lOMoARcPSD|30077652

Soluciones Gui ́a 5 Modelos Enteros

Optimización (Universidad Adolfo Ibáñez)

Studocu no está patrocinado ni avalado por ningún colegio o universidad.

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)
 lOMoARcPSD|30077652

ING200 Optimización

Guı́a de Ejercicios: Programación entera y mixta

Notas:
• La guı́a tiene por objetivo ser un apoyo para el estudiantado, mas no es un
reemplazo de las clases y ayudantı́a.

• La guı́a posee ejercicios de pruebas y controles de semestres anteriores, algunos

de los cuales han sido modificados.

• Cualquier error o imprecisión que observe en la guı́a, contactar a Omar Matus

Jofré, mail: omar.matus.j@uai.cl

1. Una empresa se encuentra estudiando su polı́tica de abastecimiento de insumos para los

siguientes N meses.
Cada insumo i solo puede ser comprado en cajas de ui unidades. Al inicio de cada mes, la
empresa debe decidir la cantidad de cajas a solicitar de cada uno de los insumos los cuales se
consideran que llegan ese mismo mes.
La empresa ha estimado la cantidad de cada producto que utilizará para los siguientes meses.
Ası́, di,t es la cantidad de productos del tipo i que necesitará en el mes t. Durante cada mes
deben tener al menos la cantidad de productos necesarios estimados.
En caso de ordenar alguna caja del producto i se incurre en un costo fijo de Fi , además de un
costo de Ci por cada caja que solicita.
Los productos que sobran de un mes a otro son almacenados, incurriéndose en un costo de hi
por cada unidad del producto i guardado de un periodo al siguiente.
Al inicio del periodo actual, la empresa posee ri unidades del producto i.

(a) Determine un modelo de optimización que permita determinar la cantidad de cajas de

cada tipo que se deben solicitar en cada mes a fin de minimizar los costos totales.
(b) Realice los cambios necesarios al modelo para incluir cada una de las siguientes restric-
ciones (cada una de ellas es independiente de las otras).
• Durante el mes 3 no se pueden solicitar más de cuatro tipos de productos.
• La cantidad de productos a solicitar durante el mes 4 no puede ser menor que R.
• No se pueden almacenar más de K unidades del producto a en ningún periodo.

Solución:

(a) Se cuenta con dos conjuntos: i = {1, ..., m} insumo, t = {1, ..., N } meses.
Definición de variables:
• xi,t = cajas de insumo i que se solicitan el mes t.
• yi,t = 1 si se piden cajas del producto i, 0 en otro caso.
• zi,t = unidades de insumo i que están almacenados al inicio del mes t.

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

Modelo:
• Función objetivo:
N X
X m
max z = (Ci xi,t + Fi yi,t + hi zi,t )
t=1 i=1

• Restricción de demanda de producto

xi,t ui + zi,t ≥ di,t , ∀i, ∀t (0.1)

• Restricción Equilibrio de insumos:

zi,t+1 = xi,t ui + zi,t − di,t , ∀i, ∀t = 1, . . . , N − 1 (0.2)

zi,1 = ri ∀i (0.3)

• Restricción de consistencia

xi,t ≤ yi,t M, M >> 0, ∀i, ∀t (0.4)

• Naturaleza de las variables

xi,t ∈ N0 , ∀i, ∀t
zi,t ∈ N0 , ∀i, ∀t
yi,t ∈ {1, 0}, ∀i, ∀t

(a)
m
X
yi,3 ≤ 4
i=1

(b)
m
X
xi,4 ui ≥ R
i=1

(c)

zi,t ≤ K

2. Una empresa fabrica N productos diferentes (j = 1, . . . , N ), para lo cual requiere M insumos

distintos (i = 1, . . . , M ). Dada la naturaleza de los productos que fabrica la empresa, éstos no
pueden almacenarse de una semana para otra.
La empresa requiere planificar la compra de insumos para las próximas T semanas, donde dj,t
es la demanda del producto j [unidades] en la semana t (t = 1, . . . , T ).
De acuerdo con la tecnologı́a de producción que utiliza la empresa, requiere ai,j [kg] de insumo
i para fabricar una unidad de producto j.
Cada vez que la empresa compra el insumo i incurre en un costo fijo de Ki,t [$] y un costo

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

variable de ci,t [$/kg]. Considere que la compra de insumos es instantánea y que los proveedores
de la empresa siempre tienen disponibilidad de insumos. Es decir, si la empresa compra un
insumo al inicio de la semana, la cantidad comprada se puede utilizar inmediatamente para la
elaboración de productos, si ası́ se requiere.
Los insumos que no se utilicen durante la semana se pueden almacenar en la bodega de la
empresa a un costo unitario de hi,t [$/kg]. La bodega tiene una capacidad de almacenamiento
de Q [kg].

(a) Formule un modelo de programación lineal que permita minimizar los costos y satisfacer
la demanda. Indique claramente las variables, las restricciones y la función objetivo.
Especifique todos los supuestos que estime necesarios.
(b) Considere ahora que para el insumo 1 hay un insumo alternativo que identificaremos con
el subı́ndice 0. Sus costos son K0,t y c0,t , y su requerimiento es a0,j [Kg/unidad]. Dados
los procesos productivos de la empresa, durante la semana se puede usar un insumo o el
otro, pero no ambos simultáneamente.
Realice e indique las modificaciones necesarias al modelo de a) para incluir esta nueva
condición.

Solución:

(a) Variables de decisión

• xi,t : cantidad a comprar de insumo i al inicio de la semana t.
• yi,t : cantidad a almacenar de insumo i al final de la semana t
• wi,t : ✶(si compro el insumo i al inicio de la semana t)
i ∈ {1, . . . , M }, t ∈ {1, . . . , T }

Restricciones
i. Balance de inventario
N
X
yi,t−1 + xi,t − yi,t = (ai,j dj,t ) ∀i, t
j=1
ii. Consistencia
xi,t ≤ Bwi,t ∀i, t, donde B >> 0.
iii. Capacidad de almacenamiento
XM
yi,t ≤ Q ∀t
i=1
iv. Naturaleza de las variables:
xi,t , yi,t ≥ 0 ∀i, t
wi,t ∈ {0, 1} ∀i, t

Función objetivo
XT X M
min R = (Ki,t wi,t + ci,t xi,t + hi,t yi,t )
t=1 i=1

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

(b) Dado que no se dice lo contrario, se pueden comprar ambos insumos en la misma
semana. Sólo que se debe utilizar sólo uno de ellos.
Se definen la siguientes variables
Ft = ✶(si en la semana t se utiliza el insumo 1)
Se cambia la restricción 1 por las siguientes restricciones
N
X
yi,t−1 + xi,t − yi,t = (ai,j dj,t )
j=1
N
X
y1,t−1 + x1,t − y1,t = Ft (a1,j dj,t )
j=1
N
X
y2,t−1 + x2,t − y2,t = (1 − Ft ) (a2,j dj,t )
j=1
Se agrega la naturaleza de las nueva variable
Fi,t ∈ {0, 1} ∀i, t
Se deben ajustar las sumatorias y los cuantificadores de las otras restricciones para
que i parta desde 0.

3. La empresa PAR se dedica a la venta de arroz en diferentes zonas del paı́s. Para realizar la
venta, cuenta con un sistema de representantes, los cuales son los encargados de viajar a las
distintas zonas y promocionar el producto, con el objetivo de asegurar ventas.
La gerencia de ventas, encargada de la asignación de los representanes, ha dividido el paı́s en
N zonas diferentes en las cuales debe distribuir un equipo de M representantes.
De acuerdo a las caracterı́sticas de cada zona y cada representante, la gerencia de ventas
ha estimado que el volumen de ventas que generará el representante i en la zona j es
vij , (i = 1, . . . , M, j = 1, . . . , N ). Suponga que este volumen es independiente de la cantidad
de representantes que se asigne a la zona j, y de la cantidad de zonas que se asigne al
representante i.
La gerencia de ventas debe asignar al menos un representante en cada zona y por razones de
carga de trabajo, un representante no puede ocuparse de más de R zonas, con R < N .
La gerencia ventas desea asignar su equipo de ventas a las diferentes zonas de manera tal de
maximizar el volumen de ventas de la empresa.

(a) Formule un modelo de optimización lineal entero, que permita al gerente determinar las
zonas a asignar para cada representante, indicando claramente las variables de decisión,
las restricciones (tı́tulo y fórmula) y la función objetivo.
(b) Considere ahora que el volumen de ventas si depende de la cantidad de representantes
asignados a cada zona. Ası́ por cada representante adicional en la zona, por sobre el
obligatorio, el volumen de venta de cada representante se ve disminuido en un 10%. Ası́,
en caso de haber dos representantes cada uno generará el 90% del volumen de venta
original, en caso de haber tres, un 80% y ası́ sucesivamente.
Considere que en ninguna zona se pueden asignar más de 5 representantes. Indique
y realice los ajustes necesarios al modelo elaborado en (a) para representar la nueva
situación.

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

Solución:

(a) Variables de decisión:


1 si el representante i es asignado a la zona j
• xi,j =
0 en otro caso
con i ∈ {1, . . . , M }, j ∈ {1, . . . , N }.
Restricciones
1. Mı́nima cantidad de representantes
M
X
xi,j ≥ 1 , ∀j.
i=1

2. Carga de los representantes

N
X
xi,j ≤ R , ∀i.
j=1

3. Naturaleza de las variables

xi,j ∈ {0, 1}, ∀i, j

Función Objetivo
M X
X N
max z = (vi,j xi,j )
i=1 j=1

(b) Una forma de hacerlo es creando una nueva variable de decisión:

yi,j : volumen de ventas generadas por el vendedor i en la zona j

Agregamos las siguientes restricciones

1. Máxima cantidad de representantes por zona

M
X
xi,j ≤ 5, ∀j
i=1

2. Naturaleza de la variable

yi,j ∈ N0 , ∀i, j, o bien, yi,j ≥ 0, ∀i, j

3. Nivel de ventas

yi,j ≤ xi,j vi,j , ∀i, j

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

M
!
X
yi,j ≤ vi,j 1.1 − 0.1 xi,j , ∀i, j
i=1

Y cambiamos la función objetivo

M X
X N
max z = yi,j
i=1 j=1

4. Nuestro amigo Bartolo, estudiante de la UAI, ha decidido instalar una empresa de mudanzas.
Para ello, ha comprado M camiones, donde la capacidad del camión i es Vi . Para el próximo
viernes se ha comprometido con N de sus clientes en realizar sus mudanzas. La carga a
transportar de la mudanza del cliente j es Rj .
El principal criterio que ha escogido nuestro amigo para hacer las mudanzas es que cada una
de ellas debe realizarse mediante un único flete (viaje de carga) y que en cada flete no puede
llevarse más de una mudanza. Un mismo camión puede hacer varios fletes en el dı́a, pero para
ahorrarse dinero en mantenciones, Bartolo ha decidido que el número máximo de fletes diarios
que puede hacer el camión i es Li . Si el camión i hace la mudanza del cliente j se tiene un
beneficio Bij .
Además, debe tomarse en cuenta que los clientes s y t deben ser atendidos por camiones
diferentes y los clientes v y w deben ser atendidos por un mismo camión en viajes diferentes.
Por último, debe considerarse que si el camión i no fuera asignado a alguna mudanza en este
dı́a entonces puede contratarse para él un flete interurbano si ası́ conviniera. Los posibles
destinos de este flete son: La Calera, Valparaı́so o Rancagua. El beneficio del camión i al
efectuar este único flete del dı́a a los destinos La Calera, Valparaı́so y Rancagua son: D1 ,D2 y
D3 respectivamente.
Con estos antecedentes construya un modelo matemático de programación lineal mixta que
asegure atender a todos los clientes y que maximice el beneficio diario de esta empresa.

Solución:

Sean las siguientes variables de decisión:

• wij : es 1 si el camión i realiza la mudanza del cliente j y 0 si no, i = 1, ..., M ,

j = 1, ...N
• δik : es 1 si el camión i realiza un viaje interurbano a la ciudad k y 0 si no, i = 1, ..., M ,
k = {1 = La Calera, 2 = V alparaiso, 3 = Rancagua}

Con estas variables podemos modelar el problema de la siguiente forma. Función Objetivo:
M X
X N M X
X 3
max Bij wij + δik Dk
w,δ
i=1 j=1 i=1 k=1

Sujeto a las siguientes restricciones:

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

• Capacidad de camiones:
N
X
Rj wij ≤ Vi , ∀i = 1, ..., M
j=1

• Cada cliente debe ser atendido por un solo camión:

M
X
wij = 1, ∀j = 1, ..., N
i=1

• Cada camión sólo puede hacer un número limitado de fletes por dı́a:
N
X
wij ≤ Li , ∀i = 1, ..., M
j=1

• Los clientes s y t deben ser atendidos por camiones diferentes

wis + wit ≤ 1, ∀i = 1, ..., M

• Los clientes v y w deben ser atendidos por el mismo camión en viajes diferentes:

wiv = wiw , ∀i = 1, ..., M

• Si se realiza un viaje interurbano no se puede realizar mudanzas con ese camión:

N
X
wj ≤ Li (1 − δik ), ∀i = 1, ..., M ∀k = 1, 2, 3
j=1

• Sólo se puede realizar un viaje interurbano en el dı́a:

3
X
δik ≤ 1, ∀i = 1, ..., M
k=1

• Las variables son binarias:

wij ∈ {0, 1}, ∀i = 1, ..., M, ∀j = 1, ..., N

δik ∈ {0, 1}, ∀i = 1, ..., M ; ∀k = 1, 2, 3

5. Una empresa productora y distribuidora de pisco a granel debe cumplir con encargos de pisco
a J fondas para el próximo 18 de Sept. La empresa cuenta con una variedad de K piscos, que
varı́an según tamaños, sabores, calidad, etc, además de contar con I plantas para producirlos.
La fonda j demanda Djk litros de pisco tipo k y cuesta Tijk pesos en llevar un litro de pisco k
desde la planta i hasta la fonda j.
Cada planta tiene una capacidad de producir capk litros de pisco tipo k y el costo de producir
un litro de pisco k en la planta i es de Cik pesos. Existen R tipos de materias primas para
producir los diferentes piscos. Cada planta i tiene M Pir unidades de materia prima r y se

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

necesitan αkr unidades de materia prima r para producir un litro de pisco tipo k.
Modele un problema lineal que permita determinar la producción y distribución de los piscos
hacia las fondas con el menor costo posible

Solución:

(a) Variables
Yijk = Litros pisco tipo k hecho por en planta i y llevado a fonda j
Xikr = Unidades materia prima r utilizado en planta i para producir pisco tipo k
(b) Restricciones
Disponibilidad materia prima en cada planta
K
X
Xikr ≤ M Pir ∀i : 1..I, r : 1..R
k=1

Capacidad de planta por cada producto

N
X
Yijk ≤ capk ∀i : 1..I, k : 1..K
j=1

Producción y Materia Prima

N
X R
X
Yijk = αkr Xikr ∀i : 1..I, k : 1..K
j=1 r=1

Satisfacer demanda
I
X
Yijk ≥ Djk ∀j : 1..N, k : 1..K
i=1

Naturaleza Variables

Yijk ≥ 0 ∀i : 1..I, j : 1..N, k : 1..K

Xikr ≥ 0 ∀i : 1..I, k : 1..K, r : 1..R

(c) Función Objetivo

I X
X N X
K
minimizar (Cik + Tijk ) Yijk
i=1 j=1 k=1

6. La empresa de transportes Transzor decide realizar una licitación pública para el abastecimiento
de los G litros de combustible que necesita para operar. Existen N empresas petroleras que
participan en la licitación, cada una postulando con Jn ofertas, n = 1 . . . N . Cada oferta j
hecha por petrolera n se compone de un pago fijo Cjn a cobrar por ser elegida y un precio Pjn
por litro comprado (de Transzor a la petrolera). La cantidad comprada debe estar entre un

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

mı́nimo MINjn y máximo MAXjn . Además, no se puede seleccionar más de 3 licitaciones por
petrolera.
(a) Escriba un modelo de optimización lineal entera que permita a Transzor abastecerse de
combustible con el menor costo posible. Defina las variables que utilizará, la función
objetivo y las restricciones del problema.
Sobre su modelo anterior, se desean agregar las siguientes restricciones lógicas. Para esto,
indique que variables y restricciones agregar en cada caso (de ser necesarias).
(b) Si se elige la oferta 1 de petrolera Mopec entonces se debe elegir la oferta 2 de Shil y/o
la 3 de Petrobraz.
(c) La cantidad de ofertas elegidas por petrolera debe ser la misma.
(d) Si no se elige la oferta 4 de petrolera Mopec entonces se debe elegir una y solo una entre
la oferta 5 de Shil o la 6 de Petrobraz.
(e) Para incentivar la industria nacional, el estado ha ofrecido a Transzor un bono B por
cada petrolera chilena que sea seleccionada con 3 ofertas. Incorpore esta informacion
al problema original. Asuma que se tiene como dato el conjunto CH que contiene a las
petroleras chilenas.

Solución:

(a) Variables
Xjn = 1 si se elige oferta j de petrolera n. 0 si no
Yjn : Litros de combustible a comprar en oferta j de petrolera n.
Función Objetivo

Jn
N X
X
min Cjn Xjn + Pjn Yjn
n=1 j=1

Restricciones
Cantidad mı́nima M INjn y máxima a comprar en caso que se elija oferta. 0 si no se
elige

M INjn Xjn ≤ Yjn ≤ M AXjn Xjn ∀n : 1..N, j : 1..Jn

Debe comprar G litros

Jn
N X
X
Yjn = G
n=1 j=1

No puede seleccionar más de 3 licitaciones por petrolera

Jn
X
Xjn ≤ 3 ∀n : 1..N
j=1

Naturaleza de las variables

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

Yjn ≥ 0 Xjn ∈ 0, 1 ∀n : 1..N, j : 1..Jn

(b)
x2Shil + x3P etrobrazl ≥ x1M opec

(c)
Jn Jn′
X X
Xjn = Xjn′ ∀n, n′ : 1..N
j=1 j=1

(d)
1 − X4M opec ≤ X5Shil + X6P etrobrazl ≤ 1 + X4M opec

(e) Agregar variable Zn = 1 si petrolera obtiene 3 licitaciones, 0 si no. En este caso

variable se define sólo para petroleras chilenas, i.e.,

Zn ∈ {0, 1} ∀n ∈ CH

La función objetivo cambia a :

X Jn
N X X
min Cjn Xjn + Pjn Yjn − B · Zn
n=1 j=1 n∈CH

Restricciones :
Relación entre Zn e Xjn :

P Jn
j=1 Xjn
Zn ≤ ∀n ∈ CH
3
P Jn
j=1 Xjn −2
Zn ≥ ∀n ∈ CH(∗)
3
(*): restricción opcional. Si no se incluye, la función objetivo hace que la solución
cumpla esta restricción.

7. El famoso productor de eventos PZ está organizando la programación de conciertos para el

año 2023. En particular, el productor debe decidir a que bandas traer durante el año, y la
capacidad de cada evento.
PZ ha definido N posibles bandas que podrı́an venir. Para cada banda i, se estima que el
precio de la entrada para el público serı́a de Pi por persona, que atraerı́a una cantidad de
público de Di , y que el costo de traer a la banda a Chile serı́a de Ci independientemente
del número de asistentes. Para realizar estos eventos, la empresa cuenta con 3 locales, con
capacidad para U1 , U2 y U3 personas, y que tendrı́an un costo fijo de arriendo por evento
de K1 , K2 y K3 , respectivamente. Sólo una banda puede tocar en cada evento. Note que
el número de asistentes a cada evento es el menor número entre la capacidad del local, y la
demanda de la banda.
Por otro lado, no se desea traer a bandas muy parecidas entre si en un mismo año. Para esto,
se cuenta con un parámetro Sij que es igual a 1 si las bandas i y j son demasiado parecidas

10

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

(y por lo tanto, solo una de ellas deberı́a venir), o igual a cero si no. Por último, no pueden
haber mas de T espectáculos durante el año.
Formule un problema de optimización lineal con variables enteras, que ayude a PZ a decidir
que bandas traer a Chile durante el 2023, y en qué local realizar cada evento, de forma de
maximizar los beneficios totales del año.

Solución:

(a) Variables
Xi = 1 si se incluye la banda i, 0 si no. i = 1 . . . N
Yij = 1 si la banda i toca en el local j, 0 si no. i = 1 . . . N, k = 1, 2, 3
Zi : Asistentes a ver la banda i.
(b) Función Objetivo (ingresos por entrada - costo banda - costo local)
 
XN 3
X
max  Pi · Z i − C i · X i − Kj Yij 
i=1 j=1

(c) Restricciones No puede haber mas de T espectáculos

N
X
Xi ≤ T
i=1

Asistentes son el mı́nimo entre demanda y capacidad ()

Z i ≤ D i Xi ∀i = 1 . . . N
3
X
Zi ≤ Uj Yij ∀i = 1 . . . N
j=1

(Ojo: pueden poner simplemente Zi ≤ Di pero entonces en otra restricción deben

enlazar las variables Zi con Xi ) Enlace de X con Y , que indica que se debe escoger
uno de los 3 locales:

Yi,1 + Yi,2 + Yi,3 = Xi ∀i = 1 . . . N

(ojo: pueden poner simplemente Yi,1 +Yi,2 +Yi,3 ≤ 1, pero entonces en otra restricción
deben enlazar las variables Yij con Xi . Naturaleza variables

Zi ≥ 0 Xi ∈ {0, 1} Yij ∈ {0, 1}

No se pueden escoger dos bandas muy parecidas

Xi + Xj ≤ 2 − Sij ∀i, j : 1..N, i ̸= j

o
Xi + Xj ≤ 1 ∀i, j : Sij = 1

11

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

• Algunos alumnos pueden haber puesto un subindice indicando el dia del año. Está
bien eso.
• Esta mal poner Zi = min{Di , Uj } o similar pues no es lineal. Lo que siPestá bien, es
pre-calcular un parámetro Qij = min{Di , Uj } y en vez de usar Zi usar 3j=1 Qij · Yij .

8. Pedro Juan está analizando las actividades de campaña que debe realizar para ganar la elección
presidencial. Su equipo le ha preparado una lista de N > 10 actividades que puede realizar
durante toda la campaña. Cada actividad le aporta, aditivamente, pi a la probabilidad de
ganar. Es decir, si realiza solo las actividades 1 y 7, su probabilidad de ganar serı́a p1 +p7 . Por
motivos de tiempo, Pedro sabe que solo podrá realizar a lo más 10 actividades de campaña.
Por otra parte, en una evaluación se estimó que cada actividad tiene un costo asociado a
su realización de Ci . Se sabe además, que estas actividades se deben financiar con el pre-
supuesto B obtenido de los empresarios que apoyan su campaña. Para ayudar a Pedro a
ganar la elección, su equipo asesor ha definido el siguiente modelo de programación lineal entera:

Sea Xi variable binaria de valor 1 si se realiza la actividad i y valor 0 en caso contrario.

N
X
Max Z = pi X i
i=1
N
X
s.a. Xi ≤ 10
i=1
XN
C i Xi ≤ B
i=1
Xi ∈ {0, 1} ∀i = 1, ...N

(a) Explique la función objetivo y cada una de las restricciones del modelo definido por el
equipo de Pedro.
(b) Modifique el modelo para considerar las siguientes condiciones:
• Solo se puede hacer la actividad 4 si se hacen las actividades 1,2 y 3.
• Se debe hacer la actividad 7 o la 8, pero no ambas juntas.
• Si se hace la actividad 1 y la 2, debe hacer la actividad 3.
• Si se hacen las actividades 1, 2 y 3, se incrementa la probabilidad de ganar las
elecciones en p∗ . (Nota: para contestar esta pregunta, indique los cambios en las
restricciones, función objetivo del modelo, y/o las variables adicionales que considere
conveniente).

Solución:

(a) Las variables están definidas como binarias (se realiza o no la actividad) y el objetivo
maximiza la suma de las probabilidades según las variables seleccionadas (si Xi es 0,
no se usará el valor de pi en la suma, si Xi es 1, sı́ se acumulará el valor de pi .
Por otra parte, hay dos limitaciones en el texto. La primera es una limitación

12

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

temporal (sólo se pueden realizar 10 actividades como máximo) y una segunda de

tipo económico (no se puede gastar más de B unidades monetarias).
Las dos restricciones del modelo corresponden a las restricciones anteriores, justo
en el orden indicado. La primera muestra que la suma de Xi (total de actividades
realizadas) debe ser menor o igual a 10. Como Xi sólo puede tomar valores de 0 y 1,
se cumplirá lo indicado por la restricción. La segunda tiene la misma estructura que
la función objetivo (suma Ci si la variable Xi es igual a 1 y 0 si no) pero la suma
ahora debe ser menor o igual que el presupuesto B.
(b) • X4 sólo puede tomar valor igual a 1 cuando las tres actividades se usan, si no
3 ∗ 1 > X1 + X 2 + X 3
3 · X4 ≤ X1 + X2 + X3
• Como las variables son binarias, sólo una de las dos puede tomar valor 1.

X7 + X8 = 1

• Fijémonos que si ninguna o sólo una de X1 y X2 valen 1, la restricción siguiente

siempre se cumple (independientemente del valor de X3 ), pero si X1 y X2 valen
1, la única manera de cumplir la restricción es que X3 también valga 1 (que es el
caso que se nos solicitaba modelar).

X1 + X2 − X3 ≤ 1

• Esta pregunta obliga a hacer los siguientes cambios:

1) Creamos nueva variable Y binaria que toma el valor de 1 si se realizan las
actividades 1, 2 y 3, y toma el valor de 0 si al menos una de estas actividades no
se realiza.
2) Por lo tanto, la función objetivo incluye ahora
P un nuevo término asociado a
esta variable, por tanto ahora tendrı́amos Z = N p X
i=1 i i + p ∗Y .

3) Finalmente, Se agrega una restricción que haga que Y pueda tomar el valor 1
exclusivamente cuando se realizan las actividades 1, 2 y 3: X1 + X2 + X3 ≥ 3Y
(El resto del modelo no se modifica.)

9. Suponga que hay un conjunto de m fuentes que generan basura. La cantidad de basura gener-
ada en la fuente i es de ai toneladas. La municipalidad tiene como idea construir depósitos
de basura. Para ello ha identificado n potenciales zonas donde construir los depósitos. La
municpalidad ha estimado que el costo de transporte asociado con ese traslado de la basura
desde las fuentes hasta los depósitos serı́a cij por cada tonelada de basura donde i representa a
la fuente y j al potencial depósito. El objetivo es seleccionar los depósitos de la basura que se
van a construir, sabiendo que la capacidad del depósito j serı́a de bj toneladas si se construye
y que si se construye el centro de depósito j, este tendrı́a un costo de construcción de fj .
Formule un modelo de Programación Lineal Entera que permita escoger los centros de depósito
y la polı́tica de transporte de basura que minimiza los costos totales. En su modelo indique
claramente las variables, la función objetivo y restricciones.

Solución:

13

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

Primero definiremos las variables:

• xj (1 ≤ j ≤ n) es una variable binaria que indica si el depósito j se construye o no.

• tij (1 ≤ i ≤ m,1 ≤ j ≤ n) indica el número de toneladas de residuo que se desplazan
desde la fuente de basura i hasta el depósito de basura j.

Ahora definimos la función objetivo. La función indica la suma de costos de instalación

(primer sumatorio), construcción (segundo sumatorio) y le resta el descuento H si se
cumple la restricción:
n
X m X
X n
[MIN] f j · xj + cij · tij
j=1 i=1 j=1

Debemos establecer las siguientes restricciones:

Transportar toda la basura de cada fuente de basura a algún depósito
n
X
tij = ai ∀i = 1, ..., m
j=1

Cumplir con el lı́mite de basura en cada depósito

m
X
tij ≤ bj ∀j = 1, ..., n
i=1

Asegurar que sólo se transporta basura a un depósito si el depósito se construye. En

caso que no se incluyera en el modelo esta restricción, nunca se construirı́a el depósito
pero sı́ se transportarı́a residuo al mismo. Se opta por usar
P el método de la big-M para
representar la función (M en este caso podrı́a ser igual a ni=1 ai .

tij ≤ M · xj ∀i = 1, ...n; j = 1, ..., m

o bien haber considerado la siguiente restricción con respecto cumplimiento con el lı́mite
de basura en cada depósito:
m
X
tij ≤ bj · xj ∀j = 1, ..., n
i=1

Naturaleza de las variables:

tij ≥ 0 ∀i = 1, ...n; j = 1, ..., m

xj ∈ {0, 1} ∀j = 1, ..., m

10. Un inversor en piedras preciosas dispone de un capital para invertir (que supondremos igual a
C) entre diferentes tipos de piedras. El inversor comprará piedras preciosas de cada uno de
los diferentes tipos disponibles (por ejemplo, diamantes, rubı́es, zafiros y ónices) durante este
año a un precio pi que actualmente conoce y espera obtener un valor por su venta al cabo de
cinco años igual a un valor esperado vi (i representa una piedra preciosa). Nótese que aunque
los precios de compra y venta hacen referencia a una piedra de un tipo concreto, es posible
comprar (vender) piedras más pequeñas y más grandes a precios proporcionales al indicado

14

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

como valor de referencia (a efectos prácticos, las variables pueden considerarse como valores
reales permitiendo la compra de fracciones de una piedra preciosa). Debido a que no dispone
de total seguridad sobre el precio de cada piedra tras trascurrir los cinco años, y con objeto
de diversificar la inversión y obtener rendimientos ante posibles errores de su estimación de
precio, ha decidido imponerse una serie de limitaciones adicionales que le permitan diversificar
las piedras compradas:

• No se puede invertir más del doble de dinero en piedras compradas en un continente que
en piedras compradas en cualquier otro continente
• El capital invertido en piedras preciosas de cualquier tipo no puede representar más del
30% del capital total
• Usted conoce a priori el continente de origen de las piedras y sólo un continente es la
fuente de un tipo de piedra preciosa (esto es, sólo se considera la compra de diamantes
africanos).
• Desea que el capital invertido en europa sea al menos un 20% del capital total.

(a) Indique claramente la información (datos) que necesita para poder formular un modelo
que considere todos los requerimientos mencionados
(b) Plantee un programa lineal para determinar el dinero invertido en cada cantidad de
piedras tal que maximice el dinero obtenido al final de los cinco años. Haga el programa
de forma general de tal manera que permita considerar cualquier cantidad diferente de
tipos de piedras. Indique claramente el significado de las variables de decisión.

Solución:

(a) • El capital disponible para invertir (llamado C en el enunciado)

• Conjunto de piedras preciosas (le llamaremos J de joya, y usaremos un contador
j ∈ J para referirnos a una piedra concreta)
• Conjunto de continentes (le llamaremos O de origen, y usaremos un contador
o ∈ O para referirnos a una piedra concreta). Considere que cada tipo de piedra
preciosa sólo puede obtenerse en un continente.
• Una matriz que indique para cada piedra preciosa el continente en que se obtiene
(lo anotaremos como mjo = 1 si la piedra j se obtiene en el continente o y 0 en
caso contrario).
• Un vector con el precio de compra (cada posición se anotará como pj )
• Un vector con el precio de venta al cabo de cinco años (cada posición se anotará
como vj )
(b) Las variables de decisión son la cantidad piedras preciosas (joyas) y las anotaremos

15

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

como xj . El modelo final es el siguiente:

X
max z = xj · (vj − pj )
j∈J
X
s.t. pj x j = C
j∈J
X X
pj moj xj ≤ 2 p j mo ′ j x j ∀o ∈ O, o′ ∈ O
j∈J j∈J

pj xj ≤ 0.3C ∀j ∈ J
X
pj meuropa,j xj ≥ 0.2C
j∈J

Todas las
P variables mayores o iguales a 0. La primera restricción podrı́a escribirse
como: j∈J pj xj ≤ C, indicando que podrı́a dejar de invertirse dinero, pero en tal
caso hay que explicar que difı́cilmente esto pasará, y/o que debe tenerse en cuenta la
cantidad no invertida en la función objetivo sumando el dinero no invertido

11. Un grupo familiar muy poderoso y compuesto por N integrantes desea reasignar su patri-
monio en las M empresas que posee en conjunto. Actualmente cada integrante i tiene una
participación de αij en la empresa j, donde i ∈ 1 . . . N , j ∈ 1 . . . M . Las empresas pertenecen
completamente a la familia, es decir, N
P
i=1 αi,j = 1 para toda empresa j ∈ 1 . . . M . La familia
desea reasignar estas participaciones entre sus integrantes usando un modelo de optimización
lineal. Cada integrante de la familia tiene una riqueza, correspondiente al valor de la suma de
las fracciones del que tiene de cada empresa actualmente, siendo el valor de cada empresa igual
a vj . La reasignación debe hacerse de forma que cada integrante mantenga la misma riqueza
que tiene actualmente. Todas las empresas pertenecen a uno de los tres sectores productivos
que son: Agrı́cola, Financiero y Retail. Las empresas del sector agrı́cola (representadas por
el conjunto A) tiene condiciones especiales, por lo que una de las exigencias de la nueva
asignación es que ningún integrante puede tener más de un 50% en una empresa perteneciente
a este sector. Por último, la familia está preocupada por el nivel de deuda (el apalancamiento)
de cada familiar. El nivel de deuda de cada familiar se determina a partir de las dedudas de
las empresas y el porcentaje que tiene cada familiar de cada empresa. Una empresa tiene
deudas financieras por un total de dj para cada empresa j ∈ 1 . . . M y el apalancamiento de un
integrante de la familia es el cociente entre su deuda total (suma de las partes correspondientes
de las deudas que tenga en cada una de las empresas) dividido por su riqueza total. En pos
de tener un apalancamiento similar entre todos los integrantes, se desea minimizar el mayor
apalancamiento de todos después de la reasignación. Es decir, si al reasignar las empresas, el
integrante de la familia que posee el mayor apalancamiento de valor z, este z sea lo menor
posible.

(a) Indique los parámetros y conjuntos del problema.

(b) Indica la decisión que debe tomar el modelo.
(c) Escriba el modelo de optimización lineal que permita resolver el problema. Recuerde de
explicar el significado de las variables y restricciones que defina

16

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

Solución:

(a) Conjuntos:
• Integrantes: 1..N
• Empresas: 1..M
• Conjunto empresas pertenecientes al sector Agrı́cola: A
Parámetros:
• Valor empresas: vj
• Deuda empresas: dj
• Participación actual: αij
• Lı́mite participación en sector agrı́cola: 50% (este se puede obviar como parámetro)
(b) La nueva participación de cada integrante en cada una de las siguientes empresas.
(c)
min z
s.a.:
Mayor apalancamiento
PM
j=1 dj xij
z ≥ PM ∀i ∈ 1 . . . N
j=1 vj αij

Mantener riqueza de cada integrante

M
X J
X
vj xij = vj αij ∀i ∈ 1 . . . N
j=1 j=1

Participaciones de cada empresa deben sumar 1

N
X
xij = 1 ∀j ∈ 1 . . . M
i=1

Requerimiento de las empresas agrı́colas

xij ≤ 0.5 ∀i ∈ 1 . . . N, ∀j ∈ A.

Naturaleza variables
xij ≥ 0 ∀i ∈ 1 . . . N, j ∈ 1 . . . M.

12. Usted administra una empresa de radio taxis y ha decidido usar optimización para poder
determinar el tamaño de la flota de taxis. Para esto, usted cuenta con un estudio que ha
zonificado la ciudad en N zonas, y también cuenta con una matriz de tiempos de viaje entre
zonas. Es decir, se cuenta con un estimado Wij que representa el tiempo de respuesta en
minutos para llegar desde la zona i a la zona j (el estimado incluye incluso estimado para un

17

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

viaje de i a i, es decir un Wii que representa el tiempo de respuesta para recoger un cliente en
i si el taxi se encuentra en i). Plantee un modelo de programación lineal que determine el
número mı́nimo de taxis diarios que se deben asignar a cada zona. Para esto considere que se
tiene un estimado de clientes que en un dı́a solicitarán taxis, dj donde j representa las zonas.
Además considere que para garantizar cierta calidad de servicio, el tiempo de respuesta de un
taxi no deberı́a pasar de m minutos. Recuerde identificar los parámetros, definir claramente
las variables, función objetivo y restricciones. (Hint: Plantee el problema usando solo variables
continuas -asuma que se puede trabajar con fracciones de taxis.)

Solución:

Definir como variables xij ≥ 0 que representa el número de taxis asignados a la zona i
que atenderán a clientes en j, donde i = {1, ..., N }, y j = {1, ..., N }
N X
X N
min Z = xij
j=1 i=1
N
X
s.a. xij ≥ dj , ∀j
j=1

Wij xij ≤ mxij , ∀i, ∀j

xij ≥ 0, ∀i, ∀j

Nota: La tercera restricción solo busca que se consideren los (i, j) que cumplan con la
condición de tiempo de respuesta. Existe otra forma de plantear el problema.
Alt. 1:
Definir como variables xij ≥ 0 que representa el número de taxis asignados a la zona i
que atenderán a clientes en j, donde donde Wij ≤ m para i = {1, ..., N }, y j = {1, ..., N }
N X
X N
min Z = xij
j=1 i=1
N
X
s.a. xij ≥ dj , ∀j
j=1

xij ≥ 0, ∀i, ∀j

(En esta solución se redefine el subconjunto de I y J de tal forma que Wij ≤ m

13. La empresa Westeros Co. se dedica a la fabricación y distribución de espadas de alta calidad.
En la actualidad, la dirección de la empresa se plantea la localización de una nueva planta
productiva, ya que el crecimiento de la compañı́a ha hecho que su actual fábrica haya quedado
pequeña. Usted como ingeniero, ve un tremendo potencial del producto en el extranjero y,
por ende, le propone a la empresa Westeros Co. abarcar m posibles ciudades. Si la empresa
desea expandirse, debe construir una planta en al menos r de esas ciudades. La demanda
mensual Dj (donde j representa la ciudad) es conocida gracias a un excelente trabajo de
pronóstico y debe ser capaz de satisfacerla. Además existen planes de que cada planta i tenga
una capacidad máxima de producción de Ai y que el costo fijo de la construcción sea de hi .

18

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

Los costos de producción de cada planta se han estimado en ki por unidad. Los costos de
transporte por unidad enviada desde una planta i a una ciudad j se han estimado en gij por
unidad enviada.
Construya un modelo de programación lineal entero que le permita a la empresa determinar
el costo total de la expansión ası́ como dónde y cuánto producir. No olvide definir de manera
clara las variables, parámetros, restricciones y función objetivo.

Solución:

Parámetros:

• Dj = Demanda mensual de la ciudad j. j = 1, ..., m

• Ai = Capacidad de producción mensual de la planta i. i = 1, ..., m
• ki = Costo unitario de producción de la planta i. i = 1, ..., m
• hi = Costo de construcción de la planta i. i = 1, ..., m
• gij = Costo de transporte que se envı́a de la planta i a la ciudad j. i = 1, ..., m,
j = 1, ..., m

Variables:

• xi = 1: Se construye la planta i. 0: No se contruye.

• yi = Cantidad producida por la planta i.
• zij = Cantidad que se envı́an de la planta i a la ciudad j.

Función Objetivo: Minimizar costos

m
X m
X
min (xi hi + yi ki + zij gij )
i=1 j=1

Restricciones:
Capacidad de producción
yi ≤ Ai xi ∀i

Cantidad de despacho
m
X
yi = zij ∀i
j=1

19

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

Satisfacción de la demanda
m
X
zij ≥ Dj ∀j
i=1
o
m
X
zij = Dj ∀j
i=1

Minimo de r plantas
m
X
xi ≥ r
i=1

Binariedad
xi ∈ {0, 1} ∀i

No negatividad
yi , zij ≥ 0 ∀i, j

14. La empresa FORESTAL Ltda. se encuentra enfrentando un incendio de grandes proporciones

que afecta a sus plantaciones de árboles. La empresa, empleando un simulador, ha identificado
que el frente del incendio en las próximas 12 horas se extenderá a 5 sectores, de su propiedad
(S1, S2, S3, S4, S5). El número de hectáreas (ha) de las plantaciones que serán afectadas por
el incendio en cada uno de los sectores es el siguiente:

Sector S1 S2 S3 S4 S5
ha afectadas 300 250 120 250 220

Para enfrentar el incendio, la empresa cuenta con un avión supertanque. El avión pueden
operar desde 3 pistas de despegue preparadas (P1, P2, P3) donde cuenta con suficiente agua y
combustible, pero la distancia desde las pistas a los sectores del frente hacen que la eficiencia
de la aeronave para control del incendio sea diferente. El avión debe ser asignado a una única
pista, y puede atacar solo uno de los sectores del incendio. La eficiencia del avión ha sido
evaluada en la cantidad de hectáreas que puede salvar en las próximas 12 horas, lo que se
muestra en la siguiente tabla

Operando desde S1 S2 S3 S4 S5
Pista 1 (P1) 200 80 60 220 180
Pista 2 (P2) 180 90 70 220 200
Pista 3 (P3) 150 70 80 230 210

(a) Desarrolle un modelo de Optimización Lineal Entera que decida dónde debe operar el
avión durante las próximas doce horas de modo de minimizar las hectáreas pérdidas de
la empresa. Es decir, indique claramente las variables de decisión, la función objetivo y
restricciones del problema. No necesita resolver el problema, solo formularlo.

20

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

(b) Suponga que ahora hay cuatro aviones supertanque para apagar el incendio. Cada avión
puede salir de cualquiera de las pistas, y atacar cualquiera de los sectores. Asuma que
si los n aviones atacan un mismo sector, entonces estos salvan n veces el número de
hectáreas que salvarı́an individualmente. Modifique su modelo anterior para decidir
dónde debe operar cada avión, y desde cuál pista deben salir, de modo de minimizar las
hectáreas pérdidas de la empresa.
(c) A la empresa le ha gustado el resultado provisto por su modelo, por lo que ha solicitado
ampliar el alcance del mismo, incorporando la asignación de Brigadas (las brigadas son
grupos de personas que combaten directamente el incendio en el terreno).
La empresa cuenta con 10 brigadas de este tipo.
La eficiencia de cada una de las brigadas también ha sido evaluada en la cantidad de
hectáreas que pueden salvar en las próximas 12 horas, lo que se muestra en la siguiente
tabla:
S1 S2 S3 S4 S5
Eficiencia por cada brigada [ha] 10 10 9 12 12

Considere que en un sector pueden operar todos los aviones o brigadas que se desee
(es decir no hay interferencias entre ellos). También es posible que un sector no tenga
asignado ninguna brigada ni avión.
Modifique el modelo de Programación lineal de la sección anterior (4 aviones) de modo que
el modelo defina el punto de operación de cada uno de los recursos (aviones y brigadas)
para las próximas doce horas que minimice las hectáreas perdidas de la empresa.
(d) Indique las modificaciones que es necesario agregar al modelo para considerar las siguientes
restricciones:
i. En una pista de despegue, no puede operar más de un avión.
ii. En un sector no pueden operar brigadas y aviones en forma simultánea.

Solución:

(a) Variables de decisión:

xi,j ∈ {0, 1} que indica si el avión ataca el sector Si saliendo desde la pista Pj, con
i = 1 . . . 5, j = 1 . . . 3.
Función objetivo: Minimizar las hectáreas quemadas:

min(300 − 200x1,1 − 180x1,2 − 150x1,3 ) + (250 − 80x2,1 − 90x2,2 − 70x2,3 )

+(120 − 60x3,1 − 70x3,2 − 80x3,3 ) + (250 − 220x4,1 − 220x4,2 − 230x4,3 )
+(220 − 180x5,1 − 200x5,2 − 210x5,3 )

Restricciones:
Un solo avión debe ser asignado a un sector, saliendo de una pista:
5 X
X 3
xi,j = 1
i=1 j=1

21

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

P5 P3
también es válido poner la restricción con i=1 j=1 xi,j ≤ 1.
Naturaleza de las variable:

xi,j ∈ {0, 1} i = 1 . . . 5, j = 1 . . . 3

(b) Se modifica la variable de decisión xi,j para que indique el número de aviones atacando
el sector Si saliendo desde la pista Pj, con i = 1 . . . 5, j = 1 . . . 3.
Se modifica la naturaleza de esta variables, para que considere 4 aviones, es decir,

xi,j ∈ {0, 1, 2, 3, 4} i = 1 . . . 5, j = 1 . . . 3

Se modifica la restricción del número de aviones atacando distintos sectores

5 X
X 3
xi,j = 4
i=1 j=1

Para el objetivo, los aviones no pueden apagar mas hectáreas que las que se están
quemando, por lo que se necesita agregar una variable que indique el número de
hectáreas quemadas.
Nueva variable se decisión: q1 . . . q5 indicando el número de hectáreas quemadas
en cada sector.
Nueva función objetivo: Minimizar las hectáreas quemadas:

min q1 + q2 + q3 + q4 + q5

Nuevas restricciones:
Relación de numero de hectáreas quemadas y aviones que atacan el sector:

q1 ≥ 300 − 200x1,1 − 180x1,2 − 150x1,3

q2 ≥ 250 − 80x2,1 − 90x2,2 − 70x2,3
q3 ≥ 120 − 60x3,1 − 70x3,2 − 80x3,3
q4 ≥ 250 − 220x4,1 − 220x4,2 − 230x4,3
q5 ≥ 220 − 180x5,1 − 200x5,2 − 210x5,3

Número de hectáreas quemadas no puede se negativo:

q 1 , q2 , q3 , q 4 , q 5 ≥ 0

Una forma alternativa, es crear una variable binaria para cada uno de los cuatro
aviones, por ejemplo, agregando un nuevo subindice xi,j,k con k = 1 . . . 4. En este

22

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

caso, la restricción sigue siendo 5i=1 3j=1 xi,j,k = 1 para cada avion k = 1 . . . 4, y
P P
la relación de numero de hectáreas quemadas y aviones que atacan el sector serı́a:
4
! 4
! 4
!
X X X
q1 ≥ 300 − 200 x1,1,k − 180 x1,2,k − 150 x1,3,k
k=1 k=1 k=1
..
.

(c) Nueva variable se decisión: z1 . . . z5 número de brigadas asignadas a cada sector.

zi ∈ N
Nuevas restricciones:
Número de brigadas debe ser igual a 10:

z1 + z2 + z3 + z4 + z5 ≤ 10

Restricciones modificadas: Numero de hectáreas quemadas:

q1 ≥ 300 − 200x1,1 − 180x1,2 − 150x1,3 − 10z1

q2 ≥ 250 − 80x2,1 − 90x2,2 − 70x2,3 − 10z2
q3 ≥ 120 − 60x3,1 − 70x3,2 − 80x3,3 − 9z3
q4 ≥ 250 − 220x4,1 − 220x4,2 − 230x4,3 − 12z4
q5 ≥ 220 − 180x5,1 − 200x5,2 − 210x5,3 − 12z5

(d) i. Se agrega la restricción:

5
X
xi,j ≤ 1 ∀j = 1 . . . 3
i=1

ii. Se requieren agregar variables de decisión que indiquen si hay un avión o una
brigada trabajando en un sector.
Nuevas variables: ai y bi variables binarias indicando si hay aviones o brigadas
trabajando en el sector i, con i = 1 . . . 5.
Nuevas restricciones:
Solo pueden haber brigadas o aviones trabajando en un sector.

a i + bi ≤ 1 i = 1...5

Relación entre variables z y b:

zi ≤ 10bi ∀i = 1 . . . 5

23

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

Relación entre variables x y a:

3
X
xi,j ≤ 4ai ∀i = 1 . . . 5
j=1

Las restricciones bi ≥ zi y que ai ≥ 3j=1 xi,j para i = 1 . . . 5 son válidas, pero

P
no son requeridas para resolver el problema, por lo que pueden omitirse.

15. Una empresa que fabrica un solo producto debe planificar la producción para los siguientes
T meses. La empresa tiene prevista una demanda igual a Dt unidades para el mes t, donde
t = 1, ..., T . El nivel de producción de la empresa depende del número de empleados que
tenga contratados dado que cada trabajador produce p unidades por mes (valor constante).
Adicionalmente, si a un trabajador se le pide hacer horas extras, éste puede producir a lo más
r unidades adicionales al mes. Hoy dı́a la empresa cuenta con N trabajadores contratados.
El salario de un trabajador es de cN por mes, y si se le pide que trabaje horas extras en un
mes, se le debe pagar cE por cada unidad que produzca en horario extra ese mes. Por otro
lado, al inicio de cada mes, la empresa tiene la opción de contratar o despedir trabajadores.
El costo de contratar un trabajador es de ch por cada nuevo trabajador contratado (esto es
aparte del pago de su salario), mientras que el costo de despedir un trabajador es de cf por
cada trabajador despedido. Finalmente, como la producción puede ser mayor que la demanda
en algunos meses, la empresa debe almacenar los productos sobrantes de un mes al siguiente.
La bodega que utiliza para esto le cobra k pesos por cada unidad almacenada de un mes al
siguiente.

(a) Formule un modelo de programación lineal entero que permita a la empresa definir cuánto
personal debe tener, de forma que se pueda cumplir con la demanda minimizando sus
costos de producción, almacenaje, contratación y despido. Defina claramente las variables,
las restricciones y la función
(b) Suponga que puede haber despidos en no más de 5 de los T meses. Escriba la(s)
restriccion(es) necesaria(s) para cumplir con esta condición. Si usa nuevas variables
defı́nalas claramente.
(c) Suponga que de mes a mes la variación entre el número de empleados no debe mayor a 5
empleados. Plantee esta restricción para su modelo. (Hint: Una restricción |f (x)| ≤ w es
no lineal pero es equivalente a f (x) ≤ w y −f (x) ≤ w que son lineales)

Solución:

(a) Variables:
• xt ≥ 0, entero = número de empleados que trabajan en el mes t
• yt ≥ 0, entero = número de empleados contratados a inicios del mes t
• zt ≥ 0, entero = número de empleados despedidos a inicios del mes t
• wt ≥ 0, entero = número de unidades producidas en tiempo extra en el mes t
• It ≥ 0, entero = inventario al final del periodo t
Modelo:

24

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)

 lOMoARcPSD|30077652

ING200 Optimización

• Función objetivo: minimizar el costo total de producción en horario normal +

producción en horas extra + contratación y despido + almacenamiento.
T
X T
X T
X T
X T
X
min CT = c N xt + cE wt + c h yt + c f zt + kIt
t=1 t=1 t=1 t=1 t=1

• Restricción: Empleados por mes (balance).

xt−1 + yt − zt = xt , t = 1, ..., T
x0 = N

• Restricción:Producción en tiempo extra en un mes.

wt ≤ rxt

• Restricción: Balance de producción:

It−1 , +pxt + wt = Dt + It , t = 1, ..., T

I0 = 0
IT = 0

(b) Variable ot = 1 si se despide el mes i, 0 si no.

zt ≤ M ot , ∀tdonde M como un valor muy grande

T
X
ot ≤ 5
t=1

(c) Restricción: |xt+1 − xt | ≤ 5, t = 0, ..., T − 1 con x0 = N , que se linealiza usando el

hint dado:

xt+1 − xt ≤ 5, t = 0, ..., T − 1
xt − xt+1 ≤ 5, t = 0, ..., T − 1

25

Descargado por FRANCISCA CAROLINA CORDERO ROCO (francisca.cordero.r@mail.pucv.cl)