USO DE

SOFTWARE LINGO

Docente: Yerko Sánchez Oñate

¿Qué es LINGO?

 LINear Generalize Optimizer es una

herramienta simple para formular problemas
lineales y no lineales, resolverlos y analizar
su solución.

 Su característica más importante es su

aplicación en el lenguaje del modelo
matemático.

2
Sintaxis de LINGO

 Siempre utilizar el signo de la multiplicación

(*) entre número y variable.

 Todas las sentencias deben terminar con el

carácter “;”.

Ejemplo:
4*x1+2*x3;

3
Sintaxis de LINGO

 Un nombre de variable puede tener 32

caracteres como máximo. Debe empezar con
una letra y puede contener letras, números y
el carácter “_”.

 LINGO no distingue entre minúsculas y

mayúsculas.
Ejemplo: PRODUCCION es lo mismo que produccion y que
PrOdUcCiOn

4
Sintaxis de LINGO
 El nombre de la función objetivo o de
cualquier restricción debe ir entre corchetes.

 Para declarar la función objetivo debe usarse

la palabra “MAX” o “MIN” seguidas del signo
“=“.

 Los comentarios deben empezar con el

carácter “!” y terminar con “;”.

5
Funciones
de Dominio de Variable
 Por defecto LINGO considera todas las
variables como reales y positivas a menos
que se especifiquen como:

@GIN : Variables enteras.

@BIN : Variables binarias.
@FREE : Variables positivas ó negativas.
@BND : Limita la variable dentro de un rango
finito.
6
Funciones
de Dominio de Variable
Sintaxis:
@GIN : @GIN(variable_X);

@BIN : @BIN(variable_X);

@FREE : @FREE(variable_X);

@BND : @BND(lim_inf,X,lim_sup);

7
Primer Ejemplo

max = 2*x1+ 4*x2 + 2.5*x3;

3*x1 + 4*x2 + 2*x3 < 600;

2*x1 + 1*x2 + 2*x3 < 400;
1*x1 + 3*x2 + 3*x3 < 300;

X1=120; x2=60; x3=0

8
Primer Ejemplo

Para resolver

9
 Primer Ejemplo
Tipo de problema
• Lineal
• Entera

Estado de la solución
• Optimo global
• Factible
• Desconocido

Valor FO

Tiempo en segundos para

actualizar resultados
parciales

10
Primer Ejemplo

11
 Segundo Ejemplo

[funcion_objetivo] max = 8*x1 + 5*x2;

[rest_de_capacidad] 1*x1 + 1*x2 < 6;

[rest_de_demanda] 9*x1 + 5*x2 < 45;
@GIN(X1);
@GIN(X2);

X1 = 5 ; X2 =0
12
Tercer Ejemplo
max = 2*x1 + 3*x2 + 4*x3 + 3*x4 + 2*x5;

3*x1 + 2*x2 + 4*x3 + 2*x4 + 1*x5 < 10;

@bin(x1);
@bin(x2);
@bin(x3);
@bin(x4);
@bin(x5);

X1=0, x2=1, x3=1, x4=1, x5=1

13
LINGO v/s LINDO

 Diferencias de sintaxis:
Lingo Lindo

max = 2*x1+ 4*x2 + 2.5*x3; max 2x1+4x2+2.5x3

st
3*x1 + 4*x2 + 2*x3 < 600; 3x1 + 4x2+2x3 < 600
2*x1 + 1*x2 + 2*x3 < 400; 2x1 + x2 + 2 x3< 400
1*x1 + 3*x2 + 3*x3 < 300; x1 + 3x2 +3x3 <300
end

14
LINGO v/s LINDO

 Diferencias de sintaxis:
Lingo Lindo

max = 8*x1 + 5*x2; max 8 x1 + 5 x2

1*x1 + 1*x2 < 6; subject to
9*x1 + 5*x2 < 45; x1 + x2 < 6
@GIN(X1); 9 x1 + 5 x2 < 45
@GIN(X2); end
gin x1
gin x2

15
 LINGO v/s LINDO

 Diferencias de sintaxis:
Lingo Lindo

max = 2*x1 + 3*x2 + 4*x3 + 3*x4 + 2*x5; max 2 x1 + 3 x2 + 4 x3 + 3 x4 + 2 x5

3*x1 + 2*x2 + 4*x3 + 2*x4 + 1*x5 < 10; subject to
@bin(x1); 3 x1 + 2 x2 + 4 x3 +2 x4 + 1 x5 < 10
@bin(x2); end
@bin(x3); int 5
@bin(x4);
@bin(x5);

16
Guía de Ejercicios I

17
A1

Guía de Ejercicios I

e) El granjero Leary cultiva trigo y maíz en su granja de 45 acres.

Puede vender a lo más 140 bushel de trigo y a lo más 120 bushel
de maíz. Cada acre cultivado produce 5 bushel de trigo o 4 bushel
de maíz. El trigo se vende a 30 dólares el bushel y el maíz a 50
dólares el bushel. Se necesitan 6 horas de mano de obra para
cosechar un acre de trigo y 10 horas de mano de obra para
cosechar un acre de maíz. Se pueden adquirir 350 horas de mano
de obra a 10 dólares la hora.

Sea:
A1 = acres sembrados de trigo
A2 = acres sembrados de maíz
L = horas de trabajo adquiridas

Plantee el PL y encuentre la solución óptima.

18
Ingreso en LINGO

a) MAX = 2*X1-3*X2+5*X3+X4;
X1+2*X2+3*X3+X4<=5;
X1+X2+2*X3+3*X4<=3;

b) MAX = 2*X1+X2;
2*X1+3*X2<=3;
X1+5*X2<=1;
2*X1+X2<=4;
4*X1+X2<=5;
19
c) MAX = 3*X1+X2;
X1-X2>=1;
X1-2*X2<=3;
2*X1+X2<=2;

d) MAX = 3*X1+2*X2+4*X3;
X1+2*X2+X3+X4<=2;
X1-X2+X3+2*X4>=3;
2*X1-X2+X3>=2;

20
e) MAX = 30*5*A1+4*50*A2-10*L;
A1+A2<=45;
6*A1+10*A2-L<=0;
L<=350;
5*A1<=140;
4*A2<=120;

21
Solución Ejercicios I

a) x3=1.5 ; x1=x2=x4=0;
b) x1=1; x2=0;
c) x1=1; x2=0;
d) x1=x4=1; x2=x3=0;
e) A1=25; A2=20; L=350;

22
Problema 1
Un agricultor produce alimentos para pollos y ganado. Estos
son compuestos de tres ingredientes: trigo, cal y harina de
pescado, que contienen proteínas y calcio. La tabla siguiente
proporciona los contenidos de nutrientes en cada kilo de
ingrediente:

El contenido de proteínas debe quedar en el intervalo 18 , 22 g

por Kg, y el de calcio debe ser mayor o igual a 20, para
alimento para ganado

23
Problema 1
Para el alimento de pollo, el contenido de proteína y
calcio debe estar en el intervalo 20, 30 y 20, 25 g por Kg
de alimento respectivamente.

Suponga que se dispone de 3000, 2500 y 1000 Kg de

trigo, cal y harina de pescado respectivamente.
También suponga que se requieren producir 4000 y
2000 Kg de alimento de ganado y pollo.
Considere que los precios por kilogramo de trigo, cal y
harina de pescado son 0.1, 0.1 y 0.08 pesos.

Se pide formular el problema de mezcla que minimice el

costo.

24
Solución Problema 1

i: tipo de ingredientes:
1= trigo
2=cal
3=harina de pescado
j: tipo de producto:
1= alimento para ganado
2= alimento para pollo

Variable de Decisión:
Xij: kilos de ingrediente tipo i usado
en el producto tipo j.
25
Solución Problema 1
min = 0.1*(x11+x12) + 0.1*(x21+x22) + 0.08*(x31+x32)
3*x11 – 7*x21 + 3*x31 <= 0
7*x11 – 3*x21 + 7*x31 >= 0
-5*x11 + 10*x21 >= 0
-5*x12 – 15*x22 - 5*x32 <= 0
5*x12 – 5*x22 + 5*x32 >= 0
-10*x12 + 5*x22 - 5*x32 <= 0
-5*x12 + 10*x22 >= 0
x11 + x12 <= 3000
x21 + x22 <= 2500
x31 + x32 <= 1000
x11 + x21 + x31 = 4000
x12 + x22 + x32 = 2000
X11
X22
Restricción de proteínas en el de ganado
Restricción de proteínas en el de ganado
Restricción de calcio en el de ganado
Restricción de proteína en el de pollo
Restricción de proteína en el de pollo
Restricción de calcio en el de pollo
Restricción de calcio en el de pollo
Restricción de disponibilidad de trigo
Restricción de disponibilidad de cal
Restricción de disponibilidad de harina de pescado
Restricción de producción de alimento para ganado
Restricción de producción de alimento para pollo
2666.667 X12 333.3333 X21 1333.333
666.6667 X31 0.000000 X32 1000.000
26
Modelamiento Matemático

La principal ventaja de LINGO es poder

modelar matemáticamente un problema.

Esto nos permite trabajar con un conjunto de

restricciones escribiendo sólo algunas.

También nos evita escribir todas las variables

dado que podemos utilizar índices.

27
Indexación de Conjuntos

28
Ingreso de Datos en LINGO
Algunas Funciones en LINGO
Nombrar Restricciones en LINGO
Condicionar Restricciones en LINGO
 Indexación de Conjuntos

Ejemplo:
Estas 4 restricciones con 20 variables distintas la podemos
escribir en una sola sentencia equivalente.
x11+x21+x31+x41+x51<=O(1)
x12+x22+x32+x42+x52<=O(2)
x13+x23+x33+x43+x53<=O(3)
x14+x24+x34+x44+x54<=O(4)
5

 x(i, j)  O( j), j  1..4

i 1

33
Estructura de la Solución LINGO
MODEL:
SETS:
!declaramos las variables. En este caso: O, D, C y la solución X
ENDSETS

DATA:
!ingresamos los datos de cada variable.
ENDDATA
Notar que no llevan “;”

FUNCIÓN OBJETIVO
RESTRICCIONES
END
34
Sets (conjuntos)

 Sets son grupos de objetos relacionados.

 LINGO reconoce 2 tipos de conjuntos :

Primitivos:
Es un conjunto compuesto sólo de objetos que no
pueden ser reducidos posteriormente. Ejemplo : PLANTAS

Derivados:
 Es definido a partir de uno o más conjuntos. Ejemplo : ARCOS

35
Sets (conjuntos)

 Notación Conjunto Primitivo:

setname [/lista_miembros/][: lista_atributos];
Ejemplo:
PLANTAS / P1 P2 P3/ : O;
PLANTAS / P1..P3/ : O;

 Notación Conjunto Derivado:

setname(Lista_conj_padres)[/lista_miembros/][:lista_atrib]
Ejemplo:
PRODUCTO /A B /;
MAQUINA /M N/;
ASIGNACION(PRODUCTO,MAQUINA):COSTOS,X;

36
Operadores y Funciones

 Aritméticos:
+ , - , * , / , = , >= , <= , ^

 Funciones:
@FOR(…) @SUM(…)
@MAX(…) @MIN(…)
@PROD(…)

37
Operadores y Funciones

 Funciones Matemáticas:
 @ABS(…) : valor absoluto
 @COS(…) : coseno
 @SIN(…) : seno
 @TAN(…) : tangente
 @FLOOR(…) : entero inferior
 @LOG(…) : logaritmo
 @SQRT(…) : raíz cuadrada
38
Operadores y Funciones

#EQ# : igual a
#NE# : no igual a
#GT# : mayor estricto a
#GE# : mayor igual a
#LT# : menor estricto a
#LE# : menor igual a
#NOT#: no (excluye un elemento)
#AND#: y
#OR# : ó

39
Operadores y Funciones

Ejemplo notación:

10

 X (2, j, k )  D( j), j  1..7

k 1

@FOR(SETS(i,j,k)|i#EQ#2:@SUM(SETS(i):X(2,j,k)=D(j)))

40
 Ejemplo:
Problema de Producción
y Distribución
Ejemplo: Problema de Producción
y Distribución
Ejemplo

Una empresa tiene 3 plantas y 4 clientes. Se conoce la

oferta de cada planta, la demanda de cada cliente y los
costos de transportar una unidad de producto de una planta
a un cliente determinado.

Se pide encontrar la cantidad de producto que cada planta

debe enviar a cada cliente de modo de minimizar los costos
de transporte.

43
Datos

Ofertas Costos:
Planta 1: 35 Clientes
Planta 2: 50
8 6 10 9

Plantas
Planta 3: 40
9 12 13 7
14 9 16 5
Demandas
Cliente 1: 45
C(i,j): costo de transportar una
Cliente 2: 20
unidad de producto de la planta
Cliente 3: 30
i al cliente j.
Cliente 4: 30

44
Solución Ejemplo
SETS:
PLANTAS/ P1 P2 P3 /: O;
CLIENTES/ C1 C2 C3 C4 /: D;
ARCOS(PLANTAS,CLIENTES):C,X;
ENDSETS

DATA:
O= 35 50 40;
D= 45 20 30 30;
C= 8 6 10 9
9 12 13 7
14 9 16 5;
ENDDATA

45
Solución Ejemplo

FUNCIÓN OBJETIVO:
MIN = @SUM(ARCOS(I,J):C(I,J)*X(I,J));

3 4
MIN   C (i, j )  X (i, j )
i 1 j 1

46
Solución Ejemplo
RESTRICCIONES:
@FOR(PLANTAS(I): @SUM(CLIENTES(J):X(I,J))<=O(I));

@FOR(CLIENTES(J): @SUM(PLANTAS(I):x(I,J))>=D(J));

 X (i, j)  O(i), i  1..3

j 1

 X(i, j)  D(j), j  1..4

i 1

47
Ejemplo Resuelto
MODEL:
SETS:
PLANTAS/ P1 P2 P3 /: O;
CLIENTES/ C1 C2 C3 C4 /: D;
ARCOS(PLANTAS,CLIENTES):C,X;
ENDSETS

DATA:
O=35 50 40;
D= 45 20 30 30;
C= 8 6 10 9
9 12 13 7
14 9 16 5;
ENDDATA

MIN = @SUM(ARCOS(I,J):C(I,J)*X(I,J));

@FOR(PLANTAS(I): @SUM(CLIENTES(J):X(I,J))<=O(I));

@FOR(CLIENTES(J): @SUM(PLANTAS(I):x(I,J))>=D(J));

END

48
Problema 2

 Agrupe las siguientes 10 ciudades en 5

distritos tales que:
 Los demócratas ganen en el mayor número
de distritos posibles.
 Todos los electores en una ciudad deben
estar en el mismo distrito.
 Cada distrito debe tener entre 150.000 y
250.000 electores.

49
Problema 2

Datos:
Ciudad Republicanos Demócratas
1 80 34
2 60 44
3 40 44
4 20 24
5 40 114
6 40 64
7 70 14
8 50 44
9 70 54
10 70 64

50
Solución Problema 2
MODEL:

SETS:
CIUDADES/C1..C10/:VD,VR;
DISTRITOS/D1..D5/:SILLA;
ARCOS(CIUDADES,DISTRITOS):X;
ENDSETS

DATA:
VD= 34 44 44 24 114 64 14 44 54 64;
VR= 80 60 40 20 40 40 70 50 70 70;
TAM_MIN=150;
TAM_MAX=250;
M=1000;
ENDDATA

51
 Solución Problema 2

MIN = @SUM(DISTRITOS(I):SILLA(I));

@FOR(DISTRITOS(J):@SUM(ARCOS(I,J):X(I,J)*(VD(I)+VR(I)))>=TAM_MIN);

@FOR(DISTRITOS(J):@SUM(ARCOS(I,J):X(I,J)*(VD(I)+VR(I)))<=TAM_MAX);

@FOR(CIUDADES(I):@SUM(ARCOS(I,J):X(I,J))=1);

@FOR(DISTRITOS(J):@SUM(ARCOS(I,J):X(I,J)*(VR(I)-VD(I)))-M*SILLA(J)<=0);

@FOR(ARCOS(I,J):@BIN(X(I,J)));

@FOR(DISTRITOS(J):@BIN(SILLA(J)));

END

52
Problema 3

Una empresa desea programar la producción para los

siguientes 4 trimestres del único producto que produce.

La demanda estimada es:

trim. 1 = 40 un.
trim. 2 = 60 un.
trim. 3 = 75 un.
trim. 4 = 25 un.

53
Problema 3

La empresa produce en tiempo regular a un

costo de 400 $/un. con un máximo de 40 un.

Si necesita más unidades puede producir en

tiempo extra con un costo de 450 $/un.

No hay límite de producción en tiempo extra.

54
Problema 3

El inventario inicial es de 10 un.

La empresa puede mantener unidades en

inventario a un costo de 20 $/un.

Se pide determinar un calendario de

producción que minimice los costos de
producción y de inventarios

55
Guía II – ej. 1

La empresa pronostica la demanda para los

próximos 6 meses:
mes 1: 5000 un.
mes 2: 6000 un.
mes 3: 5000 un.
mes 4: 9000 un.
mes 5: 6000 un.
mes 6: 5000 un.
56
Guía II – ej. 1

Un operario realiza una unidad de producto

en 15 min. Todos los operarios trabajan 150
horas por mes más hasta 40 horas por mes
de tiempo extra.

El sueldo es de 2000 $/mes más 50 $/hora

extra.

Al inicio de cada mes la empresa puede

contratar o despedir operarios.
57
Guía II – ej. 1

A la empresa le cuesta $1500 contratar un

operario y $1900 despedirlo.

El costo de mantener en inventario una

unidad de producto es del 3% del costo de
producción de una unidad en tiempo regular
(costo de materia prima 10 $/un.)

Al inicio del mes 1 la empresa tiene 13

trabajadores.
58
Guía II – ej. 1

Se pide minimizar los costos para cumplir a

tiempo la demanda de los próximos 6 meses.

59
Guía II – ej. 2

Una planta de generación eléctrica tiene 3

calderas. Si una caldera dada está en
operación es posible utilizar la para generar
una cierta cantidad de vapor (en toneladas)
entre el mínimo y el máximo dado en la
siguiente tabla:

caldera vapor mínimo vapor máximo costo/tonelada

1 500 1000 $10
2 300 900 $8
3 400 800 $6
60
Guía II – ej. 2

El vapor proveniente de las calderas se usa

para generar energía eléctrica en las tres
turbinas. Si operan, cada turbina procesa una
cantidad de vapor (en toneladas) entre el
mínimo y el máximo que se da en la
siguiente tabla:
Turbina mínimo máximo Kwh/tonelada de vapor costo proceso/ton. de vapor
1 300 600 4 $2
2 500 800 5 $3
3 600 900 6 $4

61
Guía II – ej. 2

Se pide minimizar el costo de producir 8000

kwh de energía eléctrica.

62
Guía II – ej. 3

Una empresa elabora salsa de tomate en

cinco plantas distintas. La capacidad (en
toneladas) de cada planta se encuentra en la
siguiente tabla:

1 2 3 4 5
tonelada 300 200 300 200 400

63
Guía II – ej. 3

La salsa de tomate se almacena en una de tres bodegas

. El costo por tonelada (en cientos de dólares) por
producir salsa de tomate en cada planta y embarcarla a
cada bodega se proporciona en la siguiente tabla:
hasta
desde bodega 1 bodega 2 bodega 3
planta 1 8 10 12
planta 2 7 5 7
planta 3 8 6 5
planta 4 5 6 7
planta 5 7 6 5

64
Guía II – ej. 3

La empresa tiene cuatro clientes. El costo de

embarcar una tonelada de salsa desde cada
bodega hasta el lugar del cliente es:
hasta cliente
Desde 1 2 3 4
Bodega 1 40 80 90 50
Bodega 2 70 70 60 80
Bodega 3 80 30 50 60

65
Guía II – ej. 3

La demanda anual de cada cliente es:

cliente
1 2 3 4
demanda 200 300 150 250

Existe un costo anual fijo por la operación de

cada planta y cada bodega (en miles de
dólares).

66
Guía II – ej. 3

planta 1 35
planta 2 45
planta 3 40
planta 4 42
planta 5 40
bodega 1 30
bodega 2 40
bodega 3 30
67
 Lectura de Datos desde MS Excel

 LINGO permite obtener datos desde MS Excel.

 Esta funcionalidad ayuda a trabajar problemas
con gran cantidad de datos.
 Notación:
@ole(‘nombre_hoja.xls’,’celdas’);
Las celdas se escriben como ‘celda1..celdaN’
La hoja de cálculo debe estar en Mis
Documentos y no debe estar en uso el archivo.
 Para cambiar la ubicación de los archivos escribir
la ruta de acceso junto al nombre del archivo.
Exportación de Resultados a MS Excel

 Los resultados del problema pueden ser

utilizados para realizar otros cálculos los que
generalmente se realizan en planillas de
Excel.
 En problemas complejos es necesario realizar
una validación de los resultados lo que
permite detectar si un modelo es incorrecto
(cuando la solución óptima que entrega no
cumple con las restricciones del problema).
Exportación de Resultados a MS Excel

 Notación:
@ole(‘nombre_archivo.xls’,’celdas’)=nombre_variable;

Se debe crear una nueva sección Data después de

todas las líneas del modelo.

El archivo debe estar creado en mis documentos.

Para cambiar la ubicación de los archivos escribir la ruta

de acceso junto al nombre del archivo.
 Trabajo en Clase
Una empresa tiene 3 plantas y 4 clientes. Se conoce la oferta de
cada planta, la demanda de cada cliente y los costos de
transportar una unidad de producto de una planta a un cliente
determinado. Se pide encontrar la cantidad de producto que cada
planta debe enviar a cada cliente de modo de minimizar los costos
de transporte.

Ofertas: Costos: 8 6 10 9
Planta 1: 35 9 12 13 7
Planta 2: 50 14 9 16 5
Planta 3: 40
C(i,j): costo de transportar una unidad de producto de la
Demandas: planta “i” al cliente “j”.
Cliente 1: 45
Cliente 2: 20 Resolver el Problema con LINGO. Se pide
Cliente 3: 30 disponer de los datos de Oferta y Demanda en
Cliente 4: 30 archivo Excel para llamarlos desde LINGO.
 Análisis de Sensibilidad

 Permite conocer cómo afectan cambios en

los parámetros del problema la solución
óptima, sin la necesidad de tener que volver
a resolver el PL.

 Es útil en escenarios donde no exista real

certeza sobre el valor exacto de un
parámetro.
 Análisis de Sensibilidad

 Intervalos para los coeficientes de la función

objetivo:
 Intervalo en que puede variar cada coeficiente de
la función objetivo si que la base actual deje de
ser óptima.

 El valor de la función objetivo puede cambiar.

 Análisis de Sensibilidad

 Intervalos para los coeficientes del lado

derecho:
 Intervalo en que puede variar cada coeficiente
del lado derecho dentro del cual la base actual
sigue siendo óptima.

 Los resultados de LINGO permiten determinar el

nuevo valor de la función objetivo.
Análisis de Sensibilidad

 Precios Dual (sombra):

Cantidad en que mejora el valor óptimo de la función
objetivo si el lado derecho de la i-ésima restricción
aumenta en uno.

Esta definición se aplica sólo si el cambio en el lado

derecho de la restricción está dentro del intervalo
permisible en el cual la base actual sigue siendo óptima.
Análisis de Sensibilidad

 Para un problema de Maximización:

nuevo valor óptimo de z = antiguo valor óptimo de z
+ precio sombra de la i-ésima restricción * delta bi

 Para un problema de Minimización:

nuevo valor óptimo de z = antiguo valor óptimo de z
- precio sombra de la i-ésima restricción * delta bi
Análisis de Sensibilidad

 Para activar el análisis de sensibilidad en

LINGO:
LINGO -> options -> general solver -> dual computations
-> prices & ranges

 Para realizar el análisis de sensibilidad:

resolver el problema -> LINGO -> Range
Ejemplo
El granjero Leary cultiva trigo y maíz en su granja de 45 acres.
Puede vender a lo más 140 bushel de trigo y a lo más 120
bushel de maíz. Cada acre cultivado produce 5 bushel de trigo o
4 bushel de maíz. El trigo se vende a 30 dólares el bushel y el
maíz a 50 dólares el bushel. Se necesitan 6 horas de mano de
obra para cosechar un acre de trigo y 10 horas de mano de obra
para cosechar un acre de maíz. Se pueden adquirir 350 horas
de mano de obra a 10 dólares la hora.

Sea:
A1 = acres sembrados de trigo
A2 = acres sembrados de maíz
L = horas de trabajo adquiridas

Plantee el PL y encuentre la solución óptima.

Ejemplo

 Si sólo se dispusiera de 40 acres de tierra,

¿cuál sería la utilidad de Leary?

 Si el precio del trigo cayera a 26 dólares,

¿cuál sería la nueva solución óptima para el
problema de Leary?
Ejemplo

MAX = 150*A1+200*A2-10*L;
A1+A2<=45;
6*A1+10*A2-L<=0;
L<=350;
5*A1<=140;
4*A2<=120;
Ejemplo
Ejemplo
 Ejemplo

 En primer lugar observamos que la

disminución máxima permitida para la
restricción 2 es de 6.66667. Luego, una
disminución de 5 acres no cambia la base
óptima actual.

Valor Función Objetivo = 4250 - 5*75 = 3875

Ejemplo

 Una disminución del precio del trigo provoca

una disminución de 20 dólares en el
coeficiente de utilidad de A1. Observamos que
la disminución máxima permisible es de 30
dólares para que la base actual siga siendo
óptima.

Valor Función Objetivo = 130*25+200*20-10*350= 3750