Está en la página 1de 72

Investigación Operativa 1

Capítulo 6: Programación entera


ÍNDICE
1. Clasificación de los problemas de
programación entera.
2. Aplicaciones de programación entera.
3. Solución computacional de problemas de
programación entera.

2
1. Clasificación de los problemas de
programación entera (1)
A diferencia de los problemas planteados hasta ahora, donde
se usaban variables reales (programación lineal real), ahora
se hará uso de variables enteras (programación lineal entera).
Un caso particular de las variables enteras son las variables
binarias.
Es posible usar diversos tipos de variables en la formulación
de los modelos matemáticos (programación lineal entera
mixta).

3
1. Clasificación de los problemas de
programación entera (2)

• Problemas generales
• Problemas binarios
• Problemas mixtos

4
Problemas generales (1)
Las variables de los problemas generales de
programación entera deben asumir valores enteros.
Las variables enteras pueden tener cotas superiores e
inferiores pero no están restringidas a un subconjunto
específico de valores y, por lo general, no existe una
estructura especial para el problema.

5
Problemas generales (2)

Problema 1
 La compañía TODO HOGAR produce dos productos muy
apreciados con los restauradores de casas: candelabros y
ventiladores de techo de estilo antiguo.
 Tanto los candelabros como los ventiladores requieren un
proceso de producción de dos pasos que involucran
cableado y ensamble.

6
Problemas generales (3)
Problema 1 (continuación)
 Se requieren 2 horas para cablear cada candelabro y 3
horas para cablear un ventilador de techo. El ensamble
final de los candelabros y ventiladores requiere 6 y 5 horas,
respectivamente.
 La capacidad de producción es tal que sólo están
disponibles 12 horas de cableado y 30 horas de ensamble.
 Cada candelabro producido reditúa a la firma I/. 7.00 y
cada ventilador I/. 6.00.

7
Problemas generales (4)
Variables de decisión
X1: número de candelabros que se producen y venden
X2: número de ventiladores de techo que se producen y venden

Maximizar Z = 7 X1 + 6 X2 (maximizar utilidades)


Sujeta a
2X1 + 3X2 ≤ 12 (horas de cableado)
6X1 + 5X2 ≤ 30 (horas de ensamble)
Con X1, X2 ≥ 0 y enteros

8
Problemas binarios (1)

Los problemas binarios de programación lineal entera


tienen variables que sólo pueden tomar valores 0 o 1.
Las variables binarias, en esencia se plantean en
situaciones del tipo “todo o nada” o “hacerlo o no
hacerlo”.

9
Problemas binarios (2)
Problema 2
Supongamos que una persona está interesada en elegir entre
un conjunto de inversiones (1, 2, 3, 4, 5, 6, 7) y quiere hacer
un modelo binario para tomar la decisión. Modelar las
siguientes restricciones:

a) No se puede invertir en todas.


b) Si se elige la 3 no se puede elegir la 1.
c) La inversión 4 se puede elegir sólo si se elige la 2.
d) Se eligen las inversiones 2 y 5 o ninguna de las dos.

10
Problemas binarios (3)
Problema 2 (continuación)
a) No se puede invertir en todas.
X1 + X2 + X3 + X4 + X5 + X6 + X7 ≤ 6
b) Si se elige la 3 no se puede elegir la 1.
X1 + X3 ≤ 1
c) La inversión 4 se puede elegir sólo si se elige la 2.
X4 – X2 ≤ 0
d) Se eligen las inversiones 2 y 5 o ninguna de las dos.
X2 – X5 = 0
11
Problemas mixtos
Los problemas en los que se requiere que algunas,
pero no todas las variables, sean enteras, se
denominan problemas mixtos de programación lineal
entera. Estos problemas permiten la combinación de
variables enteras y reales. Las variables enteras
pueden ser generales o binarias, dependiendo de la
situación que se representa.

12
2. Aplicaciones de Programación entera

2.1 Problema de cargo fijo


2.2 Problema de recubrimiento de conjuntos
2.3 Restricciones inclusivas o distributivas
2.4 Restricciones si ... entonces
2.5 Funciones lineales por segmentos
2.6 Problema de secuenciación de máquinas

13
2.1 Problema de cargo fijo (1)
Problema 3
La compañía TRANSPORTES tiene tres alternativas para
ubicar un nuevo almacén (Piura, Trujillo y Chimbote) que dé
servicio a la zona norte de Perú. Existen 5 clientes importantes
en esta zona. En la siguiente tabla se muestran la oferta de la
compañía, la demanda de los clientes y los costos de transporte.

14
2.1 Problema de cargo fijo (2)
Problema 3 (continuación)
Capacidad Costo de transporte (intis por tonelada)
Costo del
del almacén
Almacén Almacén
(miles de Tumbes Cajamarca Pacasmayo Huaraz Casma
(intis)
toneladas)
Piura 50,000.00 200 200.00 200.00 400.00 450.00 350.00

Trujillo 30,000.00 150 300.00 400.00 150.00 200.00 450.00

Chimbote 90,000.00 300 150.00 250.00 300.00 350.00 350.00

Pronóstico de la demanda (miles de 75 50 35 75 35


toneladas)

15
2.1 Problema de cargo fijo (3)
Problema 3 (continuación)
Variables de decisión
Xij: cantidad de miles de unidades que se envían desde almacén
i hasta el cliente j
Yi: decisión de utilizar o no el almacén i
Donde i = 1, 2, 3 (1 = Piura, 2 = Trujillo, 3 = Chimbote); j = 1,
2, 3, 4, 5 (1 = Tumbes, 2 = Cajamarca, 3 = Pacasmayo, 4 =
Huaraz, 5 = Casma)

16
2.1 Problema de cargo fijo (4)
Problema 3 (continuación)
Función objetivo
Minimizar costos
Minimizar Z = 200 X11 + 200 X12 + 400 X13 + 450 X14 + 350X15
+ 300 X21 + 400 X22 + 150 X23 + 200 X24 + 450 X25 +150 X31 +
250 X32 + 300 X33 + 350 X34 + 350 X35 + 50000 Y1 + 30000 Y2
+ 90000 Y3

17
2.1 Problema de cargo fijo (5)
Problema 3 (continuación)
Restricciones
Requerimientos de los clientes
X11 + X21 + X31 = 75
X12 + X22 + X32 = 50
X13 + X23 + X33 = 35
X14 + X24 + X34 = 75
X15 + X25 + X35 = 35

18
2.1 Problema de cargo fijo (6)
Problema 3 (continuación)
Restricciones
Disponibilidad de los almacenes
X11 + X12 + X13 + X14 + X15 – 200 Y1  0
X11 + X12 + X13 + X14 + X15 – Y1  0
X21 + X22 + X23 + X24 + X25 – 150 Y2  0
X21 + X22 + X23 + X24 + X25 – Y2  0
X31 + X32 + X33 + X34 + X35 – 300 Y3  0
X31 + X32 + X33 + X34 + X35 – Y3  0

19
2.1 Problema de cargo fijo (7)
Problema 3 (continuación)
Rango de existencia
Xij  0 y enteros
Yi = 0 ó 1

20
2.2 Problema de recubrimiento de
conjuntos (1)
Problema 4
El área metropolitana de Lima, ha recibido una donación para
construir un conjunto de instalaciones nuevas para el
tratamiento de drogadictos. Para ello se ha dividido el área en
siete zonas y están considerando cinco posibles lugares para
ubicar los centros de tratamiento de drogadictos.
La siguiente tabla muestra las regiones, los posibles centros y
los costos estimados para construir cada centro de tratamiento.

Se desea elegir los centros que deben construirse para que se


atiendan todas las zonas.

21
2.2 Problema de recubrimiento de
conjuntos (2)
Problema 4 (continuación)
Centros Posibles
Zonas Surquillo Comas Barranco Villa El La Victoria
Salvador
I X X X  X
II   X X 
III  X   X
IV X  X X X
V  X  X X
VI X  X  
VII   X X X
Costos I/. 400,000 I/. 250,000 I/. 350,000 I/. 200,000 I/. 500,000 22
2.2 Problema de recubrimiento de
conjuntos (3)
Problema 4 (continuación)
Variables de decisión
Xj: decisión de construir o no un centro en la zona j
Donde j = 1, 2, 3, 4, 5 (1 = Surquillo, 2 = Comas, 3 =
Barranco, 4 = Villa El Salvador, 5 = La Victoria)
Función Objetivo
Minimizar costos
Minimizar Z = 400 X1 + 250 X2 + 350 X3 + 200 X4 + 500 X5

23
2.2 Problema de recubrimiento de
conjuntos (4)
Problema 4 (continuación)
Restricciones
Zonas de construcción de los centros
X4  1
X1 + X2 + X5  1
X1 + X3 + X4  1
X2  1
X1 + X3  1
X2 + X4 + X5  1
X1 + X2  1 24
2.2 Problema de recubrimiento de
conjuntos (5)
Problema 4 (continuación)
Rango de existencia
Xj = 0 ó 1

25
2.3 Restricciones inclusivas o
distributivas (1)
Problema 5
Un granjero desea determinar cuál es la mejor selección de
ganado para su granja con el objeto de maximizar las
utilidades provenientes de las ventas de los animales. Puede
comprar ovejas, reses o cabras.

Cada oveja necesita un acre de pasto y I/. 15.00 de


alimentación y tratamiento. Una oveja cuesta I/. 25.00 y
puede venderse en I/. 60.00. Para las reses, estos valores son
4 acres, I/. 30.00, I/. 40.00 y I/. 100.00. Y para las cabras,
estos valores son 0.5 acres, I/. 5.00, I/. 10.00 y I/. 20.00.

26
2.3 Restricciones inclusivas o
distributivas (2)
Problema 5 (continuación)
La granja tiene 300 acres y el granjero dispone de I/. 2,500
para comprar y mantener su ganado. Por último, el granjero
ha fijado un límite inferior al número de animales que desea
adquirir, si es que compra alguno de cada tipo. Este límite
inferior es de 50 para las ovejas, 25 para las reses y 100 para
las cabras.

27
2.3 Restricciones inclusivas o
distributivas (3)
Problema 5 (continuación)
Variables de decisión
Xi: cantidad de animales tipo i que se comprarán
Donde i = 1, 2, 3 (1=oveja, 2=res, 3=cabra)
Yi: decisión de comprar o no animales tipo i para la granja
Donde i = 1, 2, 3 (1=oveja, 2=res, 3=cabra)
Función Objetivo
Maximizar las utilidades
Maximizar Z = 20 X1 + 30 X2 + 5 X3
28
2.3 Restricciones inclusivas o
distributivas (4)
Problema 5 (continuación)
Restricciones
Disponibilidad de tierra
1 X1 + 4 X2 + 0.5 X3  300
Disponibilidad de dinero
40 X1 + 70 X2 + 15 X3  2500

29
2.3 Restricciones inclusivas o
distributivas (5)
Problema 5 (continuación)
Cantidad mínima de animales a comprar
X1  1000* Y1
50 – X1  1000* (1 – Y1)
X2  1000* Y2
25 – X2  1000* (1 – Y2)
X3  1000* Y3
100 – X3  1000* (1 – Y3)

30
2.3 Restricciones inclusivas o
distributivas (6)
Problema 5 (continuación)
Rango de existencia
Xi  0 y enteros
Yi = 0 ó 1

31
2.4 Restricciones si … entonces (1)
Problema 6
Se dispone de tres posibles ubicaciones para localizar plantas
industriales. Dependiendo de la ubicación, la posible planta
supondría un costo de mantenimiento y tendría una oferta
máxima, según la siguiente tabla.

Ubicación 1 2 3
Costo de mantenimiento (miles intis) 10.00 14.00 13.00
Oferta máxima (miles de unidades) 25 32 30

32
2.4 Restricciones si … entonces (2)
Problema 6 (continuación)
Se dispone de cuatro clientes, cada uno con una cierta demanda
que debe ser servida por exactamente una planta. Esta
demanda, así como el beneficio de enviar una unidad a cada
cliente desde cada planta, está dada por la siguiente tabla.

Cliente 1 2 3 4
Demanda (miles de unidades) 15 16 10 14
Costos de transporte (intis por unidad)
Ubicación 1 4.00 2.00 3.00 2.00
Ubicación 2 3.00 3.00 5.00 1.00
Ubicación 3 1.00 5.00 2.00 4.00
33
2.4 Restricciones si … entonces (3)

Problema 6 (continuación)
Variables de decisión
Xij: decisión de asignar o no el cliente i a la ubicación j
Donde i = 1, 2, 3, 4; j = 1, 2, 3
Yj: decisión de construir o no la planta en la ubicación j
Donde j = 1, 2, 3

34
2.4 Restricciones si … entonces (4)
Problema 6 (continuación)
Función objetivo
Minimizar costos
Minimizar Z = 60 X11 + 45 X12 + 15 X13 + 32 X21 +
48 X22 + 80 X23 + 30 X31 + 50 X32 + 20 X33 + 28 X41
+ 14 X42 + 56 X43 + 10 Y1 + 14 Y2 + 13 Y3

35
2.4 Restricciones si … entonces (5)
Problema 6 (continuación)
Restricciones
Cada cliente sólo puede ser atendido en una planta
X11 + X12 + X13 = 1
X21 + X22 + X23 = 1
X31 + X32 + X33 = 1
X41 + X42 + X43 = 1
Demanda máxima de la planta en la ubicación 1
15 X11 + 16 X21 + 10 X31 + 14 X41  25 Y1
15 X11 + 16 X21 + 10 X31 + 14 X41 - 25 Y1  0
X11 + X21 + X31 + X41  Y1
X11 + X21 + X31 + X41 - Y1  0
36
2.4 Restricciones si … entonces (6)
Problema 6 (continuación)
Demanda máxima de la planta en la ubicación 2
15 X12 + 16 X22 + 10 X32 + 14 X42  32 Y2
15 X12 + 16 X22 + 10 X32 + 14 X42 - 32 Y2  0
X12 + X22 + X32 + X42  Y2
X12 + X22 + X32 + X42 - Y2  0
Demanda máxima de la planta en la ubicación 3
15 X13 + 16 X23 + 10 X33 + 14 X43  30 Y3
15 X13 + 16 X23 + 10 X33 + 14 X43 - 30 Y3  0
X13 + X23 + X33 + X43  Y3
X13 + X23 + X33 + X43 - Y3  0
37
2.4 Restricciones si … entonces (7)
Problema 6 (continuación)
Rango de existencia
Xij = 0 ó 1
Yj = 0 ó 1

38
2.5 Funciones lineales por segmentos (1)

Problema 7
La compañía BETA elabora dos productos A y B. La
información técnica se muestra en la siguiente tabla.

Disponibilidad
A B
del recurso
Mano de obra (horas) 3 2 900
Espacio (pies cuadrados) 2 1 400
Costo fijo de producción (intis) 80.00 75.00
Materia prima (libras) 1 2

39
2.5 Funciones lineales por segmentos (2)
Problema 7 (continuación)
La materia prima se adquiere de un proveedor al precio de I/.
2.50 por libra. Los costos de fabricación dependen de la
cantidad producida. Dichos costos se muestran en las
siguientes tablas (estos costos no incluyen el costo de materia
prima).

Los productos A y B se venden a I/. 18.00 y I/. 16.00 por cada


unidad respectivamente, se pide además, producir como
mínimo 50 unidades del producto B.

40
2.5 Funciones lineales por segmentos (3)
Problema 7 (continuación)

Costo (intis Costo (intis


Producto A Producto B
por unidad) por unidad)
0 – 100 10.00 0 – 130 10.00
101 – 180 12.00 131 – 200 9.00
181 – 300 14.00 201 – 280 8.00

41
2.5 Funciones lineales por segmentos (4)
Problema 7 (continuación)
Variables de decisión
Xij: cantidad de unidades del producto i que se producirán con
costo j
Donde i = 1, 2 (1 = A, 2 = B); j = 1, 2, 3 (1 = I/. 10, 2 = I/. 12,
3 = I/. 14 para A y 1 = I/. 10, 2 = I/. 9, 3 = I/. 8 para B)
Yi : decisión de fabricar o no el producto i
Donde i = 1, 2 (1 = A, 2 = B)
Zk : decisión de fabricar o no en el intervalo k
Donde k = 1, 2, 3 (1 = 0-130, 2 = 131-200, 3 = 201-280) 42
2.5 Funciones lineales por segmentos (5)
Problema 7 (continuación)
Función objetivo
Maximizar utilidades
Maximizar Z = 5.5 X11 + 3.5 X12 + 1.5 X13 + 1 X21 + 2 X22 +
3 X23 - 80 Y1 - 75 Y2

43
2.5 Funciones lineales por segmentos (6)
Problema 7 (continuación)
Restricciones
Disponibilidad de tiempo de mano de obra
3 X11 + 3 X12 + 3 X13 + 2 X21 + 2 X22 + 2 X23  900
Disponibilidad de espacio
2 X11 + 2 X12 + 2 X13 + 1 X21 + 1 X22 + 1 X23  400

44
2.5 Funciones lineales por segmentos (7)
Problema 7 (continuación)
Cantidad de unidades producidas del producto A
X11 + X12 + X13 - 300 Y1  0
X11 - Y1  0
X11  100
X12  80
X13  120

45
2.5 Funciones lineales por segmentos (8)
Problema 7 (continuación)
Cantidad de unidades producidas del producto B
X21 + X22 + X23 - 280 Y2  0
X21 - 50Y2  0

46
2.5 Funciones lineales por segmentos (9)
Problema 7 (continuación)

X21 - 130 Z1  0
X21 - 130 Z2  0
X22 - 70 Z2  0
X22 - 70 Z3  0
X22 - Z2  0
X23 - 80 Z3  0
X23 - Z3  0

47
2.5 Funciones lineales por segmentos (10)
Problema 7 (continuación)

Z1 - Z2  0
Z2 - Z3  0
Y2 – Z1 = 0
Rango de existencia
Xij  0 y enteros
Yi, Zk = 0 ó 1

48
2.6 Problema de secuenciación de
máquinas (1)
Problema 8
Una empresa fabricante de tres tipos de
productos tiene cuatro máquinas disponibles
para la manufactura de éstos.
La secuencia de los procesos de los tres
productos en las máquinas es la siguiente:
• El producto 1 empieza en la máquina 1, luego
pasa a la máquina 3 y finalmente a la máquina
4.
49
2.6 Problema de secuenciación de
máquinas (2)
Problema 8 (continuación)
• El producto 2 empieza en la máquina 1, pasa
a la máquina 2 y termina en la máquina 3.
• El producto 3 empieza en la máquina 2 y
culmina en la máquina 4.
La máquina cuando empieza a procesar un
producto lo hace hasta el final, asimismo, cada
máquina procesa un producto a la vez.

50
2.6 Problema de secuenciación de
máquinas (3)
Problema 8 (continuación)
La siguiente tabla muestra los tiempos requeridos por
cada tipo de producto en cada máquina. Por
especificaciones técnicas, cada producto tiene un
tiempo máximo de procesamiento.
Tiempo Tiempo Tiempo Tiempo Tiempo máximo
requerido requerido requerido requerido de
en la en la en la en la procesamiento
máquina 1 máquina 2 máquina 3 máquina 4 (minutos por
(minutos) (minutos) (minutos) (minutos) unidad)
Producto 1 4 - 3 5 18
Producto 2 2 6 1 - 15
Producto 3 - 7 - 4 14
51
2.6 Problema de secuenciación de
máquinas (4)
La secuencia de procesamiento por producto es la
siguiente:

• Producto 1.- Máquina 1 - Máquina 3 - Máquina 4


• Producto 2.- Máquina 1 - Máquina 2 - Máquina 3
• Producto 3.- Máquina 2 - Máquina 4

52
2.6 Problema de secuenciación de
máquinas (5)
Problema 8 (continuación)
Variables de decisión
Xij : instante de inicio de la producción del producto i
en la máquina j
Donde i = 1, 2, 3 y j = 1, 2, 3, 4
T: tiempo total de procesamiento
Donde T = máximo (X14 + 5, X23 + 1, X34 + 4)
Función objetivo
Minimizar el tiempo total de procesamiento
Min Z = T
53
2.6 Problema de secuenciación de
máquinas (6)
Problema 8 (continuación)

Restricciones
El tiempo de procesamiento de cada producto es
menor o igual que T
X14 + 5 ≤ T T - X14 ≥ 5
X23 + 1 ≤ T T - X23 ≥ 1
X34 + 4 ≤ T T - X34 ≥ 4

54
2.6 Problema de secuenciación de
máquinas (7)
Problema 8 (continuación)

Restricciones (continuación)
Secuencia del producto 1 en cada máquina
X13 ≥ X11 + 4 X13 - X11 ≥ 4
X14 ≥ X13 + 3 X14 - X13 ≥ 3

55
2.6 Problema de secuenciación de
máquinas (8)
Problema 8 (continuación)

Restricciones (continuación)
Secuencia del producto 2 en cada máquina
X22 ≥ X21 + 2 X22 - X21 ≥ 2
X23 ≥ X22 + 6 X23 - X22 ≥ 6
Secuencia del producto 3 en cada máquina
X34 ≥ X32 + 7 X34 - X32 ≥ 7

56
2.6 Problema de secuenciación de
máquinas (9)
Problema 8 (continuación)

Restricciones (continuación)
En la máquina 1 se procesa el producto 1 o el
producto 2
X21 ≥ X11 + 4 ó X11 ≥ X21 + 2
X11 - X21 + 4 ≤ 1000 Y1 1000 Y1 - X11 + X21 ≥ 4
X21 - X11 + 2 ≤ 1000*(1 - Y1) X21 - X11 + 1000 Y1 ≤ 998

57
2.6 Problema de secuenciación de
máquinas (10)
Problema 8 (continuación)

Restricciones (continuación)
En la máquina 2 se procesa el producto 2 o el
producto 3
X32 ≥ X22 + 6 ó X22 ≥ X32 + 7
X22 - X32 + 6 ≤ 1000 Y2 1000 Y2 - X22 + X32 ≥ 6
X32 - X22 + 7 ≤ 1000*(1 - Y2) X32 - X22 + 1000 Y2 ≤ 993

58
2.6 Problema de secuenciación de
máquinas (11)
Problema 8 (continuación)

Restricciones (continuación)
En la máquina 3 se procesa el producto 1 o el
producto 2
X23 ≥ X13 + 3 ó X13 ≥ X23 + 1
X13 - X23 + 3 ≤ 1000 Y3 1000 Y3 - X13 + X23 ≥ 3
X23 - X13 + 1 ≤ 1000*(1 - Y3) X23 - X13 + 1000 Y3 ≤ 999

59
2.6 Problema de secuenciación de
máquinas (12)
Problema 8 (continuación)

Restricciones (continuación)
En la máquina 4 se procesa el producto 1 o el
producto 3
X34 ≥ X14 + 5 ó X14 ≥ X34 + 4
X34 - X14 + 4 ≤ 1000 Y4 1000 Y4 - X34 + X14 ≥ 4
X14 - X34 + 5 ≤ 1000*(1 - Y4) X14 - X34 + 1000 Y4 ≤ 995

60
2.6 Problema de secuenciación de
máquinas (13)
Problema 8 (continuación)

Restricciones (continuación)
Tiempo máximo de procesamiento para cada producto
X14 + 5 ≤ 18 X14 ≤ 13
X23 + 1 ≤ 15 X23 ≤ 14
X34 + 4 ≤ 14 X34 ≤ 10
Rango de existencia
Xij , T  0; Yi = 0 ó 1
61
3. Solución computacional de
problemas de programación entera
Problema 1 (continuación)
Variables de decisión
X1: número de candelabros que se producen y venden
X2: número de ventiladores de techo que se producen y venden

Maximizar Z = 7 X1 + 6 X2 (maximizar utilidades)


Sujeta a
2X1 + 3X2 ≤ 12 (horas de cableado)
6X1 + 5X2 ≤ 30 (horas de ensamble)
Con X1, X2 ≥ 0 y enteros
62
Variables enteras (1)
MAX 7 X1 + 6 X2
SUBJECT TO
2) 2 X1 + 3 X2 <= 12
3) 6 X1 + 5 X2 <= 30
END
GIN 2

OBJECTIVE FUNCTION VALUE


1) 35.00000

VARIABLE VALUE REDUCED COST


X1 5.000000 -7.000000
X2 0.000000 -6.000000

63
Variables enteras (2)

Solución óptima
X1 = 5, X2 = 0
Valor óptimo de la función objetivo
Z = 35

Se producen y venden 5 candelabros y ningún de techo,


para obtener una utilidad de I/. 35.00.

64
Variables binarias (1)
Problema 8
Para graduarse en la especialidad de Investigación de Operaciones, un
estudiante debe completar por lo menos dos cursos de matemáticas, por
lo menos dos cursos de investigación de operaciones y por lo menos dos
cursos de computación.

Se pueden utilizar algunos cursos para satisfacer más de un requisito:


• “Cálculo” puede satisfacer el requerimiento de las matemáticas;
• “Investigación de Operaciones” puede satisfacer los requerimientos de
matemáticas e investigación de operaciones;
• “Estructura de Datos”, los de matemáticas y de computación;
• “Estadística para Administración”, los de matemáticas y de investigación de
operaciones;
• “Simulación por Computadora” los de investigación de operaciones y de
computación;
• “Introducción a la Programación de Computadoras” los de computación; y
• “Pronósticos” los de investigación de operaciones y de matemáticas.
65
Variables binarias (2)

Problema 8 (continuación)
Algunos cursos son pre-requisitos para otros:
• “Cálculo” es un requisito para “Estadística para Administración”;
• “Introducción a la Programación de Computadoras” es un requisito para
“Simulación por Computadora” y para “Estructura de Datos”; y
• “Estadística para Administración” es requisito para “Pronósticos”.

66
Variables binarias (3)
Variables de decisión
X1: decisión de llevar o no el curso de Cálculo
X2: decisión de llevar o no el curso de Investigación de
Operaciones
X3: decisión de llevar o no el curso de Estructura de Datos
X4: decisión de llevar o no el curso de Estadística para
Administración
X5: decisión de llevar o no el curso de Simulación por
Computadora
X6: decisión de llevar o no el curso de Introducción a la
Programación de Computadoras
X7: decisión de llevar o no el curso de Pronósticos

67
Variables binarias (4)
Función objetivo
Minimizar el número de cursos a llevar
Minimizar Z = X1 + X2 + X3 + X4 + X5 + X6 + X7
Restricciones
Cursos mínimos de matemáticas
X1 + X2 + X3 + X4 + X7  2
Cursos mínimos de investigación de operaciones
X2 + X4 + X5 + X7  2
Cursos mínimos de computación
X3 + X5 + X6  2
Cálculo es requisito para Estadística para Administración
X4– X1  0
68
Variables binarias (5)
Restricciones (continuación)
Introducción a la Programación de Computadoras es requisito
para Simulación por Computadora
X5 – X6  0
Introducción a la Programación de Computadoras es requisito
para Estructura de Datos
X3 – X6  0
Estadística para Administración es requisito para Pronósticos
X7 – X4  0
Rango de existencia
Xj = 0 ó 1

69
Variables binarias (6)

MIN X1 + X2 + X3 + X4 + X5 + X6 + X7
SUBJECT TO
2) X1 + X2 + X3 + X4 + X7 >= 2
3) X2 + X4 + X5 + X7 >= 2
4) X3 + X5 + X6 >= 2
5) - X1 + X4 <= 0
6) X5 - X6 <= 0
7) X3 - X6 <= 0
8) - X4 + X7 <= 0
END
INTE 7

70
Variables binarias (7)

OBJECTIVE FUNCTION VALUE


1) 4.000000

VARIABLE VALUE REDUCED COST


X1 1.000000 1.000000
X2 1.000000 1.000000
X3 0.000000 1.000000
X4 0.000000 1.000000
X5 1.000000 1.000000
X6 1.000000 1.000000
X7 0.000000 1.000000

71
Variables binarias (8)

Solución óptima
X1 = 1, X2 = 1, X3 = 0, X4 = 0, X5 = 1, X6 = 1, X7 = 0
Valor óptimo de la función objetivo
Z=4
El estudiante debe llevar los cursos de Cálculo,
Investigación de operaciones, Simulación por
computadora e Introducción a la Programación de
Computadoras.

72