Programación Lineal

Entera
Ing. Jorge Oyola Cervantes, M.Sc.
 Programación Lineal Entera (PLE)
Por lo general, las aplicaciones de programación lineal entera (PLE) caen
dentro de dos categorías: directa y transformada.
• En la categoría directa, la naturaleza de la situación impide la asignación de
valores fraccionarios a las variables del modelo. Por ejemplo, el problema
puede implicar la determinación de si se emprende o no un proyecto
(variable binaria), o la determinación del número óptimo de máquinas
necesarias para realizar una tarea (variable general entera)
 Programación Lineal Entera (PLE)
Por lo general, las aplicaciones de programación lineal entera (PLE) caen
dentro de dos categorías: directa y transformada.
• En la categoría transformada se utilizan variables enteras auxiliares para
convertir analíticamente situaciones insolubles en modelos que pueden
resolverse por medio de algoritmos de optimización disponibles
 Programación Lineal Entera (PLE)
Por comodidad, un problema se define como programa entero puro cuando
todas las variables son enteras. En caso contrario, es un programa entero
combinado (PEC) que implica una combinación de variables enteras y
continuas. Algunas aplicaciones son:
• Problema de presupuesto de capital
• Problema de cobertura de conjunto
• Problema de cargo fijo
 Problema de presupuesto de capital
• La toma de decisiones de emprender o no un proyecto suele hacerse
conforme a consideraciones y prioridades preestablecidas de presupuesto
limitado. El siguiente ejemplo presenta una de estas situaciones.
Ejemplo 1. Selección de un proyecto
• Se están evaluando cinco proyectos a lo largo de un horizonte de planeación
de 3 años. La siguiente tabla presenta los rendimientos esperados y los gastos
anuales que conllevan.
 Ejemplo 1. Selección
Gastos ($ millones) / año
de un proyecto
Rendimiento
Proyecto 1 2 3 ($ millones)
1 5 1 8 20 • ¿Cuáles proyectos deben
2 4 7 10 40 seleccionarse a lo largo
3 3 9 2 20 del periodo de 3 años?
4 7 4 1 15
5 8 6 10 30
• El problema se reduce a
Fondos disponibles una decisión “sí / no”
($ millones) 25 25 25 para cada proyecto.
 Ejemplo 1. Selección de un proyecto
• Se define la variable binaria 𝑥𝑗 como
1, 𝑠𝑖 𝑠𝑒 𝑠𝑒𝑙𝑒𝑐𝑐𝑖𝑜𝑛𝑎 𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 𝑗
𝑥𝑗 = ቊ
0, 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜
 Ejemplo 1. Selección de un proyecto
• El modelo de PLE es
𝑍 𝑚𝑎𝑥 = 20𝑥1 + 40𝑥2 + 20𝑥3 + 15𝑥4 + 30𝑥5
• Sujeto a
5𝑥1 + 4𝑥2 + 3𝑥3 + 7𝑥4 + 8𝑥5 ≤ 25
𝑥1 + 7𝑥2 + 9𝑥3 + 4𝑥4 + 6𝑥5 ≤ 25
8𝑥1 + 10𝑥2 + 2𝑥3 + 𝑥4 + 10𝑥5 ≤ 25
𝑥𝑗 = 0,1 , 𝑗 = 1, … , 5
 Ejemplo 1. Selección de un proyecto
• La solución óptima entera (obtenida computacionalmente) es
𝑥1 = 𝑥2 = 𝑥3 = 𝑥4 = 1, 𝑥5 = 0
𝑍 = 95 ($ millones)
• Es decir, la solución excluye el proyecto 5 de la combinación de proyectos.
• Adicional: comparar la solución de PL continua con la solución del PLE,
reemplazando la restricción 𝑥𝑗 = 0,1 con 0 ≤ 𝑥𝑗 ≤ 1.
 Problema de cobertura de conjunto
• En esta clase de problemas, varias plantas ofrecen servicios que se traslapan a
varias instalaciones.
• El objetivo es determinar la cantidad mínima de plantas que cubren (es decir,
que satisfacen las necesidades de servicio de) cada instalación.
• Por ejemplo, se pueden construir plantas de tratamiento de agua en varios
lugares, y cada planta sirve a un grupo de ciudades.
• El traslape ocurre cuando a una ciudad dada le da servicio más de una planta.
 Ejemplo 2. Instalación de teléfonos de
seguridad
• Para promover la seguridad en el campus el departamento de seguridad de
una universidad se encuentra en proceso de instalación de teléfonos de
emergencia en lugares seleccionados.
• El departamento desea instalar una cantidad mínima de estos aparatos que
presten servicio a cada una las calles principales del campus.
• La siguiente figura es un mapa de dichas calles.
Ejemplo 2. Instalación
de teléfonos de
seguridad

• Es lógico maximizar la
utilidad de los teléfonos
si se les coloca en
intersecciones de calles.
• De este modo, una sola
unidad puede prestar
servicio al menos a dos
calles.
 Ejemplo 2. Instalación de teléfonos de
seguridad
• Se define la variable binaria 𝑥𝑗 como
1, 𝑠𝑖 𝑠𝑒 𝑖𝑛𝑠𝑡𝑎𝑙𝑎 𝑢𝑛 𝑡𝑒𝑙𝑒𝑓𝑜𝑛𝑜 𝑒𝑛 𝑒𝑙 𝑙𝑢𝑔𝑎𝑟 𝑗
𝑥𝑗 = ቊ
0, 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜
• Las restricciones del problema requieren que se instale al menos un teléfono
en cada una de las 11 calles (A a K).
• El modelo de PLE es
𝑍 𝑚𝑖𝑛 = 𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 + 𝑥6 + 𝑥7 + 𝑥8
 Ejemplo 2. Instalación de teléfonos de
seguridad
• Sujeto a • La solución óptima
𝑥1 + 𝑥2 ≥ 1 (Calle A) 𝑥1 + 𝑥6 ≥ 1 (Calle G) del problema requiere
que se instalen cuatro
𝑥2 + 𝑥3 ≥ 1 (Calle B) 𝑥4 + 𝑥7 ≥ 1 (Calle H) teléfonos en las
𝑥4 + 𝑥5 ≥ 1 (Calle C) 𝑥2 + 𝑥4 ≥ 1 (Calle I) intersecciones 1, 2, 5 y
7.
𝑥7 + 𝑥8 ≥ 1 (Calle D) 𝑥5 + 𝑥8 ≥ 1 (Calle J)
𝑥6 + 𝑥7 ≥ 1 (Calle E) 𝑥3 + 𝑥5 ≥ 1 (Calle K)
𝑥2 + 𝑥6 ≥ 1 (Calle F) 𝑥𝑗 = 0,1 , 𝑗 = 1, … , 8
 Problema de cobertura de conjunto
En el sentido estricto, los problemas de cobertura se caracterizan por los
siguientes criterios:
1. Las variables 𝑥𝑗 , 𝑗 = 1, 2, … , 𝑛 son binarias.
2. Los coeficientes del lado izquierdo de las restricciones son 0 o 1.
3. El lado derecho de cada restricción es de la forma (≥ 1)
4. La función objetivo minimiza 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 , donde 𝑐𝑗 > 0
para toda 𝑗 = 1, 2, … , 𝑛.
 Problema de cobertura de conjunto
• En este ejemplo, 𝑐𝑗 = 1 para todas las 𝑗.
• Si 𝑐𝑗 representa el costo de instalación en la intersección j, entonces estos
coeficientes pueden asumir valores diferentes de 1.
• Las variaciones del problema de cobertura incluyen condiciones colaterales
adicionales.
 Problema de cargo fijo
• El problema de cargo fijo tiene que ver con situaciones en que la actividad
económica incurre en dos tipos de costos: un costo fijo necesario para iniciar
la actividad y un costo variable proporcional al nivel de la actividad.
• Por ejemplo, el herramental inicial de una máquina antes de iniciar la
producción incurre en un costo de preparación fijo independientemente de
cuántas unidades se fabriquen.
• Una vez completa la preparación de la máquina, el costo de la mano de obra
y del material es proporcional a la cantidad producida.
 Problema de cargo fijo
• Dado que 𝐹 es el cargo fijo, 𝑐 es el costo unitario variable, y 𝑥 es el nivel de
producción, la función de costo se expresa como
𝐹 + 𝑐𝑥, 𝑠𝑖 𝑥 > 0
𝐶 𝑥 =ቊ
0, 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜
• La función 𝐶(𝑥) es analíticamente insoluble porque implica una
discontinuidad en 𝑥 = 0. El siguiente ejemplo demuestra cómo se utilizan las
variables binarias para volver el modelo analíticamente soluble.
 Ejemplo 3. Selección de una compañía
telefónica
• Tres compañías telefónicas me ofrecen suscribirme a su servicio de larga distancia
en Estados Unidos. MaBell cobra una cuota fija de $16 por mes más $0.25 por
minuto. PaBell cobra $25 por mes pero reduce el costo por minuto a $0.21. En
cuanto a BabyBell, la cuota fija mensual es de $18, y el costo por minuto es de $0.22.
• Usualmente utilizo un promedio de 200 minutos de llamadas de larga distancia al
mes. Suponiendo que no tenga que pagar la cuota fija mensual a menos que realice
llamadas y que pueda repartirlas entre las tres compañías como me plazca, ¿cómo
debería utilizar las tres compañías para minimizar mi recibo telefónico mensual?
 Ejemplo 3. Selección de una compañía
telefónica
• Las variables de decisión se definen 𝑦1 = 1 si 𝑥1 = 1 y 0 si 𝑥1 = 0
como sigue: 𝑦2 = 1 si 𝑥2 = 1 y 0 si 𝑥2 = 0
𝑥1 = Minutos de larga distancia de 𝑦3 = 1 si 𝑥3 = 1 y 0 si 𝑥3 = 0
MaBell por mes
𝑥2 = Minutos de larga distancia de
• Se puede asegurar que 𝑦𝑗 es igual a
PaBell por mes 1 cuando 𝑥𝑗 es positiva por medio
de la restricción
𝑥3 = Minutos de larga distancia de
BabyBell por mes 𝑥𝑗 ≤ 𝑀𝑦𝑗 , 𝑗 = 1,2,3
 Ejemplo 3. Selección de una compañía
telefónica
• El valor de 𝑀 debe seleccionarse lo bastante grande como para no restringir
artificialmente la variable 𝑥𝑗 . Como utilizo aproximadamente 200 minutos de
llamadas al mes, entonces 𝑥𝑗 ≤ 200 para todas las 𝑗, así que es seguro
seleccionar 𝑀 = 200.
• El modelo completo es
𝑍 𝑚𝑖𝑛 = 0.25𝑥1 + 0.21𝑥2 + 0.22𝑥3 + 16𝑦1 + 25𝑦2 + 18𝑦3
 Ejemplo 3. Selección de una compañía
telefónica
• Sujeto a • La formulación muestra que la j-
𝑥1 + 𝑥2 + 𝑥3 = 200 ésima cuota mensual fija formará
parte de la función objetivo sólo si
𝑥1 ≤ 200𝑦1
𝑦𝑗 = 1, lo cual puede suceder sólo
𝑥2 ≤ 200𝑦2
si 𝑥𝑗 > 0 (de acuerdo con las
𝑥3 ≤ 200𝑦3 últimas tres restricciones del
𝑥1 , 𝑥2 , 𝑥3 ≥ 0 modelo)
𝑦1 , 𝑦2 , 𝑦3 = 0,1
 Ejemplo 3. Selección de una compañía
telefónica
• Si 𝑥𝑗 = 0 en el óptimo, entonces la minimización de 𝑍, junto con el hecho de
que el coeficiente objetivo de 𝑦1 sea positivo, hace que 𝑦𝑗 sea igual a cero
como se desea.
• La solución óptima resulta 𝑥3 = 200, 𝑦3 = 1, y todas las variables restantes
iguales a cero.
• Es decir, debo seleccionar a BabyBell como mi proveedor de larga distancia.
 Ejemplo 3. Selección de una compañía
telefónica
• La información ofrecida por 𝑦3 = 1 es redundante porque 𝑥3 > 0 (𝑥3 =
200) implica el mismo resultado.
• En realidad, la razón principal para utilizar 𝑦1 , 𝑦2 y 𝑦3 se explica por la cuota
mensual fija.
• Las tres variables binarias transforman un modelo (no lineal) de mal
comportamiento en una formulación analíticamente soluble. Esta conversión
ha dado por resultado la introducción de las variables (binarias) enteras en un
problema que de lo contrario sería continuo.
 Referencias
• Taha, H. A. (2017). Investigación de operaciones (10ª ed.). Pearson Educación.
• Hillier, F. S., & Lieberman, G. J.. (2015). Introducción a la Investigación de
Operaciones (10ª ed.). McGraw-Hill.