Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

RESOLUCION DE EJERCICIOS DEL CAPITULO 3

Ejercicio 3.1 Gasahol, Inc. Tiene 14000 galones de una mezcla de gasolina y alcohol almacenada en su instalacin de Fresno y 16000 galones almacenados en su instalacin de Bakersfield. Desde estas instalaciones, Gasahol debe proveer a Fresh Food Farms (FFF) 10000 galones y a American Growers (AG) 20000 galones. El costo de embarcar un galn desde cada instalacin de almacenado a cada cliente es: HACIA FFF $0.04 $0.05 HACIA AG $0.06 $0.03

DE Fresno Bakersfield

Formule un modelo de programacin lineal para determinar el plan de embarque de costo mnimo que satisfaga las restricciones de provisin y demanda.

Planteo Grfico:

Fresno (FR)
FRAG

FRFFF

Fresh Food Farms (FFF)

BKFFF

Bakersfield (BK) Variables de Decisin:

BKAG

American Growers

FRFFF: Cantidad de galones para proveer de Fresno a Fresh Food Farms. FRAG: Cantidad de galones para proveer de Fresno a American Growers. BKFFF: Cantidad de galones para proveer de Bakersfield a Fresh Food Farms. BKAG: Cantidad de galones para proveer de Bakersfield a American Growers. Restricciones de no negatividad: FRFFF, FRAG, BKFFF y BKAG >= 0.

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Restricciones de Disponibilidad: FRFFF + BKFFF FRAG + BKAG FRFFF + FRAG BKFFF + BKAG Funcin Objetivo: Min = [ ( FRFFF * 0.04 ) + ( FRAG * 0.06 ) + ( BKFFF *0.05 ) + ( BKAG * 0.03) ] Mediante Lindo: MIN 0.04 FRFFF + 0.06 FRAG + 0.05 BKFFF + 0.03 BKAG SUBJECT TO FRFFF + BKFFF >= 10000 FRAG + BKAG >= 20000 FRFFF + FRAG <= 14000 BKFFF + BKAG <= 16000 END Respuesta en Lindo luego de compilar y ejecutar: LP OPTIMUM FOUND AT STEP 1 OBJECTIVE FUNCTION VALUE 1) 1120.000 VARIABLE VALUE REDUCED COST FRFFF 10000.000000 0.000000 FRAG 4000.000000 0.000000 BKFFF 0.000000 0.040000 BKAG 16000.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 -0.040000 3) 0.000000 -0.060000 4) 0.000000 0.000000 5) 0.000000 0.030000 NO. ITERATIONS= 1 Ejercicio 3.2 HealthNut Company esta desarrollando una nueva barra de mantequilla de cacahuate y chocolate. El dulce debe tener al menos 5 gramos de protenas, pero no mas de 5 gramos de carbohidratos y 3 gramos de grasas saturadas. Desarrolle un programa lineal para determinar la cantidad de cada ingrediente por utilizar que satisfaga los requerimientos nutricionales a un costo total mnimo, basndose en los sig. datos: >= 10000 >= 20000 <= 14000 <= 16000

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Costo ($/oz) Protenas (g/oz) Carbohidratos (g/oz) Grasas saturadas (g/oz) Variables de Decisin:

Mantequilla de cacahuate 0.10 4.00 2.50 2.00

Chocolate 0.18 0.80 1.00 0.50

M: onzas (peso) de mantequilla de chocolate por barra. C: onzas de chocolate por barra. Restricciones de no negatividad: M >=0 ; C >=0. Restricciones de cantidad: Protenas: Carbohidratos: Grasas saturadas: Funcin Objetivo: 4 * M + 0.8 * C >= 5 2.5 * M + 1 C <= 5 2 * M + 0.5 * C=3

Min = [ ( M * 0.10 ) + ( C * 0.18 ) ] Mediante Lindo: MIN 0.10 M + 0.18 C SUBJECT TO 4.0 M + 0.8 C >= 5 2.5 M + 1 C <= 5 2 M + 0.5 C <= 3 END

Respuesta en Lindo luego de compilar y ejecutar: LP OPTIMUM FOUND AT STEP 1 OBJECTIVE FUNCTION VALUE 1) 0.1250000 VARIABLE VALUE REDUCED COST M 1.250000 0.000000 C 0.000000 0.160000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 -0.025000 3) 1.875000 0.000000 4) 0.500000 0.000000 NO. ITERATIONS= 1

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Ejercicio 3.3 HealthNut Company tiene una mquina que muele semillas de Psyllium hasta producir un polvo fino a una velocidad de 30 lb por hora. La compaa tambin usa la mquina para hacer crema de cacahuate con cacahuates tostados a una velocidad de 60 lb por hora. El tiempo de fijacin para cambiar la mquina de un producto al otro es despreciable. La demanda mensual y los costos de mantenimiento de inventario de cada producto se muestran en la tabla siguiente: DEMANDA (lb) Crema de cacahuate 400 450 500 Psyllium 600 700 650 COSTOS DE MANTENIMIENTO($/lb) Crema de Psyllium cacahuate 0,10 0,05 0,10 0,05 0,12 0,05

Mayo Junio Julio

El inventario inicial para cada producto a principios de mayo es 0 y tambin debe ser 0 a finales de julio. En ningn momento el inventario de Psyllium puede exceder las 1.000 libras ni el mantequilla de cacahuate las 500 libras. Asimismo, cada mes hay 20 hs. de tiempo de mquina disponible. Formule un programa lineal para determinar un plan de produccin para los mese de mayo, junio y julio que minimice los costos totales de almacenamiento, suponiendo que satisface la demanda al final de cada mes y que los costos de mantenimiento de existencia se basan en la cantidad del inventario a principios del mes. Variables de Decisin: Ipi = Cantidad de libras de mantequilla de cacahuate en inventario al inicio de cada mes i =1,2,3,4 Isi = Cantidad de libras de psylium en inventario al inicio de cada mes i = 1,2,3,4 Ppi = Cantidad de libras de mantequilla de cacahuate a producir cada mes i= 1,2,3 Psi = Cantidad de libras de semilas de psylium a producir cada mes i= 1,2,3 Restricciones de no negatividad: Ipi, Isi,Ppi,Psi >= 0 para i >= 1,2,3,4 Restricciones de Equilibrio de Inventario: Ip1 = 0 Is1 = 0 Ip4 = 0 Is4 = 0 -Ip1 + Ip2 Pp1 + 400 -Is1 + Is2 Ps1 + 600 -Ip2 + Ip3 Pp2 + 450 -Is2 + Is3 Ps2 + 700

=0 =0 =0 =0 4

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

-Ip3 + Ip4 Pp3 + 500 = 0 -Is2 + Is4 Ps3 + 650 = 0 Restricciones de Produccin / Tiempo: 0.01667 * Pp1 + 0.0333 * Ps1 =< 20 0.01667 * Pp2 + 0.0333 * Ps2 =< 20 0.01667 * Pp3 + 0.0333 * Ps3 =< 20 Restricciones de Capacidad de Inventario: Ip1=< 500 Ip2 =< 500 Ip3 =< 500 Ip4 =< 500 Is1 =< 1000 Is2 =< 1000 Is3 =< 1000 Is4 =< 1000 Funcin Objetivo: Min = ( 0.05* Is1 + 0.05*Is2 + 0.05 *Is3) Mediante Lingo: MIN=(A*0.1+B*0.05)+(A*0.1+B*0.05)+(A*0.12+B*0.5); A>=0; B>=0; C>=0; D>=0; E>=0; F>=0; G>=0; B<=1000; A<=500; C+D<=20; E>=400*A+600*B; F>=450*A+700*B; G>=500*A+650*B; A=60*D; B=30*C; Respuesta en Lingo luego de compilar y ejecutar: Global optimal solution found at step: 0 Objective value: 0.0000000E+00

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Variable A B C D E F G Row 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Ejercicio3.4

Value 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000

Reduced Cost 0.3200000 0.6000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000

Slack or Surplus Dual Price 0.0000000 1.000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 1000.000 0.0000000 500.0000 0.0000000 20.00000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000

FMR Company tiene una maquina capaz de fabricar tubos de dimetros grandes y pequeos para contratistas de plomera. Los tubos grandes se producen a una velocidad de 200 pies por hora y los pequeos a 300 pies por hora. Cada hora que la maquina es utilizada para producir tubos grandes generalmente ocasiona 1.5 atascamientos y cuando se producen tubos pequeos resultan 3 atascamientos por hora. Cada atascamiento requiere 5 minutos de restablecimiento, durante los cuales la maquina no puede producir tubos. La gerencia desea un numero igual de pies de ambos tamaos de tubos y la mayor cantidad de tubos posible. Formule un modelo para determinar cuanto tiempo de un da de 8 horas debe asignarse a la produccin de tubos grandes y cuanto a la de tubos pequeos. Para variables de decisin, use el numero de horas de tiempo de maquina por dedicar a la fabricacin de tubos pequeos y grandes. Variables de Decisin: TP= Cantidad de pies de tubos pequeos. TG= Cantidad de pies de tubos Grandes. CHP= Cantidad de horas que se producen tubos pequeos CHG= Cantidad de horas que se producen tubos pequeos

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Restricciones de no negatividad: TP, TG, CHP y CHG >= 0. Restricciones de produccin: TP = TG CHP >= 0 CHG >= 0 TP = 300* CHP 0.25*300 * CHP TG = 200* CHG 0.125*200*CHG CHP+CHG <= 8 Funcin Objetivo: MAX ( TP + TG) Planteo y resultado en Solver de Excel: Celda objetivo (Mximo) Celda Nombre Valor original $A$11 OBJETIVO 0 Celdas cambiantes Celda Nombre $A$1 TP $A$2 TG $A$3 CHP $A$4 CHG Restricciones Celda Nombre $A$6 $A$7 $A$8 $A$9

Valor final 1575

Valor original 0 0 0 0

Valor final 787,5 787,5 3,5 4,5

Valor de la celda frmula 787,5 $A$6=$B$6 787,5 $A$7=$B$7 787,5 $A$8=$B$8 8 $A$9<=$B$9

Estado Divergencia Obligatorio 0 Obligatorio 0 Obligatorio 0 Obligatorio 0

Ejercicio 3.5 Repita el ejercicio 3.4 usando la fraccin de 8 horas de tiempo de maquina que dedicara a fabricar tubos pequeos y grandes como variables de decisin. Variables de Decisin: P: fraccin de las 8 hs. que se utiliza para fabricar tubos pequeos. G: fraccin de las 8 hs. que se utiliza para fabricar tubos grandes. 7

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Restricciones de no negatividad: P Y G >= 0. Restricciones de produccin: 1800*P - 1400*G = 0; P + G = 1; Funcin Objetivo: MAX = 1800*P; Mediante Lingo: MAX = 1800*P; 1800*P - 1400*G = 0; P + G = 1;

Resultado en Lingo luego de compilar y ejecutar: Rows= 3 Vars= 2 No. integer vars= 0 ( all are linear) Nonzeros= 6 Constraint nonz= 4( 2 are +- 1) Density=0.667 Smallest and largest elements in abs value= 1.00000 1800.00 No. < : 0 No. =: 2 No. > : 0, Obj=MAX, GUBs <= 1 Single cols= 0 Global optimal solution found at step: Objective value: 787.5000 Variable Value P 0.4375000 G 0.5625000 4

Reduced Cost 0.0000000 0.0000000

Row Slack or Surplus Dual Price 1 787.5000 1.000000 2 0.0000000 0.5625000 3 0.0000000 787.5000

Ejercicio 3.6 Repita el ejercicio 3.4 usando el numero de pies de tubos pequeos y grandes por fabricar en 8 horas de tiempo de maquina como variables de decisin.

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Variables de Decisin: P: nmero de pies de tubos pequeos a fabricar en 8 hs. G: nmero de pies de tubos grandes a fabricar en 8 hs. Restricciones de no negatividad: P Y G >= 0. Restricciones de produccin: P - G = 0; P/200 + G/300 <= 8; Funcin Objetivo: MAX = P; Mediante Lingo: MAX = P; P - G = 0; P/200 + G/300 <= 8; Resultado en Lingo luego de compilar y ejecutar: Rows= 3 Vars= 2 No. integer vars= 0 ( all are linear) Nonzeros= 6 Constraint nonz= 4( 2 are +- 1) Density=0.667 Smallest and largest elements in abs value= 0.333333E-02 8.00000 No. < : 1 No. =: 1 No. > : 0, Obj=MAX, GUBs <= 1 Single cols= 0 Global optimal solution found at step: 1 Objective value: 960.0000 Variable P G Row 1 2 3 Ejercicio 3.7 En Explosives, Inc. se mezclan azufre, carbn y salitre para producir plvora. El producto final debe contener al menos 10%, pero no ms de 20%, de carbn por unidad de peso. La cantidad de salitre no puede exceder el 50% de la cantidad de carbn usado. Para evitar una explosin accidental, la suma de 50% del azufre ms 60% del carbn ms 30% del salitre usados no puede exceder el 35% del producto final. El azufre es con mucho el componente ms caro. Formule un modelo para determinar la cantidad de cada ingrediente que debe utilizarse para producir cada libra de plvora que satisfaga las restricciones y, a la vez, que requiera la menor cantidad de azufre. Value Reduced Cost 960.0000 0.0000000 960.0000 0.0000000 Slack or Surplus Dual Price 960.0000 1.000000 0.0000000 0.4000000 0.0000000 120.0000

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Variables de Decisin: A: porcentaje de azufre a utilizar para producir una libra de plvora. C: porcentaje de carbn a utilizar para producir una libra de plvora. S: porcentaje de salitre a utilizar para producir una libra de plvora. Restricciones de no negatividad: A,B,C y D >= 0. Funcin Objetivo: MIN = C. Mediante Lingo: MIN=C; A>=0.10; B>=0; C>=0; D>=0; A<=0.20; B<=0.50; 0.5*C+0.6*A+0.3*B<=0.35*D; B<=0.50*A;

Respuesta en Lingo luego de compilar y ejecutar: Global optimal solution found at step: 1 Objective value: 0.0000000E+00 Variable C A B D Row 1 2 3 4 5 6 7 8 9 Value Reduced Cost 0.0000000 1.000000 0.2000000 0.0000000 0.0000000 0.0000000 0.3428571 0.0000000 Slack or Surplus Dual Price 0.0000000 1.000000 0.1000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.3428571 0.0000000 0.0000000 0.0000000 0.5000000 0.0000000 0.0000000 0.0000000 0.1000000 0.0000000

10

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Ejercicio 3.8 Case Chemicals diluye cada litro de cido sulfrico concentrado con 20 litros de agua destilada para producir H2SO4. De manera similar, cada litro de cido clorhdrico concentrado se diluye con 30 litros de agua destilada para producir HCl. Estos dos productos son vendidos a escuelas de segunda enseanza a $0.10 por botella de 100 mililitros (esto es, 0.1 litros). La compaa actualmente tiene 50000 botellas vacas en inventario. Suponga que existe una cantidad virtualmente ilimitada de agua destilada que cuesta $0.15 por litro y que se dispone de los siguientes datos: ACIDO SULFURICO 12.00 200.00 ACIDO CLORHDRICO 18.00 150.00

Costos ($/litro) Suministros (litros)

Formule un modelo para determinar la cantidad de cada cido concentrado por diluir para maximizar las ganancias totales. Puede resolver este modelo como un programa lineal? Explique. Variables de Decisin: S: cantidad en litros de cido sulfrico concentrado para diluir. C: cantidad en litros de cido clorhdrico concentrado para diluir. Restricciones de no negatividad: S y C >= 0 Restricciones de produccin: 21 S+31 C <= 500 S <= 200 C <= 150 Funcin Objetivo: MAX = [ ( 21 * S ) ( 243 * S ) + ( 31 * C ) ( 363 * C ) ] Mediante Lindo: MAX 21 S -243 S + 31 C -363 C ST 21 S+31 C <= 500 S <= 200 C <= 150 END Respuesta en Lindo luego de compilar y ejecutar: LP OPTIMUM FOUND AT STEP 0 OBJECTIVE FUNCTION VALUE 1) 0.0000000E+00 VARIABLE VALUE REDUCED COST S 0.000000 222.000000 C 0.000000 332.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 500.000000 0.000000 3) 200.000000 0.000000 4) 150.000000 0.000000 NO. ITERATIONS= 0

11

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Ejercicio 3.9 ManuMania Company usa una base y dos productos de goma, todos en cantidades iguales, para producir su Gooey Gum. La compaa puede producir un total combinado de hasta 800 libras de la base y dos productos de goma. De manera alternativa, puede comprar estos ingredientes en el mercado abierto en las siguientes cantidades de dlares por libra: PRODUCTO Base GP-1 GP-2 COSTO PRODUCCIN 1.75 2.00 2.25 DE COSTO DE COMPRA 3.00 3.25 3.75

Formule un modelo para determinar el plan de produccin de costo mnimo/compra para satisfacer una demanda de 1200 libras de Gooey Gum. Variables de Decisin: BP: cantidad en libras de base que se debe producir. BC: cantidad en libras de base que se debe comprar. PP: cantidad en libras de producto-1 que se debe producir. PC: cantidad en libras de producto-1 que se debe comprar. DP: cantidad en libras de producto-2 que se debe producir. DC: cantidad en libras de producto-2 que se debe comprar. Restricciones de no negatividad: BP, BC, PP, PC, DP y DC >= 0 Restricciones de produccin: BP+PP+DP <= 800; BP+BC+PP+PC+DP+DC >= 1200; BP+BC = PP+PC; PP+PC = DP+DC; BP+BC = DP+DC; Mediante Lingo: MIN = 1.75*BP + 2.00*BC + 2.25*PP + 3.00*PC + 3.25*DP + 3.75*DC; BP+PP+DP <= 800; BP+BC+PP+PC+DP+DC >= 1200; BP+BC = PP+PC; PP+PC = DP+DC; BP+BC = DP+DC;

12

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Respuesta en Lingo luego de compilar y ejecutar . Rows= 6 Vars= 6 No. integer vars= 0 ( all are linear) Nonzeros= 29 Constraint nonz= 21( 21 are +- 1) Density=0.690 Smallest and largest elements in abs value= 1.00000 1200.00 No. < : 1 No. =: 3 No. > : 1, Obj=MIN, GUBs <= 1 Single cols= 0 Global optimal solution found at step: Objective value: 3000.000 Variable BP BC PP PC DP DC Row 1 2 3 4 5 6 6

Value Reduced Cost 0.0000000 0.2500001 400.0000 0.0000000 400.0000 0.0000000 0.0000000 0.2500001 400.0000 0.0000000 0.0000000 0.0000000 Slack or Surplus Dual Price 3000.000 1.000000 0.0000000 0.5000000 0.0000000 -2.833333 0.0000000 0.0000000 0.0000000 0.8333334E-01 0.0000000 0.8333333

Ejercicio 3.10 Cada semana, Florida Citrus, Inc., usa una sola maquina durante 150 horas para destilar jugo de naranja y de toronja en concentrados almacenados en dos tanques separados de 1000 galones antes de congelarlos. La maquina puede procesar 25 galones de jugo de naranja por hora, pero solo 20 galones de jugo de toronja. Cada galn de jugo de naranja cuesta $1.50 y pierde 30% de contenido de agua al destilarse en concentrado. El concentrado de jugo de naranja se vende despus en $6.00 por galn. Cada galn de jugo de toronja cuesta $2.00 y pierde 25% de contenido de agua al destilarse en concentrado. El concentrado de jugo de toronja se vende despus en $8.00 por galn. Formule un modelo de programacin lineal para determinar un plan de produccin que maximice la ganancia para la siguiente semana usando las variables: JN = el nmero de galones de jugo de naranja por utilizar esta semana. JT = el nmero de galones de jugo de toronja por utilizar esta semana. Variables de Decisin: JN: nmero de galones de jugo de naranja por utilizar esta semana. JT: nmero de galones de jugo de toronja por utilizar esta semana.

13

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Restricciones de no negatividad: JN Y JT >= 0 Restricciones de produccin: JN/25 + JT/20 <= 150 JN - 0.3 JN <= 1000 JT - 0.25 JT <= 1000 Funcin Objetivo: MAX = [ ( 2.7 * JN ) + ( 4 * JT) ] Mediante Lindo: MAX 2.7 JN + 4 JT ST JN/25 + JT/20 <= 150 JN - 0.3 JN <= 1000 JT - 0.25 JT <= 1000 END Respuesta en Lindo luego de compilar y ejecutar: LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 9190.477 VARIABLE VALUE REDUCED COST JN 1428.571411 0.000000 JT 1333.333374 0.000000 JN/25 0.000000 0.000000 JT/20 0.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 150.000000 0.000000 3) 0.000000 3.857143 4) 0.000000 5.333333 NO. ITERATIONS= 2

Ejercicio 3.11 Como variante del ejercicio 3.10, formule un modelo de programacin lineal para determinar un plan de produccin que maximice la ganancia para la siguiente semana usando las variables: Variables de Decisin: X1= CONCENTRADO NARANJA (G) X2= CONCENTRADO TORONJA (G)

14

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Restricciones de no negatividad: X1 y X2 >= 0 Restricciones de produccin: X1*25+X2*120<=150; X1*25<=1000; X2*20<=1000; Funcin Objetivo: MAX=(X1*4.5)*0.7+(X2*6)*0.75; Mediante Lingo: MAX=(X1*4.5)*0.7+(X2*6)*0.75; X1*25+X2*120<=150; X1*25<=1000; X2*20<=1000; Respuesta en Lingo luego de compilar y ejecutar: Global optimal solution found at step: 1 Objective value: 18.90000 Variable X1 X2 Row 1 2 3 4 Ejercicio 3.12 Como variante del ejercicio 3.10, formule un modelo de programacin lineal para determinar un plan de produccin que maximice la ganancia de la siguiente semana usando las variables: TN = el nmero de horas de tiempo de mquina a usarse esta semana para destilar jugo de Naranja. TT = el nmero de horas de tiempo de mquina a usarse esta semana para destilar jugo de Toronja. Variables de Decisin: N: horas de tiempo de mquina a usarse esta semana para destilar jugo de naranja. T: horas de tiempo de mquina a usarse esta semana para destilar jugo de toronja. Restricciones de no negatividad: N y T >= 0 Value Reduced Cost 6.000000 0.0000000 0.0000000 10.62000 Slack or Surplus Dual Price 18.90000 1.000000 0.0000000 0.1260000 850.0000 0.0000000 1000.000 0.0000000

15

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Restricciones de produccin: N+T <= 150 25 N-0.325 N <= 1000 20 T-0.25 T <= 1000 Funcin Objetivo: MAX = [ 4.2 * N + 5.75 * T ] Mediante Lindo: MAX 4.2 N + 5.75 T ST N+T <= 150 25 N-0.325 N <= 1000 20 T-0.25 T <= 1000 END Respuesta en Lindo luego de compilar y ejecutar: LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 546.4584 VARIABLE VALUE REDUCED COST N 40.526852 0.000000 T 50.632912 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 58.840237 0.000000 3) 0.000000 0.255319 4) 0.000000 0.291139 NO. ITERATIONS= 2 Ejercicio 3.13 Oklahoma Oil, Inc., debe transportar 100000 barriles de cada uno de sus tres campos petroleros a su tanque de almacenamiento en Oklahoma City. El petrleo puede transportarse en camiones directamente de los campos al tanque de almacenamiento a un costo de $0.03 por barril por milla. Hasta 150000 barriles de petrleo tambin pueden enviarse desde los campos mediante ductos a un eje central en Tulsa a un costo de $0.02 por barril por milla y luego transportarse en camiones a Oklahoma City por $1 por barril. Formule un modelo para determinar el plan de embarque de costo mnimo, dadas las siguientes distancias en millas: HACIA OKLAHOMA 150 170 190

DESDE Campo petrolero 1 Campo petrolero 2 Campo petrolero 3

TULSA 50 65 80

16

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Planteo grfico:
campo petroleo1
C1T

C1O

Oklahoma campo petroleo2

C2O C2T C3O

campo petroleo3

C3T

Tulsa

Variables de Decisin: C1O: cantidad de barriles a transportar desde el campo petroleo1 hacia Oklahoma. C2O: cantidad de barriles a transportar desde el campo petroleo2 hacia Oklahoma. C3O: cantidad de barriles a transportar desde el campo petroleo3 hacia Oklahoma. C1T: cantidad de barriles a transportar desde el campo petroleo1 hacia Tulsa. C2T: cantidad de barriles a transportar desde el campo petroleo2 hacia Tulsa. C3T: cantidad de barriles a transportar desde el campo petroleo3 hacia Tulsa. Restricciones de no negatividad: C10 , C20, C30, C1T, C2T y C3T >= 0 Restricciones de embarque: C1O + C1T = 100000 C2O + C2T = 100000 C3O + C3T = 100000 C1T + C2T + C3T =< 150000 C1O, C2O,C3O, C1T,C2T, C3T >= 0 Funcin Objetivo: Min = [( C10 * 0.03 * 150) + (C20 * 0.03 * 170) + (C30 * 0.03 * 190) + (C1T + 0.02 *50) + (C2T * 0.02 *65 + C2T) + (C3T *0.02 * 80 + C3T)] Planteo y respuesta en Solver de Excel: Celda Nombre $F$2 C10 Funcin objetivo Celda $B$2 $B$3 $B$4 $B$5 Nombre C10 C20 c30 c1t Valor original 1 Valor original 0 0 0 0 Valor final 1025001 Valor final 0 100000 50000 100000 17

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

$B$6 $B$7 Celda $C$2 $C$3 $C$4 $C$5 $C$6 $C$7 $C$8 $C$9 $C$10 $C$11

c2t c3t Nombre c10 Restricciones c20 Restricciones c30 Restricciones c1t Restricciones c2t Restricciones c3t Restricciones Restricciones Restricciones Restricciones Restricciones

0 0 Valor de la celda 100000 100000 100000 150000 0 100000 50000 100000 0 50000

0 50000 frmula $C$2=$D$2 $C$3=$D$3 $C$4=$D$4 $C$5<=$D$5 $C$6>=$D$6 $C$7>=$D$7 $C$8>=$D$8 $C$9>=$D$9 $C$10>=$D$10 $C$11>=$D$11 Estado Divergencia Obligatorio 0 Opcional 0 Obligatorio 0 Obligatorio 0 Obligatorio 0 Opcional 100000 Opcional 50000 Opcional 100000 Obligatorio 0 Opcional 50000

Ejercicio 3.14 Cajun World mezcla seis especias para fabricar un producto para atezar pescados. La siguiente tabla proporciona el costo de cada especia y los porcentajes mnimos y mximos por unidad de peso que pueden usarse en el producto final:

ESPECIA Cayena Pimienta negra Semillas de hinojo Polvo de cebolla Ajo Organo

COSTO ($/gm) 0.020 0.025 0.082 0.025 0.028 0.075

MINIMO (%) 18 15 12 16 12 14

MXIMO (%) 20 18 14 20 15 18

Formule un programa lineal para determinar la cantidad de cada especia utilizada para producir cada kilogramo de producto que minimice el costo total. Variables de Decisin: C: porcentaje de Cayena que debo utilizar para producir 1 kg. de producto. P: porcentaje de Pimienta negra que debo utilizar para producir 1 kg. de producto. S: porcentaje de Semillas de hinojo que debo utilizar para producir 1 kg. de producto. PO: porcentaje de Polvo de cebolla que debo utilizar para producir 1 kg. de producto. A: porcentaje de Ajo que debo utilizar para producir 1 kg. de producto. O: porcentaje de Organo que debo utilizar para producir 1 kg. de producto. Restricciones de no negatividad: C, P, S, PO, A y O >= 0

18

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Restricciones de produccin: C+P+S+PO+A+O = 1 C>=0.18 C <= 0.2 P <= 0.15 P <= 0.18 S <= 0.12 S <= 0.14 PO <= 0.16 PO <= 0.2 A <= 0.12 A <= 0.15 A <= 0.14 A <= 0.15 Funcin Objetivo: MIN = [ ( 0.02 * C ) + ( 0.025 * P ) + ( 0.082 * S ) + ( 0.025 * PO ) + ( 0.028 * A ) + ( 0.075 * O ) ] Mediante Lindo: MIN 0.02 C + 0.025 P + 0.082 S + 0.025 PO + 0.028 A + 0.075 O ST C+P+S+PO+A+O = 1 C>=0.18 C <= 0.2 P <= 0.15 P <= 0.18 S <= 0.12 S <= 0.14 PO <= 0.16 PO <= 0.2 A <= 0.12 A <= 0.15 A <= 0.14 A <= 0.15 END Respuesta en Lindo luego compilar y ejecutar: LP OPTIMUM FOUND AT STEP 4 OBJECTIVE FUNCTION VALUE 1) 0.3934000E-01 VARIABLE VALUE REDUCED COST C 0.200000 0.000000 P 0.150000 0.000000

19

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

S PO A O ROW 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14)

0.000000 0.007000 0.160000 0.000000 0.120000 0.000000 0.370000 0.000000 SLACK OR SURPLUS DUAL PRICES 0.000000 -0.075000 0.020000 0.000000 0.000000 0.072600 0.000000 0.050000 0.030000 0.000000 0.120000 0.000000 0.140000 0.000000 0.000000 0.050000 0.040000 0.000000 0.000000 0.047000 0.030000 0.000000 0.020000 0.000000 0.030000 0.000000 4

NO. ITERATIONS= Ejercicio 3.15

Incredible Indelible Ink Company mezcla tres aditivos A1, A2 y A3 a una base en diferentes proporciones para obtener diferentes colores de tinta. La tinta roja se obtiene mezclando A1, A2 y A3 en la proporcin de 3,1, 2; la tinta azul en la proporcin de 2, 3, 4 y la tinta verde en la proporcin de 1, 2, 3. Despus de mezclar estos aditivos, se aade una cantidad igual de base para cada color: La compaa actualmente tiene 1000 galones de A1, 1500 de A2, 2000 de A3 y 4000 de base. Dado que el precio de venta por galn de cada tipo de tinta es el mismo, desarrolle un modelo para determinar cmo deberan usarse estos recursos para obtener los mximos ingresos. Variables de Decisin: R = Cantidad de galones de tinta roja producidos B = Cantidad de galones de tinta azul producidos G = Cantidad de galones de tinta verde producidos Ra1 = Cantidad de galones de aditivo A1 utilizados en tinta roja Ra2 = Cantidad de galones de aditivo A2 utilizados en tinta roja Ra3 = Cantidad de galones de aditivo A3 utilizados en tinta roja Ba1 = Cantidad de galones de aditivo A1 utilizados en tinta azul Ba2 = Cantidad de galones de aditivo A2 utilizados en tinta azul Ba3 = Cantidad de galones de aditivo A3 utilizados en tinta azul Ga1 = Cantidad de galones de aditivo A1 utilizados en tinta verde Ga2 = Cantidad de galones de aditivo A2 utilizados en tinta verde Ga3 = Cantidad de galones de aditivo A3 utilizados en tinta verde Rb = Cantidad de galones de base utilizados en la tinta roja Gb = Cantidad de galones de base utilizados en la tinta azul Bb = Cantidad de galones de base utilizados en la tinta verde

20

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Restricciones de no negatividad: R,B,G,Ra1,Ra2,Ra3,Ba1,Ba2,Ba3,Ga1,Ga2,Ga3,RRb,Gb y Bb >=0 Restricciones de disponibilidad: Ra1 + Ba1 + Ga1 =< 1000 Ra2 + Ba2 + Ga2 =< 1500 Ra3 + Ba3 + Ga3 =< 2000 Rb + Bb + Gb =< 4000 Ra1 3Ra2 = 0 2Ra2 Ra3 = 0 Ra1 + Ra2 + Ra3 Rb = 0 Ra1 + Ra2 + Ra3 + Rb R = 0 3Ba1 2Ba2 = 0 4Ba2 3Ba3 = 0 Ba1 + Ba2 + Ba3 Bb = 0 Ba1 + Ba2 + Ba3 + Bb B = 0 2Ga1 Ga2 = 0 3ga2 2Ga3 = 0 Ga1 + Ga2 + Ga3 Gb = 0 Ga1 + Ga2 + Ga3 Gb G = 0
Funcin Objetivo: Max = [ ( R + B + G ) ]

Planteo y resolucin en Solver de Excel:

Celda Nombre $C$2 R funcin objetivo Celda $B$2 $B$3 $B$4 $B$5 $B$6 $B$7 $B$8 $B$9 $B$10 $B$11 $B$12 $B$13 $B$14 $B$15 $B$16 Nombre R g b ra1 ra2 ra3 ba1 ba2 ba3 ga1 ga2 ga3 rb bb gb

Valor original 0 Valor original 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Valor final 8000 Valor final 800 0 7200 200 66.66666667 133.3333333 800 1200 1600 0 0 0 400 3600 0

21

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Celda Nombre Valor de la celda $C$7 ra3 restricciones 1000 $C$8 ba1 restricciones 1266.666667 $C$9 ba2 restricciones 1733.333333 $C$10 ba3 restricciones 4000 $C$11 ga1 restricciones 0 $C$12 ga2 restricciones 0 $C$13 ga3 restricciones 0 $C$14 rb restricciones 0 $C$15 bb restricciones 0 $C$16 gb restricciones 0 $C$17 restricciones 0 $C$22 restricciones 0 $C$21 restricciones 0 $C$20 restricciones 0 $C$19 restricciones 0 $C$18 restricciones 0 $B$2 R 800 $B$3 g 0 $B$4 b 7200 $B$5 ra1 200 $B$6 ra2 66.66666667 $B$7 ra3 133.3333333 $B$8 ba1 800 $B$9 ba2 1200 $B$10 ba3 1600 $B$11 ga1 0 $B$11 ga1 0 $B$12 ga2 0 $B$13 ga3 0 $B$14 rb 400 $B$15 bb 3600 $B$16 gb 0

frmula $C$7<=$D$7 $C$8<=$D$8 $C$9<=$D$9 $C$10<=$D$10 $C$11=$D$11 $C$12=$D$12 $C$13=$D$13 $C$14=$D$14 $C$15=$D$15 $C$16=$D$16 $C$17=$D$17 $C$22=$D$22 $C$21=$D$21 $C$20=$D$20 $C$19=$D$19 $C$18=$D$18 $B$2>=0 $B$3>=0 $B$4>=0 $B$5>=0 $B$6>=0 $B$7>=0 $B$8>=0 $B$9>=0 $B$10>=0 $B$11>=0 $B$11>=0 $B$12>=0 $B$13>=0 $B$14>=0 $B$15>=0 $B$16>=0

Estado Obligatorio Opcional Opcional Obligatorio Opcional Opcional Opcional Opcional Opcional Opcional Opcional Opcional Opcional Opcional Opcional Opcional Opcional Obligatorio Opcional Opcional Opcional Opcional Opcional Opcional Opcional Obligatorio Obligatorio Obligatorio Obligatorio Opcional Opcional Obligatorio

Divergencia 0 233.3333333 266.6666667 0 0 0 0 0 0 0 0 0 0 0 0 0 800 0 7200 200 66.66666667 133.3333333 800 1200 1600 0 0 0 0 400 3600 0

Ejercicio 3.16 El departamento de energa de Lilliput actualmente est en el proceso de desarrollar un plan nacional de energa para el ao siguiente. Lilliput puede generar energa de cualquiera de cinco fuentes: carbn, gas natural, materiales nucleares, proyectos hidroelctricos y petrleo. Los datos sobre los recursos de energa, las capacidades de energa medidas en megawatt-hora(MW-hs), y los costos unitarios de generacin se dan en la siguiente tabla.

22

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

FUENTE DE ENERGIA Carbn Gas natural Nuclear Hidroelctrica Petrleo

CAPACIDAD (MW-hs) 45000 15000 45000 24000 48000

TOTAL COSTO DE GENERACIN ($/MW-hs) 6.0 5.5 4.5 5.0 7.0

Lilliput necesita 50000 MW-hs de energa de uso domstico, y el pas tiene un compromiso para producir 10000MW-hs para exportacin. Ms an, a fin de conservar los recursos de energa y proteger el ambiente, el gobierno ha aprobado las siguientes regulaciones: 1. La generacin proveniente de materiales nucleares no debe exceder 20% de la energa total generada por Lilliput; 2. Debe utilizarse al menos 80% de la capacidad d las plantas de carbn; 3. Los efluentes que salen a la atmsfera no deben exceder los lmites especificados en la tabla; 4. La cantidad de energa generada a partir de gas natural debe ser al menos 30% de la generada a partir de petrleo;

FUENTE DE DIXIDO DE MONXIDO PARTICULAS ENERGIA AZUFRE DE CARBONO DE POLVO Carbn 1.5 1.2 0.7 Gas natural 0.2 0.5 Nuclear 0.1 0.2 Hidroelctrica Petrleo 0.4 0.8 0.5 Kg mximos 75 60 30 permitidos

DESECHOS SOLIDOS 0.4 0.7 0.1 25

Formule un programa lineal para determinar un plan de energa de costo mnimo. Variables de Decisin: C: cantidad de energa generada de carbn medidas en megawatt-horas (MW-hs). G: cantidad de energa generada de gas natural medidas en megawatt-horas (MW-hs). N: cantidad de energa generada de nuclear medidas en megawatt-horas (MW-hs). H: cantidad de energa generada de hidroelctrica medidas en megawatt-horas (MW-hs). P: cantidad de energa generada de petrleo medidas en megawatt-horas (MW-hs). Restricciones de no negatividad: C, G, N, H, P >= 0

23

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Restricciones de disponibilidad: C <= 45000; G <= 15000; N <= 45000; H <= 24000; P <= 48000; C + G + N + H + P >= 60000; N <= 0.2*(C+G+N+H+P); 45000*0.8<=C; 1.5*C + 0.2*G + 0.4*P <= 75000; 1.2*C + 0.5*G + 0.1*N + 0.8*P <= 60000; 0.7*C + 0.2*N + 0.5*P <= 30000; 0.4*C + 0.7*N + 0.1*P <= 25000; G >= 0.3*P; Funcin Objetivo: MIN = [ ( 6 * C ) + ( 5.5 * G ) + ( 4.5 * N ) + ( 5 * H ) + ( 7 * P ) ] Mediante Lingo: MIN = 6*C + 5.5*G + 4.5*N + 5*H + 7*P ; C <= 45000; G <= 15000; N <= 45000; H <= 24000; P <= 48000; C + G + N + H + P >= 60000; N <= 0.2*(C+G+N+H+P); 45000*0.8<=C; 1.5*C + 0.2*G + 0.4*P <= 75000; 1.2*C + 0.5*G + 0.1*N + 0.8*P <= 60000; 0.7*C + 0.2*N + 0.5*P <= 30000; 0.4*C + 0.7*N + 0.1*P <= 25000; G >= 0.3*P; Respuesta en Lingo luego de compilar y ejecutar: Rows= 14 Vars= 5 No. integer vars= 0 ( all are linear) Nonzeros= 47 Constraint nonz= 31( 12 are +- 1) Density=0.560 Smallest and largest elements in abs value= 0.100000 75000.0 No. < : 11 No. =: 0 No. > : 2, Obj=MIN, GUBs <= 5 Single cols= 0 Global optimal solution found at step: 7 Objective value: 330000.0 Variable Value Reduced Cost C 36000.00 0.0000000 G 0.0000000 0.0000000

24

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

N H P Row 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Ejercicio 3.17

12000.00 0.0000000 12000.00 0.0000000 0.0000000 2.150000 Slack or Surplus Dual Price 330000.0 1.000000 9000.000 0.0000000 15000.00 0.0000000 33000.00 0.0000000 12000.00 0.0000000 48000.00 0.0000000 0.0000000 -4.900000 0.0000000 0.5000000 0.0000000 1.000000 21000.00 0.0000000 15600.00 0.0000000 2400.000 0.0000000 2200.000 0.0000000 0.0000000 -0.5000000

Fresh Food Farms, tiene 50 acres de tierra en la cual puede plantar cualquier cantidad de maz, soya, lechuga, algodn y brcoli. La siguiente tabla muestra informacin relevante perteneciente a la produccin, el costo de plantacin, el precio de venta esperado y los requerimientos de agua para cada cultivo:

CULTIVO

Maz Soya Lechuga Algodn Brcoli

PRODUCCIN COSTO ($/Kg) PRECIO DE AGUA (Kg/acre) VENTA ($/Kg) REQUERIDA (litros/Kg) 640 1.00 1.70 8.75 500 0.50 1.30 5.00 400 0.40 1.00 2.25 300 0.25 1.00 4.25 350 0.60 1.30 3.50

Para la prxima temporada, hay 100000 litros de agua disponibles y la compaa ha contratado vender al menos 5120 Kg de maz. Formule un programa lineal para determinar una estrategia de plantacin ptima para la compaa. Use el nmero de acres de cada cultivo para plantacin como las variables de decisin. Variables de Decisin: M: acres destinados a la plantacin de maz. F: acres destinados a la plantacin de frijoles de soja. L: acres destinados a la plantacin de lechuga. A: acres destinados a la plantacin de algodn. B: acres destinados a la plantacin de brcoli.

25

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Restricciones de no negatividad: M, F,L, A y B >= 0 Restricciones de produccin: 640*M >= 5120 M+F+L+A+B <= 50 5600*M+2500*F+900*L+1275*A+1225*B <= 100000 Funcin Objetivo: MAX = [ ( 448 * M ) +( 400 * F ) + ( 240 * L ) + ( 225 * A ) + ( 245 * B )] Mediante Lingo: MAX = 448*M + 400*F + 240*L + 225*A + 245*B; 640*M >= 5120; M+F+L+A+B <= 50; 5600*M+2500*F+900*L+1275*A+1225*B <= 100000; Respuesta en Lingo luego de compilar y ejecutar: Rows= 4 Vars= 5 No. integer vars= 0 ( all are linear) Nonzeros= 19 Constraint nonz= 11( 5 are +- 1) Density=0.792 Smallest and largest elements in abs value= 1.00000 100000. No. < : 2 No. =: 0 No. > : 1, Obj=MAX, GUBs <= 1 Single cols= 0 Global optimal solution found at step: 7 Objective value: 15404.00 Variable Value Reduced Cost M 8.000000 0.0000000 F 10.87500 0.0000000 L 31.12500 0.0000000 A 0.0000000 52.50000 B 0.0000000 27.50000 Row Slack or Surplus Dual Price 1 15404.00 1.000000 2 0.0000000 -0.4093750 3 0.0000000 150.0000 4 0.0000000 0.1000000 Ejercicio 3.17 Repita el ejercicio 3.17 usando el nmero de kilogramos de cada cultivo por producir como las variables de decisin.

26

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Variables de Decisin: M: Kg. de maz a producir. F: Kg. de frijoles de soja a producir. L: Kg. de lechuga a producir. A: Kg. de algodn a producir. B: Kg. de brcoli a producir. Restricciones de no negatividad: M,F,L,A y B >= 0 Restricciones de produccin: 8.75*M+5*F+2.25*L+4.25*A+3.5*B <= 100000 M/640 + F/500 + L/400 + A/300 + B/350 <= 50 M >= 5120 Funcin Objetivo: MAX = [ ( 0.7 * M ) + ( 0.8 * F ) + ( 0.6 * L ) + ( 0.75 * A ) + ( 0.7 * B ) ] Mediante Lingo: MAX = 0.7 * M + 0.8 * F + 0.6 * L + 0.75 * A + 0.7 * B 8.75*M+5*F+2.25*L+4.25*A+3.5*B <= 100000; M/640 + F/500 + L/400 + A/300 + B/350 <= 50; M >= 5120; Respuesta en Lingo luego de compilar y ejecutar: Rows= 4 Vars= 5 No. integer vars= 0 ( all are linear) Nonzeros= 19 Constraint nonz= 11( 1 are +- 1) Density=0.792 Smallest and largest elements in abs value= 0.156250E-02 100000. No. < : 2 No. =: 0 No. > : 1, Obj=MAX, GUBs <= 1 Single cols= 0 Global optimal solution found at step: 6 Objective value: 15404.00 Variable Value Reduced Cost M 5120.000 0.0000000 F 5437.500 0.0000000 L 12450.00 0.0000000 A 0.0000000 0.1750000 B 0.0000000 0.7857143E-01 Row Slack or Surplus Dual Price 1 15404.00 1.000000 2 0.0000000 0.1000000 3 0.0000000 150.0000 4 0.0000000 -0.4093750

27

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Ejercicio 3.20 Repita el ejercicio 3.19 , usando las siguientes Variables de Decisin: F1: el nmero de dlares por invertir en el Fondo 1. F2: el nmero de dlares por invertir en el Fondo 2. F3: el nmero de dlares por invertir en el Fondo 3. F4: el nmero de dlares por invertir en el Fondo 4. F5: el nmero de dlares por invertir en el Fondo 5. F6: el nmero de dlares por invertir en el Fondo 6. Variables de Decisin: F1: el nmero de dlares por invertir en el Fondo 1. F2: el nmero de dlares por invertir en el Fondo 2. F3: el nmero de dlares por invertir en el Fondo 3. F4: el nmero de dlares por invertir en el Fondo 4. F5: el nmero de dlares por invertir en el Fondo 5. F6: el nmero de dlares por invertir en el Fondo 6. Restricciones de no negatividad: F1, F2, F3, F4, F5 y F6 >= 0 Restricciones de inversin: FU+FD+FT+FC+FI+FS <= 1000000 FU+FD+FT >= 500000 FU+FD+FT <= 750000 FC+FI >= 200000 FC+FI <= 300000 FS >= 500 FD = 2*FU FT = 3*FU FI = 2*FC Funcin Objetivo: MAX = [ ( 0.3 * FU ) + ( 0.2 * FD ) + ( 0.15 * FT ) + ( 0.12 * FC ) + ( 0.15 * FI ) + ( 0.07 * FS ) ] Mediante Lingo: MAX = 0.3*FU + 0.2*FD + 0.15*FT + 0.12*FC + 0.15*FI + 0.07*FS; FU+FD+FT+FC+FI+FS <= 1000000; FU+FD+FT >= 500000; FU+FD+FT <= 750000; FC+FI >= 200000; FC+FI <= 300000; FS >= 500; FD = 2*FU; FT = 3*FU; FI = 2*FC;

28

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Respuesta en Lingo luego de compilar y ejecutar: Rows= 10 Vars= 6 No. integer vars= 0 ( all are linear) Nonzeros= 35 Constraint nonz= 23( 20 are +- 1) Density=0.500 Smallest and largest elements in abs value= 0.700000E-01 0.100000E+07 No. < : 3 No. =: 3 No. > : 3, Obj=MAX, GUBs <= 3 Single cols= 0 g Global optimal solution found at step: 7 Objective value: 178715.0 Variable Value Reduced Cost FU 125000.0 0.0000000 FD 250000.0 0.0000000 FT 375000.0 0.0000000 FC 83166.67 0.0000000 FI 166333.3 0.0000000 FS 500.0000 0.0000000 Row Slack or Surplus Dual Price 1 178715.0 1.000000 2 0.0000000 0.1400000 3 250000.0 0.0000000 4 0.0000000 0.5166667E-01 5 49500.00 0.0000000 6 50500.00 0.0000000 7 0.0000000 -0.7000000E-01 8 0.0000000 0.8333334E-02 9 0.0000000 -0.4166667E-01 10 0.0000000 0.1000000E-01 Ejercicio 3.21 Repita el ejercicio 3.19 usando las siguientes Variables de Decisin: A: la fraccin de la cartera por invertir en fondos de alto riesgo. M: la fraccin de la cartera por invertir en fondos de mediano riesgo. B: la fraccin de la cartera por invertir en fondos de bajo riesgo. Variables de decisin: A: la fraccin de la cartera por invertir en fondos de alto riesgo. M: la fraccin de la cartera por invertir en fondos de mediano riesgo. B: la fraccin de la cartera por invertir en fondos de bajo riesgo. Restricciones de no negatividad: A, M y B >= 0

29

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Restricciones de inversin: A+M+B = 1 A <= 0.75 A >= 0.5 M <= 0.3 M >= 0.2 B >= 0.05 Funcin Objetivo: MAX = [ ( 0.22 * A ) + ( 0.11 * M ) + ( 0.07 * B ) ] Mediante Lingo: MAX = 0.22*A + 0.11*M + 0.07*B; A+M+B = 1; A <= 0.75; A >= 0.5; M <= 0.3; M >= 0.2; B >= 0.05; Respuesta en Lingo luego de compilar y ejecutar: Rows= 7 Vars= 3 No. integer vars= 0 ( all are linear) Nonzeros= 17 Constraint nonz= 8( 8 are +- 1) Density=0.607 Smallest and largest elements in abs value= 0.500000E-01 1.00000 No. < : 2 No. =: 1 No. > : 3, Obj=MAX, GUBs <= 3 Single cols= 0 Global optimal solution found at step: 4 Objective value: 0.1905000 Variable Value Reduced Cost A 0.7500000 0.0000000 M 0.2000000 0.0000000 B 0.5000000E-01 0.0000000 Row Slack or Surplus Dual Price 1 0.1905000 1.000000 2 0.0000000 0.1100000 3 0.0000000 0.1100000 4 0.2500000 0.0000000 5 0.1000000 0.0000000 6 -0.3725290E-08 0.0000000 7 0.0000000 -0.4000000E-01

30