INVESTIGACION DE

OPERACIONES II
Escuela de Ingeniería Industrial
Ing. Pedro Fernando González Cabeza
 Programación Lineal Entera
• En investigación de operaciones I aprendimos a resolver
modelos de P. L. Por el método simplex y el dual simplex, el
resultado obtenido podía ser cualquier número real, sin
embargo, existen problemas que no aceptan como solución
un número real, por ejemplo, pensemos en el problema de
selección de personal, en este caso no podemos colocar 1.5
empleados. Por esta razón se han desarrollado algoritmos
especiales para la búsqueda de soluciones enteras de
modelos de P. L.
 Clasificación de los Modelos de
programación Lineal Entera
• Los problemas que resuelven corresponden a los llamados modelos de programación lineal entera (P.
L. E.). Estos modelos se clasifican de la siguiente manera:

• Modelos de P. L. E. puros. Cuando todas las variables de decisión sólo tienen sentido si toman valores
enteros.

• Modelos de P. L. E. mixtos. Cuando alguna de las variables de decisión pueden tomar valores reales y
sólo un subconjunto está restringido a tomar valores enteros.
Modelo de P. L. E. Binarios.- Cuando las variables de decisión
sólo pueden tomar dos valores, por ejemplo, verdadero o falso, esto se representa con cero o uno
 Algoritmos de Programación Entera
Se han desarrollado métodos generales para obtener las restricciones
especiales del punto óptimo continuo.

1. Método de Ramificación y Acotamiento (B&B Branch and Bound).: El primer

algoritmo B&B fue desarrollado por A. Land y G. Doig en 1960, para el
problema general de programación lineal entera mixta y pura. Puede
materializar ventajas computacionales.
2. Métodos Gráficos.
3. Método del Plano Cortante.
4. Método de Gomory.
 Algoritmo de Ramificacón y Acotamiento
(Branch and Bound) A. Land y G.Doig
1. Resolver la relajación del Modelo de PL.
2. Son enteros?
* Si: Esta es la solución al modelo de PLE
* No: Ir al paso 3.
3. Ramificación y acotamiento: Se plantean y se resuelven dos nuevos sub problemas del Modelo de PL agregando una
nueva restricción al problema anterior
* Xi <= Si (a un problema)
* Xi >= Si +1 (al otro)
Si es el valor en la solución de una variable que debe ser entera y no es.
Ramificar hasta que se cumpla alguna de las siguientes condiciones:
* Todas las variables que lo requieran son enteras.
* No hay soluciones factibles.
* La solución es peor que la mejor encontrada hasta el momento
Almacene la mejor solución entera de todas las iteraciones. Cuando no pueda ramificar más esa será la solución óptima.