333 0.0000000
10 5000.000 0.0000000
11 0.0000000 1.933333
12 0.0000000 1.000000
13 95000.00 0.0000000
7
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Mediante Solver:
Celdas cambiantes
Nombre Valor inicial Valor final
X1>=0 0 1042
X2>=0 0 0
X3>=0 0 0
X4>=0 0 1742
X5>=0 0 250
X6>=0 0 1167
Restricciones
Nombre Valor inicial Valor Final Valor inicial Valor Final
lado derecho lado derecho lado izquierdo lado izquierdo
F3 500+X6-X3 500 625
F1 1800+X4-X1<= 2*F2 1800 2500 2000 2500
F2 1000+X5-X2<= 2*F3 1000 1250 1000 1250
F1 28*(1800+X4-X1)<=75000 50400 70000 75000 75000
F2 60*(1000+X5-X2)<=75000 108000 75000 75000 75000
F3 45*(500+X6-X3)<=75000 22500 75000 75000 75000
28*F1+60*F2+45*F3>=125 132900 220000 125000 125000
000
World Oil Company puede comprar dos tipos de petróleo crudo: crudo ligero a un costo de
$25 por barril, y petróleo pesado a $22 por barril. Cada barril de petróleo crudo, ya refinado,
produce tres productos: gasolina, turbosina y queroseno. La siguiente tabla indica las cantidades en
barriles de gasolina, turbosina y queroseno producidos por barril de cada tipo de petróleo crudo:
Variables de decisión:
8
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Restricciones de no negatividad:
Xi >= 0 siendo i = 1 2
Restricciones de producción:
Función objetivo:
MIN = 25 * X1 + 22 * X2
EJERCICIO 2.8
Reconsidere el ejercicio 2.7. Cada barril de petróleo crudo refinado produce un desecho de
0.07 de barril que se tira a un costo de $1 por barril de desecho. De manera similar, cada barril de
petróleo crudo pesado produce un desecho de 0.09 de barril y su eliminación cuesta $1.50 por barril.
Formule un nuevo modelo para incorporar estos costos adicionales usando los mismos datos del
ejercicio 2.7.
Función objetivo:
Z= (X1*25 + X1* 0.07*1) + (X2*22 + X2*0.09*1.50)
Mediante Lingo:
Resolución:
Solution Report
9
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Mediante Solver:
Celdas cambiantes
Nombre Valor Inicial Valor final
X1>=0 0 1400000
X2>=0 0 1800000
Restricciones
Nombre Valor final Valor final lado Valor inicial lado Valor inicial
lado derecho izquierdo derecho lado izquierdo
0.45 * X1 + 0.35 * X2 > = 1260000 1260000 0 1260000
1260000
0.18 * X1 + 0.36 * X2 > = 900000 900000 0 900000
900000
0.30 * X1 + 0.20 * X2 > = 780000 300000 0 300000
300000
EJERCICIO 2.9:
10
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
MATERIA MANO DE
PRIMA OBRA
(libras) (horas)
Compactos 200 18
Subcompactos 150 20
Costo unitario ($) 10 70
Total disponible 80000 9000
Variables de decisión:
X1= cantidad de carros compactos
X2= cantidad de carros subcompactos
Función objetivo:
Maximizar la ganancia total (ingresos menos gastos).
MAX = (X1*10000 + X2*8000) – (X1*3260 + X2*2900)
Restricciones de no negatividad:
Xi >= 0 siendo i = 1 2
Restricciones de disponibilidad:
Mediante Lingo:
MAX = (X1*10000 + X2*8000)- (X1*3260 + X2*2900);
11
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
X1>=0;
X2>=0;
X1*200 + X2*150 <= 80000 ;
X1*18 + X2*20 <= 9000 ;
X1<= 1500;
X2<= 200;
Solution Report
Global optimal solution found at step: 3
Objective value: 2705000.
Variable Value Reduced Cost
X1 250.0000 0.0000000
X2 200.0000 0.0000000
Row Slack or Surplus Dual Price
1 2705000. 1.000000
2 250.0000 0.0000000
3 200.0000 0.0000000
4 0.0000000 33.70000
5 500.0000 0.0000000
6 1250.000 0.0000000
7 0.0000000 45.00000
Mediante Solver:
Celdas cambiantes
Nombre Valor Inicial Valor final
X1>=0 0 250
X2>=0 0 200
Restricciones
Nombre Valor final Valor final Valor inicial Valor inicial
lado derecho lado izquierdo lado derecho lado izquierdo
X1*200 + X2*150 <= 80000 80000 0 80000
80000
X1*18 + X2*20 <= 8500 9000 0 9000
9000
X1<=1500 250 1500 0 1500
X2<=200 200 200 0 200
EJERCICIO 2.10:
12
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Fresh Dairy Farms 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 resultante y las ganancias netas se proporcionan en la siguiente tabla:
Suponiendo que se dispone de 8 horas en cada máquina diariamente, como gerente del
departamento de producción, formule un modelo para determinar un plan de producción diaria que
maximice las ganancias corporativas netas y produzca un mínimo de 300 galones de leche
descremada, 200 libras de mantequilla y 100 libras de queso.
Variables de decisión:
X1= cantidad de leche descremada
X2= cantidad de mantequilla
X3= cantidad de queso
Función objetivo: Maximice las ganancias corporativas netas.
MAX = 0.22 * X1 + 0.38 * X2 + 0.72 * X3
Restricciones de no negatividad:
Xi >= 0 siendo i = 1 3
Restricciones de producción:
X1>= 300 producción mínima de leche
X2>=200 producción mínima de mantequilla
X3>=100 producción mínima de queso
X1*0.2 + X2*0.5 + X3*1.5 <=480 producción diaria en máquina 1
X1*0.3 + X2*0.7 + X3*1.2 <=480 producción diaria en máquina 2
Mediante Lingo:
MAX = 0.22 * X1 + 0.38 * X2 + 0.72 * X3;
X1>= 300;
X2>=200;
X3>=100;
X1*0.2 + X2*0.5 + X3*1.5 <=480;
X1*0.3 + X2*0.7 + X3*1.2 <=480;
Global optimal solution found at step: 7
Objective value: 309.3333
Variable Value Reduced Cost
X1 733.3333 0.0000000
X2 200.0000 0.0000000
X3 100.0000 0.0000000
Row Slack or Surplus Dual Price
1 309.3333 1.000000
2 433.3333 0.0000000
3 0.0000000 -0.1333333
13
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
4 0.0000000 -0.1600000
5 83.33333 0.0000000
6 0.0000000 0.7333333
Mediante Solver:
Celdas cambiantes
Nombre Valor Inicial Valor final
X1>=0 0 733
X2>=0 0 200
X3>=0 0 100
Restricciones
Nombre Valor final lado Valor final lado Valor inicial lado Valor inicial lado
derecho izquierdo derecho izquierdo
X1>=300 733 300 0 300
X2>=200 200 200 0 200
X3>=100 100 100 0 100
X1*0.2 + X2*0.5 + 397 480 480
X3*1.5 <=480
X1*0.3 + X2*0.7 + 480 480 0 480
X3*1.2 <=480
EJERCICIO 2.11:
Cada galón de leche, libra de queso y libra de manzanas proporciona un número conocido
de miligramos de proteínas y vitaminas A, B y C. La siguiente tabla incluye esos datos junto con los
requerimientos diarios de los ingredientes nutricionales, según lo recomendado por el Departamento
de Agricultura de los EE.UU. La tabla también incluye la cantidad mínima de cada alimento que
debe incluirse en la comida y su costo.
Como dietista de una escuela pública, formule un modelo para determinar la comida de costo
mínimo que reúna todos los requerimientos nutricionales. Use el esquema de la sección 2.3 para
clasificar su modelo.
Variables de decisión:
X1= cantidad de leche a consumir.
X2= cantidad de queso a consumir
14
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Función objetivo:
Costo mínimo de comida que reúna todos los requerimientos nutricionales.
MIN = 2.15 * X1 + 2.25 * X2 + 1.25 * X3
Restricciones de no negatividad:
Xi >= 0 siendo i = 1 3
Restricciones de consumo mínimo:
40 * X1 + 30 * X2 + 10 * X3 >= 80 requerimiento mínimo diario de proteínas
5 * X1 + 50 * X2 + 30 * X3 >= 60 requerimiento mínimo diario de vtamina A
20 * X1 + 30 * X2 + 40 * X3 >= 50 requerimiento mínimo diario de vitamina B
30 * X1 + 50 * X2 + 60 * X3 >= 30 requerimiento mínimo diario de vitamina C
X1 > = 0.5 cantidad mínima de leche, a consumir diariamente
X2 > = 0.5 cantidad mínima de queso, a consumir diariamente
X3 > = 0.5 cantidad mínima de manzanas, a consumir diariamente
Mediante Lingo:
MIN = 2.15 * X1 + 2.25 * X2 + 1.25 * X3;
40 * X1 + 30 * X2 + 10 * X3 >= 80;
5 * X1 + 50 * X2 + 30 * X3 >= 60;
20 * X1 + 30 * X2 + 40 * X3 >= 50;
30 * X1 + 50 * X2 + 60 * X3 >= 30;
X1 > = 0.5;
X2 > = 0.5;
X3 > = 0.5;
Global optimal solution found at step: 7
Objective value: 5.147297
Variable Value Reduced Cost
X1 1.297297 0.0000000
X2 0.7702703 0.0000000
X3 0.5000000 0.0000000
Row Slack or Surplus Dual Price
1 5.147297 1.000000
2 0.0000000 -0.5202703E-01
3 0.0000000 -0.1378378E-01
4 19.05405 0.0000000
5 77.43243 0.0000000
6 0.7972973 0.0000000
7 0.2702703 0.0000000
8 0.0000000 -0.3162162
Mediante Solver:
Celdas cambiantes
Nombre Valor Inicial Valor final
X1>=0 0,00 1,05
X2>=0 0,00 1,09
X3>=0 0,00 0,50
15
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Restricciones
Nombre Valor final Valor final Valor inicial Valor inicial
lado derecho lado izquierdo lado derecho lado izquierdo
40 * X1 + 30 * X2 + 10 * 80,00 80,00 0,00 80,00
X3 >= 80
5 * X1 + 50 * X2 + 30 * X3 60,00 60,00 0,00 60,00
>= 60
20 * X1 + 30 * X2 + 40 * 73,92 50,00 0,00 50,00
X3 >= 50
30 * X1 + 50 * X2 + 60 * 116,35 30,00 0,00 30,00
X3 >= 30
X1 > = 0.5 1,05 0,50 0,00 0,50
X2 > = 0.5 1,09 0,50 0,00 0,50
X3 > = 0.5 0,50 0,50 0,00 0,50
EJERCICIO 2.13:
Variables de decisión:
XI :Nº de camiones tipo I
Mediante Lindo:
MIN 800 X1 + 650 X2 + 500 X3
ST
500000 X1 + 40000 X2 + 25000 X3 <= 500000
120000 X1 + 75000 X2 + 60000 X3 <= 800000
X1 + X2 + X3 <= 10
X3 >= 3
X1 - X2 - X3 <= 0
END
Resolución:
LP OPTIMUM FOUND AT STEP 1
OBJECTIVE FUNCTION VALUE
1) 1500.000
VARIABLE VALUE REDUCED COST
X1 0.000000 800.000000
X2 0.000000 650.000000
X3 3.000000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 425000.000000 0.000000
3) 620000.000000 0.000000
4) 7.000000 0.000000
5) 0.000000 -500.000000
6) 3.000000 0.000000
NO.ITERATIONS=1
EJERCICIO 2.14:
World Airlines reabastece sus aeronaves regularmente en los cuatro aeropuertos en donde
da servicio. La turbosina puede comprarse a tres vendedores posibles en cada aeropuerto. La tabla
17
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
indica (1) el costo de entrega (compra mas embarque) por mil galones de cada vendedor a cada
aeropuerto, (2) el número disponible de miles de galones que cada vendedor puede suministrar cada
mes y (3) el requerimiento mensual de turbosina (en miles de galones) en cada aeropuerto.
Formule un modelo para determinar las cantidades que se deben comprar y enviar por parte
de cada vendedor a cada aeropuerto para minimizar el costo total, satisfaciendo al mismo tiempo
por lo menos la demanda mensual a cada aeropuerto y no excediendo el suministro de cualquier
vendedor. Use el esquema de la sección 2.3 para clasificar su modelo.
Variables de decisión
XIj : cantidad de gasolina del vendedor j al aeropuerto i
X1 + X5 + X9 >= 150
X2 + X6 + X10 >= 250
X3 + X7 + X11 >= 350
Restricciones X4 + X9 + X12 >= 480
X1 + X2 + X3 + X4 <= 300
X5 + X6 + X7 + X8 <= 600
X9 + X10 + X11 + X12 <= 700
Función Objetivo : Z= Min [X1. 900 + X5 . 800 + X9 . 900 + X2 . 900 + X6. 1200 + X10 . 1300 +
X3 . 800 + X7 . 1300 + X11. 500 + X4 . 1000 + X9 . 1400 + X12 . 1000 ]
Mediante Lindo:
ST
X1 + X2 + X3 + X4 <= 300
18
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
X5 + X6 + X7 + X8 <= 600
X9 + X10 + X11 + X12 <= 700
X1 + X5 + X9 >= 150
X2 + X6 + X10 >= 250
X3 + X7 + X11 >= 350
X4 + X9 + X12 >= 480
END
Resolución:
1) 869000.0
NO.ITERATIONS=5
EJERCICIO 2.15:
19
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
asignar cuatro nuevas frecuencias y, si es asi, cuáles. Use el esquema de la sección 2.3 para
clasificar su modelo. (Sugerencia: es usted libre para asignar o no cada frecuencia, así que considere
las variables 0-1.)
Variables de decisión:
Mediante Lindo:
MIN X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8
ST
X1 + X2 + X3 <= 1
X3 + X4 <= 1
X4 + X5 + X6 <= 1
X5 + X6 <= 1
X5 + X6 + X7 <= 1
X6 + X7 <= 1
X7 + X8 <= 1
END
Resolución:
1) 0.0000000E+00
20
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
X3 0.000000 1.000000
X4 0.000000 1.000000
X5 0.000000 1.000000
X6 0.000000 1.000000
X7 0.000000 1.000000
X8 0.000000 1.000000
NO. ITERATIONS= 0
EJERCICIO 2.16:
Variables de decisión:
Xi : ubicación i ocupada / no ocupada ( 0 o 1)
Restricciones: X1 + X2 <= 1
X1 + X3 <= 1
X1 + X4 <= 1
X2 + X3 <= 1
21
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
X2 + X3 + X4 <= 1
X4 + X5 <= 1
X3 + X5 <= 1
Función objetivo:
Mediante Lindo:
ST
X1 + X2 <= 1
X1 + X3 <= 1
X1 + X4 <= 1
X2 + X3 <= 1
X2 + X3 + X4 <= 1
X4 + X5 <= 1
X4 + X5 <= 1
X3 + X5 <= 1
END
Resolución:
NO. ITERATIONS= 0
EJERCICIO 2.17:
ENTRADA SALIDA
MATERIA COMPONENTE
PRIMA
DIVISION 1 2 A B
1 8 6 7 5
2 5 9 6 9
3 3 8 8 4
Variables de decisión:
XU: Número de corridas de la división de 1.
XD: Número de corridas de la división de 2.
XT: Número de corridas de la división de 3.
A: Número del componente A.
B: Número del componente B.
23
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
8 XU + 5 XD + 3 XT <= 100
6 XU + 9 XD + 8 XT <= 200
7XU + 6 XD + 8 XT = A 7 XU + 6 XD + 8
Restricciones
XT – A = 0
5 XU + 9 XD + 4 XT = B 5 XU + 9 XD + 4
XT – B =0
Mediante Lindo:
MAX 4 A + 3 B
SUBJECT TO
6 XU + 9 XD + 8 XT >= 200
8 XU + 5 XD + 3 XT <= 100
7 XU + 6 XD + 8 XT - A = 0
5 XU + 9 XD + 4 XT - B = 0
END
Resolución:
NO. ITERATIONS= 2
EJERCICIO 2.18:
Los dos productos que produce case chemicals, CS-01 y CS-02, generan cantidades
excesivas de tres contaminantes diferentes A, B, C. El gobierno estatal le ha ordenado a la compañía
que instale y emplee dispositivos anticontaminantes. La siguiente tabla proporciona las emisiones
diarias actuales en kg/1000 litros y el máximo de cada contaminante permitido en kg.
B 10 15 20
C 80 60 50
Por ejemplo, si la emisión de CS-01 se envía a través del dispositivo 1, se elimina 40% del
contaminante A, 60% del contaminante B y 55% del contaminante C. Las consideraciones de
fabricación dictan que CS-01 y CS-02 deben producirse en la proporción de dos a uno. Formule un
modelo para determinar un plan que maximice la producción diaria total (cantidad de CS-01 + CS-
02) al mismo tiempo que satisfaga los requerimientos gubernamentales.
Variables de decisión:
Mediante Lindo:
SUBJECT TO
15 CSUU + 17.5 CSUD <= 43
24 CSDU + 32 CSDD <= 43
4 CSUU + 10 CSUD <= 20
6 CSDU + 15 CSDD <= 20
34.4 CSUU + 28 CSUD <= 50
27 CSDU + 12 CSDD <= 50
END
Resolución:
25
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
EJERCICIO 2.19:
Philadelphia Paint Company produce 3 tipos de pinturas: Standard, Quality y Premium. Las
instalaciones actuales pueden producir un máximo de 18000 gal de Standard, 10000 gal de Quality
y 500 gal de Premium al día. Debido a la economía de escala, el costo de producir cada tipo de
pintura disminuye al aumentar el número de gal producidos. Por ejemplo si se producen X gal de
pintura Standard, entonces el costo por gal es a-b*x. La siguiente tabla proporciona los valores de a
y b; el precio de venta por gal, y la demanda diaria mínima por cada tipo de pintura.
VALORES DE VALORES DE
TIPO DE a b Precio de venta Demanda
PINTURA ($/gal) minima (gal)
Standard 3 0.0001 6.50 10000
Quality 4 0.0002 8.50 6000
Premiun 5 0.0003 11.00 2500
La compañía puede producir un total combinado de hasta 25000 gal de pintura al día. Como
supervisor de producción, formule un modelo para determinar la cantidad de pintura a producir para
maximizar la ganancia (ingreso menos costo).
Variables de decisión:
S: cantidad de galones de pintura Standad
Q: cantidad de galones de pintura Quality
P: cantidad de galones de pintura Premiun
Mediante Lindo:
MAX 3.5 S + S 0.0001 S + 4.5 Q + Q 0.0002 Q + 6 P + P 0.0003 P
ST
S + Q + P <= 25000
S >= 10000
26
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Q >= 6000
P >= 2500
S <= 18000
Q <= 10000
P <= 5000
END
Resolución:
LP OPTIMUM FOUND AT STEP 2
EJERCICIO 2.20:
Formule el problema de agenda de High Tech en el ejercicio 2.4 sección 2.2.3 usando como
variable de decisión 1 sí High Tech no debe invertir y 0 si High Tech debe invertir.
Variables de decisión:
B = 1 si High Tech debe invertir en Bio-Tech
B = 0 si High Tech no debe invertir en Bio-Tech
T = 1 si High Tech debe invertir en Tele-comm
T = 0 si High Tech no debe invertir en Tele-comm
L = 1 si High Tech debe invertir en Laser-Optics
L = 0 si High Tech no debe invertir en Laser-Optics
27
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Mediante Lindo:
Resolución:
INTE 4
LP OPTIMUM FOUND AT STEP 4
OBJECTIVE VALUE = 637.000000
NEW INTEGER SOLUTION OF 525.000000 AT BRANCH 0 PIVOT 4
RE-INSTALLING BEST SOLUTION...
OBJECTIVE FUNCTION VALUE
1) 525.0000
VARIABLE VALUE REDUCED COST
B 1.000000 -250.000000
T 0.000000 -375.000000
L 1.000000 -275.000000
C 0.000000 -140.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 20.000000 0.000000
3) 20.000000 0.000000
4) 20.000000 0.000000
5) 30.000000 0.000000
6) 0.000000 0.000000
NO. ITERATIONS= 4
BRANCHES= 0 DETERM.= 1.000E 0
EJERCICIO 2.21:
Containers Inc. ha recibido un pedido para hacer tambores de acero cilíndricos con la base y
la tapa circulares. El volumen total de conteiner debe ser al menos de 10 pies cúbicos. El costo del
acero para hacer el costado del contenedor es de 3 $/pie cuadrado. El costo de la base y la tapa es de
3.82 $/pie cuadrado. Formule un modelo para minimizar el costo de acero requerido.
Variables de decisión:
28
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Mediante Lindo:
MIN R 18.84 H + R 24 R
ST
R 3.1415 R 1 H > 10
END
Resolución:
LP OPTIMUM FOUND AT STEP 1
OBJECTIVE FUNCTION VALUE
1) 62.77919
VARIABLE VALUE REDUCED COST
R 2.414584 0.000000
H 0.000000 12.562081
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 -6.277919
NO. ITERATIONS= 1
EJERCICIO 2.24:
Lether Company produce guantes de béisbol, balones y correas de piel de cuero que es
procesado en una maquina. Para la próxima semana se tienen en existencia 1000 metros cuadrados
de cuero y 40 hs de maquina. Se desea determinar un plan de producción de la semana que
maximice las ganancias netas.
29
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
c- Formule el modelo.
Restricciones
G CG + B CB + C CC <= 1000
G TG + B TB + C TC <= 40
Función Objetivo
EJERCICIO 2.25:
Los nutriólogos de HealthNut Company están diseñando un nuevo bocadillo hecho de palomitas
de maíz inflado y mantequilla de cacahuete natural. El objetivo es minimizar el costo total de estos
ingredientes, pero el producto final debe contener al menos 4 gramos de proteína, no mas de 10
gramos de carbohidratos y 2 gramos de grasa saturada.
a. Identifique las variables.
b. Identifique y asigne un nombre a cada valor de datos adicional que tendrá obtener para poder
formular un modelo matemático.
c. Formule un modelo matemático usando los nombres de variables de (a) y los nombres
simbólicos para los datos de (b).
Mediante Lindo:
MIN A 1 D1 + N 1 D2
SUBJECT TO
P1 1 A + P2 1 N >= 4
C1 1 A + C2 1 N <= 10
F1 1 A + F2 1 N <= 2
END
Resolución:
30
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
D2 0.000000 1.000000
P1 4.000000 0.000000
P2 0.000000 0.000000
C1 0.000000 0.000000
C2 0.000000 0.000000
F1 0.000000 0.000000
F2 0.000000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.000000
3) 10.000000 0.000000
4) 2.000000 0.000000
NO. ITERATIONS= 0
EJERCICIO 2.26:
Los socios generales han acordado que el riesgo total, obtenido añadiendo los factores de
riesgo para cada proyecto respaldado, no debe exceder de 3, y que no deben emprenderse mas de
dos proyectos con un factor de riesgo mayor de 0,6. Usando las variables:
1, si se emprende el proyecto i
Pi = i = 1, ....., 6
0, si no se emprende el proyecto i
un socio general ha formulado el siguiente modelo para determinar que proyecto respaldar para
maximizar el rendimiento esperado en un año sobre la cantidad invertida y mantenerse en un
presupuesto de $1 millón:
Maximizar 10 P1 + 20 P2 + 34 P3 + 37.5 P4 + 14 P5 + 75 P6
Condicionado por 100 P1 + 40 P2 + 170 P3 + 250 P4 + 200 P5 + 250 P6 <= 100
0.50 P1 + 0.40 P2 + 0.70 P3 + 0.65 P4 + 0.45 P5 + 0.80 P6 >= 3
P1, P2, P3, P4, P5, P6 >= 0
31
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
Mediante Lindo:
MAX 10 P1 + 20 P2 + 34 P3 + 37.5 P4 + 14 P5 + 75 P6
SUBJECT TO
100 P1 + 400 P2 + 170 P3 + 250 P4 + 200 P5 + 250 P6 <= 1000
0.5 P1 + 0.4P2 + 0.7 P3 + 0.65 P4 + 0.45 P5 + 0.8 P6 <= 3
P1 <= 1
P2 <= 1
P3 <= 1
P4 <= 1
P5 <= 1
P6 <= 1
P1 >= 0
P2 >= 0
P3 >= 0
P4 >= 0
P5 >= 0
P6 >= 0
P3 + P4 = 1
P3 + P6 = 1
P4 + P4 + P6 <= 2
END
Resolución:
32
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
EJERCICIO 2.27:
Chirality Company debe producir al menos 600000 tornillos pequeños y 400000 tornillos
grandes para satisfacer de la demanda de las sig. 4 semanas. Estos tornillos pueden producirse en 2
maquinas distintas, cada una de las cuales esta disponible 40 horas a la semana. Los requerimientos
de costo y tiempo para producir cada tamaño de tornillo en cada maquina y el precio de venta de
cada tamaño de tornillo se muestran en la sig. Tabla:
¿Es correcto este modelo? Si no es así, identifique y corrija todos los errores.
Mediante Lindo:
33
Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
34