TECNOLÓGICO NACIONAL DE MÉXICO.

INSITUTO TECNOLÓGICO DE ORIZABA.

PROGAMACION ENTERA

PRESENTAN:

JORGE ANTONIO SANTOS CORTÉS.

MARCO GARCÍA PALACIOS.

HARAN GIOVANNI RODRIGUEZ PEÑA

INGENIERÍA INDUSTRIAL.

MATERIA:

INVESTIGACION DE OPERACIONES

HORARIO:

16 - 17 hrs.

DOCENTE:

ARELI BRENIS DZUL

 INDICE

INTRODUCCION……………………………………………………………………2

DEFINICION DE PROGRAMACION ENTERA…………………………………3

METODO GRAFICO DE PROGRAMACION ENTERA…………………………5

EJEMPLO PROGRAMACION ENTERA METODO GRAFICO………………6

METODO DE RAMIFICACION Y ACOTAMIENTO……………………………8

EJEMPLO METODO DE RAMIFICACION Y ACOTAMIENTO………………9

CONCLUSION………………………………………………………………………12

FUENTES DE INFORMACION…………………………………………………13

1
 INTRODUCCION

La programación entera es el método empleado para resolver problemas que

tienen variables de decisión enteras. Estos modelos se han considerado
submodelos de la programación lineal con la característica de enteridad.

Los creadores e investigadores de esta técnica fueron Wagner (1950) y Manne

(1959), quienes desarrollaron varios métodos de solución. Uno de los primeros
enfoques de solución al tipo de problemas que plantea la programación entera, fue
el de evaluación de cada posible solución, es decir, cada una de las
combinaciones de valores enteros para las variables del problema, conduciendo a
una solución óptima exacta. A este tipo de resoluciones se les dio el nombre de
métodos exactos. Por otro lado, se desarrollaron otro tipo de técnicas que
recibieron el nombre de métodos heurísticos, los cuales hacen referencia a la
intuición y conducen a una solución próxima a la óptima en un tiempo razonable.

Si se requiere que todas las variables sean enteras se habla de programación

lineal entera pura; si se necesita que algunas de las variables de decisión sean
números enteros, se tiene un problema de programación lineal entera mixta.

En otro tipo de problemas sólo se permite que las variables tomen un valor de
cero o de uno; en estos casos se habla de programación lineal entera binaria
(digital); si se requiere que solamente algunas de las variables tomen valores de
cero o uno, se tiene un problema de programación lineal entera binaria mixta.

Para resolver problemas de programación lineal entera, se utilizan varios

algoritmos como son: Ralph Gomory, ramificación y acotamiento, enumeración
exhaustiva o enumeración explícita, enumeración implícita, aditivo de Egon Balas
y algoritmos heurísticos. En esta unidad se explicarán los algoritmos más
empleados.

2
 DEFINICION DE PROGRAMACION ENTERA
Un modelo de Programación Entera es aquel cuya solución óptima tiene sentido
solamente si una parte o todas las variables de decisión toman valores
restringidos a números enteros, permitiendo incorporar en el modelamiento
matemático algunos aspectos que quedan fuera del alcance de los modelos
de Programación Lineal.

En este sentido los algoritmos de resolución de los modelos de Programación

Entera difieren a los utilizados en los modelos de Programación Lineal,
destacándose entre ellos el Algoritmo de Ramificación y Acotamiento (o Branch &
Bound), Branch & Cut, Planos Cortantes, Relajación Lagrangeana, entre otros.

Los modelos de Programación Entera se pueden clasificar en 2 grandes

áreas: Programación Entera Mixta (PEM) y Programación Entera Pura (PEP).

Programación Entera Mixta (PEM)

A esta categoría pertenecen aquellos problemas de optimización que consideran
variables de decisión enteras o binarias, pero no de forma exclusiva. De esta
forma un problema de PEM puede considerarse como un híbrido entre distintas
categorías de modelamiento, siendo un caso típico aquel que considera la mezcla
de variables enteras y variables continuas (estas últimas características de los
modelos de Programación Lineal). A modo de ejemplo los siguientes artículos que
hemos abordado en el Blog dan cuenta de modelos de Programación Entera
Mixta:
Incorporación de Costos Fijos

3
Problemas de Localización y Transporte
Problema de Generación Eléctrica
Programación Entera Pura (PEP)
En esta categoría encontramos aquellos modelos de Programación Entera que
consideran exclusivamente variables de decisión que adoptan valores enteros o
binarios. Un ejemplo de ello son las siguientes aplicaciones:

Problema de Asignación
Problema de Corte de Rollos
Selección de Invitados a una Boda
Programación de la Explotación Forestal
Problema de la Mochila
Notar que en los problemas anteriores (PEP) el conjunto de las soluciones
factibles (o dominio de soluciones factibles) es finito. Esto ocurrirá generalmente
con los problemas de Programación Entera (puros).
Adicionalmente resulta interesante hacer un contraste entre las propiedades de un
modelo de Programación Lineal (PL) y uno de Programación Entera (PE). A
continuación, se presentan 2 modelos de optimización que se diferencian
únicamente en que al segundo de ellos (PE) se le exige que las variables de
decisión adopten valores enteros.

4
 METODO GRAFICO DE PROGRAMACION ENTERA

Cada una de las ecuaciones que forman un sistema lineal de dos ecuaciones con
dos incógnitas es la de una función de primer grado, es decir, una recta. El método
gráfico para resolver este tipo de sistemas consiste, por tanto, en representar en
unos ejes cartesianos, o sistema de coordenadas, ambas rectas y comprobar si se
cortan y, si es así, dónde. Esta última afirmación contiene la filosofía del proceso
de discusión de un sistema por el método gráfico. Hay que tener en cuenta, que,
en el plano, dos rectas sólo pueden tener tres posiciones relativas (entre sí): se
cortan en un punto, son paralelas o son coincidentes (la misma recta). Si las dos
rectas se cortan en un punto, las coordenadas de éste son el par (x, y) que
conforman la única solución del sistema, ya que son los únicos valores de ambas
incógnitas que satisfacen las dos ecuaciones del sistema, por lo tanto, el mismo
es compatible determinado. Si las dos rectas son paralelas, no tienen ningún
punto en común, por lo que no hay ningún par de números que representen a un
punto que esté en ambas rectas, es decir, que satisfaga las dos ecuaciones del
sistema a la vez, por lo que éste será incompatible, o sea sin solución. Por último,
si ambas rectas son coincidentes, hay infinitos puntos que pertenecen a ambas, lo
cual nos indica que hay infinitas soluciones del sistema (todos los puntos de las
rectas), luego éste será compatible indeterminado.

5
 EJEMPLO
Una compañía de auditores se especializa en preparar liquidaciones y auditorías
de empresas pequeñas. Tienen interés en saber cuántas auditorías y liquidaciones
pueden realizar mensualmente para maximizar sus ingresos. Se dispone de 800
horas de trabajo directo y 320 horas para revisión. Una auditoría en promedio
requiere de 40 horas de trabajo directo y 10 horas de revisión, además aporta un
ingreso de 300 dls. Una liquidación de impuesto requiere de 8 horas de trabajo
directo y de 5 horas de revisión, produce un ingreso de 100 dls. El máximo de
liquidaciones mensuales disponibles es de 60.

OBJETIVO: Maximizar el ingreso total, VARIABLE DE DECISION: Cantidad de

auditorías (X1), Cantidad de liquidaciones (X2). 

RESTRICCIONES: Tiempo disponible de trabajo directo

Tiempo disponible de revisión

Número máximo de liquidaciones.

MAXIMIZAR   Z= 300X1+100X2

SUJETO A: 

40X1+8X2<=800

10X1+5X2<=320

X2<=60   Xi>=0

La solución óptima siempre se encuentra en uno de los vértices del conjunto de

soluciones factibles. Se analizan estos valores en la función objetivo. El vértice
que representa el mejor valor de la función objetivo será la solución óptima. 

6
El dominio de soluciones factibles del Problema Lineal (PL) corresponde al área
achurada de color verde. Por otro lado, el dominio de soluciones factibles
del Problema Entero (PE) es enumerable y corresponde a las coordenadas
denotadas por A, E, F, B, G, H, I, J, K, C, L, M, D (que es un subconjunto del
dominio de factibilidad del PL). En este caso en particular la solución óptima de
ambos problemas coincide (en el vértice C), no obstante, perfectamente podrían
ser distintas (bastaría con modificar los parámetros del problema).

En este contexto y dada la naturaleza de los problemas propuestos, el valor

óptimo del Problema Lineal (PL) será una cota superior del valor óptimo del
Problema Entero (PE). También se concluye que el dominio de soluciones
factibles de un modelo de Programación Lineal (cuando existe) representa un
conjunto convexo (los problemas de Programación Lineal son convexos) y en el

7
caso del problema de Programación Entera Pura su conjunto de soluciones
factibles es discreto.

METODO DE RAMIFICACION Y ACOTAMIENTO

El método de ramificación y acotación o también llamado Branch and Bound,

resuelve el problema de tal forma que, si la solución a este verifica condiciones de
integridad, entonces también es la solución al problema entero, de lo contrario se
comienza con la ramificación del problema. La ramificación consiste en dividir
cada problema en dos nuevos subproblemas, obtenidos mediante el uso de
restricciones excluyentes que dividen el conjunto de oportunidades del problema
original en dos partes, pero eliminando en ambas partes la solución no entera del
problema original. Cuando en la solución al problema una variable que es entera xi
toma el valor xbi no entero, entonces se generan, a partir de dicho valor, dos
restricciones xi ≤ [xbi] y xi ≥ [xbi]+1 (siendo [xbi] la parte entera por defecto de xbi).

8
 EJEMPLO
Consideremos el siguiente modelo de Programación Entera el cual resolveremos
con el algoritmo de Branch and Bound:

El paso inicial consiste en resolver este problema como si fuese un modelo

de Programación Lineal (relajación continua). Si la solución de dicho problema
llegara a respetar las condiciones de integralidad para las variables de decisión,
ésta ya sería la solución óptima del problema entero.
Si bien este procedimiento se puede extender a problemas de mayor dimensión,
utilizamos un modelo en 2 variables para poder representar los pasos del
algoritmo gráficamente. El gráfico a continuación muestra dicha resolución:

La solución óptima del problema lineal asociado (que llamaremos P0)

es X1=2,8 y X2=1,6 con valor óptimo V(P0) = 20,8. Claramente esta
solución no cumple las condiciones de integralidad para las variables de decisión

9
por tanto es necesario generar cotas o restricciones adicionales de modo de poder
obtener soluciones enteras. Para ello debemos seleccionar una de las 2 variables
de decisión con valores fraccionarios para poder generar cotas. En estricto rigor
es indistinto cuál de ellas seleccionemos debido a que el método nos debe llevar a
conclusiones similares (aun cuando la cantidad de pasos requeridos o rapidez de
convergencia cambie).
En nuestro ejemplo generaremos cotas adicionales para la variable X1
aproximando su valor actual al entero inferior más cercano (P1) y entero superior
más cercano (P2).
La resolución gráfica del problema 1 (P1) nos da como solución
óptima X1=2 y X2=2 que es una solución entera. El valor óptimo del problema 1
es V(P1) = 20. Notar que V(P1) < V(P0) lo cual es natural dado que el dominio de
soluciones factibles del P1 es menor (subconjunto) al dominio de soluciones
factibles de P0.

Análogamente la resolución gráfica (Método Gráfico) del problema 2 (P2)

determina que X1=3 y X2=4/3 con V(P2)=20 según se observa a continuación:

10
Luego no sería del todo necesario seguir desarrollando el algoritmo dado que si
generamos cotas para la variable X2 del P2 en ningún caso podríamos obtener una
solución entera con valor óptimo superior a 20 (valor que reporta en la función
objetivo la actual solución entera de P1) y por tanto podríamos concluir
que X1=2 y X2=2 es la solución óptima del problema entero. No obstante, el
siguiente diagrama muestra los pasos adicionales en caso que quisiera agregar
cotas adicionales a partir del P2.

11
 CONCLUSIÓN

La programación entera es una herramienta muy útil y puede servir para empresas
pequeñas como para grandes compañías, a los ingenieros industriales nos sirve
para la resolución de todo tipo de problemas ya que la programación entera se
ocupa frecuentemente cuando se le quiere dar valores enteros a las variables de
decisión para así facilitar el uso.
Además de que así nos permite poder administrar de mejor manera los recursos
con los que se cuenta para poder aprovecharlos al máximo, como para obtener
mejorar ganancias y minimizar los costos de producción.
La programación entera nos permite utilizar diferentes métodos para los cuales
nos permite reducir costos y obtener mayores ganancias.

12
 FUENTES DE INFORMACION

Taha, H. (2008). Investigación de operaciones, México, Editorial Alfa omega.

Winston, W. (2005). Investigación de operaciones, México, Editorial Thomson.

http://virtual.umng.edu.co/distancia/ecosistema/ovas/ingenieria_civil/investigacion_
de_operaciones_ii/unidad_5/DM.pdf

https://sites.google.com/site/metodosdeprogramacionentera/clasificacion-de-
metodos/metodo-grafico

https://sites.google.com/site/optimizacionenteraydinamica/introduccion/metodos-
de-solucion-en-programacion-entera

https://www.gestiondeoperaciones.net/programacion-entera/que-es-la-
programacion-entera/

https://www.gestiondeoperaciones.net/programacion-entera/ejemplo-del-algoritmo-
de-branch-and-bound-ramificacion-y-acotamiento/

13
14