MODELOS DE OPTIMIZACION

Ch4 – Programación Entera

Walter Silva, PhD

silvasotillo@usf.edu
Maestría en Ingeniería Industrial

www.usat.edu.pe
 MODELOS DE OPTIMIZACION
ÍNDICE

1. Clasificación de los problemas de

programación entera.
2. Aplicaciones de programación entera.
3. Solución computacional de problemas de
programación entera.

www.usat.edu.pe
 Clasificación de los problemas en Programación MODELOS DE OPTIMIZACION

entera

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).

www.usat.edu.pe
 Clasificación de los problemas en Programación MODELOS DE OPTIMIZACION

entera

• Problemas generales
• Problemas binarios
• Problemas mixtos

www.usat.edu.pe
 MODELOS DE OPTIMIZACION

Problemas generales

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.

www.usat.edu.pe
 MODELOS DE OPTIMIZACION

Problemas binarios

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”.

www.usat.edu.pe
 Problemas mixtos
MODELOS DE OPTIMIZACION

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.

www.usat.edu.pe
 Aplicaciones de PLE MODELOS DE OPTIMIZACION

1 Problema de cargo fijo

2 Restricciones inclusivas o distributivas
3 Restricciones si ... entonces
4 Funciones lineales por segmentos

www.usat.edu.pe
 Problema de cargo fijo
MODELOS DE OPTIMIZACION

Ejemplo 1
La compañía DYNAMIX tiene tres alternativas para
ubicar un nuevo almacén que dé servicio a la parte norte
de Perú. Existen 5 clientes importantes en esta región. En
la siguiente tabla se muestran los datos pertinentes de
oferta, demanda y costos de transporte (intis por tonelada).

www.usat.edu.pe
 Problema de cargo fijo
MODELOS DE OPTIMIZACION

Ejemplo 1 (continuación)
Ubicación Costo de la Capacidad Ubicación del cliente
del Ubicación del almacén
Almacén ($) (miles de Tumbes Cajamarca Pacasmayo Huaraz Casma
tonelada)

Piura 50,000 200 $20 $20 $40 $45 $35

Trujillo 30,000 150 $30 $40 $15 $20 $45
Chimbote 90,000 300 $5 $25 $30 $35 $35
Pronóstico de la demanda 75 50 35 75 35
(miles de tonelada)

www.usat.edu.pe
 Problema de cargo fijo
MODELOS DE OPTIMIZACION

Ejemplo 1 (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)

www.usat.edu.pe
 Problema de cargo fijo MODELOS DE OPTIMIZACION

Ejemplo 1 (continuación)
Función objetivo
Minimizar costos
Minimizar Z = 20 X11 + 20 X12 + 40 X13 + 45 X14 + 35 X15 +
30 X21 + 40 X22 + 15 X23 + 20 X24 + 45 X25 + 5 X31 + 25 X32 +
30 X33 + 35 X34 + 35 X35 + 50000 Y1 + 30000 Y2 + 90000 Y3

www.usat.edu.pe
 Problema de cargo fijo MODELOS DE OPTIMIZACION

Ejemplo 1 (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

www.usat.edu.pe
 Problema de cargo fijo
MODELOS DE OPTIMIZACION

Ejemplo 1 (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

www.usat.edu.pe
 Problema de cargo fijo
MODELOS DE OPTIMIZACION

Ejemplo 1 (continuación)
Rango de existencia
Xij  0 y enteros
Yi = 0 ó 1

www.usat.edu.pe
 Restricciones inclusivas o MODELOS DE OPTIMIZACION

distributivas
Ejemplo 2
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 $15.00 de

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

www.usat.edu.pe
 Restricciones inclusivas o MODELOS DE OPTIMIZACION

distributivas
Ejemplo 2 (continuación)
La granja tiene 300 acres y el granjero dispone de $2500
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.

www.usat.edu.pe
 Restricciones inclusivas o MODELOS DE OPTIMIZACION

distributivas
Ejemplo 2 (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

www.usat.edu.pe
 Restricciones inclusivas o MODELOS DE OPTIMIZACION

distributivas

Ejemplo 2 (continuación)
Restricciones
Disponibilidad de tierra
1 X1 + 4 X2 + 0.5 X3  300
Disponibilidad de dinero
40 X1 + 70 X2 + 15 X3  2500

www.usat.edu.pe
 Restricciones inclusivas o MODELOS DE OPTIMIZACION

distributivas

Ejemplo 2 (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)

www.usat.edu.pe
 Restricciones inclusivas o MODELOS DE OPTIMIZACION

distributivas

Ejemplo 2 (continuación)
Rango de existencia
Xi  0 y enteros
Yi = 0 ó 1

www.usat.edu.pe
 MODELOS DE OPTIMIZACION
Restricciones si… entonces

Ejemplo 3
La Compañía DYNAMIX se encuentra en proceso de
planear nuevas instalaciones de producción, y de
desarrollar un diseño más eficiente de su sistema de
distribución.

Capacidad de Planta en Chincha: 30,000 unidades

Cuatro nuevos lugares potenciales para plantas: Ica,

Arequipa, Chimbote y Trujillo.

www.usat.edu.pe
 MODELOS DE OPTIMIZACION

Restricciones si… entonces

Ejemplo 3 (continuación)
Costos unitarios de Capacidad de
transporte Lima Huancayo Cuzco planta
($ por unidad) (unidades)

Ica 5 2 3 10,000
Arequipa 4 3 4 20,000
Chimbote 9 7 5 30,000
Trujillo 10 4 2 40,000
Chincha 8 4 3 30,000
Demanda máxima
(unidades) 30,000 20,000 20,000
Dr.(c) Walter Silva Sotillo
Maestría de Ingeniería Industrial
www.usat.edu.pe
 MODELOS DE OPTIMIZACION
Restricciones si… entonces

Ejemplo 3 (continuación)

Ciudad Costo fijo

Ica $175,000
Arequipa $300,000
Chimbote $375,000
Trujillo $500,000

www.usat.edu.pe
 MODELOS DE OPTIMIZACION
Restricciones si… entonces

Ejemplo 3 (continuación)
Variables de decisión
Yi: decisión de construir o no la planta i
Donde i = 1, 2, 3, 4
(1 = Ica, 2 = Arequipa, 3 = Chimbote, 4 = Trujillo)
Xij: Cantidad de unidades enviadas de la planta i a la ciudad destino j
Donde i = 1, 2, 3, 4, 5
(1 = Ica, 2 = Arequipa, 3 = Chimbote, 4 = Trujillo, 5 = Chincha); j =
1, 2, 3 (1 = Lima, 2 = Huancayo, 3 = Cuzco)

www.usat.edu.pe
 MODELOS DE OPTIMIZACION
Restricciones si… entonces

Ejemplo 3 (continuación)
Función objetivo
Minimizar costos
Minimizar Z = 5 X11 + 2 X12 + 3 X13 + 4 X21 + 3 X22 + 4
X23 + 9 X31 + 7 X32 + 5 X33 + 10 X41 + 4 X42 + 2 X43 + 8
X51 + 4 X52 + 3 X53 + 175000 Y1 + 300000 Y2 + 375000
Y3 + 500000 Y4

www.usat.edu.pe
 MODELOS DE OPTIMIZACION
Restricciones si… entonces
Ejemplo 3 (continuación)
Restricciones
Capacidad mínima y máxima de las plantas
X11 + X12 + X13 – 10000 Y1  0
X11 + X12 + X13 – Y1  0
X21 + X22 + X23 – 20000 Y2  0
X21 + X22 + X23 – Y2  0
X31 + X32 + X33 – 30000 Y3  0
X31 + X32 + X33 – Y3  0
X41 + X42 + X43 – 40000 Y4  0
X41 + X42 + X43 – Y4  0
X51 + X52 + X53  30000
www.usat.edu.pe
 MODELOS DE OPTIMIZACION
Restricciones si… entonces

Ejemplo 3 (continuación)
Demanda de las ciudades
X11 + X21 + X61 + X71 + X41 + X51 = 30000
X12 + X22 + X62 + X72 + X42 + X52 = 20000
X13 + X23 + X63 + X73 + X43 + X53 = 20000
Rango de existencia
Xij  0 y enteros
Yi = 0 ó 1

www.usat.edu.pe
 Funciones lineales por MODELOS DE OPTIMIZACION

segmentos

Ejemplo 4
La compañía DYNAMIX elabora dos productos A y B.
A B Disponible
Mano de obra (horas) 3 2 900 horas
Espacio (pies cúbicos) 2 1 400 pies3
Costo fijo de producción ($) 80 75
Materia Prima (Libras) 1 2

www.usat.edu.pe
 Funciones lineales por MODELOS DE OPTIMIZACION

segmentos

Ejemplo 4 (continuación)
La materia prima se adquiere de un proveedor al precio
de $2.50 por libra. Los costos unitarios de fabricación de
los productos dependen de la cantidad fabricada, 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 $18 y $16 por cada unidad
respectivamente.

www.usat.edu.pe
 Funciones lineales por MODELOS DE OPTIMIZACION

segmentos

Ejemplo 4 (continuación)

Producto A Costo Producto B Costo

0 – 100 $10.00 0 – 130 $10.00
101 – 180 $12.00 131 – 200 $9.00
181 – 300 $14.00 201 – 280 $8.00

www.usat.edu.pe
 Funciones lineales por MODELOS DE OPTIMIZACION

segmentos
Ejemplo 4 (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 = $10, 2 = $12, 3 =
$14 para A y 1 = $10, 2 = $9, 3 = $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)
www.usat.edu.pe
 Funciones lineales por MODELOS DE OPTIMIZACION

segmentos

Ejemplo 4 (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

www.usat.edu.pe
 Funciones lineales por MODELOS DE OPTIMIZACION

segmentos

Ejemplo 4 (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

www.usat.edu.pe
 Funciones lineales por MODELOS DE OPTIMIZACION

segmentos

Ejemplo 4 (continuación)
Cantidad de unidades producidas del producto A
X11 + X12 + X13 - 300 Y1  0
X11 - Y1  0
X11  100
X12  80
X13  120

www.usat.edu.pe
 Funciones lineales por MODELOS DE OPTIMIZACION

segmentos

Ejemplo 4 (continuación)
Cantidad de unidades producidas del producto B
X21 + X22 + X23 - 280 Y2  0
X21 - Y2  0

www.usat.edu.pe
 Funciones lineales por MODELOS DE OPTIMIZACION

segmentos

Ejemplo 4 (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

www.usat.edu.pe
 Funciones lineales por MODELOS DE OPTIMIZACION

segmentos

Ejemplo 4 (continuación)
…
Z1 - Z2  0
Z2 - Z3  0
Y2 – Z1 = 0
Rango de existencia
Xij  0 y enteros
Yi, Zk = 0 ó 1

www.usat.edu.pe
 Solución computacional de MODELOS DE OPTIMIZACION

problemas de PLE

 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.

www.usat.edu.pe
 Variables Enteras MODELOS DE OPTIMIZACION

 Se requieren 2 horas para cablear cada

candelabro y 3 horas para cablear un
ventilador de techo. El cableado 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 $7.00 y cada ventilador $6.00.

www.usat.edu.pe
 Variables Enteras MODELOS DE OPTIMIZACION

Variables de decisión
X1: número de candelabros que serán producidos y vendidos
X2: número de ventiladores de techo que serán producidos y
vendidos

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

www.usat.edu.pe
 Variables Enteras MODELOS DE OPTIMIZACION

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

www.usat.edu.pe
 Variables Enteras MODELOS DE OPTIMIZACION

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

Se producirán y venderán 5 candelabros y

ningún de techo, para obtener una utilidad de
$35.00.

www.usat.edu.pe
 Variables binarias MODELOS DE OPTIMIZACION

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.

www.usat.edu.pe
 Variables binarias MODELOS DE OPTIMIZACION

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”.

www.usat.edu.pe
 Variables binarias MODELOS DE OPTIMIZACION

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
www.usat.edu.pe
 Variables binarias MODELOS DE OPTIMIZACION

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
Dr.(c) Walter Silva Sotillo
Maestría de Ingeniería Industrial
www.usat.edu.pe
 Variables binarias MODELOS DE OPTIMIZACION

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

www.usat.edu.pe
 Variables binarias MODELOS DE OPTIMIZACION

OBJECTIVE FUNCTION VALUE

1) 3.000000

VARIABLE VALUE REDUCED COST

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

www.usat.edu.pe
 Variables binarias MODELOS DE OPTIMIZACION

Solución óptima
X1 = 1, X2 = 0, X3 = 1, X4 = 0, X5 = 0, X6 = 1, X7
=0
Valor óptimo de la función objetivo
Z=3

El estudiante debe llevar los cursos de

Cálculo, Estructura de Datos e Introducción a
la Programación de Computadoras.

www.usat.edu.pe
 Walter Silva, PhD
silvasotillo@usf.edu

http://www.facebook.com/usat.peru

https://twitter.com/usatenlinea

https://www.youtube.com/user/tvusat

https://plus.google.com/+usateduperu

www.usat.edu.pe