Documentos de Académico
Documentos de Profesional
Documentos de Cultura
XA + 2XB ≥ 80
• Rest. 2: La cantidad de carbón extraída tiene que ser igual o superior a las 180 T.
Rest. 4: XA ≤ 80
Rest. 5: XB ≤ 80
• Rest. 6: No negatividad de las variables
XA ≥ 0 XB ≥ 0
3. Definición de la función objetivo.
• La función objetivo es la minimización de los costes de operación totales
de las minas. Se conoce que cada mina tiene un coste de 2000 € /día.
XA + 2XB ≥ 80
3XA + 2XB ≥ 180
5XA + 2XB ≥ 200
XA ≤ 80
XB ≤ 80
XA ≥ 0 XB ≥ 0
Método de resolución gráfica
1.-Representar las restricciones
R1 XA + 2XB ≥ 80
Si XA=0XB=40
Si XB=0XA=80
R1
Método de resolución gráfica
1.-Representar las restricciones
R1 XA + 2XB ≥ 80
R2 3XA + 2XB ≥ 180
Si XA=0XB=90
Si XB=0XA=60
R1
R2
Método de resolución gráfica
1.-Representar las restricciones
R1 XA + 2XB ≥ 80
R2 3XA + 2XB ≥ 180
R3 5XA + 2XB ≥ 200
Si XA=0XB=100
Si XB=0XA=40
R1
R3 R2
Método de resolución gráfica
1.-Representar las restricciones
R1 XA + 2XB ≥ 80
R2 3XA + 2XB ≥ 180
R3 5XA + 2XB ≥ 200
R4 XA ≤ 80
R5
R5 XB ≤ 80
R4
R1
R3 R2
Método de resolución gráfica
1.-Representar las restricciones
R1 XA + 2XB ≥ 80
R2 3XA + 2XB ≥ 180
R3 5XA + 2XB ≥ 200
R4 XA ≤ 80
A R5 B
R5 XB ≤ 80
E
REGIÓN DE
ADMISIBILIDAD
R4
R1
D
R3 R2 C
Método de resolución gráfica
2.-Representar la función objetivo
Óptimo
A R5 B D (50,15)
E
D (R1 ∩ R2)
@ mejora
XA + 2XB = 80
R4 3XA + 2XB = 180
R1
D
Fobj
R3 R2 C
Modelo con variables binarias
Implicaciones cuantitativas
Si β1 =1 β2 =0
?
Modelo con variables binarias
Implicaciones excluyentes o incluyentes
Si β2 =1 β3 =1
?
Si no realizo el concepto 3, tampoco realizo el concepto 4
Si β3 =0 β4 =0
Modelo con variables binarias
Regla nemotécnica para modelar restricciones incluyentes o excluyentes
Modelo con variables binarias
Regla nemotécnica para modelar restricciones incluyentes o excluyentes
Si β1 =1 & β2 =0 β3 =0
Si β1 =1 β2 =0
Si β1 =0 β2 =0
Si β1 =1 & β2 =1 & β3 =1 β4 =0
Si β1 =1 β2 =0
Si β1 =1 β2 =0 & β3 =0
DIVIDE Si β1 =1 β3 =0
Modelo con variables binarias
Regla nemotécnica para modelar restricciones incluyentes o excluyentes
Si β1 =1 OR β2 =1 β3 =1 Si A E = Si Ē Ā
Si β3 =0 β1 =0 & β2 =0
Si β1 =1 β3 =1
Si β1 =1 OR β2 =1 β3 =1
DIVIDE Si β2 =1 β3 =1
Si β1 =1 β2 =1 OR β3 =1
SUMA
Modelo con variables binarias
Regla nemotécnica para modelar restricciones incluyentes o excluyentes
OR DIVIDE OR SUMA
Modelo con variables binarias
Regla nemotécnica para modelar restricciones incluyentes o excluyentes
0
0
0
1
βi =1 si se selecciona al candidato i
1. Definición de las variables de decisión.
0 en caso contrario
2. Definición de la función objetivo
Se desea maximizar el nivel y experiencia total del equipo seleccionado.
Si β2 =1 & β3 =1 β5 =0
Definición de variables.
EJ. 6. Una empresa dispone de M (i=1,…,M) pedidos para ser procesados por los 12
operarios disponibles del mismo perfil. Cada pedido i necesita de un nº de operarios
conocido (ni). Se observa que la suma de los operarios necesarios (Σni) es superior al
total disponible (12), por lo que hay que seleccionar los pedidos a procesar y cuáles no
se harán. Se conocen los beneficios de cada pedido (bi). Además se tienen algunas
peculiaridades de compatibilidades entre los pedidos:
1. Definición de las variables de decisión. βi =1 si se selecciona el pedido i
0 en caso contrario
2. Definición de la función objetivo
Se desea maximizar el beneficio total de los pedidos.
Incompatibilidades de pedidos.
Si β1 =1 β2 =0 & β4 =0
Si β1 =1 β2 =0
DIVIDE
Si β1 =1 β4 =0
22
Compatibilidades de pedidos.
Si β2 =1 β4 =1
Si β4 =1 β3 =1 & β7 =1
Si β4 =1 β3 =1
DIVIDE
Si β4 =1 β7 =1
MODELO DE PL
23
Considérese un recinto formado por una serie de salas comunicadas entre sí a
través de puertas. El objetivo es conocer el número mínimo de vigilantes que hay
situar en las diferentes puertas del recinto sabiendo que un vigilante situado en una
puerta vigila las dos salas que comunica. ¿Como debe ser la distribución si se
desea que cada habitación esté vigilada por un vigilante?
8 Definición de F_Obj
2 3
4 6 6 8 9
MIN
12
Definición de Restricciones
La sala 1 tiene que estar vigilada
La sala 2 tiene que estar vigilada
La sala 3 tiene que estar vigilada
500
600
425
475
350
400
Si β2 =1 β1 =1 OR β3 =1 β2 ≤ β 1 + β3
Si alquilo la nave 4, podría alquilar la nave 5 pero no la nave 3
Si β4 =1 β3 =0 β4 + β 3 ≤ 1
Descuento de 50.000 si alquilo las naves 1 o 6
Definición de variable D1 =1 si se aplica el descuento 1; 0 caso contrario
Si β1 =1 D1=1 OR 1
β1 ≤ D1 1
DIVIDE β1 + β6 ≤ 2 D1
Si β6 =1 D1 =1 β6 ≤ D1
( - β1 )+ ( -β6 ) ≤ (- D1) β1 + β6 ≥ D1
Descuento de 100.000 si alquilo las naves 4 y 5
Definición de variable D2 =1 si se aplica el descuento 2; 0 caso contrario
(1 – β4 )+ β5 ≤ 1 + (1- D2)
β4 + (1 –β5 ) ≤ 1 + (1- D2)
β4 + β5 ≥ D2
– β4 + β5 ≤ 1- D2
β4 – β5 ≤ 1- D2
MODELO DE PL