S08.

S1
Programación Lineal Entera
 Objetivos del capítulo
 Programación lineal entera, programación lineal mixta, modelos
binarios.
 Representaciones gráficas.
 Aproximación
 Solución:
- Solución usando el computador para de modelos enteros
- Falta de análisis de sensibilidad.
 El uso de Variables Binarias.
- Presupuestos de Capital / restricciones para realizar el
objetivo.
 3.1 Introducción

Muchas veces, algunas o todas las variables de decisión

deben restringirse a valores enteros.
Por ejemplo:
– El número de aeronaves que se compró este año.
– El número de máquinas que necesita para
producción.
– El número de viajes que ha realizado un agente
de ventas.
– El número de policía que se asignó a la vigilancia
nocturna.
 Variables enteras son requeridas cuando el modelo
represente una única decisión (no una operación en
proceso).

 Los modelos de Programación Lineal Entera (PLE)

son mucho más difíciles de resolver que los modelos
de Programación Lineal (PL).

 Los algoritmos que resuelven los modelos lineales

enteros no entregan resultados de análisis de
sensibilidad.
 Los modelos de PLE pueden clasificarse como sigue:
– Solo de enteros, es decir, todas las variables
se restringen a enteros.

– De variables mixtas - algunas variables son

enteras, pero no todas.

– De binarios- todas las variables son 0 ó 1.

 ¿ Por qué no enumerar todos los puntos enteros
factibles y seleccionar el mejor?
– Enumerar todas las soluciones enteras es poco práctico, a
causa del gran número de puntos factibles.

 ¿Siempre se utiliza aproximación? Si, particularmente

si
– Los valores de las variables de decisión positivas son
relativamente grandes, y los valores de los coeficientes de la
función objetivo son relativamente pequeños.
 El siguiente ejemplo ilustra algunas de
las complicaciones que aparecen
cuando se utilizan restricciones enteras
sobre las variables de decisión.
 3.4 Programación lineal mixta
 Incluye algunas variables que están restringidas a
valores enteros.

 El problema de inversión de Shelly Mednick ilustra

esta situación.
 Problema de inversión de Shelley
Medrick
 Shelley Mednick ha decidido realizar una inversión.
 Ella invertirá en:
-TCS, una compañía de abastecimiento y
comunicaciones y/o
- MFI, un fondo mutuo.

 Shelley es una inversionista precavida. Ella tiene

límites sobre el nivel de inversión, y definió una meta
para la ganancia anual.
 Datos:
 TCS vende actualmente cada acción a $55.
 TCS proyecta vender cada acción a $68 dentro de un
año.
 MFI espera obtener 9% de utilidad anual.

 Restricciones:
 La utilidad esperada debe ser de por lo menos $250.
 La cantidad máxima invertida en TCS no debe
sobrepasar un 40% de la inversión total.
 La cantidad máxima invertida en TCS no debe
sobrepasar $750.
  Solución
 Variables de decisión
– X1 = Número de acciones a comprar en TCS.
– X2 = Cantidad de dinero que invertirá en MFI.
 El modelo matemático:
Minimize
Minimizar 55X1 + X2
ST
Utilidad anual esperada 13X1 + 0.09X2  250
No más de 40% en
No más de $750 33X1 - 0.40X2  0
TCS.
en TCS. 55X1  750

X1, X2  0
X1 integer.
Entero
MFI

Solución óptima de PL
Inversión total=$1682.99

1009.79

TCS
12.24
 Solución óptima de programación mixta
Inversión total=$1704.44

1044.44

Solución óptima de PL

12
 Problema de requerimiento de
personal
Sunset Beach necesita salvavidas
 La playa de Sunset beach contrata salvavidas por los 7 días de
la semana.
 Las regulaciones requieren que los empleados urbanos trabajen
cinco días.
 Las condiciones de seguridad ordenan en promedio 1
salvavidas por 8000 personas
 La ciudad desea emplear la mínima cantidad de salvavidas
posibles.
  Solución

Resumen del Problema

 Asignar salvavidas para 5 días consecutivos.
 Minimizar el número total de salvavidas.
 Satisfacer los requerimientos mínimos de salvavidas
para cada día (ver el siguiente modelo lineal).
Datos
 Para cada día, el mínimo de salvavidas requeridos
son:
Dom. Lun. Mar. Mier. Jue. Vie. Sab.
8 6 5 4 6 7 9
 Variables de Decisión:
 Xi = el número de salvavidas que trabajará el día i
para i=1, 2, …,7 (i=1 es Domingo)

La Función Objetivo:
 Minimizar el número total de salvavidas necesarios.
Para asegurar que los salvavidas sean los suficientes por cada día,
pregunte que trabajadores estarán de turno. Por ejemplo:

¿quién trabajará el domingo?

X3
X4
X5
X6
X1

mar. mie. jue. vie. dom.

Repita este procedimiento por cada día de la semana, y

construya las restricciones del caso.
 El modelo matemático
Minimizar X1 + X2 + X3 + X4 + X5 + X6 + X7
ST
X1 + X4 + X5 + X6 + X7  8 (Domingo)

X1 + X2 + X5 + X6 + X7  6 (Lunes)

X1 + X2 + X3 + X6 + X7  5 (Martes)

X1 + X2 + X3 + X4 + X7  4 (Miércoles )

X1 + X2 + X3 + X4 + X5 6 (Jueves)

X2 + X3 + X4 + X5 + X6 7 (Viernes)

X3 + X4 + X5 + X6 + X7  9 (Sábado)

Todas las variables enteras son

Todas las variables mayores
enteros que 0
no negativos
 Asignación de salvavidas
para Sunset Beach
salvavidas
día presentes requeridos Para cambios
domingo 9 8 1
lunes 8 6 0
martes 6 5 1
miércoles 5 4 1
jueves 6 6 3
viernes 7 7 2
sábado 9 9 2

total de salvavidas 10

Nota: existe una solución óptima alternativa

 3.5 Programación lineal entera
binaria
 Las variables binarias toman solamente los valores 0
y 1.
 Cualquier situación puede ser modelada por un
“si/no”, “bueno/malo” ,etc., contenido dentro de la
categoría binaria.
 Por ejemplo
1 IfSiaunnew health
nuevo plancare planseisadopta
de salud adopted
X  0 If it is not
 si no se adopta
1 Si
If aseparticular
compra elconstraint
edificio must hold
X  0 If itnoissenot
 si compra
 Condominio Salem City

 El condomionio Salem City debe elegir un proyecto

de distribución de fondos de manera tal que la
mayoría de la población se vea beneficiada.

 Los datos relevantes y concernientes al condominio

en la ciudad son:
* Estimar el costo de cada proyecto
* Estimar el número de trabajadores permanentes que
empleará el proyecto.
* Encuesta de los 9 proyectos más importantes para la ciudad.
  Distribución de fondos

Salem City debe escoger su proyecto de fondos de manera tal

que la mayoría de la población se vea beneficiada, para ello
realiza una encuesta sobre los 9 proyectos más urgentes.
Resultados de la Encuesta
Proyecto Costo (1000) Trabajos Puntos
X1 Contratar siete nuevos policias $ 400,00 7 4176
X2 Modernizar los cuarteles de policia $ 350,00 0 1774
X3 Comprar dos nuevas patrullas $ 50,00 1 2513
X4 Entregar bonif. a los of. de policia $ 100,00 0 1928
X5 Comprar nuevos eq. para bomberos $ 500,00 2 3607
X6 Contratar un comandante de bomberos$ 90,00 1 962
X7 Invertir en programas deportivos $ 220,00 8 2829
X8 Restaurar la escuela de música $ 150,00 3 1708
X9 Comprar nuevos comp. para la esc. $ 140,00 2 3003
 Variables de decisión

* Xj, conjunto de variables binarias que indican si el proyecto j

es seleccionado (Xj = 1) o no (Xj = 0).

 Función Objetivo

* Maximizar la cantidad el puntaje para la obtención de fondos

del proyecto.

 Restricciones

- Vea el modelo matemático

 El modelo matemático
L
Max 4176X1 + 1774X2 + 2513X3 + 1928X4 + 3607X5 + 962X6 + 2829X7 + 1708X8 + 3003X9

ST
La mayor cantidad de fondos a destinar no puede superar los $900.000
400X1 + 350X2 + 50X3 + 100X4 + 500X5 + 90X6 + 220X7 + 50X8 + 140X9  900

El número de nuevos trabajos debe ser por lo menos 10

7X1 + X3 + 2X5 + X6 + 8X7 + 3X8 + 2X9  10
El número de proyectos con la policía debe ser a lo más 3.
X1 + X2 + X3 + X4  3
Debe comprarse una patrulla o un carro de bomberos
X3 + X5 = 1
se debe restaurar la sala de música o invertir en programas deportivos

X7  X8 = 1
Deben invertirse en programas deportivos o
restaurar la sala de música antes de
X7 - X9  0
comprar nuevos computadores
X8 - X9  0

CONTINUA
 *Tres de las siguientes 5 restricciones deben ser satisfechas

Por lo menos $250.000 deben guardarse (no usar más de $650.000)

400X1+ 350X2 + 50X3 + 100X4 + 500X5 + 90X6 + 220X7 + 50X8 + 140X9  650
Se requieren al menos 3 de los proyectos de policías y bomberos
X1+ X2 + X3 + X4 + X5 + X6  3
Se deben contratar siete nuevos policías

X1 = 1
Al menos 15 nuevos trabajos se deben crear (no 10)

7X1+ X3 + 2X5 + X6 + 8X7 + 3X8 + 2X9  15

Tres proyectos de educación se deben financiar.

X7 + X8 + X9 = 3
La condición que al menos 3 de las 5 restricciones deben cumplirse puede ser
representado por una variable binaria

Yi = 1 si la restricción es considerada
0 si no es considerada
CONTINUA
400X1+ 350X2 + 50X3 + 100X4 + 500X5 + 90X6 + 220X7 + 50X8 + 140X9  650 + MY1

X1+ X2 + X3 + X4 + X5 + X6  3 - MY2

LAS RESTRICCIONES CONDICIONADAS

X1  1 - MY3
X1 SON MODIFICADAS COMO SIGUE:  1 + MY3

7X1+ X3 + 2X5 + X6 + 8X7 + 3X8 + 2X9  15 - MY4

X7 + X8 + X9  3 - MY5
X7 + X8 + X9  3 + MY5

Y1+ Y2 + Y3 + Y4 + Y5  2
Las siguientes restricciones se agregan para asegurar que a
lo más 2 de los objetivos se realizaran
 3.6 Incluyendo Cargos Fijos
 El modelo de programación lineal no incluye un costo
fijo dentro de sus consideraciones. Se asume que
este costo no puede ser calculado, lo cual no siempre
es verdadero.

 En un problema de cargo fijo se tiene:

Costo Total = CX + F si X>0
0 si X = 0

donde :
C es una variable de costo, y F es el costo fijo
 Electrónica GLOBE, INC

 Electrónica GLOBE fabrica dos tipo de control remoto

G50 y G90.

 GLOBE tiene 4 fabricas y 3 centros de distribución.

 Cada planta opera bajo sus propias condiciones, por

lo cual tienen diferentes costos fijos de operación,
costos de producción, tasa de producción y horas de
producción disponibles.
 Ultimamente la demanda ha disminuido por lo cual la
gerencia esta pensando en cerrar una o más de las
plantas.

 La gerencia desea:

* Desarrollar una óptima política de distribución

* Determinar que planta cerrar (si es que existe alguna)
  Datos

Costos de producción, tiempo, disponibilidad

Costo fijo Costo de prod. por 100 Tiempo de prod (hr/100) Hr disponib.
Planta por mes G50 G90 G50 G90 por mes
Philadelphia 40 1000 1400 6 6 640
St. Louis 35 1200 1200 7 8 960
New Orleans 20 800 1000 9 7 480
Denver 30 1300 1500 5 9 640
Proyección de la demanda mensual

Demanda
Cincinnati Kansas City San Franc.
G50 2000 3000 5000
G90 5000 6000 7000
* Costo de transporte por 100 unidades

Cincinnati Kansas San

City Francisco
Philadelphia $200 300 500
St.Louis 100 100 400
New Orleans 200 200 300
Denver 300 100 100

* Al menos el 70% de la demanda en cada centro de distribución

se debe satisfacer

* Precio de venta unitario

- G50 = $22 ; G90= $28

 Variables de decisión
Xi = cientos de G50 producidos en la planta i
Zi = cientos de G90 producidos en la planta i
Xij = cientos de G50 transportados desde la planta i hasta la
distribuidora j
Zij= cientos de G90 transportados desde la planta i hasta la
distribuidora j

Identificación de lugares

Planta Distribuidora
Ubicación i Ubicación j
Philadelphia 1 Cincinnati 1
St.Louis 2 Kansas City 2
New Orleans 3 San Francisco 3
Denver 4
 GLOBE Electrónica
Modelo Nº 1 :
Todas las plantas operativas
 Función Objetivo
* La gerencia desea maximizar la ganancia neta
* La ganancia bruta por 100 u = 22(100) - (costo de prod. por 100)
* La ganancia neta por 100 unidades producidas en la planta i y
transportadas a la distribuidora j =
Ganancia Bruta - Costo de transporte por 100 u
* Max 1200X1+1000X2+1400X3+ 900X4
+1400Z1+1600Z2+1800Z3+1300Z4
- 200X11 - 300X12 - 500X13
Ganancia Bruta - 100X21 - 100X22 - 400X23
- 200X31 - 200X32 - 300X33
0 - 300X41 - 100X42 - 100X43
G5 - 200Z11 - 300Z12 - 500Z13
- 100Z21 - 100Z22 - 400Z23
Costo de Transporte -G200Z31 - 200Z32 - 300Z33
90
- 300Z41 - 100Z42 - 100Z43
 Restricciones
Se debe asegurar que la cantidad transportada desde una
planta es igual a la cantidad producida por esta.
Las horas Para G50
de producción Para G90
para cada planta no puede exceder de
X11 + de
la cantidad X12horas
+ X13 =de
X1 producción total Z11 + Z12 + Z13 = Z1
X21 + X22 + X23 = X2 Z21 + Z22 + Z23 = Z2
X31 + X32 + X33 = X3 Z31 + Z32 + Z33 = Z3
6X1 + 6Z1 640
X41 + X42 + X43 = X4 Z41 + Z42 + Z43 = Z4
7X2 + 8Z2  960
La cantidad recibida por una distribuidora no puede exceder la
demanda o ser menor9X3 que+el7Z3
70% 480
de esta.
Para G50 5X4 + 9Z4  640 Para G90
X11 + X21 + X31 + X41 < 20 Z11 + Z21 +Z31 + Z41 < 50
X11 + Todas
X21 + X31 Z11 + Z21 + Z31 + Z41 > 35
las+ X41 > 14
variables enteras mayores que 0
X12 + X22 + X32 + X42 < 30 Z12 + Z22 + Z32 + Z42 < 60
X12 + X22 + X32 + X42 > 21 Z12 + Z22 + Z32 + Z42 > 42
X13 + X23 + X33 + X43 < 50 Z13 + Z23 + Z33 + Z43 < 70
X13 + X23 + X33 + X43 > 35 Z13 + Z23 + Z33 + Z43 > 49
Calculo de la solución óptima mediante WINQSB
 Resumen

 El valor óptimo de la función objetivo es $356.571.

 Note que el costo fijo de operación de las plantas no

se considera en la función objetivo porque todas las
plantas se encuentran en operación

 Restando el costo fijo de $125.000 resulta una

ganancia neta mensual de $231.571.
 GLOBE Electrónica
Modelo Nº 2 :
El número de plantas operativas en
cada ciudad es una variable de decisión
 Variables de decisión
Xi = cientos de G50 producidos en la planta i
Zi = cientos de G90 producidos en la planta i
Xij = cientos de G50 transportados desde la planta i hasta la
distribuidora j
Zij= cientos de G90 transportados desde la planta i hasta la
distribuidora j
Yi = Una variable binaria (0-1) que describe el
número de plantas operando en la ciudad i
  Función Objetivo
* La gerencia desea maximizar la ganancia neta

* La ganancia bruta por 100 u = 22(100) - (costo de prod. por

100)

* La ganancia neta por 100 unidades producidas en la planta i

y transportadas a la distribuidora j =

Ganancia Bruta - Costo de transporte de i a j - Costo fijo condicionado

 Función Objetivo

Max 1200X1+1000X2+1400X3+ 900X4

+1400Z1+1600Z2+1800Z3+1300Z4
- 200X11 - 300X12 - 500X13
- 100X21 - 100X22 - 400X23
- 200X31 - 200X32 - 300X33
- 300X41 - 100X42 - 100X43
- 200Z11 - 300Z12 - 500Z13
- 100Z21 - 100Z22 - 400Z23
- 200Z31 - 200Z32 - 300Z33
- 300Z41 - 100Z42 - 100Z43
- 40000Y1 - 35000Y2 - 20000Y3 - 30000Y4
 Restricciones
Se debe asegurar que la cantidad transportada desde una
planta es igual a la cantidad producida por esta.
Para G50 Para G90
X11 + X12 + X13 = X1 Z11 + Z12 + Z13 = Z1
X21 + X22 + X23 = X2 Z21 + Z22 + Z23 = Z2
X31 + X32 + X33 = X3 Z31 + Z32 + Z33 = Z3
Las
X41horas
+ X42 +de
X43producción
= X4 para cada planta
Z41 no puede
+ Z42 + Z43 =exceder
Z4
de la cantidad de horas de producción total
La cantidad recibida por una distribuidora no puede exceder la
demanda o 6X1 + 6Z1 que- 640Y1
el 70% 0de esta.

ser menor
7X2G50+ 8Z2 - 960Y2 0 
Para Para G90
X11 + X219X3
+ X31++ 7Z3 - 480Y3 0 Z11 + Z21 +Z31 + Z41 < 50
X41 < 20
X11 + X215X4
+ X31++ 9Z4 - 640Y4 0 Z11 + Z21 + Z31 + Z41 > 35
X41 > 14
X12 + X22 + X32 + X42 < 30 Z12 + Z22 + Z32 + Z42 < 60
X12 + X22 + X32 + X42 > 21 Z12 + Z22 + Z32 + Z42 > 42
Todos X , X Zij, Zi > 0, y YZ13
X13 + X23 + X33 + X43ij< 50i, i son 0,1.
+ Z23 + Z33 + Z43 < 70
X13 + X23 + X33 + X43 > 35 Z13 + Z23 + Z33 + Z43 > 49
Calculo de la solución óptima mediante WINQSB
 Resumen

 La planta de Philadelphia debe ser cerrada.

 El esquema de producción mensual debe realizarse

de acuerdo a los resultados obtenidos de la solución.

 La ganancia neta mensual será de $266.115, $34.544

más que cuando todas las plantas se encontraban en
operación.