Investigación de Operaciones PDF

INVESTIGACION DE OPERACIONES
PERÚPEURIRDELPER PERÚ
1. MÉTODO SIMPLEX
A. INTRODUCCIÓN
Los problemas reales de programación lineal generalmente tienen variables de decisión y

muchas restricciones. Tales problemas no pueden ser resueltos gráficamente. Se usan algoritmos
tales como el simplex.
El método simplex es un procedimiento iterativo que progresivamente permite obtener una

solución óptima para los problemas de programación lineal.
Existen numerosos programas tanto para computadoras centrales como para personales.
Aunque el método simplex es especialmente útil en problemas de gran escala (resueltos con una
computadora), en seguida se practicará en el caso del mismo problema que fue resuelto
gráficamente en el ejemplo sobre la empresa química "Chemical”.
B. SOLUCIÓN GRÁFICA DE PROGRAMACIÓN LINEAL CON DOS VARIABLES
Problema Nº 01
En una urbanización se van a construir casas de dos tipos: A y B. La empresa constructora
dispone para ello de un máximo de 1800 millones de soles, siendo el costo de cada tipo de casa
de 30 y 20 millones de soles respectivamente. El Ayuntamiento exige que el número total de
casas no sea superior a 80. Sabiendo que el beneficio obtenido por la venta de una casa de tipo A
es de 4 millones de soles y de 3 millones de soles por una de tipo B ¿cuántas casas deben
construirse de cada tipo para obtener el máximo beneficio?
Solución:
Capital a invertir Demanda del Mercado Utilidades
( millones de soles) (unidades) (millones soles)
Tipo A (X1) 30 1 4
Tipo B (X2) 20 1 3
Disponibilidad 1800 80
FACULTAD DE INGENIERÍA DE MINAS 1

El modelo de programación lineal es el siguiente:
Maximizar Z = 4X1 + 3X2
Sujeto a:
30X1 + 20X2  1800 (Capital disponible)
X1 + X2  80 (Demanda del mercado)
X1, X2  0
Realizando las operaciones algebraicas para obtener los valores de X1 y X2 en cada una de las
restricciones:
En la restricción 1 (C1):
Si X1 = 0, entonces, X2 =90 Luego P1(X1, X2) = P1 (0,90) y Z1 = 4(0)+3(90) = 270
P2 si forma parte de la solución.
En la restricción 2 (C2):
P3 si forma parte de la solución.
Calculando el punto (R) donde se interceptan las dos restricciones:
Resolviendo simultáneamente las dos ecuaciones.
30X1 + 20X2 = 1800
-30X1 + -30X2 = -2400
-10X2 = - 600
X2 = 60
Luego: X1 = 20
PR(X1, X2) = PR (20,60)
Entonces: ZR = 4(20) + 3(60)
ZR = 260
Por lo tanto la solución óptima está en el punto R (Por ser un problema de maximización)

Aquí la Z se vuelve el mayor posible.

X1 = 20
X2 = 60
ZR = 260
Se tiene la siguiente gráfica:
Interpretación Administrativa:
La Empresa Constructora debe construir 20 y 60 casas de tipo A y tipo B respectivamente
para obtener la máxima utilidad posible que representa a 260 millones de soles. Bajo las
condiciones de disponibilidad de recursos financieros y demanda del mercado.
C. DESARROLLO DEL MÉTODO SIMPLE
1. Establézcase la tabla inicial de simples. Formula la función objetivo y las restricciones e

introducir las variables de decisión, variable en la solución, valor en solución (LD), C
(contribución de la variable), Z (costo de introducir la variable), C – Z (contribución neta de la
variable).

2. Selecciónese la columna pivote. Ésta es la columna con el número positivo más grande en el
renglón inferior (C - Z). Esta se convierte en la nueva variable de la solución.
3. Selecciónese el renglón pivote. Éste es el renglón con la razón más pequeña del valor LD
dividido por el valor de la columna pivote. Úsense sólo números positivos. Esto identifica la
variable que deja la solución.
4. Enciérrese en un círculo el elemento pivote. Ésta es la intersección del renglón y la columna
pivotes.
5. Conviértase al elemento pivote en un 1. Hágase esto dividiendo cada valor del renglón pivote
entre el valor pivote. Métase este renglón en una tabla nueva.
6. Genérense los demás renglones de la nueva tabla con ceros en la columna pivote. Esto se
hace multiplicando el nuevo renglón (del paso 5) por el negativo del elemento en la columna
pivote. El resultado será sumado al antiguo renglón. Introdúzcase este renglón revisado en la
nueva tabla, y continúese este procedimiento en cada renglón de la sección central de la
tabla.
7. Prueba de optimización. Calcúlense los valores de Z y C – Z. Los valores de Z de cada columna
son (elementos de la columna) (C). Si todos los valores de C – Z son ≤ 0, la solución es óptima.
Léanse los valores de las variables en la solución de la columna de LD y el valor de la función
objetivo del renglón de Z en la columna de LD. Si la solución no es óptima, regrese al paso 2.
Variables de holgura.- El método simples empieza con el planteamiento de una función objetivo
y ecuaciones de restricción. Las rutinas computarizadas de programación lineal (PL)
automáticamente arreglarán esos datos iniciales, pero tratándose de soluciones manuales, debe
construirse en cada paso la tabla de simples. Esto requiere que las restricciones sean
establecidas como igualdades. En los problemas de maximización se logra esto añadiendo
variables de holgura (s) a cada restricción. La holgura representa una cantidad no utilizada, o la
diferencia entre lo que es usado y el límite de lo que puede usarse.
Por ejemplo añadiendo variables de holgura a las desigualdades del ejemplo de la industria
“Chemical”; se tienen las nuevas ecuaciones que se muestran en la siguiente tabla. Nótese que
S1 está relacionada con la restricción de la máquina A y S2 lo está con la máquina B.

Restricción Desigualdad Ecuación con holgura

Máquina A h 4x + 6y ≤ 12 4x + 6y + S1 = 12
Máquina B h 8x + 4y ≤ 16 8x + 4y + S2 = 16
La restricción de la máquina A ahora indica cuatro horas por el número de unidades de X

producidas más seis horas por el número de unidades de Y producidas, más las horas de holgura
= 12. Así, pues, si una unidad de X y una Y son producidas, se tienen dos horas de tiempo de
holgura S en la máquina A, dado que 4(1) + 6(1) + 2 = 12. Si ni X ni Y son producidas, “se
produce” una holgura total, y S1 = 12.
El método simplex siempre comienza con una solución factible dentro de la cual sólo se produce
holgura. Esto corresponde al origen en la solución gráfica, dónde X y Y son iguales a cero. Se
empieza con una solución inexacta, pero factible, que corresponde a una esquina de la región
factible. Se empieza con una solución inexacta, pero factible, que corresponde al origen, donde
sólo se produce holgura, es decir, cero utilidades. Por tanto, las variables de holgura (por
ejemplo S1 y S2 están en la solución, y las otras variables de decisión (X y Y) no están en la
solución (así, tienen valores de cero).
Preséntense la función objetivo y las restricciones del siguiente ejemplo en una tabla inicial de
simplex
Problema Nº 02
Una empresa química “Chemical” produce limpiadores para automóviles X y pulidores Y y gana
$10 en cada lote de X, y $30 en Y. Ambos productos requieren procesarse en las mismas
máquinas, A y B, pero X requiere cuatro horas en A y ocho en B, mientras que Y requiere seis
horas en A y cuatro en B. Durante la semana entrante las máquinas A y B tienen 12 y 16 horas
de capacidad disponible, respectivamente. Suponiendo que existe demanda de ambos
productos, ¿cuántos lotes de cada uno deben producirse para alcanzar la unidad óptima Z?
La función objetivo es: Max Z = $10X + $30Y

Las restricciones son:

H maquina A: 4X + 6Y = 12
H máquina B: 8X + 4Y =16
X, Y ≥ 0
Tabla Simplex
Valores de
C 10 30 0 0
solución
Variables de la Variables de decisión
solución X Y S1 S2 (LD)
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0
Elementos de la tabla simplex.
La parte central de la tabla simplex consta de los coeficientes de las restricciones de:
4X + 6Y + 1S1 + 0S2 = 12
8X + 4Y + 0S1 + 1S2 =16
Nótese que se ha asignado un uno (1) a la variable de holgura asociada con su propia restricción,
y un cero (0) a la otra variable de holgura
La columna de variables en la solución indica cuáles variables están en la solución (en este caso,
sólo las de hoguera) y la columna de valores solución indica las cantidades de solución. Los
números vienen del lado derecho LD de las restricciones (en este caso, 12 horas de holgura para
la máquina A y 16 horas para la B)

La C en la esquina superior izquierda encabeza a la vez un renglón y una columna. Especifican la

cantidad de contribución a la función objetivo de cada unidad de las variables a que se refiere.
Esto es, cada unidad de X (limpiador) contribuye con $10 a las utilidades y cada unidad de Y
(pulidor) lo hace con $30. El tiempo de holgura de la maquina A y B proporciona $0 de
contribución tanto de S1 como de S2.
El renglón de Z en la tabla muestra el costo de oportunidad, o la cantidad de contribución que

debe ser introducida o (producida) por unidad (o por unidad extra) de la variable en cada
columna. Esto se calcula para cada columna multiplicando los elementos de la columna por la
contribución en la columna C y sumándolos después
Esto es, el valor de Z para la columna X es (4 x 0) + (8 x 0) = 0.
Esto significa que para introducir una unidad de X (limpiador) en la solución, deben darse cuatro
horas de tiempo de holgura en la máquina A, con un costo de $0, y ocho horas de holgura en la
máquina B, también con un costo de $0.
El valor de Z para la columna LD representa la contribución total de las variables en la solución,

debido a que esta solución (inicial) es “producir” 12 horas de holgura en la máquina A (con $0 de
contribución) y 16 horas de holgura en la máquina B con ($0 de contribución), la utilidad total de
esta solución inicial es cero. El renglón de Z en la solución inicial siempre tiene ceros, pero
cambia al progresar la solución.
Los valores del renglón inferior (C-Z) representan la contribución neta de introducir una unidad
de la columna variable en la solución. En la tabla inicial aparecen simplemente los coeficientes
de la función objetivo seguidos por ceros en las columnas de las variables de holgura. Es decir,
se puede incrementar el valor de la función objetivo en un total de $10 por cada unidad de X
producida y en $30 por cada unidad de Y producida, y debido a que la holgura no tiene ningún
valor deben introducirse X o Y en esta etapa. Produciendo más holgura obviamente no se
incrementan las utilidades.
Metodología de cálculo

La metodología de solución de los problemas de maximización hace necesario seleccionar una

columna y un renglón pivotes y revisar los valores de la tabla hasta que en el renglón inferior
sean menores o iguales que cero.
- Úsense los pasos del procedimiento simplex –
C 10 30 0 0 Valores
Variables Variables de decisión de
de la solución
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0
1. Seleccionar una columna y un renglón pivotes
a) La columna pivote es la que tiene el número positivo más grande en el renglón inferior
C-Z 10 30 0 0 0
En este ejercicio es 30.
b) El renglón pivote es el que tiene la razón más pequeña, del renglón pivote
12 16
 2 (Mínimo) 4
6 4
C 10 30 0 0 Valores
de la solución

0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0
Por lo tanto el renglón 1 es el renglón pivote.
c) El elemento pivote es encerrado en un círculo 6
C 10 30 0 0 Valores
de la solución
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0
2. Divídase cada valor del renglón pivote 1 entre el elemento pivote (6) y colóquense los valores
en una nueva tabla.
C 10 30 0 0 Valores
de la solución
0 Y 2/3 1 1/6 0 2
a) Genérense los otros renglones para la siguiente tabla, de tal manera que los elementos de la
columna pivote sean iguales a cero.

Se empieza con el renglón S2, el cual tiene 4 en la columna de Y. Se multiplica el nuevo renglón
(del paso 2) por el negativo del valor que se desea convertir (-4), y se suma al anterior renglón
de S2. Se multiplica el nuevo renglón por -4. El resultado se muestra en la siguiente tabla.
X Y S1 S2 (LD)
El renglón del paso 2 se - - - - -4(2)
multiplica por -4 4(2/3) 4(1) 4(1/6) 4(0)
Obtener el resultado -8/3 -4 -2/3 0 -8
Sumarlo al renglón de S2 8 4 0 1 16
Para obtener el nuevo 16/3 0 .2/3 1 8
renglón
El renglón obtenido se introduce a la nueva tabla del paso 2.
C 10 30 0 0 Valores
de la solución
30 Y 2/3 1 1/6 0 2
0 S2 16/3 0 .2/3 1 8
Z
Si hay más renglones que convertir, debe repetirse este paso en el siguiente renglón. Dado que
ahí no hay más, puede procederse a calcular el renglón Z y C-Z.
Los valores en el renglón Z son ∑ (elementos de la columna) (C) Elementos del renglón Z
Para X: Z = 2/3(30) + 16/3(0) = 20

Para Y: Z = 1(30) + 0(0) = 30
Para S1: Z = 1/6(30) – 2/3(30) = 5

Para S2: Z = 0(30) + 1(0) = 0

Para LD: 2(30) + 8(0) = 60
Después de que se introducen éste y los valores de C-Z en la siguiente matriz, se tiene:
C 10 30 0 0 Valores
de la solución
30 Y 2/3 1 1/6 0 2
0 S2 16/3 0 .2/3 1 8
Z 20 30 5 0 60
C-Z -10 0 -5 0
Repetir los pasos anteriores hasta que todos los valores del renglón inferior sean ≤ 0. Dado que
todos los valores son ≤ 0, ha sido alcanzada la solución óptima. Las variables en la solución son
identificadas por las columnas en la parte central de la tabla que tienen un 1, y el resto de los
valores son cero. Los valores solución son datos en la columna del lado derecho, como se ve en
la siguiente tabla.
X Y S1 S2 (LD)
- 1 - 0 2
- 0 - 1 8
Z - - - - 60
Por tanto,
X = no está en la solución

Y = 2 unidades
Z = $60
Nótese que la variable de holgura asociada con la restricción 2 también tiene un 1 y ceros, lo
cual significa que tiene holgura en la solución y que la restricción no se agotó. Entonces hay sólo
una variable de decisión (no holgura) en la solución (Y) y una restricción agotada (número 1).
Esto concuerda con el teorema fundamental de programación lineal, que establece que el
número de variables de decisión (no holgura) de la solución siempre será igual a número de
restricciones que son agotadas.
D. PROBLEMAS PRÁCTICOS RESUELTOS USANDO SOLVER
PROBLEMA N° 01:
Una compañía posee dos minas: la mina A produce cada día 1 tonelada de hierro de alta
calidad, 3 toneladas de calidad media y 5 de baja calidad. La mina B produce cada día 2
toneladas de cada una de las tres calidades. La compañía necesita al menos 80 toneladas de
mineral de alta calidad, 160 toneladas de calidad media y 200 de baja calidad. Sabiendo
que el coste diario de la operación es de 2000 euros en cada mina ¿cuántos días debe
trabajar cada mina para que el coste sea mínimo?
SOLUCIÓN:
Variables:
MA = Días a trabajar en la Mina A.
MB = Días a trabajar en la Mina B.
Función Objetivo: Z = 2.000 MA + 2.000 MB (costo a minimizar)
Restricciones:

Se recomienda elaborar una tabla donde se refleje toda la información disponible para
visualizar mejor las restricciones del problema:
MA MB Requerimient
Hierro de alta calidad (ton.) 1 2 o 80
Hierro de media calidad 3 2 160
Hierro de baja calidad (ton.) 5 2 200
(ton.)
Restricción 1: 1 MA + 2 MB ≥ 80 (alta calidad)

Restricción 2: 3 MA + 2 MB ≥ 160 (media calidad)
Restricción 3: 5 MA + 2 MB ≥ 200 (baja calidad)
Se deben trabajar 40 días en la Mina “A” y 20 días en la Mina “B” para que el costo sea mínimo
(120.000,00 euros).
PROBLEMA N° 02:
Se va a organizar una planta de un taller de automóviles donde van a trabajar electricistas
y mecánicos. Por necesidades de mercado, es necesario que haya mayor o igual número de
mecánicos que de electricistas y que el número de mecánicos no supere al doble que el de
electricistas. En total hay disponibles 30 electricistas y 20 mecánicos. El beneficio de la

empresa por jornada es de 250 euros por electricista y 200 euros por mecánico. ¿Cuántos
trabajadores de cada clase deben elegirse para obtener el máximo beneficio y cuál es este?
SOLUCIÓN:
Variables:
E = Cantidad de electricistas a elegir.
M = Cantidad de mecánicos a elegir
Función Objetivo:
Z = 250 E + 200 M (beneficio a maximizar)
Restricciones:
Restricción 1: Es necesario que haya mayor o igual número de mecánicos que de
electricistas.
M ≥ E que se puede ordenar como –E+M ≥ 0
Restricción 2: Y que el número de mecánicos no supere al doble que el de electricistas.
M ≤ 2E que se puede ordenar como – 2E + M ≤ 0
Restricción 3 y 4 : En total hay disponibles 30 electricistas y 20 mecánicos.

Deben elegirse 20 electricistas y 20 mecánicos para obtener un beneficio máximo de

9.000,00 euros.
PROBLEMA N° 03:
Una empresa de instalaciones dispone de 195 kg de cobre, 20 kg de titanio y 14 kg de
aluminio. Para fabricar 100 metros de cable de tipo A se necesitan 10 kg de cobre, 2 de
titanio y 1 de aluminio, mientras que para fabricar 100 metros de cable de tipo B se
necesitan 15 kg de cobre, 1 de titanio y 1 de aluminio. El beneficio que se obtiene por
100 metros de cable de tipo A es de 1500 euros, y por 100 metros de cable de tipo B, 1000
euros. Calcular los metros de cable de cada tipo que hay que fabricar para maximizar el
beneficio de la empresa. Obtener dicho beneficio máximo.
SOLUCIÓN:
Variables:
En el planteamiento del problema notamos que todos los datos están referidos a 100
metros de cable, en base a esto podemos definir las variables como:
A = Cantidad de “rollos” de 100 mts. De cable del tipo A a fabricar.

B = Cantidad de “rollos” de 100 mts. De cable del tipo B a fabricar.
Función Objetivo: Z = 1.500 A + 1.000 B (maximizar)

Restricciones: Se recomienda elaborar una tabla donde se refleje toda la información
disponible para visualizar mejor las restricciones del problema
A B Disponibilidad
Kilogramos de Cobre 10 15 195
Kilogramos de Titanio 2 1 20
Kilogramos de Aluminio 1 1 14
Restricción 1:

10 A + 15 B ≤ 195 (Kgs. de cobre)
Restricción 2:
2 A + 1 B ≤ 20 (Kgs. de titanio)
Restricción 3:
1 A + 1 B ≤ 14 (Kgs. de aluminio)
El beneficio máximo asciende a 17.000,00 euros y se obtiene fabricando 600 metros (6 rollos
de 100 metros) de cable de tipo A y 800 metros (8 rollos de 100 metros) de tipo B.
2. EL PROBLEMA DE TRANSPORTE
A. INTRODUCCIÓN
El problema de transporte se presenta frecuentemente al planear la distribución de bienes y

servicios desde varias localizaciones de suministro hacía varias localizaciones de demanda.

El problema del transporte tiene que ver con la selección de rutas entre plantas de fabricación y
bodegas de distribución o entre bodegas de distribución regional y puntos de distribución local.
Al aplicar este método la gerencia está buscando una ruta de distribución que optimizará algún
objetivo; éste puede ser la minimización del costo total del transporte o la minimización del
tiempo total involucrado.
El método de transporte fue formulado por primera vez como un procedimiento especial para
encontrar el programa de costo mínimo para distribuir unidades homogéneas de un producto
desde varios puntos de abastecimiento (fuentes) a varios puntos de consumo (Destinos).
Características del modelo:
La cantidad de bienes disponibles en cada localización de suministro (origen) es limitada.
La cantidad de bienes necesarios en cada una de las localizaciones de demanda (destino) es

conocida.
El objetivo generalmente es minimizar costos de traslado de los bienes desde los orígenes hasta
los destinos.
Para mostrar el modelo que resuelve el problema de transporte tomemos la siguiente situación:
Enigma S.A. tiene cuatro centros de distribución de productos marinos en Lima y están ubicadas
en Ate, Barranco, Comas y Magdalena. Los productos que distribuye los acopia de los terminales
pesqueros de Ventanilla, San Juan de Miraflores y La Victoria. La demanda diaria solicitada por
cada centro de distribución (en Kg.) son los siguientes:
Centro de distribución Cantidad (Kg.)

Ate 400
Barranco 900
Comas 200
Magdalena 500

La cantidad de productos marinos que puede disponer cada terminal pesquero es la mostrada
en la siguiente tabla:
Terminal Pesquero Cantidad (Kg.)
Ventanilla 500
San Juan de Miraflores 700
La Victoria 800
El costo por transporte de cada kilogramo de producto marino desde uno de los terminales
pesqueros a un centro de distribución (en soles) es el siguiente:
Terminal Centro de distribución

Pesquero
Ate Barranco Comas Magdalen
a
Ventanilla 1,20 1,30 0,40 0,60
San Juan de 0,50 0,40 1,00 1,10
Miraflores
La Victoria 1,00 0,90 1,20 0,40
Se debe decidir cuántos kilogramos debe destinar de cada terminal pesquero a cada centro de
distribución de manera que se minimice el costo de transporte.
DIAGRAMA DE RED
El diagrama de red muestra los centros de suministro y los de destinos y están representados
por círculos conectados con una línea que indica la ruta. Al lado de cada círculo se indica la
cantidad de bienes suministrados y demandados sobre las líneas se indican los costos unitarios
respectivos.

Centros de distribución
(nodos de destino)
Plantas
(nodos de origen) Costo unitario
de transporte
1 400
Ate
1,2
1
500 1,3
Ventanilla
0,4
0,6 2
Barranco 900
0,5
2 0,4
700 San Juan de 1,0
Miraflores
1,1
3
1,0
Comas 200
0,9
3
1,2
800
La Victoria
0,4
4
Magdalena 500
Suministros Rutas de distribución Demandas

(arcos)
VARIABLES:
Xij: número de unidades embarcadas del suministro i al destino j
MODELO:
Min 1,2 X 1 1 + 1,3 X 1 2 + 0,4 X 1 3 + 0,6 X 1 4 + 0,5 X 21 + 0,4 X 2 2 + x 2 3 + 1,1 X 1 4 + X 3 1 +

0,9 X 32 + 1,2 X 3 3 + 0,4 X 3 4
Sujeto a:
X 11 + X 1 2 + X 1 3 + X 14  500 (suministro de Ventanilla)
X 21 + X 2 2 + X 2 3 + X 14  700 (suministro de San Juan de Miraflores)
X 31 + X 3 2 + X 3 3 + X 34  800 (suministro de La Victoria)
X 11 + X 2 1 + X 3 1 = 400 (demanda de Ate)
X 12 + X 2 2 + X 3 2 = 900 (demanda de Barranco)
X 13 + X 2 3 + X 3 3 = 200 (demanda de Comas)
X 14 + X 1 4 + X 3 4 = 500 (demanda de Magdalena)

Xij  0 para i = 1, 2, 3; j = 1, 2, 3, 4
Resolviendo el problema usando el programa LINDO se tiene el siguiente reporte:
EVALUACIÓN DE LA FUNCIÓN OBJETIVO
1) 1200.000
VARIABLE VALUE REDUCED COST

X11 0.000000 0.000000
X12 0.000000 0.200000
X13 200.000000 0.000000
X14 300.000000 0.000000
X21 0.000000 0.100000
X22 700.000000 0.000000
X23 0.000000 1.300000
X24 0.000000 1.200000
X31 400.000000 0.000000
X32 200.000000 0.000000
X33 0.000000 1.000000
X34 200.000000 0.000000
De acuerdo al reporte la solución es:

X13: 200 Kg. transportados de Ventanilla a Comas
X14: 300 Kg. transportados de Ventanilla a Magdalena
X22: 700 Kg. transportados de San Juan de Miraflores a Barranco
X31: 400 Kg. transportados de La Victoria a Ate
X32: 200 Kg. transportados de La Victoria a Barranco
X34: 200 Kg. transportados de La Victoria a Magdalena
El costo total del transporte propuesto es de S/. 1200

Diagrama de red con la solución:
Unidades
transportadas
1 400
Ate
1
500 Ventanilla
200
300 2
Barranco 900
2 700
700
San Juan de
Miraflores
3
400
Comas 200
200
3
800
La Victoria
200
4
Magdalena 500
VARIANTES DEL MODELO:
 Oferta o suministro total es mayor a la demanda total.

 Oferta o suministro total es menor a la demanda total.
 Maximización en la función objetivo.
 Rutas con capacidad limitada.
 Rutas no aceptables.
B. EL MODELO DE TRANSPORTE
Entre los datos del modelo se cuenta:
Nivel de oferta de cada fuente y la cantidad de la demanda en cada destino. El costo de

transporte unitario de la mercancía de cada fuente a cada destino. En la solución del método de
Transporte se realizan 2 pasos principales:

a) MÉTODO DE COSTO MÍNIMO PARA LA SOLUCIÓN INICIAL
Este procedimiento es como sigue:
Asígnese el valor más grande posible a la variable con el menor costo unitario de toda la tabla.
(Los empates se rompen en forma arbitraria). Táchese el renglón o columna satisfecha. Después
de ajustar la oferta y la demanda de todos los renglones y columnas no tachados. Repítase el
proceso asignando el valor más grande posible a la variable con el costo unitario no tachado más
pequeño. El procedimiento está completo cuando quede exactamente un renglón o una
columna sin tachar.
b) MÉTODO DE MULTIPLICADORES PARA LA SOLUCIÓN ÓPTIMA:
Asigne Nombre a los renglones Ri y a las columnas Kj. El costo de cada intersección se conoce
como Cij Utilizando cada uno de los cuadros con solución (Variables básicas) Calcular los valores
de R y K para la tabla usando la fórmula: Ri + Kj = Cij El renglón uno (R1) Siempre se hace igual a
cero) Utilizando las variables No-Básicas. Calcule los índices de mejoramiento para todos los
cuadros no usados usando: Ri + Kj - Cij (Costo de un cuadro sin usar) = Índice de mejoramiento
Seleccione el cuadro sin usar con índice de mejoramiento más grande. (Si todos los índices son
iguales o menores que cero se ha obtenido la solución optimizante). Trace un trayecto cerrado
para la celda que haya tenido el índice positivo más grande. El trayecto empieza y termina en la
variable no-básica designada. Los puntos extremos deben ser variables Básicas y solo se
permiten movimientos verticales y horizontales. Ponga signos positivos y negativos en esquinas
alternas del trayecto empezando con un signo más (+) en el cuadro sin usar. La cantidad más
pequeña en una posición negativa en el trayecto cerrado, indica la cantidad que se puede
asignar al cuadro sin usar que entra en la solución. Esta cantidad se añade a todos los cuadros
en el trayecto cerrado con signos positivos y se resta de los cuadros con signo negativo.
Finalmente, se calculan los nuevos índices de mejoramiento para la nueva solución, es decir se
repiten los pasos del 1 al 8.

MÉTODO DE ESQUINA NORESTE
Este método comienza asignando la cantidad máxima permisible para la oferta y la demanda a la
variable X11 (la que está en la esquina noroeste de la tabla).
La columna o renglón satisfechos se tacha indicando que las variables restantes en la columna o
renglón tachado son igual a cero. Si la columna y el renglón se satisfacen simultáneamente,
únicamente uno (cualquiera de los dos) debe tacharse. Esta condición garantiza localizar las
variables básicas cero si es que existen. Después de ajustar las cantidades de oferta y demanda
para todos los renglones y columnas no tachados, la cantidad máxima factible se asigna al
primer elemento no tachado en la nueva columna o renglón. El procedimiento termina cuando
exactamente un renglón o una columna se dejan sin tachar.
Problema Nº 01
Una compañía tiene 3 almacenes con 15, 25 y 5 artículos disponibles respectivamente. Con
estos productos disponibles desea satisfacer la demanda de 4 clientes que requieren 5, 15, 15 y
10 unidades respectivamente. Los costos asociados con el envío de mercancía del almacén al
cliente por unidad se dan en la siguiente tabla.
Clientes
Almacén 1 2 3 4
1 10 0 20 11
2 12 7 9 20
3 0 14 16 18
Construya la solución básica inicial por el método de la esquina noroeste.

Problema Nº 02
Una compañía de renta de autos tiene problemas de distribución debido a que los acuerdos de
renta permiten que los autos se entreguen en lugares diferentes a aquellos en que
originalmente fueron rentados. Por el momento, hay 2 lugares (fuentes) con 15 y 13 autos en
exceso, respectivamente, y cuatro lugares (destinos) en los que se requieren 9, 6, 7, y 9 autos
respectivamente. Los costos unitarios de transporte en dólares entre los lugares son los
siguientes:
Elabore la tabla inicial de transporte por el método de la esquina noroeste.
Crear un origen ficticio con autos disponibles.

Problema Nº 03
Destino
1 2 3 4 Oferta
Fuente 1 10 0 20 11 15
X11 X12 X13 X14
2 12 7 9 20 25
X21 X22 X23 X24
3 0 14 16 18 5
X31 X32 X33 X34
Demanda 5 15 15 10
El método de la esquina noroeste comienza con la asignación de la máxima cantidad admisible

através de la oferta y la demanda de la variable x11 (la de la esquina noroeste de la tabla). Después
se tacha la columna (renglón) satisfecha, lo que indica que las variables restantes de la columna
(renglón) tachada son iguales a cero. Si se satisfacen una columna y un renglón al mismo tiempo, sólo
una (una u otro) puede ser tachada. (Esta condición garantiza la ubicación automática de variables
básicas cero, si las hay). Después de ajustar las cantidades de oferta y demanda de todos los
renglones y columnas no tachados, la cantidad factible máxima se asigna al primer elemento no
tachado de la nueva columna (renglón). El proceso se completa cuando se deja sin tachar
exactamente un renglón o una columna.
El procedimiento que se acaba de describir se aplica ahora en el ejemplo:

1. x11 = 5, se tacha la columna 1. Por lo tanto, no se puede hacer otra asignación en la

columna 1. La cantidad que falta en el renglón 1 son 10 unidades.
2. x12 = 10, se tacha el renglón 1 y faltan 5 unidades en la columna 2.

3. x22 = 5, se tacha la columna 2 y faltan 20 unidades en el renglón 2.
4. x23 = 15, se tacha la columna 3 y faltan 5 unidades en el renglón 2.
5. x24 = 5, se tacha el renglón 2 y faltan 5 unidades en la columna 4.
6. x34 = 5, se tacha el renglón 3 o la columna 4. Como sólo un renglón o una columna se
mantienen sin tachar, el proceso llega a su fin.
La solución básica inicial resultante se presenta a continuación.
Las variables básicas son x11 = 5, x22 =10, x23 =15, x24 =5 y x34 = 5. Las variables restantes son no
básicas en el nivel cero. El costo de transporte asociado es:
5 x 10 +10 x 0 + 5 x 7+ 15 x 9 + 5 x 20 +5 x 18 = $410.
1 2 3 4
1 5 10 15
2 5 15 5 25
3 5 5
5 15 15 10
Cuando se satisfacen al mismo tiempo una columna y un renglón, la siguiente variable que se
agregará a la solución básica estará necesariamente en el nivel cero. La siguiente tabla ilustra
este aspecto. La columna 2 y el renglón 2 se satisfacen simultáneamente.
1 2 3 4
1 5 5 10 5
2 5 0 5 0
3 8 7 15
5 10 8 7 15
5

Si se tacha la columna 2, x23 se vuelve básica en el nivel cero en el paso siguiente, ya que la
demanda restante del renglón 2 vale ahora cero. (Este caso se presenta en la tabla anterior). Si
en cambio se cruza el renglón 2, x32 sería la variable básica cero.
Las soluciones iníciales de las dos últimas tablas incluyen el número adecuado de variables
básicas, o sea, m + n – 1 = 6. La regla de la esquina noroeste produce siempre el número
adecuado de variables básicas.
3. PROGRAMACION DINAMICA.
a) ELEMENTOS DE UN MODELO DE PROGRAMACIÓN DINÁMICA.
 PRINCIPIO DE OPTIMALIDAD DE BELLMAN.
“Una política óptima tiene la propiedad de que, sean cuales sea el estado inicial y la decisión
inicial, las decisiones restantes deben constituir una solución óptima con respecto al estado
resultante de la primera decisión”. En Informática, un problema que puede descomponerse
de esta forma se dice forma se dice que presenta subestructuras optímales (la base de los (la
base de los algoritmos greedy y de la programación dinámica).
El principio de El principio de optimalidad se verifica si toda solución óptima a un problema
está compuesta por soluciones óptimas de sus subproblemas. ¡Ojo! El principio de El
principio de optimalidad no nos dice que, si tenemos las soluciones óptimas de los
subproblemas, entonces podamos combinarlas para obtener la solución óptima del
problema original…
EJEMPLOS
Cambio en monedas
La solución óptima para 0.07 euros es 0.05 + 0.02 euros.
La solución óptima para 0.06 euros es 0.05 + 0.01 0.05 + 0.01 euros.
La solución óptima para 0.13 euros no es (0.05 + 2) + (0.05 + 0.01) (0.05 + 2) + (0.05 + 0.01)
euros.

Sin embargo, Sin embargo, sí que existe alguna forma de forma de descomponer 0.13 euros
de tal forma que las soluciones óptimas a los subproblemas nos den una solución óptima
(p.ej. 0.11 y 0.02 euros).
 DEFINICIÓN RECURSIVA DE LA SOLUCIÓN ÓPTIMA
1. Se comprueba que se cumple el principio de optimalidad de Bellman, para lo que hay

que, para lo que hay que encontrar la “estructura” de la solución.
2. Se define recursivamente la solución óptima del problema (en función de los valores de
las soluciones para subproblemas de menor tamaño).
 CÁLCULO DE LA SOLUCIÓN ÓPTIMA
1. Se calcula el valor de la solución óptima utilizando un enfoque ascendente:

2. Se determina el conjunto de Se determina el conjunto de subproblemas que hay
que resolver (el tamaño de la tabla).
3. Se identifican los Se identifican los subproblemas con una con una solución trivial
(casos base).
4. Se van calculando los valores de soluciones más complejas a partir de los valores
previamente calculados.
5. Se determina la solución óptima a partir de los datos almacenados en la tabla.
b) REPRESENTACIÓN POR LA ECUACIÓN RECURSIVA.
SUCESIÓN DE FIBONACCI: fib(n) =fib(n+1) +fib(n+2)
 Implementación recursiva: ®(Ωn)

 Implementación usando programación dinámica: R®(n)
if (n == 0) return 0;
else if (n == 1) return 1;
else {
previo = 0; actual = 1;

for (i=1; i<n; i++) {

fib = previo + actual;
previo = actual; actual = fib;
}
return actual;
}
NUMEROS CONBINATORIOS:
Combinaciones de “m” sobre “n”p

 Implementación inmediata.
 Implementación usando programación dinámica

Triangulo de Pascal.
c) EJEMPLOS DE APLICACIONES DE PROGRAMACIÓN DINÁMICA.
EL CAMINO MAS CORTO A UN GRAFO.

Consideramos un grafo dirigido G = (X, A), donde X es el conjunto de vértices ("X" = M ) y

A es el conjunto de arcos ("A" = N ). Con cada arco a = (i, j) viene asociada una distancia l(a) = l(i, j).
El problema consiste en encontrar el camino más corto entre un vértice inicial dado 0 y un
subconjunto de vértices terminales T ⊂ X (T podría ser un único vértice).
Ejemplo
El problema del comerciante. Supóngase que un comerciante de Madrid desea viajar a Praga
realizando el viaje en tres etapas. En la primera tiene oportunidad de hospedarse en Maresella,
Par´ıs o Limoges; en la segunda lo hará en Zúrich, Múnich o Milán, para desde ahí
trasladarse directamente a Praga. El comerciante desea saber dónde debe hospedarse en cada
etapa para minimizar el trayecto del viaje. Las distancias en cada etapa son las siguientes:
Marsella París Limoges

Madrid 950 1120 725
Zúrich Múnich Milán

Marsella 500 700 350
París 430 750 800
Limoges 600 825 570
Praga
Zúrich 625
Múnich 325
Milán 750
Etapa 3
Estamos ante un problema de encontrar el camino más corto en un grafo secuencial (sin circuitos).
En este caso, cada vértice de G corresponde a un par (estado, etapa), y los estados asociados con

la etapa i son los vértices k de G para los cuales el camino más largo entre 0 y k contiene
exactamente i arcos. Para resolver el problema en este tipo de grafos podemos adaptar cualquiera
de los dos algoritmos que se han visto.
Se determina la trayectoria más corta a Praga desde cada ciudad donde empieza la tercera
etapa:
f∗ 3 (Zúrich) = 625
f∗ 3 (Múnich) = 325
f∗3 (Milán) = 750
Etapa 2
Se determina la trayectoria más corta a Praga desde cada ciudad donde empieza la
segunda etapa.
f∗ ∗ ∗ ∗
2 (Marsella) = Min {500 + f3 (Zu´rich), 700 + f3 (Muńich), 350 + f3 (Milán)
= Min {1125, 1025, 1100} = 1025 (Marsella-Múnich-Praga)
f2∗ (Paris) = Min {1055, 1075, 1550} = 1055 (Paris-Zúrich-Praga)

f∗
2 (Limoges) = Min {1225, 1150, 1240} = 1150 (Limoges-Múnich-Praga)
Etapa 1
Finalmente, para establecer la ruta óptima:
f∗ ∗ ∗ ∗
1 (Madrid) = Min {950 + f2 (Marsella), 1120 + f2 (Paris), 725 + f2 (Limoges)}
= Min {1975, 2175, 1875} = 1875 (Madrid-Limoges-Múnich-Praga)
d) CÁLCULOS HACIA ADELANTE Y HACIA ATRÁS.
El problema de la mochila 0-1

 Sea mochila(k,l,P) el problema
l
maximizar  bi xi
ik
l
sujeto a  pi xi  P
ik
con xi {0, 1} , k  i  l
 El problema de la mochila 0-1 es mochila(1,n,C).
 Ecuación de recurrencia hacia delante:
 Si es el beneficio (o ganancia total) de una

solución óptima de mochila(j,n,c), entonces
Dependiendo de que el objeto j-ésimo entre o no en la solución (nótese que sólo

puede entrar si
c-pj≥0).
 Además.

 Ecuación de recurrencia hacia atrás:
 Si es el beneficio (o ganancia total) de una

solución óptima de mochila (1, j, c), entonces.
 dependiendo de que el objeto j-ésimo entre o no en la solución (nótese que

sólo puede entrar si
c-pj≥0).
 Además.
 (Ahora la recurrencia es hacia atrás pero el cálculo se

realiza hacia adelante.)
 Tanto la recurrencia hacia adelante como hacia atrás

permiten escribir un algoritmo recursivo de forma
inmediata.

 Problema: ineficiencia
Un problema de tamaño n se reduce a dos subproblemas de tamaño (n-1).
Cada uno de los dos subproblemas se reduce a otros dos…
Por tanto, se obtiene un algoritmo exponencial.
 Sin embargo,  el número total de sub-problemas a resolver no es tan grande:

La función g j (c ) tiene dos parámetros: el primero puede tomar n valores

distintos y el segundo, C valores.
¡Luego sólo hay nC problemas diferentes!
 Por tanto, la solución recursiva está

generando y resolviendo el mismo problema muchas veces.
 Para evitar la repetición de cálculos,

las soluciones de los su problemas se
deben almacenan en una tabla.

- Matriz nXC cuyo elemento (j,c) almacena

- Para el ejemplo anterior:
n=3 C=15
(b1,b2,b3)=(38,40,24)
(p1,p2,p3)=(9,6,5)
 Consideraciones finales:
- Cada componente de la tabla g se calcula en tiempo constante, luego

el coste de construcción de la tabla es O(nC).
- El algoritmo test se ejecuta una vez por cada
valor de j, desde n descendiendo hasta 0, luego su coste es O(n).
- Si C es muy grande, entonces esta solución no es buena.
- Si los pesos pi o la capacidad C son reales,
esta solución no sirve.
e) PROBLEMAS PRÁCTICOS RESUELTOS APLICADOS A LA MINERÍA O INDUSTRIA.

 PROBLEMA DE ASIGNACIÓN DE RECURSOS:
Para mejorar la atención médica en 3 países subdesarrollados se dispone de cinco

brigadas médicas que son indivisibles. Con el fin de distribuir a las brigadas entre
los países de la mejor forma posible, se utiliza como indicador de la eficiencia el
número de años de vida adicionales por persona en función del número de

brigadas en- viadas a cada país, que se encuentra en la tabla adjunta (cantidades
divididas por mil).
¿Cuál es la asignación que maximiza las medidas de eficiencia? Resolver utilizando
la programación dinámica.
Pais
Número de brigadas médicas 1 2 3
0 0 0 0
1 45 20 50
2 70 45 70
3 90 75 80
4 105 110 100
5 120 150 130
Resolvemos el problema aplicando el algoritmo “Forward”. Cada etapa será´ la

asignación de brigadas médicas a un país. En cada etapa, el estado vendrá´
dado por el número total de brigadas médicas asignadas en las anteriores etapas.
Por tanto el espacio de estados es ξ = {0, 1, 2, 3, 4, 5}. Definiremos las cantidades
fi(x) como el valor de asignar x brigadas médicas al país i y P (E, i) como el valor
optimo alcanzado después de asignar E brigadas médicas entre las etapas 1 e i.
Etapa 1
En esta etapa, P (E, 1) = f1(E).
P (0, 1) = 0 P (1, 1) = 45 P (2, 1) = 70

P (3, 1) = 90 P (4, 1) = 105 P (5, 1) = 120
Etapa 2

En esta etapa P (2, 2) es el valor de la asignación optima suponiendo que al final de

esta etapa se han asignado dos brigadas médicas. Por tanto,
P (2, 2) = Max {P (0, 1) + f2(2), P (1, 1) + f2(1), P (2, 1) + f2(0)} = 70
En general,
P (E, 2) = Max{P (F, 1) + f2(E − F ); F = 1, ..., E}
Vamos a realizar los cálculos sobre una tabla:
Estado Inicial (F) Optimo

Estado Final (E) 0 1 2 3 4 5 P (E, 2)
E= 0 0 0
E= 1 20 45 45
E= 2 45 65 70 70
E= 3 75 90 90 90 90
E= 4 110 120 115 110 105 120
E= 5 150 155 145 135 125 120 155
Estado Inicial (F) O´ ptimo
Estado Final (E) 0 1 2 3 4 5 P (E, 3)
E =0 0 0
E =1 50 45 50
Etapa 3
E =2 70 95 70 95
E =3 80 115 120 90 120
E =4 100 125 140 140 120 140
E =5 130 145 150 160 170 155 170
Por tanto el valor óptimo es 170. ¿Cómo obtener la solución que alcanza este valor?
En la tabla final se ve que 170=P (5, 3) = P (4, 2) + f3(1). En la tabla 2 se ve que P (4, 2)
= P (1, 1) + f2(3)=f1(1) + f2(3). Por tanto, 170=P (5, 3) = f1(1) + f2(3) + f3(1).

Es decir, la solución es asignar una brigada médica al país 1, 3 brigadas al país 2 y 1 al

país 3.
 PROBLEMA DE INVENTARIO:
Supóngase que una empresa sabe que la demanda de un determinado producto durante cada
uno de los próximos cuatro meses va a ser: mes 1, 1 unidad; mes 2, 3 unidades; mes 3, 2
unidades; mes4, 4 unidades. Al principio de cada mes la empresa debe determinar cuántas
unidades deben de producirse durante dicho mes. Cada mes en el que se produce al menos una
unidad la empresa incurre en un costo inicial de 3$, más 1$ por cada unidad producida. Al final de
cada mes cada unidad en inventario (producida y no vendida) ocasiona un costo de 0.5$. La
empresa tiene las siguientes restricciones a la hora de planificar la producción:
- La limitación de maquinaria provoca que no se pueden producir más de 5 unidades del producto
por mes.
La limitación de capacidad del almacén restringe el inventario final de cada mes a un máximo de 4
unidades
La empresa desea determinar un calendario de producción para cada mes que cumpla a tiempo
con las demandas y que reduzca al m´ınimo la suma de costes de producción y almacenamiento
durante los cuatro meses. Se supone que no hay unidades en inventario al principio del primer
mes.
Indicaciones
Se puede plantear el problema como un problema de programación dinámica, donde cada

etapa representa un mes. En cada etapa la variable estado indicara el número de unidades en
inventario al principio del correspondiente mes. De esta forma, el espacio de estados {será´ {0, 1, 2,
3, 4}. Utilizando la idea del algoritmo,”Backward”, en cada etapa se representa por f∗(E) como el
costo mínimo de satisfacer las demandas para los meses i, i + 1, ..., 4, si al principio del mes i hay E
unidades en inventario. Así, para el último mes, como la demanda debe ser totalmente
satisfecha, habrá que resolver, para cada posible valor de E, el siguiente problema:

Supóngase que E son las unidades en inventario al inicio del tercer mes. Como la empresa debe
satisfacer para ese mes una demanda de dos unidades, se deben producir X unidades de forma
que E + x ≥ 2. Esto produce un coste para la empresa de c(x) $. Al final del esta etapa habrá en
inventario E + x − 2 unidades, lo que producirá un gasto para la empresa de (0,5) (E + x − 2)$ en
concepto de inventario, más un gasto de 4 (E + x − 2) $ que es el coste m´ınimo para el u´ltimo mes
cuando este comienza con E + x − 2 unidades en inventario. Por tanto, en esta etapa habrá
cada valor de E el siguiente problema:
Aplicando la misma idea se obtienen el resto de las etapas. La solución óptima del
problema consiste en producir una unidad durante el mes 1, 5 unidades durante el mes 2, 0
unidades durante el mes 3 y 4 unidades durante el mes 4, incurriendo todo ello en un costo total
de 20$.

Investigación de Operaciones PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigación de Operaciones PDF

Cargado por

Copyright:

Formatos disponibles

INVESTIGACION DE OPERACIONES

Los problemas reales de programación lineal generalmente tienen variables de decisión y

El método simplex es un procedimiento iterativo que progresivamente permite obtener una

B. SOLUCIÓN GRÁFICA DE PROGRAMACIÓN LINEAL CON DOS VARIABLES

FACULTAD DE INGENIERÍA DE MINAS 1

El modelo de programación lineal es el siguiente:

Maximizar Z = 4X1 + 3X2

FACULTAD DE INGENIERÍA DE MINAS 2

Aquí la Z se vuelve el mayor posible.

C. DESARROLLO DEL MÉTODO SIMPLE

1. Establézcase la tabla inicial de simples. Formula la función objetivo y las restricciones e

FACULTAD DE INGENIERÍA DE MINAS 3

FACULTAD DE INGENIERÍA DE MINAS 4

Restricción Desigualdad Ecuación con holgura

La restricción de la máquina A ahora indica cuatro horas por el número de unidades de X

La función objetivo es: Max Z = $10X + $30Y

FACULTAD DE INGENIERÍA DE MINAS 5

Las restricciones son:

Elementos de la tabla simplex.

FACULTAD DE INGENIERÍA DE MINAS 6

La C en la esquina superior izquierda encabeza a la vez un renglón y una columna. Especifican la

El renglón de Z en la tabla muestra el costo de oportunidad, o la cantidad de contribución que

El valor de Z para la columna LD representa la contribución total de las variables en la solución,

FACULTAD DE INGENIERÍA DE MINAS 7

La metodología de solución de los problemas de maximización hace necesario seleccionar una

- Úsense los pasos del procedimiento simplex –

1. Seleccionar una columna y un renglón pivotes

FACULTAD DE INGENIERÍA DE MINAS 8

Por lo tanto el renglón 1 es el renglón pivote.

c) El elemento pivote es encerrado en un círculo 6

FACULTAD DE INGENIERÍA DE MINAS 9

El renglón obtenido se introduce a la nueva tabla del paso 2.

Para X: Z = 2/3(30) + 16/3(0) = 20

FACULTAD DE INGENIERÍA DE MINAS 10

Para S2: Z = 0(30) + 1(0) = 0

FACULTAD DE INGENIERÍA DE MINAS 11

D. PROBLEMAS PRÁCTICOS RESUELTOS USANDO SOLVER

MB = Días a trabajar en la Mina B.

Función Objetivo: Z = 2.000 MA + 2.000 MB (costo a minimizar)

FACULTAD DE INGENIERÍA DE MINAS 12

Restricción 1: 1 MA + 2 MB ≥ 80 (alta calidad)

FACULTAD DE INGENIERÍA DE MINAS 13

Z = 250 E + 200 M (beneficio a maximizar)

Restricción 2: Y que el número de mecánicos no supere al doble que el de electricistas.

M ≤ 2E que se puede ordenar como – 2E + M ≤ 0

Restricción 3 y 4 : En total hay disponibles 30 electricistas y 20 mecánicos.

FACULTAD DE INGENIERÍA DE MINAS 14

Deben elegirse 20 electricistas y 20 mecánicos para obtener un beneficio máximo de

A = Cantidad de “rollos” de 100 mts. De cable del tipo A a fabricar.

Función Objetivo: Z = 1.500 A + 1.000 B (maximizar)

FACULTAD DE INGENIERÍA DE MINAS 15

10 A + 15 B ≤ 195 (Kgs. de cobre)

El problema de transporte se presenta frecuentemente al planear la distribución de bienes y

FACULTAD DE INGENIERÍA DE MINAS 16

Características del modelo:

La cantidad de bienes disponibles en cada localización de suministro (origen) es limitada.

La cantidad de bienes necesarios en cada una de las localizaciones de demanda (destino) es

Centro de distribución Cantidad (Kg.)

FACULTAD DE INGENIERÍA DE MINAS 17

Terminal Centro de distribución

FACULTAD DE INGENIERÍA DE MINAS 18

Suministros Rutas de distribución Demandas

Xij: número de unidades embarcadas del suministro i al destino j