Apunte de contenido

Modelos de optimización paramétrica

UGM
Escuela de Tecnología y Negocios
Santiago, Chile
2022
Modelos de optimización paramétrica

Dentro de las competencias más importantes que requiere un ingeniero para

sus labores de gestión en la toma de decisiones dentro de cualquier
organización está el desarrollo de la habilidad y creatividad para modelar un
problema real y abstraerlo a un modelo matemático, ya sea para el desarrollo
de un modelo de optimización y/o un modelo de simulación. En este apunte
en particular, nos enfocaremos en los modelos de optimización paramétrica.

Lo más importante en los modelos de optimización paramétrica es formularlos

usando el lenguaje matemático. Este tipo de formulación se conoce como
“formulación de modelos indexados” y simplemente consiste en expresar un
modelo con “sumatorias” o “productorias”, “subíndices” y/o “superíndices” y
“para todo”.

¿Por qué es importante saber formular un modelo indexado?

Porque el modelo de un caso real puede presentar muchas variables de

decisión y muchas restricciones, por ende, es impensado resolverlo con
algoritmos manuales. En ese caso, obligatoriamente debemos utilizar algún
software que nos permita implementar tales modelos y dar solución de
manera rápida.

Un primer ejemplo: problema de fabricación.

Un fabricante de muebles produce mesas y sillas. El proceso implica mecanizar,

lijar y ensamblar las piezas para hacer las mesas y sillas. Se necesitan 5 horas
para mecanizar las piezas para una mesa, 4 horas para lijar las piezas y 3 horas
para armar una mesa. Una silla requiere 2 horas para mecanizar las piezas, 3
horas para lijar las piezas y 4 horas para armar una silla. Hay 270 horas
disponibles para mecanizar las piezas, 250 horas para lijar las piezas y 200
horas para ensamblar. Si la ganancia para una mesa es de 100 dólares y para
una silla de 60 dólares, formula un modelo que permita tomar la decisión
óptima.

La formulación extendida de este problema se presenta a continuación.

2
Formulación modelo extendido

Variables de decisión:

X1=Cantidad de mesas a producir.

X2=Cantidad de sillas a producir.

Función objetivo y restricciones:

Maximizar Z=100X1+ 60*X2

Sujeto a:

5X1+2X2 ≤ 270 horas (restricción de horas para mecanizar).

4X1+3X2 ≤ 250 horas (restricción de horas para lijar).
3X1+4X2 ≤ 200 horas (restricción de horas para ensamblar).
X1, X2, enteras no negativas.

Ahora formularemos el modelo indexado. Para esto, debemos definir con

claridad las variables de decisión, parámetros, función objetivo y restricciones.

Formulación modelo indexado

Variables de decisión:

𝑥𝑥𝑖𝑖 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑑𝑑𝑑𝑑𝑑𝑑 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑖𝑖 𝑎𝑎 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 (𝑖𝑖 = 1 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚; 𝑖𝑖 = 2 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠).

Parámetros:

𝐺𝐺𝑖𝑖 = 𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑝𝑝𝑝𝑝𝑝𝑝 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑒𝑒𝑒𝑒 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑖𝑖 (𝑖𝑖 = 1 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚; 𝑖𝑖 = 2 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠).
𝐻𝐻𝑗𝑗 = 𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑗𝑗.
(𝑗𝑗 = 1 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚; 𝑗𝑗 = 2 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙; 𝑗𝑗 = 3 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑜𝑜 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎).
𝑅𝑅𝑗𝑗𝑗𝑗 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑟𝑟𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑗𝑗 𝑒𝑒𝑒𝑒 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑖𝑖 (𝑖𝑖 = 1 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚; 𝑖𝑖 = 2 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠).
(𝑗𝑗 = 1 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚; 𝑗𝑗 = 2 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙; 𝑗𝑗 = 3 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑜𝑜 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎).

Función objetivo y restricciones:

3
 2

𝑀𝑀𝑀𝑀𝑀𝑀 𝑍𝑍 = � 𝐺𝐺𝑖𝑖 ∙ 𝑥𝑥𝑖𝑖

𝑖𝑖=1

𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 𝑎𝑎:

� 𝑅𝑅𝑗𝑗𝑗𝑗 ∙ 𝑥𝑥𝑖𝑖 ≤ 𝐻𝐻𝑗𝑗 ∀𝑗𝑗 (𝑗𝑗 = 1,2,3).

𝑖𝑖=1

𝑥𝑥𝑖𝑖 ∈ ℕ ∪ {0} ∀𝑖𝑖 (𝑖𝑖 = 1,2).

Notemos la ventaja que se consigue al indexar. El modelo formulado en

lenguaje matemático es compacto e incluso podrían incluirse más variables de
decisión y restricciones. Aun así, el modelo mantendría la misma estructura y
solo cambiarían los subíndices.

Ejemplo 2: problema de la dieta.

Se busca producir a mínimo costo una mezcla de alimento para animales que
contenga las siguientes cantidades mínimas de 4 nutrientes (N1, N2, N3, N4):

Nutriente N1 N2 N3 N4
Cantidad mínima (g/kg
mezcla) 90 50 20 2

La mezcla se produce usando un relleno que da volumen al alimento y 2

ingredientes activos (I1 e I2) cuyo valor nutricional es el siguiente:

Costo
Ingrediente N1 N2 N3 N4 ($/kg)
I1 100 80 40 10 40
I2 200 150 20 - 60

La formulación extendida de este problema se presenta a continuación.

4
Formulación modelo extendido

𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽 𝒅𝒅𝒅𝒅 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫ó𝒏𝒏:

𝑋𝑋1 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑑𝑑𝑑𝑑 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝐼𝐼1 𝑎𝑎 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝.

𝑋𝑋2 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑑𝑑𝑑𝑑 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝐼𝐼2 𝑎𝑎 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝.

𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭ó𝒏𝒏 𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶 𝒚𝒚 𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹:

𝑚𝑚𝑚𝑚𝑚𝑚 𝑍𝑍 = 40 ∙ 𝑋𝑋1 + 60 ∙ 𝑋𝑋2

𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 𝑎𝑎:
100 ∙ 𝑋𝑋1 + 200 ∙ 𝑋𝑋2 ≥ 90 (𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑁𝑁1).
80 ∙ 𝑋𝑋1 + 150 ∙ 𝑋𝑋2 ≥ 50 (𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑁𝑁2).
40 ∙ 𝑋𝑋1 + 20 ∙ 𝑋𝑋2 ≥
20 (𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑖𝑖𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑁𝑁3).
10 ∙ 𝑋𝑋1 ≥
2 (𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑁𝑁4).
𝑋𝑋1 ≥ 0 (𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 𝑑𝑑𝑑𝑑 𝑁𝑁𝑁𝑁 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑋𝑋1 ).
𝑋𝑋2 ≥ 0 (𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 𝑑𝑑𝑑𝑑 𝑁𝑁𝑁𝑁 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑋𝑋2 ).

Formulando el modelo indexado, se tiene:

Formulación modelo indexado

𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽𝑽 𝒅𝒅𝒅𝒅 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫ó𝒏𝒏:

𝑋𝑋𝑖𝑖 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑑𝑑𝑑𝑑 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑖𝑖 𝑎𝑎 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 (𝑖𝑖 = 1 𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 𝐼𝐼1, 𝑖𝑖

= 2 𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 𝐼𝐼2)

𝑷𝑷𝑷𝑷𝑷𝑷á𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎:

𝑁𝑁𝑗𝑗 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑑𝑑𝑑𝑑 𝑚𝑚í𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑞𝑞𝑞𝑞𝑞𝑞 𝑠𝑠𝑠𝑠 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑑𝑑𝑑𝑑𝑑𝑑 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑗𝑗.
(𝑗𝑗 = 1 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑁𝑁1, 𝑗𝑗 = 2 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑁𝑁2, 𝑗𝑗 = 3 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑁𝑁3, 𝑗𝑗.
= 4 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 𝑁𝑁4).
𝑅𝑅𝑗𝑗𝑗𝑗 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑑𝑑𝑑𝑑𝑑𝑑 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑗𝑗 𝑞𝑞𝑞𝑞𝑞𝑞 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑒𝑒𝑒𝑒 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑒𝑒 𝑖𝑖.
𝐶𝐶𝑖𝑖 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑝𝑝𝑝𝑝𝑝𝑝 𝑘𝑘𝑘𝑘 𝑑𝑑𝑑𝑑𝑑𝑑 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑖𝑖 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝.

𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭ó𝒏𝒏 𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶 𝒚𝒚 𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹:

5
 2

𝑚𝑚𝑚𝑚𝑚𝑚 𝑍𝑍 = � 𝐶𝐶𝑖𝑖 ∙ 𝑋𝑋𝑖𝑖

𝑖𝑖=1

𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑎𝑎:

� 𝑅𝑅𝑗𝑗𝑗𝑗 ∙ 𝑋𝑋𝑖𝑖 ≥ 𝑁𝑁𝑗𝑗 ∀𝑗𝑗 (𝑗𝑗 = 1 𝑁𝑁1, 𝑗𝑗 = 2 𝑁𝑁2, 𝑗𝑗 = 3 𝑁𝑁3, 𝑗𝑗 = 4 𝑁𝑁4).

𝑖𝑖=1
𝑋𝑋𝑖𝑖 ≥ 0 ∀𝑖𝑖 (𝑖𝑖 = 1 𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 𝐼𝐼1, 𝑖𝑖 = 2 𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 𝐼𝐼2).

Ejemplo 3: problema de transporte clásico.

Consideremos el problema de tres plantas de producción P1, P2 y P3, cuyas

capacidades (ofertas) son 400, 1500 y 900 unidades, respectivamente. Por otra
parte, desde estas plantas de producción se debe satisfacer la demanda de
cuatro centros de consumo -C1, C2, C3 y C4- cuyas demandas son 700, 600,
1000 y 500, respectivamente. Los costos unitarios de distribución desde las
plantas hasta los centros de consumo se muestran en la Figura 1, junto con los
otros parámetros mencionados:

Figura 1. Diagrama plantas-Centros de consumo.

La formulación extendida de este problema se presenta a continuación.

Formulación modelo extendido

6
Variables de decisión:

𝑥𝑥11 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 1 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 1.
𝑥𝑥12 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 1 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 2.
𝑥𝑥13 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 1 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑚𝑚𝑚𝑚 3.
𝑥𝑥14 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 1 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 4.
𝑥𝑥21 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 2 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 1.
𝑥𝑥22 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 2 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 2.
𝑥𝑥23 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 2 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 3.
𝑥𝑥24 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 2 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 4.
𝑥𝑥31 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 3 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 1.
𝑥𝑥32 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 3 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 2.
𝑥𝑥33 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑎𝑎 3 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 3.
𝑥𝑥34 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 3 ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 4.

7
Función objetivo y restricciones:

𝑚𝑚𝑚𝑚𝑚𝑚 𝑍𝑍 = 20𝑥𝑥11 + 40 𝑥𝑥12 + 70𝑥𝑥13 + 50𝑥𝑥14 + 100𝑥𝑥21 + 60𝑥𝑥22 + 90𝑥𝑥23 + 80𝑥𝑥24 + 10𝑥𝑥31
+ 110𝑥𝑥32 + 30𝑥𝑥33 + 200𝑥𝑥34 .
𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑎𝑎:
𝑥𝑥11 + 𝑥𝑥12 + 𝑥𝑥13 + 𝑥𝑥14 ≤ 400 (restricción de oferta en la Planta 1).
𝑥𝑥21 + 𝑥𝑥22 + 𝑥𝑥23 + 𝑥𝑥24 ≤ 1500 (restricción de oferta en la Planta 2).
𝑥𝑥31 + 𝑥𝑥32 + 𝑥𝑥33 + 𝑥𝑥34 ≤ 900 (restricción de oferta en la Planta 3).
𝑥𝑥11 + 𝑥𝑥21 + 𝑥𝑥31 ≥ 700 (restricción de demanda en el Centro 1).
𝑥𝑥12 + 𝑥𝑥22 + 𝑥𝑥32 ≥ 600 (restricción de demanda en el Centro 2).
𝑥𝑥13 + 𝑥𝑥23 + 𝑥𝑥33 ≥ 1000 (restricción de demanda en el Centro 3).
𝑥𝑥14 + 𝑥𝑥24 + 𝑥𝑥34 ≥ 500 (restricción de demanda en el Centro 4).
𝑥𝑥11 ≥ 0
𝑥𝑥12 ≥ 0
𝑥𝑥13 ≥ 0
𝑥𝑥14 ≥ 0
𝑥𝑥21 ≥ 0
𝑥𝑥22 ≥ 0
𝑥𝑥23 ≥ 0
𝑥𝑥24 ≥ 0
𝑥𝑥31 ≥ 0
𝑥𝑥32 ≥ 0
𝑥𝑥33 ≥ 0
𝑥𝑥34 ≥ 0

Ahora formularemos el modelo de manera indexada.

Formulación modelo indexado

Parámetros:

𝑂𝑂𝑖𝑖 = 𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂 𝑑𝑑𝑑𝑑 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑒𝑒𝑒𝑒 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑖𝑖.

𝐷𝐷𝑗𝑗 = 𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷 𝑑𝑑𝑑𝑑 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑗𝑗.
𝐶𝐶𝑖𝑖𝑖𝑖 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑ò𝑛𝑛 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑖𝑖 𝑎𝑎𝑎𝑎 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑗𝑗.

Variables de decisión:

𝑥𝑥𝑖𝑖𝑖𝑖 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑑𝑑𝑑𝑑 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑎𝑎 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑖𝑖 𝑎𝑎𝑎𝑎 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑗𝑗.

8
Función objetivo y restricciones:

3 4

𝑚𝑚𝑚𝑚𝑚𝑚 𝑍𝑍 = � � 𝐶𝐶𝑖𝑖𝑖𝑖 ∙ 𝑥𝑥𝑖𝑖𝑖𝑖

𝑖𝑖=1 𝑗𝑗=1

𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑎𝑎:

� 𝑥𝑥𝑖𝑖𝑖𝑖 ≤ 𝑂𝑂𝑖𝑖 ∀𝑖𝑖

𝑗𝑗=1

� 𝑥𝑥𝑖𝑖𝑖𝑖 ≥ 𝐷𝐷𝑗𝑗 ∀𝑗𝑗

𝑖𝑖=1

𝑥𝑥𝑖𝑖𝑖𝑖 ≥ 0 ∀𝑖𝑖, ∀𝑗𝑗

Ejemplo 4: problema de asignación generalizado (GAP, Generalized

Assignment Problem).

Dado un conjunto de siete tareas que se deben realizar y un conjunto de dos

máquinas para realizarlas, se debe determinar la asignación de tareas a las
máquinas de manera que el costo total sea el mínimo. Hay que considerar que
los costos y tiempos de procesamiento son diferentes en cada máquina y,
además, las máquinas tienen distintos tiempos disponibles. A continuación, en
las tablas 1 y 2 se presentan los parámetros del problema.

Tabla 1. Costo de asignación Máquina-Tarea.

Tareas
Máquina
1 2 3 4 5 6 7
1 6 9 4 2 10 3 6
2 4 8 9 1 7 5 4

9
Tabla 2. Tiempo que se requiere de una máquina, si se asigna una tarea dada
y tiempo total máquina.
Tareas Tiempo
Máquin total
a 1 2 3 4 5 6 7 disponibl
e
1 4 1 2 1 4 3 8 11
2 9 9 8 1 3 8 7 22

La formulación extendida de este problema se presenta a continuación.

Formulación modelo extendido

Variables de decisión:

𝑥𝑥11 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 1 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 1; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥12 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 1 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 2; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥13 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 1 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 3; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥14 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 1 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 4; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥15 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 1 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 5; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥16 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 1 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 6; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥17 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 1 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 7; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥21 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 2 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 1; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥22 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 2 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 2; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥23 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 2 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 3; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥24 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 2 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 4; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥25 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 2 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 5; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥26 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 2 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 6; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.
𝑥𝑥27 = 1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚á𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞 2 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 7; 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.

Función objetivo y restricciones:

Min Z= 6x11 +9x12 +4x13 +2x14 +10x15 +3x16 +6x17 +4x21 +8x22 +9x23 +x24
+7x25 +5x26 +4x27.
𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 𝑎𝑎:
x11 +x21 =1
x12 +x22 =1
x13 +x23 =1
x14 +x24 =1
x15 +x25 =1

10
x16 +x26 =1
x17 +x27 =1
4x11 +x12 +2x13 +x14 +4x15 +3x16 +8x17 ≤ 11.
9x21 +9x22 +8x23 +x24 +3x25 +8x26 +7x27 ≤ 22.

x11 ∈ {0, 1}, x12 ∈ {0, 1}, x13 ∈ {0, 1}, x14 ∈ {0, 1}, x15 ∈ {0, 1}, x16 ∈ {0, 1},
x17 ∈ {0, 1}, x21 ∈ {0, 1}, x22 ∈ {0, 1}, x23 ∈ {0, 1}, x24 ∈ {0, 1}, x25 ∈ {0, 1},
x26 ∈ {0, 1}, x27 ∈ {0, 1}

Ahora formulamos el modelo indexado.

Formulación modelo indexado

Variables de decisión:

1 𝑆𝑆𝑆𝑆 𝑙𝑙𝑙𝑙 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑖𝑖 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑗𝑗.

𝑥𝑥𝑖𝑖𝑖𝑖 = �
0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 (𝑒𝑒. 𝑜𝑜. 𝑐𝑐).

Parámetros:

𝐶𝐶𝑖𝑖𝑖𝑖 = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑑𝑑𝑑𝑑 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑎𝑎 𝑙𝑙𝑙𝑙 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑖𝑖 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑗𝑗.
𝑎𝑎𝑖𝑖𝑖𝑖 = 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑙𝑙𝑙𝑙 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑖𝑖 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑙𝑙𝑙𝑙 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑗𝑗.
𝑏𝑏𝑖𝑖 = 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑖𝑖 .

Función objetivo y restricciones:

2 7

min 𝑍𝑍 = � � 𝐶𝐶𝑖𝑖𝑖𝑖 ∙ 𝑥𝑥𝑖𝑖𝑖𝑖

𝑖𝑖=1 𝑗𝑗=1

𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 𝑎𝑎:

� 𝑥𝑥𝑖𝑖𝑖𝑖 = 1 ∀𝑗𝑗
𝑖𝑖=1

� 𝑎𝑎𝑖𝑖𝑖𝑖 ∙ 𝑥𝑥𝑖𝑖𝑖𝑖 ≤ 𝑏𝑏𝑖𝑖 ∀𝑖𝑖

𝑗𝑗=1

11
𝑥𝑥𝑖𝑖𝑖𝑖 ∈ {0,1} ∀𝑖𝑖, ∀𝑗𝑗

Ejemplo 5: problema de la mochila.

Una persona planea salir a “mochilear” al sur de Chile. Tiene cuatro artículos
que desea llevar, no obstante, entre todos sobrepasan los 5 kilogramos que
considera puede cargar. El valor y peso que tiene cada artículo se presenta en
la tabla siguiente:

Artículo 1 2 3 4
Peso 2 3 4 5
Valor 3 4 5 6

¿Qué artículos tendría que llevar para que el valor de la mochila sea máximo?
Formula el modelo indexado.

Solución:

a) Formulación modelo indexado

Variables de decisión:

1 𝑠𝑠𝑠𝑠 𝑠𝑠𝑠𝑠 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑖𝑖.

𝑥𝑥𝑖𝑖 = �
0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.

Parámetros:

𝑣𝑣𝑖𝑖 = 𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵 𝑑𝑑𝑑𝑑𝑑𝑑 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑖𝑖.

𝑝𝑝𝑖𝑖 = 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 𝑑𝑑𝑑𝑑𝑑𝑑 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑖𝑖.
𝐶𝐶 = 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚.

Función objetivo y restricciones:

𝑚𝑚𝑚𝑚𝑚𝑚 𝑍𝑍 = � 𝑣𝑣𝑖𝑖 ∙ 𝑥𝑥𝑖𝑖

𝑖𝑖=1
𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑎𝑎:

12
 4

� 𝑝𝑝𝑖𝑖 ∙ 𝑥𝑥𝑖𝑖 ≤ 𝐶𝐶
𝑖𝑖=1

𝑥𝑥𝑖𝑖 ∈ {0,1} ∀𝑖𝑖

Ejemplo 6: problema de asignación uno a uno.

El entrenador de un equipo de natación debe asignar competidores para la

prueba de 200 metros. Como muchos de sus nadadores son rápidos en más de
un estilo, no le es fácil decidir qué nadador asignar a cada uno de los cuatro
estilos. Los cinco mejores nadadores y tiempos (en segundos) en cada estilo
son los siguientes.

Tipo Carlos Cristina David Arturo José

nado
Dorso 37 32 33 37 35
Pecho 43 33 42 34 41
Mariposa 33 28 38 30 33
Libre 29 26 29 28 31

¿Qué nadador no participará en la prueba? Formula el modelo indexado.

Solución:

a) Formulación modelo indexado

Variables de decisión:

1 𝑠𝑠𝑠𝑠 𝑠𝑠𝑠𝑠 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑗𝑗 𝑎𝑎𝑎𝑎 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑖𝑖.
𝑥𝑥𝑖𝑖𝑖𝑖 = �
0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐.

Parámetros:

𝑐𝑐𝑖𝑖𝑖𝑖 = 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑑𝑑𝑑𝑑𝑑𝑑 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑗𝑗 𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑖𝑖.

Función objetivo y restricciones:

13
 5 5

𝑚𝑚𝑚𝑚𝑚𝑚 𝑍𝑍 = � � 𝑐𝑐𝑖𝑖𝑖𝑖 ∙ 𝑥𝑥𝑖𝑖𝑖𝑖

𝑖𝑖=1 𝑗𝑗=1

Sujeto a:
5

� 𝑥𝑥𝑖𝑖𝑖𝑖 = 1 ∀𝑖𝑖
𝑗𝑗=1

� 𝑥𝑥𝑖𝑖𝑖𝑖 = 1 ∀𝑗𝑗
𝑖𝑖=1

𝑥𝑥𝑖𝑖𝑖𝑖 ∈ {0,1} ∀𝑖𝑖, ∀𝑗𝑗

Referencia bibliográfica

Hillier y Liebermann (2010). Introducción a la investigación de operaciones.

Novena edición. Mc Graw Hill.

14