PROGRAMACIÓN ENTERA

Docente: José Espilco Villalobos

Asignatura: Investigación de Operaciones
Investigación Operativa
Semana Nro 08
PROPÓSITO:

Analizar y precisar las principales técnicas de formulación de modelos

de optimización entera y los principales enfoques generales para
resolver problemas de optimización entera y combinatoria.
 Programación Entera
Con frecuencia deben construirse modelos para asignar a las
actividades en cantidades enteras, como:
• Personas
• Máquinas
• Vehículos
Si el problema de exigir valores enteros es la única diferencia que
tiene un problema con su formulación en términos de Programación
Lineal, entonces se trata de un problema de Programación Lineal
Entera o simplemente de Programación Entera.
 Qué es?
El modelo de Programación Entera es simplemente un modelo
matemático de Programación Lineal que agrega la condición de que
algunas o todas las variables deben ser enteras.
• Para el modelo de Programación Lineal se optimiza una función
sobre una región convexa.
• Mientras que en la Programación Entera se optimiza sobre una
región de factibilidad que generalmente no es convexa.
Por lo tanto, la solución de problemas enteros es un poco más
complicada que la Programación Lineal.
 PROGRAMACIÓN ENTERA

Un problema de programación entera tiene la siguiente estructura:

Max c x

s. a.

Axb

x  Z+
 Link del Video
https://www.youtube.com/watch?v=F-L2LeUgIbo
 Principales Modelos
Programación Entera Pura (PEP): Es una variante de la P.L., para el cual
todas las variables de decisión además de cumplir la condición de no
negatividad deben ser todas enteras.

El modelo matemático generalizado es:

Max Z = 3x1 + 2x2

Sujeto a: x1 + x2 ≤ 6
x1, x2 ≥ 0
x1 , x2 ∈ Z
 Métodos de Solución
Puede parecer que los problemas de Programación Entera son
relativamente fáciles de resolver, pero por lo general resulta mucho
más sencillo resolver los problemas de programación lineal que los de
programación entera.

Una primera idea para resolver un problema de Programación Entera

podría ser resolver el problema lineal (llamada relajación PL) del
problema entero, y redondear la solución. Hay que tener mucho
cuidado pues al hacer esto existen algunos peligros.
 Métodos de Solución
Se han propuesto muchos métodos para resolver los problemas de Programación
Entera (algoritmos heurísticos). A continuación se mencionaran algunos.

1) Método gráfico.
2) Métodos de planos de corte: fraccional de gomory, mixto de gomory y puro
de gomory.
3) Método de bifurcación y acotamiento para: problemas de programación
entera pura, entera binaria y entera mixta.
4) Métodos de enumeración implícita o heurísticos: algoritmo aditivo de balas.

El más utilizado es el método de ramificación y acotamiento (Branch and Bounds)

 Principales Modelos
Programación Entera mixta (PEM): Es un problema en el que solo se
requieren que algunas variables tengan valores enteros mientras que
otras pueden asumir cualquier valor continuo.
El modelo matemático generalizado es:

Max Z = 3x1 + 2x2

Sujeto a: x1 + x2 ≤ 6
x1, x2 ≥ 0
 Principales Modelos
Programación Binaria (PEB): Esta variante del Programa Lineal, suele utilizarse
para modelar problemas con actividades que deben o no ejecutarse. Por analogía
con el sistema de los números binarios, las variables de decisión toman un único
valor entero entre O y 1.
Esto es, si la actividad no se ejecuta la variable correspondiente toma el valor O,
de lo contrario el valor 1.
Por consiguiente el modelo matemático generalizado es

Max Z = 3x1 + 2x2

Sujeto a: x1 + x 2 ≤ 6
x1, x2 ≥ 0
x1, x2 ∈ {0, 1}
 Ejemplo 1
Una empresa está estudiando la posibilidad de expansión mediante la
construcción de una nueva fábrica ya sea en la ciudad 1 ó en la 2 ó en ambas
ciudades. Si construye una fábrica en la Ciudad x, se puede construir un almacén
en dicha Ciudad, pero solo se construirá uno.
La siguiente tabla muestra el beneficio aportado por la inversión y los costes. El
capital total disponible es de 10millones.
Decisión ¿Si/No? Beneficio Coste

1 Fábrica Ciudad 1 9 6

2 Fábrica Ciudad 2 5 3

3 Almacén Ciudad 1 6 5

4 Almacén Ciudad 2 4 2

Se pide encontrar la solución que maximiza el beneficio total.

 Solución: Método la mochila
En este ejemplo, al ser sencillo, podemos estudiar exhaustivamente
todas las combinaciones posibles 2n (n=número de variables, en
nuestro caso 2n = 16 casos posibles) y elegir la que sea más
conveniente
Identificar las combinaciones
Casos Fábrica1 Fábrica2 Almacén1 Almacén2

1 S S S S
2 S S S N
3 S S N S
4 S N S S
5 N S S S
6 S S N N
7 S N S N
8 N S S N
9 S N N S
10 N S N S
11 N N S S
12 S N N N
13 N S N N
14 N N S N
15 N N N S
16 N N N N
Asignar beneficio y costo
Casos Fábrica1 Fábrica2 Almacén1 Almacén2 Beneficio Costo

1 S S S S
2 S S S N 20 14
3 S S N S 18 11
4 S N S S
5 N S S S
6 S S N N 14 9
7 S N S N 15 11
8 N S S N
9 S N N S
10 N S N S 9 5
11 N N S S
12 S N N N 9 6
13 N S N N 5 3
14 N N S N
15 N N N S
16 N N N N 0 0
Asignar beneficio, costo y Admisible
Casos Fábrica1 Fábrica2 Almacén1 Almacén2 Beneficio Costo Admisible

1 S S S S
2 S S S N 20 14 NO
3 S S N S 18 11 NO
4 S N S S
5 N S S S
6 S S N N 14 9 SI
7 S N S N 15 11 NO
8 N S S N
9 S N N S
10 N S N S 9 5 SI
11 N N S S
12 S N N N 9 6 SI
13 N S N N 5 3 SI
14 N N S N
15 N N N S
16 N N N N 0 0 SI
Se seleccionan los admisibles
Casos Fábrica1 Fábrica2 Almacén1 Almacén2 Beneficio Costo Admisible

1 S S S S
2 S S S N 20 14 NO
3 S S N S 18 11 NO
4 S N S S
5 N S S S
6 S S N N 14 9 SI
7 S N S N 15 11 NO
8 N S S N
9 S N N S
10 N S N S 9 5 SI
11 N N S S
12 S N N N 9 6 SI
13 N S N N 5 3 SI
14 N N S N
15 N N N S
16 N N N N 0 0 SI
Se selecciona el que tiene más beneficio
Casos Fábrica1 Fábrica2 Almacén1 Almacén2 Beneficio Costo Admisible

1 S S S S
2 S S S N 20 14 NO
3 S S N S 18 11 NO
4 S N S S
5 N S S S
6 S S N N 14 9 SI
7 S N S N 15 11 NO
8 N S S N
9 S N N S
10 N S N S 9 5 SI
11 N N S S
12 S N N N 9 6 SI
13 N S N N 5 3 SI
14 N N S N
15 N N N S
16 N N N N 0 0 SI
 Decisión ¿Si/No? Beneficio Coste

Resolviendo por P.L.Entera 1

2
Fábrica Ciudad 1

Fábrica Ciudad 2
9

5
6
3
3 Almacén Ciudad 1 6 5
4 Almacén Ciudad 2 4 2
-Variables de decisión:
X1: Construir fábrica en ciudad 1
X2: Construir fábrica en ciudad 2
X3: Construir almacén en ciudad 1
X4: Construir almacén en ciudad 2
Son variables binarias (o ó 1) según la decisión sea afirmativa (xi=1) ó negativa (xi=0)

-Función Objetivo:
Maximizar Z = 9X1 + 5X2 + 6X3 + 4X4
-Restricciones:
Limitaciones de capital: 6X1 + 3X2 + 5X3 + 2X4 <= 10
Solo se construye un almacén:
X3 + X4 <= 1
Se construye el almacén solo si se construye la fábrica:
X3 <= X1
X4 <= X2
 Decisión ¿Si/No? Beneficio Coste

Modelo queda así: 1

2
Fábrica Ciudad 1

Fábrica Ciudad 2
9

5
6
3
3 Almacén Ciudad 1 6 5
4 Almacén Ciudad 2 4 2
-Maximizar 9X1 + 5X2 + 6X3 + 4X4
-Sujeto a:
6X1 + 3X2 + 5X3 + 2X4 <= 10
X3 + X4 <= 1
X3 <= X1
X4 <= X2

Las variables son enteras

X1, X2, X3, X4 ɛ Z
Las variables solo pueden tomar los valores 0 ó 1
X1, X2, X3, X4 ɛ [0,1]
 Decisión ¿Si/No? Beneficio Coste

Resolviendo en POM-QM 1

2
Fábrica Ciudad 1

Fábrica Ciudad 2
9

5
6
3
3 Almacén Ciudad 1 6 5
4 Almacén Ciudad 2 4 2
-Construir la fábrica 1 y 2
-No es necesario construir los almacenes
 Decisión ¿Si/No? Beneficio Coste

Cambiemos algunos datos 1

2
Fábrica Ciudad 1

Fábrica Ciudad 2
9

5
6
3
3 Almacén Ciudad 1 6 5
4 Almacén Ciudad 2 4 2

-Que pasa si el beneficio del almacén en la ciudad 2 cambia de 4 a 9?

-Maximizar 9X1 + 5X2 + 6X3 + 4X4

-Ya no es rentable construir la fábrica 1

 Ejemplo 2
Sea una empresa que fabrica objetos de papelería, que en el ejercicios económico que se
cierra ha obtenido un excedente de S/10,000; se plantea invertir esta cantidad (o parte
de ella) en algunos productos, teniendo en cuenta que los beneficios son:
•Lápices de colores con un beneficio de S/ 11,000
•Gomas de borrar con un beneficio de S/ 9,000
•Carboncillos con un beneficio de S/ 1,000

Por otra parte los costos son:

•Coste de las instalaciones para fabricar lápices de colores: S/ 10,000
•Coste de las instalaciones para fabricar gomas de borrar: S/ 6,000
•Coste de las instalaciones para fabricar carboncillos: S/ 4,000

Donde recomienda invertir el excedente?

 Solución: Método la mochila
Podemos estudiar todas las combinaciones posibles 2n, 23 = 8 casos
posibles y elegir la que sea más conveniente:
Casos Lápices Gomas Carboncillos Costo Beneficio Admisible

1 S S S 20,000 21,000 No
2 S S N 16,000 20,000 No
3 S N S 14,000 12,000 No
4 N S S 10,000 10,000 Si
5 S N N 10,000 11,000 Si
6 N S N 6,000 9,000 Si
7 N N S 4,000 1,000 Si
8 N N N 0 0 Si
 Resolviendo por P.L. Entera
-Variables de decisión:
X1: Lápices de colores
X2: gomas de borrar
X3: carboncillos
Son variables binarias (o ó 1) según la decisión sea afirmativa (xi=1) ó negativa
(xi=0)

-Función Objetivo:
Maximizar Z =11,000X1 + 9,000X2 + 1,000X3
-Restricciones:
Limitaciones de capital: 10,000X1 + 6,000X2 + 4,000X3 <= 10,000
 Solución usando P.L. Entera POM
Maximizar Z = 11,000X1 + 9,000X2 + 1,000X3
Restricciones: 10,000X1 + 6,000X2 + 4,000X3 <= 10,000
x1, x2, x3 ɛ [0,1]
x1, x2, x3 ɛ Z
 En resumen:
• Mediante el “problema de la mochila”: se selecciona fabricar solo
lápices con un beneficio de S/ 11,000
• Mediante POM: se selecciona fabricar solo lápices con un beneficio
de S/ 11,000
 Ejemplo 3
Un excursionista debe determinar que objetos debe llevar consigo en la mochila
para realizar una excursión de un día. Cada uno de los objetos tiene asociado un
peso y una utilidad personal para el excursionista. Los objetos que puede llevar,
así como su peso y utilidad son los que se recogen en la tabla siguiente:
Objeto Peso Utilidad
(Kg) (S/.)
Linterna 40 40

Saco 50 80 Sabiendo que el peso máximo que puede llevar

Cocina 30 10
en la mochila es de100 kg. Determinar que
objetos debe llevar nuestro excursionista en la
Manta 10 10 mochila para que la utilidad de los objetos sea
Comida 10 4
máxima.
Ropa 40 20

Varios 30 60
 Solución
Z Max = 40 X1 + 80X2 + 10X3 + 10 X4 + 4X5 + 20X6 +60X7
Sujeto a:
40X1 + 50X2 + 30X3 + 10X4 + 10X5 + 40X6 + 30X7 <= 100

Los objetos que debe llevar nuestro excursionista en

la mochila para que la utilidad de los objetos sea
máxima, son:
Linterna
Saco
Cocina
Manta
Comida
Ropa
Varios
 Branch & Bound
Ramificación y Acotamiento
Los métodos de ramificación y acotamiento utilizan la estrategia de
"Dividir y Vencerás" . Esto consiste en dividir la región factible de tal
manera que la solución optima no entera no se incluya en la nueva
región, dando como resultado nuevos subproblemas a los cuales
también se les llama "Métodos de bifurcación de y acotamiento" .

El proceso consta de dividir el problema y subdividir los subproblemas

hasta que se pueda demostrar que ninguno de los subproblemas
tiene solución óptima mejores a una solución entera calculable.
 RAMIFICACIÓN Y ACOTAMIENTO

Nodo raíz Nivel 0

Nodos hijos Nivel 1 (n nodos)

...
Nodos hijos Nivel 2 (n*(n-1))

...
 Ramificación y acotamiento (Branch and
Bound)
1) Resolver la relajación de PL
2) Son enteros?
a. Si → Esta es la solución del problema entero
b. No → Ir al paso 3
3) Ramificación y acotamiento: Se plantean y se resuelven dos nuevos sub-problemas de PL agregando
una nueva restricción al problema anterior:
a. Xi <= Si (a un problema)
b. Xi >= (Si + 1) (al otro)
Si es el valor en la solución de una variable que debe ser entera y no lo es

Ramificar hasta que se cumpla alguna de las siguientes condiciones

• Todas las variables que lo requieran son enteras
• No hay soluciones factibles
• La solución es peor que la mejor encontrada hasta el momento

Almacene la mejor solución entera de todas las iteraciones. Cuando no pueda ramificar más esa será la solución óptima.
 Ejemplo 1
Enfoque ingenuo: Resolver con programación lineal y aproximar la solución.

Max 1.00 x1 + 0.64 x2

Sujeto a
50 x1 + 31 x2 ≤ 250
3 x1 - 2x2 ≥ -4 (Multiplicando x -1)
→ -3x1 + 2x2 <= 4
x1 , x2 ≥ 0, x1 , x2 entera

La solución entera es (5,0), si no se pide que las variables sean enteras, la solución
del problema de programación lineal es (376/193, 950/193).
 Ejemplo 2
Max Z = 8X1 + 5X2
X1 + X2 <= 6
9X1 + 5X2 <= 45
X1, X2 enteros no negativos
 Solucionar el problema sin enteros
X1 = 15/4
X2 = 9/4
Z = 41.25
 Dividir la región factible de la relajación
Se elige arbitrariamente ramificar por X1:
Subproblema 1 Subproblema 2

Max Z = 8X1 + 5X2 Max Z = 8X1 + 5X2

X1 + X2 <= 6 X1 + X2 <= 6
9X1 + 5X2 <= 45 9X1 + 5X2 <= 45
X1 <= 3 X1 >= 4
X1, X2 >=0 X1, X2 >=0

Solución: Solución:
X1 = 3 X1 = 4
X2 = 3 X2 = 1.8
Z = 39 Z = 45
 Relajación Max Z = 8X1 + 5X2 X1 = 15/4
X2 = 9/4
X1 + X2 <= 6 Z = 165/4
Ramificación 1 9X1 + 5X2 <= 45
X1, X2 >=0

X1 <= 3 X1 >= 4

Subproblema 1 Subproblema 2
Max Z = 8X1 + 5X2 Max Z = 8X1 + 5X2
Solución:
Solución:
X1 = 4
X1 + X2 <= 6 X1 = 3 X1 + X2 <= 6
X2 = 1.8
9X1 + 5X2 <= 45 X2 = 3 9X1 + 5X2 <= 45
Z = 45
X1 <= 3 Z = 39 X1 >= 4
X1, X2 >=0 X1, X2 >=0

Se almacena como Ramificar por la

candidata óptima variable X2
Ramificación 2
Subproblema 2
Max Z = 8X1 + 5X2 X1 = 4
X2 = 1.8
X1 + X2 <= 6 Z = 45
9X1 + 5X2 <= 45
X1 >= 4
X1, X2 >=0
X2 >= 2 X2 <= 1

Subproblema 3 Subproblema 4
Max Z = 8X1 + 5X2 Max Z = 8X1 + 5X2
Solución:
X1 = 4.44
X1 + X2 <= 6 X1 + X2 <= 6
X2 = 1
9X1 + 5X2 <= 45 9X1 + 5X2 <= 45
Z = 40.55
X1 > = 4 X1 >= 4
X2 >= 2 X2 <= 1
X1, X2 >=0 X1, X2 >=0
!No tiene región
factible! Ramificar por la
variable X1
Ramificación 2
Max Z = 8X1 + 5X2
X1 = 15/4
X1 + X2 <= 6 X2 = 9/4
9X1 + 5X2 <= 45 Z = 165/4
X1, X2 >=0

X1 <= 3 X1 >= 4
Subproblema 1 Subproblema 2
Max Z = 8X1 + 5X2 Max Z = 8X1 + 5X2
X1 = 3 X1 = 4
X1 + X2 <= 6 X1 + X2 <= 6
X2 = 3 X2 = 1.8
9X1 + 5X2 <= 45 9X1 + 5X2 <= 45
Z = 39 Z = 45
X1 <= 3 X1 >= 4
X1, X2 >=0| X1, X2 >=0

X2 >= 2 X2 <= 1
Subproblema 3 Subproblema 4
Max Z = 8X1 + 5X2 Max Z = 8X1 + 5X2

X1 + X2 <= 6 X1 + X2 <= 6
9X1 + 5X2 <= 45 9X1 + 5X2 <= 45
X1 >= 4 X1 >= 4
X2 >= 2 X2 <= 1
X1, X2 >=0 X1, X2 >=0
!No tiene región
factible! Solución:
X1 = 4.44
X2 = 1
Z = 40.55
Ramificación 3

Max Z = 8X1 + 5X2

X1 + X2 <= 6 X1 = 5
9X1 + 5X2 <= 45 X2 = 5
X1 >= 5
Subproblema 4 X1 >= 4 Z = 40
X2 <= 1
Max Z = 8X1 + 5X2 X1 >= 5
X1, X2 >=0
X1 + X2 <= 6
9X1 + 5X2 <= 45
X1 >= 4 Max Z = 8X1 + 5X2
X2 <= 1
X1, X2 >=0 X1 + X2 <= 6
X1 = 4
9X1 + 5X2 <= 45
X1 = 4.44 X2 = 1
X1 >= 4
X2 = 1 X1 <= 4 Z = 37
X2 <= 1
Z = 40.55
X1 <= 4
X1, X2 >=0
Ramificación 3
Max Z = 8X1 + 5X2
X1 = 15/4
X1 + X2 <= 6 X2 = 9/4
9X1 + 5X2 <= 45 Z = 165/4
X1, X2 >=0

X1 <= 3 X1 >= 4
Subproblema 1 Subproblema 2
Max Z = 8X1 + 5X2 Max Z = 8X1 + 5X2
X1 = 3 X1 = 4 Subproblema 5
X1 + X2 <= 6 X1 + X2 <= 6
X2 = 3 X2 = 1.8
9X1 + 5X2 <= 45 9X1 + 5X2 <= 45 Max Z = 8X1 + 5X2
Z = 39 Z = 45
X1 <= 3 X1 >= 4
X1, X2 >=0| X1, X2 >=0 X1 + X2 <= 6
9X1 + 5X2 <= 45 X1 = 5
X2 >= 2 X2 <= 1 X1 >= 4 X2 = 5
X1 >= 5 X2 <= 1
Subproblema 3 Subproblema 4 Z = 40
X1 >= 5
Max Z = 8X1 + 5X2 Max Z = 8X1 + 5X2 X1, X2 >=0

X1 + X2 <= 6 X1 + X2 <= 6 Subproblema 6

9X1 + 5X2 <= 45 9X1 + 5X2 <= 45
X1 >= 4 X1 >= 4 Max Z = 8X1 + 5X2
X2 >= 2 X2 <= 1 X1 = 4
X1, X2 >=0 X1, X2 >=0 X1 + X2 <= 6 X2 = 1
9X1 + 5X2 <= 45 Z = 37
No Factible Solución: X1 <= 4 X1 >= 4
X1 = 40/9 X2 <= 1
X2 = 1 X1 <= 4
Z = 40.55 X1, X2 >=0
Ramificación 3
Max Z = 8X1 + 5X2
X1 = 15/4
X1 + X2 <= 6 X2 = 9/4
9X1 + 5X2 <= 45 Z = 165/4
X1, X2 >=0

X1 <= 3 X1 >= 4
Subproblema 1 Subproblema 2
Max Z = 8X1 + 5X2 Max Z = 8X1 + 5X2
X1 = 3 X1 = 4 Subproblema 5
X1 + X2 <= 6 X1 + X2 <= 6
X2 = 3 X2 = 1.8
9X1 + 5X2 <= 45 9X1 + 5X2 <= 45 Max Z = 8X1 + 5X2
Z = 39 Z = 45
X1 <= 3 X1 >= 4
X1 + X2 <= 6 Óptimo
X1, X2 >=0| X1, X2 >=0
9X1 + 5X2 <= 45 X1 = 5
X2 >= 2 X2 <= 1 X1 >= 4 X2 = 5
Subproblema 3 X2 <= 1 Z = 40
Subproblema 4
X1 >= 5
Max Z = 8X1 + 5X2 Max Z = 8X1 + 5X2 X1, X2 >=0

X1 + X2 <= 6 X1 + X2 <= 6 Subproblema 6

9X1 + 5X2 <= 45 9X1 + 5X2 <= 45
X1 >= 4 X1 >= 4 Max Z = 8X1 + 5X2
X2 >= 2 X2 <= 1 X1 = 4
X1, X2 >=0 X1, X2 >=0 X1 + X2 <= 6 X2 = 1
9X1 + 5X2 <= 45 Z = 37
No Factible Solución: X1 >= 4
X1 = 40/9 X2 <= 1
X2 = 1 X1 <= 4
Z = 40.55 X1, X2 >=0
 Porqué se deja explorar una rama?
1) Todas las variables que lo requieran son enteras
2) No hay soluciones factibles
3) La solución es peor que la mejor encontrada hasta el momento
 Ramificación 3
Max Z = 8X1 + 5X2
X1 = 15/4
X1 + X2 <= 6 X2 = 9/4
9X1 + 5X2 <= 45 Z = 165/4
X1, X2 >=0

X1 <= 3 X1 >= 4
Subproblema 1 Subproblema 2
Max Z = 8X1 + 5X2 Max Z = 8X1 + 5X2
Todas las variables X1 = 3 X1 = 4 Subproblema 5
X1 + X2 <= 6 X1 + X2 <= 6
que lo requieran son X2 = 3 X2 = 1.8
9X1 + 5X2 <= 45 9X1 + 5X2 <= 45 Max Z = 8X1 + 5X2
Z = 39 Z = 45
enteras
X1 <= 3 X1 >= 4
Óptimo
X1, X2 >=0| X1, X2 >=0 TodasX1las+ variables
X2 <= 6
que lo9X1 + 5X2 <=son
requieran 45 X1 = 5
X2 >= 2 X1 >= 4 X2 = 5
X2 <= 1 enteras
Subproblema 3 X2 <= 1 Z = 40
Subproblema 4
X1 >= 5
Max Z = 8X1 + 5X2 Max Z = 8X1 + 5X2 X1, X2 >=0

No hay X1soluciones
+ X2 <= 6 X1 + X2 <= 6 Subproblema 6
factibles
9X1 + 5X2 <= 45 9X1 + 5X2 <= 45
X1 >= 4 X1 >= 4 Max Z = 8X1 + 5X2
X2 >= 2 X2 <= 1 X1 = 4
X1, X2 >=0 X1, X2 >=0 X1 + X2 <= 6 X2 = 1
Todas9X1
las+variables
5X2 <= 45 Z = 37
No Factible Solución: que loX1 >= 4
requieran son
X1 = 40/9 X2 <= 1
enteras
X1 <= 4
X2 = 1
Z = 40.55 X1, X2 >=0
 Porqué se deja explorar una rama?

¿La solución es peor que la mejor encontrada hasta el momento?

Es aquí donde se tiene que acotar una rama (o dejar de explorar).

Suponga que se tiene un problema de maximización de programación entera pura

Ninguna variable entera

Relajación P.L.
Z = 165/4

Subproblema 1 Subproblema 2
Ninguna variable entera Todas las variables enteras
Z = 250 Z = 270
Suponga que se tiene un problema de maximización de programación entera pura

Ninguna variable entera

Relajación P.L.
Z = 165/4

Subproblema 1 Subproblema 2
Ninguna variable entera Todas las variables enteras
Z = 250 Z = 270

Todas las variables que lo

requieran son enteras
Suponga que se tiene un problema de maximización de programación entera pura

Ninguna variable entera

Relajación P.L.
Z = 165/4

Subproblema 1 Subproblema 2
Ninguna variable entera Todas las variables enteras
Z = 250 Z = 270

La solución es peor que la mejor Todas las variables que lo

encontrada hasta el momento| requieran son enteras
 Ejemplo 3
Max Z = 3X1 + 4X2 Solución del problema relajado:
2X1 + X2 <= 6
2X1 + 3X2 <= 9 X1 = 9/4; X2 = 3/2; Z = 12.75
X1, X2 enteros no negativos
Ramificación 1
Max Z = 3X1 + 4X2
2X1 + X2 <= 6 X1 = 2.25
2X1 + 3X2 <= 9 X2 = 1.5
X1, X2 >=0, entera Z = 12.75

X1 <= 2 X1 >= 3
Subproblema 1 Subproblema 2
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2
X1 = 2 Todas las<=
variables que
2X1 + X2 <= 6 2X1 + X2 6
X2 = 1.667 lo requieran
2X1 + 3X2 <= 9 2X1 + 3X2 <=son
9 enteras
Z = 12.667
X1 <= 2 X1 >= 3
X1, X2 >=0, entera X1, X2 >=0, entera

X1 = 3
X2 = 0
Z = 9
 Ramificación 2
Max Z = 3X1 + 4X2
2X1 + X2 <= 6 X1 = 2.25
2X1 + 3X2 <= 9 X2 = 1.5
X1, X2 >=0, entera Z = 12.75

X1 <= 2 X1 >= 3
Subproblema 1 Subproblema 2
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2
X1 = 2
2X1 + X2 <= 6 2X1 + las
Todas X2 variables
<= 6 que
X2 = 1.667
2X1 + 3X2 <= 9 2X1 + 3X2 <= 9
lo requieran son enteras
Z = 12.667
X1 <= 2 X1 >= 3
X1, X2 >=0, entera X1, X2 >=0, entera
X2 <=1 X2 >= 2 X1 = 3
Subproblema 3 X2 = 0
Subproblema 4
Z = 9
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2

Todas
2X1 + las
X2 variables
<= 6 que 2X1 + X2 <= 6
lo2X1
requieran
+ 3X2 <=son
9 enteras 2X1 + 3X2 <= 9
X1 <= 2 X1 <= 2
X2 <= 1 X2 >= 2
X1, X2 >=0, entera X1, X2 >=0, entera
X1 = 2 X1 = 1.5
X2 = 1 X2 = 2
Z = 10 Z = 12.5
 Ramificación 3
Max Z = 3X1 + 4X2
2X1 + X2 <= 6 X1 = 2.25
2X1 + 3X2 <= 9 X2 = 1.5
X1, X2 >=0, entera Z = 12.75

X1 = 1
X1 <= 2 X1 >= 3 X2 = 2.33
Subproblema 1 Subproblema 2 Z = 12.33
Subproblema 5
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2
X1 = 2 Max Z = 3X1 + 4X2
2X1 + X2 <= 6 2X1 + las
Todas X2 variables
<= 6 que
X2 = 1.667
2X1 + 3X2 <= 9 2X1 + 3X2 <= 9
lo requieran son enteras 2X1 + X2 <= 6
Z = 12.667
X1 <= 2 X1 >= 3 2X1 + 3X2 <= 9
X1, X2 >=0, entera X1, X2 >=0, entera X1 <= 2
X2 >= 2
X2 <=1 X2 >= 2 X1 = 3 X1 <= 1
Subproblema 3 X2 = 0 X1, X2 >=0, entera
Subproblema 4
Z = 9 X1 <= 1
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2
Subproblema 6
Todas
2X1 + las
X2 variables
<= 6 que 2X1 + X2 <= 6
lo2X1
requieran son Max Z = 3X1 + 4X2
+ 3X2 <= 9 enteras 2X1 + 3X2 <= 9
X1 <= 2 X1 <= 2 2X1 + X2 <= 6
X2 <= 1 X2 >= 2 2X1 + 3X2 <= 9
X1, X2 >=0, entera X1, X2 >=0, entera X1 <= 2
X1 >= 2
X1 = 2 X1 = 1.5 X2 >= 2
X2 = 1 X2 = 2 X1 >= 2
Z = 10 Z = 12.5 X1, X2 >=0, entera
No Factible
 Ramificación 4 Subproblema 7
Max Z = 3X1 + 4X2
Max Z = 3X1 + 4X2
2X1 + X2 <= 6 X1 = 2.25
X2 = 1.5 2X1 + X2 <= 6
2X1 + 3X2 <= 9
Z = 12.75 2X1 + 3X2 <= 9
X1, X2 >=0, entera
X1 <=
Todas las2variables que
X2 >= 2 son enteras
lo requieran
X1 = 1 X1 <= 1
X1 <= 2 X1 >= 3 X2 = 2.33 X2 <= 2
Subproblema 1 Subproblema 2 Z = 12.33 X1, X2 >=0, entera
Subproblema 5 X2 <= 2
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2
X1 = 2 Max Z = 3X1 + 4X2 X1 = 1
2X1 + X2 <= 6 2X1 + las
Todas X2 variables
<= 6 que X2 = 2
X2 = 1.667
2X1 + 3X2 <= 9 2X1 + 3X2 <= 9
lo requieran son enteras 2X1 + X2 <= 6 Z = 11
Z = 12.667
X1 <= 2 X1 >= 3 2X1 + 3X2 <= 9
X1, X2 >=0, entera X1, X2 >=0, entera X1 <= 2 Subproblema 8
X2 >= 2 Max Z = 3X1 + 4X2
X2 <=1 X2 >= 2 X1 = 3 X2 >= 3
X1 <= 1
Subproblema 3 X2 = 0 X1, X2 >=0, entera 2X1 + X2 <= 6
Subproblema 4
Z = 9 X1 <= 1 2X1las
Todas + 3X2 <= 9 que
variables
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2 X1 <= 2 son enteras
lo requieran
Subproblema 6 X2 >= 2
Todas
2X1 + las
X2 variables
<= 6 que 2X1 + X2 <= 6 Max Z = 3X1 + 4X2 X1 <= 1
lo2X1
requieran
+ 3X2 <=son
9 enteras 2X1 + 3X2 <= 9 X2 >= 3
X1 <= 2 X1 <= 2 X1, X2 >=0, entera
2X1 + X2 <= 6
X2 <= 1 X2 >= 2 2X1 + 3X2 <= 9
X1, X2 >=0, entera X1, X2 >=0, entera X1 = 0
X1 <= 2
X1 >= 2 X2 = 3
X1 = 2 X1 = 1.5 X2 >= 2
X1 >= 2 Z = 12
X2 = 1 X2 = 2
Z = 10 Z = 12.5 X1, X2 >=0, entera
No Factible
 Ramificación 4 Subproblema 7
Max Z = 3X1 + 4X2
Max Z = 3X1 + 4X2
2X1 + X2 <= 6 X1 = 2.25
X2 = 1.5 2X1 + X2 <= 6
2X1 + 3X2 <= 9
Z = 12.75 2X1 + 3X2 <= 9
X1, X2 >=0, entera
X1 <=
Todas las2variables que
X2 >= 2 son enteras
lo requieran
X1 = 1 X1 <= 1
X1 <= 2 X1 >= 3 X2 = 2.33 X2 <= 2
Subproblema 1 Subproblema 2 Z = 12.33 X1, X2 >=0, entera
Subproblema 5 X2 <= 2
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2
X1 = 2 Max Z = 3X1 + 4X2 X1 = 1
2X1 + X2 <= 6 2X1 + las
Todas X2 variables
<= 6 que X2 = 2
X2 = 1.667
2X1 + 3X2 <= 9 2X1 + 3X2 <= 9
lo requieran son enteras 2X1 + X2 <= 6 Z = 11
Z = 12.667
X1 <= 2 X1 >= 3 2X1 + 3X2 <= 9
X1, X2 >=0, entera X1, X2 >=0, entera X1 <= 2 Subproblema 8
X2 >= 2 Max Z = 3X1 + 4X2
X2 <=1 X2 >= 2 X1 = 3 X2 >= 3
X1 <= 1
Subproblema 3 X2 = 0 X1, X2 >=0, entera 2X1 + X2 <= 6
Subproblema 4
Z = 9 X1 <= 1 2X1las
Todas + 3X2 <= 9 que
variables
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2 X1 <= 2 son enteras
lo requieran
Subproblema 6 X2 >= 2
Todas
2X1 + las
X2 variables
<= 6 que 2X1 + X2 <= 6 Max Z = 3X1 + 4X2 X1 <= 1
lo2X1
requieran
+ 3X2 <=son
9 enteras 2X1 + 3X2 <= 9 X2 >= 3
X1 <= 2 X1 <= 2 X1, X2 >=0, entera
2X1 + X2 <= 6
X2 <= 1 X2 >= 2 2X1 + 3X2 <= 9
X1, X2 >=0, entera X1, X2 >=0, entera X1 = 0
X1 <= 2
X1 >= 2 Óptimo X2 = 3
X1 = 2 X1 = 1.5 X2 >= 2
X1 >= 2 Z = 12
X2 = 1 X2 = 2
Z = 10 Z = 12.5 X1, X2 >=0, entera
No Factible
 Ejemplo 4
Solución del problema relajado:
Max Z = 4X1 – 2X2 + 7X3 – X4
X1 + 5X3 <= 10 X1 = 1.25
X1 + X2 – X3 <= 1 X2 = 1.5
6X1 – 5 X2 <= 0 X3 = 1.75
X4 = 0
-X1 + 2X2 -2X4 <= 3
Z = 14.25
X1, X2, X3, X4 enteros no negativos
Ramificación 1
Max Z = 4X1 – 2X2 + 7X3 – X4 X1 = 1.25 Todas las variables que
X1 + 5X3 <= 10 X2 = 1.5 lo requieran son enteras
X1 + X2 – X3 <= 1 X3 = 1.75
6X1 – 5 X2 <= 0 X4 = 0
-X1 + 2X2 -2X4 <= 3 Z = 14.25

X1 <= 1 X1 >= 2
Subproblema 1 Subproblema 2
Max Z = 4X1 – 2X2 + 7X3 – X4 Max Z = 4X1 – 2X2 + 7X3 – X4
X1 + 5X3 <= 10 X1 = 1 X1 + 5X3 <= 10
X1 + X2 – X3 <= 1 X2 = 1.2 No hay
X1 + X2 soluciones
– X3 <= 1
6X1 – 5 X2 <= 0 X3 = 1.8 6X1 – 5 X2 <= 0
factibles
-X1 + 2X2 -2X4 <= 3 X4 = 0 -X1 + 2X2 -2X4 <= 3
X1 <= 1 Z = 14.2 X1 >= 2
 Ramificación 2
Max Z = 4X1 – 2X2 + 7X3 – X4 X1 = 1.25 Todas las variables que
X1 + 5X3 <= 10 X2 = 1.5 lo requieran son enteras
X1 + X2 – X3 <= 1 X3 = 1.75
6X1 – 5 X2 <= 0 X4 = 0
-X1 + 2X2 -2X4 <= 3 Z = 14.25

X1 <= 1 X1 >= 2
Subproblema 1 Subproblema 2
Max Z = 4X1 – 2X2 + 7X3 – X4 Max Z = 4X1 – 2X2 + 7X3 – X4
X1 + 5X3 <= 10 X1 = 1 X1 + 5X3 <= 10
X1 + X2 – X3 <= 1 X2 = 1.2 No hay
X1 + X2 soluciones
– X3 <= 1
6X1 – 5 X2 <= 0 X3 = 1.8 6X1 – 5 X2 <= 0
factibles
-X1 + 2X2 -2X4 <= 3 X4 = 0 -X1 + 2X2 -2X4 <= 3
X1 <= 1 Z = 14.2 X1 >= 2

X2 <=1 X2 >= 2
Subproblema 3 Subproblema 4
Max Z = 4X1 – 2X2 + 7X3 – X4 Max Z = 4X1 – 2X2 + 7X3 – X4
X1 + 5X3 <= 10 X1 + 5X3 <= 10
X1 + X2 – X3 <= 1 X1 + X2 – X3 <= 1
6X1 – 5 X2 <= 0 6X1 – 5 X2 <= 0
-X1 + 2X2 -2X4 <= 3 -X1 + 2X2 -2X4 <= 3
X1 <= 1 X1 <= 1
X2 <= 1 X2 >= 2

X1 = 0.83 X1 = 0.83
X2 = 1 X2 = 2
X3 = 1.83 X3 = 1.83
X4 = 0 X4 = 0
Z = 14.17 Z = 12.17
 Ramificación 3 X1 = 1.25
X2 = 1.5 Todas las variables que
Z = 14.25 X3 = 1.75 lo requieran son enteras
X4 = 0

X1 = 1 X1 <= 1 X1 >= 2
X2 = 1.2 Subproblema 2
Subproblema 1
X3 = 1.8
X4 = 0 Z = 14.2 No hay soluciones factibles

X2 <=1 X2 >= 2
X1 = 0.83 Subproblema 3 Subproblema 4 X1 = 0.83
X2 = 1 X2 = 2
Z = 14.17 Z = 12.17
X3 = 1.83 X3 = 1.83
X4 = 0 X4 = 0
X1 <=0 X1 >= 1
El subprograma 5 tiene un Z=14 y la
Subproblema 5
Max Z = 4X1 – 2X2 + 7X3 – X4
Subproblema 6
Max Z = 4X1 – 2X2 + 7X3 – X4
rama del subprograma 4 nunca será
X1 + 5X3 <= 10
X1 + X2 – X3 <= 1
X1 + 5X3 <= 10
X1 + X2 – X3 <= 1
mayor a 14, entonces se corta la rama.
6X1 – 5 X2 <= 0 No hay– soluciones
6X1 5 X2 <= 0 factibles
-X1 + 2X2 -2X4 <= 3 -X1 + 2X2 -2X4 <= 3
X1 <= 1 X1 <= 1
X2 <= 1
X1 <= 0
X2 <= 1 Óptimo: Subprograma 5
X1 >= 1

X1 = 0 X1=0, X2=0, X3=2, X4=0, Z=14

X2 = 0
X3 = 2
X4 = 0
Z= 14
 Ejemplo 5
Max Z = 21X1 + 11X2
7X1 + 4X2 <= 13
X1, X2 enteros no negativos
 Ejemplo 6
Max Z = 120X1 + 80X2
2X1 + X2 <= 6
7X1 + 8X2 <= 28
X1, X2 enteros no negativos