Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicios Programacion Lineal PDF
Ejercicios Programacion Lineal PDF
ChemLabs utiliza las materias primas I y II para producir dos soluciones de limpieza doméstica,
unidades, respectivamente. Una unidad de solución A consume .5 unidades de la ma- teria prim
ción B consume 0.5 unidades de la materia prima I, y .4 unidades de la materia prima II. Las uti
demanda diaria de la solución A es de entre 30 y 150 unidades, y la de la solución B va de 40 a
Variables
Sa (Cantidad de solucion A)
Sb (Cantidad de Solucion B)
Funcion Objetivo
Max
Z = 8(Sa) + 10(Sb)
Restricciones
Sa >= 30
Sa <= 150
Sb >= 40
Sb <= 200
Sa, Sb >= 0
de limpieza doméstica, A y B. Las disponibilidades diarias de las materias primas I y II son de 150 y 145
dades de la ma- teria prima I, y 0.6 unidades de la materia prima II, en tanto que una unidad de la solu-
materia prima II. Las utilidades por unidad de las soluciones A y B son de $8 y $10, respectivamente. La
la solución B va de 40 a 200 unidades. Determine las cantidades de producción óptimas de A y B.
I y II son de 150 y 145
na unidad de la solu-
0, respectivamente. La
ptimas de A y B.
EJERCICO #10
La tienda de abarrotes Ma-and-Pa tiene un espacio de anaqueles limitado y debe utilizarlo con
compiten por un total de espacio de 60 pies2 en anaqueles.
Una caja de Grano ocupa .2 pies2, y una caja de Wheatie requiere .4 pies2.
Las demandas diarias máximas de Grano y Wheatie son de 200 y 120 cajas, respectivamente.
Una caja de Grano reditúa una utilidad neta de $1.00 y la de una de Wheatie es de $1.35.
Ma-and-Pa considera que como la utilidad neta de Wheatie es 35% mayor que la de Grano, a W
asignar aproximadamente 57% a Wheatie y 43% a Grano. ¿Usted qué piensa?
Variables
C1 CANTIDAD DE CAJAS DE GRANO
C2 CANTIDAD DE CAJAS DE WHEATIE
Funcion Objetivo
MAX
Z 1C1 + 1.35C2
Restricciones
.2C1 + .4C2 <= 60 ESPACIO
C1 <= 200
C2 <= 120
C1,C2 >= 0
maximizar espacio
Linear Programming
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to
Data Results
x1 x2 LHS
Objective 1 1.35 sign RHS 267.5
Restricciones 0.2 0.4 < 60 60
Restricciones 1 0< 120 200
Restricciones 0 1< 200 50
Results
Variables 200 50
Objective 267.5
ado y debe utilizarlo con eficacia para incrementar las utilidades. Dos marcas de cereal, Grano y Wheatie,
es2.
ajas, respectivamente.
heatie es de $1.35.
yor que la de Grano, a Wheatie se le debe asignar 35% más espacio que a Grano, lo que equivale a
piensa?
RESPUESTA:
C1 C2
GRANO WHEATIE SE RECOMIENDA TOMAR EN CUENTA LA DEMANDA Y NO SOLO LA UTI
YA QUE SI VENDE 200 DE LA C1 Y 50 DE C2 OBTIENE UNA UTILIDAD DE
ESPACIO 0.2 0.4
UTILIDAD 1 1.35
lo que equivale a
VARIABLES
X1 CANTIDAD DE HORAS DE TAREAS
X2 CANTIDAD DE HORAS DE DIVERSION
OBJETIVO
MAXI
Z X1 + 2X2
RESTRICCIONES
X1 + X2 <= 10
X2 <= 4
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to
Data Results
x1 x2 LHS
Objective 1 2 sign RHS 0
Restricciones 1 1< 10 0
Restricciones 1 -1 < 0 0
Restricciones 0 1< 4 0
Results
Variables 4 4
Objective 0
nta de que “sólo trabajo y nada de diversión me hacen ser un chico aburrido”. Jack desea distribuir su
reas y la diversión. Estima que divertirse es dos veces más entretenido que hacer tareas. Pero también
r a la diversión. Sin embargo, Jack comprende que para cumplir con sus tareas no puede divertirse más
su placer tanto de trabajar como de divertirse?c
on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click
(Solver)
(Solver) for
for instructions.
instructions.
Burroughs Garment Company fabrica camisas para caballero y blusas de dama para las tiend
surtida por Burroughs. El proceso de producción incluye el corte, la costura y el empaque. Bu
costura, y 5 en empaque. La fábrica trabaja un turno de 8 horas, 5 días a la semana. La siguie
las dos prendas:
Camisas X1 20 70 12 8
Blusas X2 60 60 4 12
Empleados 25 35 5 65
Horas Diarias 200 280 40 520
Horas Semanales 1,000 1,400 200 2,600
Mintuos Diarios Disponibles 12,000 16,800 2,400 31,200
Minutos Semanales Disp 60,000 84,000 12,000 156,000
Funcion Maximimar
Z = 8X1 + 12X2
X1, X2 >= 0
dama para las tiendas de descuento Wallmart, corporación que aceptará toda la producción
ura y el empaque. Burroughs emplea 25 trabajadores en el departamento de corte, 35 en el de
la semana. La siguiente tabla muestra los requerimientos de tiempo y utilidades por unidad para
Programacion Semanal
Linear Programming
Signs
<
=
>
Data
x1
estriccion de Corte Objective 8
Constraint 1 20
estriccion de Costura Constraint 2 70
Constraint 3 12
estriccion de Empaque
Results
Variables 480
Objective
toda la producción
de corte, 35 en el de
idades por unidad para
Enter
Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then cc
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Results
x2 LHS Slack/Surplus
12 sign RHS 0
60 < 60000 0 60000
60 < 84000 0 84000
4< 12000 0 12000
840
0
he
he Data
DataAnalysis
Analysis Group
Group and
and then
then click
click
Maximizar
Funcion Objetivo
Z = 8x1 + 6x2
S.A. (Restricciones)
x1+ x2 ≥ 20
x1 ≥ 5
x1 ≤ 12
x2 ≥ 6
x2 ≤ 10
x1 , x2 ≥ 0
Respuesta
Deberia de trabajar 10 horas en cada empresa
EJERCICiO PAG. # 38-1
Fox Enterprises está considerando seis posibles proyectos de construcción durante los próxim
de un proyecto prorrateará proporcionalmente tanto el rendiento como los desembolsos de
siguiente tabla.
(a) Formule el problema como un programa lineal, y determine la combinación óptima de pro
tiempo del dinero.
(b) Suponga que si se emprende una parte del proyecto 2, entonces debe emprenderse por lo
óptima.
(c) En el modelo original, suponga que los fondos no utilizados al final de un año se utilizan e
anterior. Por sencillez, pase por alto el valor del dinero en el tiempo.
(d) Suponga en el modelo original que los fondos anuales disponibles para cualquier año se p
Ignorando el valor del dinero en el tiempo, refor- mule el modelo de PL y determine la soluci
de rendimiento sobre el dinero pedido en préstamo?
DESEMBOLSO DE EFECTIVO ($
Restricciones
10.5P1 + 8.3 P2 + 10.2P3 + 7.2P4 + 12.3PAño1
14.4P1 + 12.6P2 + 14.2P3 +10.5P4 + 10 Año 2
2.2P1 + 9.5P2 + 5.6P3 + 7.5P4 + 8.3P5 + Año 3
2.4P1 + 3.1P2 + 4.2P3 + 5P4 + 6.3P5 + 5. Año 4
P1-5 >= 0
B P2 >= P6
P2 - P6 >= 0
ón durante los próximos 4 años. Fox puede emprender cualquiera de los proyectos en parte o en su total
los desembolsos de efectivo. Los rendimientos (valor presente) y los desembolsos de efectivo para los p
nación óptima de proyectos que maximice el rendimiento total utilizando AMPL, Solver o TORA. Pase po
e emprenderse por lo menos una parte igual del proyecto 6. Modifique la formulación del modelo y det
e un año se utilizan en el año siguiente. Halle la nueva solución óptima, y determine qué tanto cada año
ra cualquier año se pueden exceder, si fuera necesario, pidiendo prestado a otras actividades fi- nancier
y determine la solución óptima. ¿Requeriría la nueva solución que se pida prestado en cualquier año? D
RENDIMIEN
TO ($ 1000)
32.4
35.8
17.75
14.8
18.2
12.35
20
Sobrante año 1
Sobrante año 2
Sobrante año 3
P5 + 12.35p6
oyectos en parte o en su totalidad. La ejecución parcial
mbolsos de efectivo para los proyectos se dan en la
INTERVARLO DE
HERRAMIENTAS TIPO DE PRODUCCION PRODUCCION SEMANAL
(UNIDADES)
Regular 0 - 550
Llaves Inglesas Tiempo Extra 551 - 800
Sub Contratacion 801 - >>
Regular 0 - 620
Cinceles Tiempo Extra 621 - 900
Sub Contratacion 901 - >>
A) Formule el problema como un programa lineal, y determine el programa de producción óptimo para cada h
Variables
L1 = Cantidad de unidades de Llaves Inglesas a producir turno Regular
L2 = Cantidad de unidades de Llaves Inglesas a producir Tiempo Extra
L3 = Cantidad de unidades de Llaves Inglesas a producir Sub Contratado
C1 = Cantidad de unidades de Cinceles a producir turno Regular
C2 = Cantidad de unidades de Cinceles a producir Tiempo Extra
C3 = Cantidad de unidades de Cinceles a producir Sub Contratado
Objetivo
Minimizar
Z = 2L1 + 2.80L2 + 3L2 + 2.10C1 + 3.20C2 + 4.20C3
Restricciones
1 L1 + L2 >= 1500
2 C1 + C2 >= 1200
3 L1 <= 550
4 L2 <= 250
5 C1 <= 620
6 C2 <= 280
7 2L1 + 2L2 + 2L3 -C1 - C2 - C3 >= 0
8 L1, L2, L3, C1, C2, C3 >= 0
cuento automotrices con llaves inglesas y cinceles.
ves inglesas y 1200 cinceles.
dad actual de un turno y debe utilizar tiempo extra y posible- mente subcontratar a otras fábricas de he
la siguiente tabla. La demanda del mercado limita la proporción entre cinceles y llaves inglesas a por lo
COSTO
UNITARIO
2.00
2.80
3.00
2.10
3.20
4.20
Linear ProgrammingEnter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab oo
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER is
is not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (S
(
Signs
<
=
>
Data
X1 X2 X3 X4
Objective 2 2.8 3 2.1
Restriccione 1 1
Restricciones 2 1
Restriccione 1
Restricciones 4 1
Restricciones 5 1
Restricciones 6
Restriccione 2 2 2 -1
Results
Variables 550 250 0 620
Objective
ar a otras fábricas de herramientas. El resultado es un
y llaves inglesas a por lo menos 2:1.
d area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click
Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Results
X5 X6 LHS Slack/Surplus
3.2 4.2 sign RHS 0
> 1500 0 1500
1 > 1200 0 1200
< 550 0 550
< 250 0 250
< 620 0 620
1 < 280 0 280
-1 -1 > 0 0 0
280 0
0
Problem setup area
ack/Surplus
< constraints > constraints
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
EJERCICiO PAG. # 54-1
Una inmobiliaria está desarrollando un área para renta de viviendas y locales comerciales.
El área de viviendas se compone de departamentos-estudio, casas dúplex y unifami- liares. Se e
estudio, 300 casas dúplex y 250 casas unifamiliares, pero la cantidad de casas dúplex debe ser ig
locales comerciales es proporcional a la canti- dad de casas en una relación de por lo menos 10
respectivamente. Sin embargo, la disponibilidad del terreno limita el espacio para locales comer
estudio, casas dúplex y casas unifamiliares, en ese orden. La renta de los locales comerciales es
cantidad de casas, y determine la solución con AMPL, Solver o TORA.
VARIABLES
X1 = CANTIDAD DE CASAS DEPARTAMENTOS
X2 = CANTIDAD DE CASAS DUPLEX
X3 = CANTIDAD DE CASAS UNIFAMILIARES
X4 = CANTIDAD DE LOCALES
FUNCION
MAX
Z= 600X1 + 750X2 + 1200X3 + 100X4
RESTRICCION
1 X2 - 0.5X1 - 0.5X3 >= 0
2 X4 <= 10000
3 X1 <= 5000
4 X2 <= 4500
5 X3 <= 4500
y locales comerciales.
úplex y unifami- liares. Se estima que la demanda máxima por parte de los arrendatarios potenciales es de
de casas dúplex debe ser igual como mínimo al 50% de la cantidad de departamentos-es- tudio y casas unif
lación de por lo menos 10 pies2, 15 pies2 y 18 pies2 para departa- mentos-estudio, casas dúplex y casas un
espacio para locales comerciales a no más de 10,000 pies2. La renta mensual se estima en $600, $750 y $12
los locales comerciales es de $100/pie2. Desarrolle un modelo de PL para determinar el área óptima para l
Linear ProgrammingEnter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instruction
instruction
Signs
< less than or equal to
= equals (You need to enter an apostrophe fir
> greater than or equal to
Data
X1 X2 X3 X4
Objective 600 750 1200 100 sign
Constraint 1 -0.5 1 -0.5 >
Constraint 2 0 0 0 1<
Constraint 3 1 0 0 0<
Constraint 4 0 1 0 0<
Constraint 5 0 0 1 0<
Results
Variables 4500 4500 4500 10000
Objective
datarios potenciales es de 500 departamentos-
entos-es- tudio y casas unifamiliares. El espacio para
dio, casas dúplex y casas unifamiliares,
estima en $600, $750 y $1200 para departamentos-
minar el área óptima para locales co- merciales y la
o the
to the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
-
> constraints
0 0
0 0
0 0
0 0
0 0
Column1
EJERCICiO # 16
Burroughs Garment Company fabrica camisas para caballero y blusas de dama para las tiend
surtida por Burroughs. El proceso de producción incluye el corte, la costura y el empaque. Bu
costura, y 5 en empaque. La fábrica trabaja un turno de 8 horas, 5 días a la semana. La siguie
las dos prendas:
Camisas X1 20 70 12 8
Blusas X2 60 60 4 12
Empleados 25 35 5 65
Horas Diarias 200 280 40 520
Horas Semanales 1,000 1,400 200 2,600
Mintuos Diarios Disponibles 12,000 16,800 2,400 31,200
Minutos Semanales Disp 60,000 84,000 12,000 156,000
Funcion Maximimar
Z = 8X1 + 12X2
X1, X2 >= 0
INCISO B
Determine el valor de 1 hora de corte, costura y empacado, enfunción del ingreso total.
13920
Programacion Semanal
Linear Programming
Signs
<
=
>
Data
x1
estriccion de Corte Objective 8
Constraint 1 20
estriccion de Costura Constraint 2 70
Constraint 3 12
estriccion de Empaque
Results
Variables 480
Objective
l ingreso total.
toda la producción
de corte, 35 en el de
idades por unidad para
Enter
Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then cc
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Results
x2 LHS Slack/Surplus
12 sign RHS 0
60 < 60000 0 60000
60 < 84000 0 84000
4< 12000 0 12000
840
0
he
he Data
DataAnalysis
Analysis Group
Group and
and then
then click
click
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to
Data Results
x1 x2 LHS Slack/Surplus
Objective 8 12 sign RHS 13920
Constraint 1 20 60 < 60000 60000 0
Constraint 2 70 60 < 84000 84000 0
Constraint 3 12 4< 12000 9120 2880
Results
Variables 480 840
Objective 13920
Page 37
LAB 38-A
Data Results
P1 P2 P3 P4 P5 P6 LHS
Objective 32.4 35.8 17.75 14.8 18.2 12.35 sign RHS 181.4045
Constraint 1 10.5 8.3 10.2 7.2 12.3 9.2 < 60 48.19399
Constraint 2 14.4 12.6 14.2 10.5 10.1 7.8 < 70 70
Constraint 3 2.2 9.5 5.6 7.5 8.3 6.9 < 35 35
Constraint 4 2.4 3.1 4.2 5 6.3 5.1 < 20 14.87532
Results
Variables 2.053539 3.208654 0 0 0 0
Objective 181.4045
Page 38
LAB 38-A
Slack/Surplus
11.80601
0
0
5.124679
Page 39
LAB 38-B
Data Results
x1 x2 x3 x4 x5 x6 LHS
Objective 32.4 35.8 17.75 14.8 18.2 12.35 sign RHS 181.4045
Constraint 1 10.5 8.3 10.2 7.2 12.3 9.2 < 60 48.19399
Constraint 2 14.4 12.6 14.2 10.5 10.1 7.8 < 70 70
Constraint 3 2.2 9.5 5.6 7.5 8.3 6.9 < 35 35
Constraint 4 2.4 3.1 4.2 5 6.3 5.1 < 20 14.87532
Constraint 5 1 -1 > 0 3.208654
Results
Variables 2.053539 3.208654 0 0 0 0
Objective 181.4045
Page 40
LAB 38-B
Slack/Surplus
11.80601
0
0
5.124679
-3.20865
Page 41
Lab 46-1
Data
X1 X2 X3 X4 X5 X6
Objective 2 2.8 3 2.1 3.2 4.2 sign RHS
Restricciones 1 1 1 > 1500
Restricciones 2 1 1 > 1200
Restricciones 3 1 < 550
Restricciones 4 1 < 250
Restricciones 5 1 < 620
Restricciones 6 1 < 280
Restricciones 7 2 2 2 -1 -1 -1 > 0
Results
Variables 550 250 0 620 280 0
Objective 3998
Page 42
Lab 46-1
r in
in the
the Data
DataAnalysis
Analysis
postrophe first.)
Results
LHS Slack/Surplus
3998
800 700
900 300
550 0
250 0
620 0
280 0
700 -700
Page 43
LAB 54-1
Data Results
X1 X2 X3 X4 LHS Slack/Surplus
Objective 600 750 1200 100 sign RHS 12475000
Constraint 1 -0.5 1 -0.5 > 0 0 0
Constraint 2 0 0 0 1< 10000 10000 0
Constraint 3 1 0 0 0< 5000 4500 500
Constraint 4 0 1 0 0< 4500 4500 0
Constraint 5 0 0 1 0< 4500 4500 0
Results
Variables 4500 4500 4500 10000
Objective 12475000
Page 44
1
Fuente
Manufactura
Compra
Tiempos
Min Depto.
21,600 Produccion
15,000 Ensamble
18,000 Empaque
54,600 Tota M / pieza
Demanda
Minutos Necesarios
Precio de Venta
Compinente 1 Componente 2 Componente 3
$ 4.50 $ 5.00 $ 2.75
$ 6.50 $ 8.80 $ 7.00
2400
Min
21,600
15,000
18,000
54,600
LP_max
Data
x1 x2 x3 x4 x5 x6
Objective 7.5 12 10.25 5.5 8.2 6 sign RHS
Constraint 1 2 3 4 < 21600
Constraint 2 1 1.5 3 < 15000
Constraint 3 1.5 2 5 < 18000
Constraint 4 1 1 = 27000
Constraint 5 1 1 = 9100
Constraint 6 1 1= 42000
Results
Variables 0 7200 0 27000 1900 42000
Objective 502,480.00
Page 48
LP_max
nn the
the Data
DataAnalysis
Analysis Group
Group and
and
Results
LHS Slack/Surplus
502480
21600 0
10800 4200
14400 3600
27000 0
9100 0
42000 0
Page 49
LP_max (2)
Data Results
x1 x2 x3 x4 x5 x6 LHS
Objective 7.5 12 10.25 5.5 8.2 6 sign RHS 86400
Constraint 1 2 3 4 0 0 0< 21600 21600
Constraint 2 1 1.5 3 0 0 0< 15000 10800
Constraint 3 1.5 2 5 0 0 0< 18000 14400
Results
Variables 0 7200 0 0 0 0
Objective 86400
Page 50
LP_max (2)
Slack/Surplus
0
4200
3600
Page 51
LP_max (3)
Data Results
x1 x2 x3 LHS Slack/Surplus
Objective 7.5 12 10.25 sign RHS 86400
Constraint 1 2 3 4< 21600 21600 0
Constraint 2 1 1.5 3< 15000 10800 4200
Constraint 3 1.5 2 5< 18000 14400 3600
Results
Variables 0 7200 0
Objective 86400
Page 52
LP_max (4)
Data Results
x1 x2 x3 LHS Slack/Surplus
Objective 7.5 12 10.25 sign RHS 81000
Constraint 1 2 3 4< 21600 21600 0
Constraint 2 1 1.5 3< 15000 10800 4200
Constraint 3 1.5 2 5< 18000 16200 1800
Constraint 4 1 1 1> 54600 10800 43800
Constraint 5 > 0 0 0
Constraint 6 > 0 0 0
Results
Variables 10800 0 0
Objective 81000
Page 53
LP_max (5)
Data Results
x1 x2 x3 x4 x5 x6 LHS
Objective 7.5 12 10.25 5.5 8.2 6 sign RHS 321900
Constraint 1 2 3 4 0 0 0< 21600 21600
Constraint 2 1 1.5 3 0 0 0< 15000 10800
Constraint 3 1.5 2 5 0 0 0< 18000 16200
Constraint 4 1 1 1 1 1 1> 54600 54600
Results
Variables 10800 0 0 43800 0 0
Objective 321900
Page 54
LP_max (5)
Slack/Surplus
0
4200
1800
0
Page 55
LP_max (6)
Data Results
x1 x2 x3 LHS Slack/Surplus
Objective 7.5 12 10.25 sign RHS 0
Constraint 1 2 3 4< 0 0
Constraint 2 1 1.5 3< 0 0
Constraint 3 1.5 2 5< 0 0
Constraint 4 1 1 1< 0 0
Constraint 5 < 0 0
Constraint 6 < 0 0
Results
Variables
Objective 0
Page 56
LP_max (7)
Data Results
x1 x2 x3 LHS Slack/Surplus
Objective 7.5 12 10.25 sign RHS 86400
Constraint 1 2 3 4< 21600 21600 0
Constraint 2 1 1.5 3< 15000 10800 4200
Constraint 3 1.5 2 5< 18000 14400 3600
Constraint 4 1 1 1< 54600 7200 47400
Results
Variables 0 7200 0
Objective 86400
Page 57