1

MODELOS DE PROGRAMACIN ENTERA

Un modelo se dice de programacin entera si incluye
alguna(s) variable(s) entera(s)

TIPOS DE VARIABLES ENTERAS

1. Variables Enteras Generales
2. Variables Binarias
CLASES DE MODELOS DE PE
Dependiendo del tipo de variables que incluyen pueden ser:
1. Modelos de PE pura
2. Modelos Mixtos
Los Modelos Mixtos son tiles cuando se incluyen
Costos Semifijos
COSTOS SEMIFIJOS
Son costos cuya magnitud no depende del volumen producido,
pero que slo ocurren si se produce.

EL MODELO TIPO MOCHILA

EJEMPLO:
Una persona dispone de $14,000 y desea escojer la mejor
combinacin de entre cuatro alternativas de inversin:
Alternativa
1
2
3
4
Sea:

Inversin
$ 5000
$ 7000
$ 4000
$ 3000

VPN
$ 16000
$ 22000
$ 12000
$ 8000

Xj = 1 si decide invertir en alternativa j = 1,2,3,4

= 0 si NO
Mx Z = 16 x1 + 22 x2 + 12 x3 + 8 x4
5 x1 + 7 x2 + 4 x3 + 3 x4 14

La solucin de este modelo Binario indica la mejor combinacin.

Formulacin del Modelo Mochila
OBJETIVO: incluir el mx # de productos de distinto valor (c i) en
un espacio limitado (b)
Xj = 1 se incluye el artculo j en la mochila
0 no se incluye
Mx Z = c1x1 + c2x2 + ... + cnxn
s.a.
x1 + x2 + .... + xn b
3.2 FORMULACIN DE MODELOS
CON VARIABLES ENTERAS

APLICACIONES TIPICAS
Modelos tipo Mochila:
se busca incluir el mximo nmero de diversos productos
con diferente valor, en un espacio limitado.
Seleccin de Cartera:
seleccionar la mejor combinacin de alternativas para
alcanzar el mximo rendimiento.
Modelos con Costos Semi-Fijos
Modelos con costos variables y costos semi-fijos
(de preparacin o de instalacin.)
Problemas de Cobertura
Determinar el nmero mnimo de localizaciones con el
objeto de proveer cobertura a un grupo de areas
Problemas de Asignacin
Se busca asignar uno-a-uno recursos en forma ptima.
Programacin de Recursos:
asignar optimamente recursos de manera secuencial.
Problema del Agente Viajero (TSP)
Determinar la mejor secuencia de actividades ejecutando
cada actividad una sola vez.

3.2.1 USO DE VARIABLES BINARIAS

(se usan para indicar decisiones lgicas)
Suponga que se disponen de k alternativas y sea
Xj = 1
0

si se escoje la alternativa j
si no

ALTERNATIVAS MUTUAMENTE EXCLUSIVAS

Alternativas que no pueden aparecer juntas en la solucin
x1 + x2 1
MAXIMO # ACEPTABLE DE ALTERNATIVAS
Cuando todas las alternativas no pueden estar juntas en la
solucin
x1 + x2 + x3 + x4 + x5 2
ALTERNATIVAS DEPENDIENTES
El valor de una variable depende del valor de otra(s)
Ejemplo:
alternativa 2 slo puede estar en solucin si alternativa 1 se
seleccion
x2 x1

EJERCICIO
Suponga que X1 X2 y X3 son variables binarias cuyo valor 1 indica que se va
a abrir una planta en una lugar determinado y 0 indica lo contrario. Escriba
una restriccin para cada una de las siguientes condiciones:
a. Si se abre la planta 1 entonces la planta 2 no debera abrirse.
b. Si se abre la planta 1 entonces la planta 2 debera abrirse.
c. Al menos una de las tres plantas debera abrirse.
d. No ms de dos de las tres plantas debera abrirse.
e. Si ni la planta 2 y ni la planta 3 se abren, la planta 1 no debera abrirse.
f. Si se abre la planta 1 o la planta 3 no se abre, la planta 2 debe abrirse.
SOLUCIN
a. X1 + X2 = 1
b. las posibilidades son:
X1
0
0
1
1

X2
0
1
0 <----- eliminar con la restriccin X1 X2
1

c. X1 + X2 + X3 1
d. X1 + X2 + X3 2
e. Supongamos: si la planta 2 no se abre, la planta 1 no debe abrirse
X1
X2
0
0
0
1
1
0
<----- eliminar con la restriccin X1 X2
1
1
entonces la condicin es:
X 1 X2 + X 3
f. Si se abre la planta 1, la planta 2 debe abrirse
Si la planta 3 no se abre, la planta 2 debe abrirse.
entonces la condicin es igual a la suma de ambas

X2
X1
X2 + X3 1
2X2 + X3 1 + X1

VARIABLES BINARIAS Y CONTINUAS

RANGOS CONDICIONADOS
Si una variable contnua puede tomar valor CERO ,
POSITIVO pero dentro de un intervalo especfico
Ejemplo:
variable binaria Yj = 1
= 0

si se produce artculo j
si no

variable continua Xj :

el volmen a producir de j
xj M yj

Si se produce articulo j y no existe lmite

y=0
x=0

y =1
x >0

volumen
Lyj xj U yj

Si se produce, no ms de U ni menos de L
y=0
x=0
0

y =1
L< x< U
L

volumen

MAXIMO # DE RESTRICCIONES
Cuando una solucin factible solo necesita satisfacer un
subconjunto de todas las restricciones del modelo

Ejemplo:
gj ( x1,..., xn )
gj ( x1,..., xn )

bj - M ( 1- yj )
bj + M ( 1- yj )

yj = 1 indica que la restriccin j es considerada en el modelo

= 0 no se la considera
Si se desea que cualquier solucin satisfaga 3 restricciones o ms
y1 + y2 + ... + ym 3
Ejemplo: se necesita una
solucin que satisfaga
por lo menos 4 restricciones
del siguiente modelo:

Modelo modificado:

Max Z = 3x1 + x2
2x1+ x2 4

Max Z = 3x1 + x2
2x1+ x2 4 + M (1-y1)

3x1+ 4x2 12
7x1+ 7x2 35
x1+ x2
3x1+2x2
x1- 2x2
5x1+4x2
x1, x2

7
6
11
21
0

3x1+ 4x2 12+ M (1-y2)

7x1+ 7x2 35+ M (1-y3)
x1+ x2 7 + M (1-y4)
3x1+2x2 6 - M (1-y5)
x1- 2x2 11- M (1-y6)
5x1+4x2 21- M (1-y7)
y1 + y2 + ... + y7 4
x1, x2 0 y1 , y2 , ..., y7 binarias

EJERCICIOS - MODELOS DE PROGRAMACION ENTERA

1.
Un fabricante de muebles de oficina, produce dos tipos de escritorios:
ejecutivos y secretariales. La compania tiene dos plantas en las que fabrica
los escritorios. La planta 1 es una planta antigua que opera con doble turno de
80 horas por semana. La planta 2 es una planta mas nueva y no opera a su
capacidad total. Cada turno de la planta 2 trabaja 25 horas por semana y la
planta opera 2 turnos. La siguiente tabla muestra el tiempo de produccin
(horas/unidad) y los costos estndar ($/unidad) en cada planta. Tambien se
muestran los precios de venta de cada escritorio.
Debido a que la compaa ha estado experimentando un exceso de
costos durante el ultimo periodo presupuestal, los administradores han fijado
una restriccin semanal sobre los costos de produccin.
El Costo Semifijo por producir en cada planta asciende a $ 600 y
$900 para las plantas 1 y 2 respectivamente. Adems en caso de producir
algun modelo de escritorio se debe asegurar una produccin mnima de 100
unidades.
El presupuesto semanal para la produccin en miles de pesos tambien
se muestra en la tabla. Se le pide a usted averiguar cul es el numero ptimo
de escritorios de cada tipo, a producirse en cada planta con el objeto de
maximizar las ganancias.
Tipo Tiempo Produccin
Planta 1 Planta 2
Ejecut.
7
6
Secret.
4
5

Costo estndar
Precio
Planta 1 Planta 2 Venta
$250
$260
$350
$200
$180
$275

Presupuesto
Semanal
$2,000
$2200

PROBLEMA 1:
Xij : # escritorios de modelo j = E, S a producir por semana en la planta i = 1, 2
F.O.
Mx Z = (350 - 250) X1E + (275 - 200) X1S +(350 - 260) X2E + (275 - 180) X2s
Restricciones de Capacidad:
7X1E + 4X1S <= 80 horas/semana
6X2E + 5X2S <= 50 horas/semana

Planta 1
Planta 2

Restricciones de Presupuesto:
250X1E + 260X2E <= $ 2000 Escritorios Ejecutivos
200X1S + 180X2S <= $ 2200
Escritorios Secretariales
Restricciones de No-Negatividad:
X1E ,X1S ,X2E ,X2S >= 0
Nuevas Variables y Restricciones:
binaria Yi = 1 se produce en la planta i = 1,2
0 no se produce
binaria Yj = 1 se producen escritorios del modelo j = E, S
0 no se producen
Decisin de Produccin en cada Planta
7X1E + 4X1S <= 80 y1
6X2E + 5X2S <= 50 y2

Planta 1
Planta 2

Decisin de Producir cada Modelo

100 yE <= X1E + X2E <= M yE
100 yS <= X1S + X2S <= M yS

Escritorios Ejecutivos
Escritorios Secretariales

Funcin Objetivo Modificada:

Mx Z = (350 - 250) X1E + (275 - 200) X1S +(350 - 260) X2E + (275 - 180) X2s
- 600 y1 - 900 y2

10

2. A un paciente hospitalizado se le han restringido la cantidad de los dos

alimentos que puede consumir. De acuerdo con lo prescrito por el doctor,
se deben satisfacer los siguientes requerimientos nutritivos mnimos por
da: 1000 unidades de nutriente A, 2000 del nutriente B, y 1500 unidades
del nutriente C. Existen dos fuentes alimenticias disponibles F1 y F2.
Cada onza de la fuente alimenticia F1 contiene 100 unidades del nutriente
A, 400 unidades del nutriente B, y unidades del C. Cada onza de F2
contiene 200 unidades de A, 250 unidades de B, y 200 unidades de C. Las
fuentes alimenticias cuestan $6 y $8 por onza.
a) Si se considera que los costos de pedidos no son despreciables y
ascienden a $5 y $7.5 para las fuentes F1 y F2, cul es la mejor
combinacin de fuentes alimenticias?
b) Si adems slo es necesario satisfacer dos de los tres requerimientos
nutritivos, cul es la mejor combinacin de fuentes alimenticias?

11

PROBLEMA 2:
Xj : # onzas de alimento j = F1, F2 a consumir / da
F.O.
Min Z = 6 x1 + 8 x2
Restricciones de Requerimientos Nutritivos
100 x1 + 200 x2 >= 1000 unidades de A
400 x1 + 250 x2 >= 2000 unidades de B
200 x1 + 200 x2 >= 1500 unidades de C
Restricciones de No-Negatividad:
X1 ,X2 >= 0

a) Costos Semifijos de Pedidos

(binaria) Yj = 1 se ordena la compra de alimento j = F1, F2
0 no se ordena la compra
F.O.
Min Z = 6 x1 + 8 x2 + 5 y1 + 7.5 y2
x1 <= M y1
x2 <= M y2

b) Slo es necesario satisfacer dos de los tres requerimientos nutritivos:

(binaria) Wk = 1 restriccin k = 1, 2, 3 se considera en el modelo
0 no se considera
100 x1 + 200 x2 >= 1000 - M (1 - w1 )
400 x1 + 250 x2 >= 2000 - M (1 - w2 )
200 x1 + 200 x2 >= 1500 - M (1 - w3 )
w1 + w2 + w3 >= 2

12

MIN 5 Y1 + 7.5 Y2 + 6 X1 + 8 X2
SUBJECT TO
2) - 99999 W1 + 100 X1 + 200 X2 >= - 98999
3) - 99999 W2 + 400 X1 + 250 X2 >= - 97999
4) - 99999 W3 + 200 X1 + 200 X2 >= - 98499
5) - 99999 Y1 + X1 <= 0
6) - 99999 Y2 + X2 <= 0
7) W1 + W2 + W3 >= 2
END
INT
Y1
INT
Y2
INT
W1
INT
W2
INT
W3
OBJECTIVE FUNCTION VALUE
1) 50.000000
VARIABLE VALUE REDUCED COST
Y1
1.000000
5.000000
Y2
.000000
7.500000
W1
.000000
.000000
W2
1.000000
.000000
W3
1.000000
2999.970000
X1
7.500000
.000000
X2
.000000
2.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 99749.000000
.000000
3)
1000.000000
.000000
4)
.000000
-.030000
5) 99991.500000
.000000
6)
.000000
.000000
7)
.000000
.000000
NO. ITERATIONS=
49
BRANCHES= 5 DETERM.= 1.000E

13

3. Una compana enfrenta el problema de determinar en qu proyectos

invertir durante los prximos 4 anos. La compania dispone de un
presupuesto limitado anual para inversiones. Existen 4 proyectos
disponibles. A stos se les ha caracterizado por su valor presente estimado
y los costos anuales de capital requeridos. Estos se muestran en la
siguiente tabla:
Requerimientos de Capital Anual (en miles de dlares)
Tipo de proyecto:
1
2
3
4
VPN
1 Expansion de planta 30
40
40
30
180
2 Nueva Maquinaria
12
8
0
4
20
3 Nuevos productos
30
20
20
20
72
4 Ampliar del almacn 20
30
40
10
80
Fondos disponibles 65
80
80
50
La compra de nueva maquinaria slo puede realizarse en caso de que la
expansin de la planta se lleve a cabo y se deseen invertir en la
bsqueda de nuevos productos. Desarrolle un plan de asignacin de
capital que muestre las erogaciones necesarias para cada uno de los 4 anos
y seleccione que proyectos conviene financiar. Suponga adems que se ha
decidido que si se invierte en la Ampliacin del almacn no se podr
invertir en Nueva Maquinaria.
(binaria) Xj = 1 se invierte en el proyecto j = 1, 2, 3, 4
0 no se invierte
Mx Z = 180 x1 + 20 x2 + 72 x3 + 80 x4
Restricciones de Fondos disponibles
30 x1 + 12 x2
40 x1 + 8 x2
40 x1 +
30 x1 + 4 x2

+ 30 x3 + 20 x4 <= 65 Ao 1
+ 20 x3 + 30 x4 <= 80 Ao 2
+ 20 x3 + 40 x4 <= 80 Ao 3
+ 20 x3 + 10 x4 <= 50 Ao 4

Restriccin Adicional
Inversin 2 slo puede realizarse si se invierte en alternativas 1 y 3
2 x2 x1 + x3

14

4. La compana OVM fabrica un producto cuya demanda es estacional y

cambia mes con mes. El pronstico de la demanda para los proximos cuatro
meses es 1800, 2200, 3400, y 2800 unidades. Debido a la demanda variable,
se ha encontrado que en algunos meses existe produccin en exceso lo cual
ocasiona grandes costos de almacenaje y mantenimiento. En otros meses la
compania no puede cubrir la demanda resultando en perdidas de
oportunidades de venta.
La capacidad de la planta es de 2400 articulos por mes utilizando turnos
normales. De requerirse subcontratos es posible disponer hasta de 800
articulos adicionales.
El costos variable de produccion es de $ 400 dolares por unidad, para
articulos fabricados. El costo de subcontrato implica pagar un costo unitario
de $450. De no venderse un articulo y almacenarse para el proximo mes se
incurre en un costo de 15 dolares por mes.
De producir unidades en un mes particular es necesario realizar la
preparacin de maquinaria, hacer corridas de prueba y echar a andar
ciertos equipos especiales, por lo quese incurrira en costos semifijos de
$150. De ordenar un artculo al subcontratista se requiere incurrir en un
costo semifijo de $50/orden.
Se le pide a usted que determine un programa ptimo de adquisicin que
minimice los costos de produccin, almacenaje y subcontrato para el perodo
de 4 meses. El programa debe satisfacer la demanda pronosticada.

15

PROBLEMA 4:
Xij : # unidades a producir en el mes i = 1, 2, 3, 4
j = 1 produccin propia , 2 subcontrato
F.O.
Min Z = 400 (x11 + x21 + x31 + x41 ) + 450 (x12 + x22 + x32 + x42 ) + 15 (I1 + I2 + I3 + I4 )
Restricciones de Balance:
x11 + x12
I1 + x21 + x22
I2 + x31 + x32
I3 + x41 + x42

=
=
=
=

1800
2200
3400
2800

+
+
+
+

I1
I2
I3
I4

mes 1
mes 2
mes 3
mes 4

Restricciones de Capacidad
Xi1 <= 2400 i = 1, 2, 3, 4
Xi2 <= 800 i = 1, 2, 3, 4

produccin propia
subcontrato

Restricciones de No-Negatividad:
X11 ,X12 ,X21 ,X22 , X31 ,X32 ,X41 ,X42 >= 0

Nuevas Variables y Restricciones:

binaria Yi1 = 1 se produce en mes i = 1,2, 3, 4
0 no se produce
binaria Yi2 = 1 se subcontrata en mes i = 1,2, 3, 4
0 no se subcontrata
Yi1 Xi1 2400 Yi1 i = 1, 2, 3, 4 produccin propia
Yi2 Xi2 800 Yi2
i = 1, 2, 3, 4 subcontrato
Funcin Objetivo Modificada:
Min Z = 400 (x11 + x21 + x31 + x41 ) + 450 (x12 + x22 + x32 + x42 ) + 15 (I1 + I2 + I3 + I4 ) +
+ 150 ( y11 + y21 + y31 + y41 ) + 50 (y12 + y22 + y32 + y42 )

5. Una compaia tiene tres localizaciones alternativas para ubicar nuevos

almacnes que den servicio a la regin norte del pas. Existen 5 clientes
(C1,C2,C3,C4,C5) importantes es esta regin. Se desea determinar en cules

16

localizaciones se instalarn almacenes como puntos de distribucin para surtir

a los clientes.
Costos Unitarios de Transporte a Cliente

Localizacin $ Instalacin
1
$50,000
2
$30,000
3
$40,000
Demanda/Cliente :

Capacidad
200
150
300

C1
$8
$7
$8
75

C2
$10
$9
$11
50

C3
$12
$11
$10
35

C4
$6
$9
$8
75

C5
$8
$13
$7
35

SOLUCIN
Xij : # unidades a transportar del almacn i = 1, 2, 3 a cliente j = 1, 2, 3, 4, 5
Yi = 1 se instalar el almacn en localizacin i = 1, 2, 3
0 no se instalar
Min Z = 8x11 + 10x12 + 12x13 + ...... + 8x34 + 7x35 +
50000y1 + 30000y2 + 40000y3
Restricciones de Demanda
x11 + x21 + x31
x12 + x22 + x32
x13 + x23 + x33
x14 + x24 + x34
x15 + x25 + x35

>= 75
>= 50
>= 35
>= 75
>= 35

(cliente 1)
(cliente 2)
(cliente 3)
(cliente 4)
(cliente 5)

Restricciones de Capacidad
x11 + x12 + x13 + x14 + x15 <= 200 y1
x21 + x22 + x23 + x24 + x25 <= 150 y2
x31 + x32 + x33 + x34 + x35 <= 300 y3
No negatividad:

(almacn 1)
(almacn 2)
(almacn 3)

X11 ,X12 ,X21 ,X22 , X31 ,X32 ,X13 ,X14, .... , X35 >= 0

17

6. (Cobertura Total ) El Alcalde del DF est considerando la reubicacin de

un nmero de estaciones de polica con el objeto de reforzar el cumplimiento
de la ley en colonias de alta criminalidad. Las localidades donde
potencialmente puede ubicarse estaciones de policia as como las colonias de
la ciudad que pueden ser cubiertas por estas localidades se muestran en la
siguiente tabla. Formule un modelo de PE para encontrar el nmero mnimo
de estaciones cubriendo todas las colonias peligrosas.
LOCALIZACIN
A
B
C
D
E
F
G
SOLUCION:

COLONIAS CUBIERTAS
1,5,7
1,2,5,7
1,3,5
2,4,5
2,4,6
4,5,6
1,5,6,7

binaria Yi = 1 si la estacin se ubica en localizacin i = A, B, C, .... G

0 si no se ubica
F.O. Min Z = yA + yB + yC + yD + yE + yF + yG
Restricciones de Cobertura (de colonias)
yA + yB + yC + yG
yB + yD + yE
yC
yD + yE + yF
yA + yB + yC + yD + yF + yG
yE + yF + yG
yB + yG + yA

1
1
1
1
1
1
1

(colonia 1)
(colonia 2)
(colonia 3)
(colonia 4)
(colonia 5)
(colonia 6)
(colonia 7)

18

7. (Maximizar Cobertura con recursos limitados ) Un banco est planeando abrir 2

sucursales en Monterrey. La direccin ha dividido la ciudad en 7 zonas as como ha
estimado el nmero de clientes potenciales en c/u. . Se supone que un local ubicado en una
zona podra atender a los clientes de zonas vecinas as como a los de su propia zona.
(Vease la tabla siguiente)
Zona
Clientes potenciales (miles)
Zonas vecinas
1
50
2,3
2
25
1,3,5
3
30
1,2,4
4
50
3,6
5
30
2,6,7
6
15
4,5,7
7
20
5,6
a) Plantee un modelo de PE para encontrar las zonas dnde ubicar las sucursales con el
objeto de maximizar el nmero de clientes potenciales atendidos.
binaria Xi = 1 si la sucursal se ubica en zona i = 1, 2, 3... , 7
0 no se ubica
binaria Yi = 1 si se atiende la zona i = 1, 2, 3, ....., 7
0 no se la atiende
F.O. Mx Z = 50y1 + 25y2 + 30y3 + 50y4 + 30y5 + 15y6 + 20y7
Restricciones de Cobertura
y1

x2 + x1 + x3
2y1
y2

x2 + x1 + x3 + x5
2y2
y3

x2 + x1 + x3 + x4
2y3
y4

x4 + x3 + x6
2y4
y5

x5 + x2 + x6 + x7
2y5
y6

x6 + x4 + x5 + x7
2y6
y7

x7 + x5 + x6
2y7
Restriccin de Capacidad
x1 + x2 + x3 + x4 + x5 + x6 + x7 2
b) Suponga que la cobertura del banco no es igual si los clientes potenciales son atendidos
a travs de un local que no est ubicado en la misma zona. La cobertura es del 50% en la
misma zona de la sucursal establecida y 25% si los clientes acuden a sucursales fuera de su
zona. Modifique el modelo para este caso.
F.O.

Mx Z =

0.25 (50y1 + 25y2 + 30y3 + 50y4 + 30y5 + 15y6 + 20y7)

+ 0.25 (50x1 + 25x2 + 30x3 + 50x4 + 30x5 + 15x6 + 20x7)

19

8. Una compana necesita contratar personal de seguridad. Se estima que los

guardias trabajaran turnos de 8 horas y que cada dia se necesitan seis turnos
para cubrir las 24 horas. Las siguientes tablas muestran el nmero requerido
de personal de seguridad por cada 4 horas del da y los horarios de entrada y
salida de cada turno. Se necesita determinar cuntos guardias debern
trabajar en cada turno con el objeto de minimizar el nmero de ellos.
12am-4am 4-8am
5
7

8- 12pm
15

12-4pm
7

4-8pm8-12am
12
9

TURNO
1
2
3
4
5
6

HORARIO
Medianoche-8am
4am-Medioda
8am-4pm
Medioda-8pm
4pm-Medianoche
8pm-4am

SOLUCION:
Yj : nmero de guardias que trabajan en turno j=1,2,3,4,5,6
F.O. Min Z = y1 + y2 + y3 + y4 + y5 + y6
Restricciones de Cobertura (de turnos)

Yj 0 y enteras

j=1,2,3,4,5,6

y1 + y6
y1 + y2
y2 + y3
y3 + y4
y4 + y5
y5 + y6

5
7
15
7
12
9

b) Si los guardias reciben un sueldo de $100 por hora y un premio de 10% si

laboran entre las 10 pm y 6 am, cmo se modifica el modelo de PE ?
F.O. Min Z = 8 x $100 (y1 + y2 + y3 + y4 + y5 + y6 )
+ 8 x $10 ( 0.25y5 + 0.75y1 + 0.75 y6 + 0.25 y2 )

20

PROBLEMAS DE PLANEACION
Determinar la mejor secuencia de actividades
Mejor: costo, tiempo o distancia
Actividades: Tareas a efectuarse en varias mquinas, o
secuencia de localizaciones a visitar
TRAVELING SALESMAN PROBLEM (EL AGENTE VIAJERO)
Determinar la ruta ms corta para que saliendo de un punto base se visiten diversas
localizaciones slo una vez y despus se vuelva al punto base
EJEMPLO
Un vendedor trabaja para una compaa localizada a sur de Mxico D.F. Esta semana debe
visitar a cuatro clientes. La siguiente tabla muestra las distancias desde la compaa hasta
cada cliente. El vendedor desea visitar la ruta ms corta considerando que no conviene
visitar a algun cliente ms de una vez.
De \ A
Oficina
Cliente 1
Cliente 2
Cliente 3
Cliente 4

Oficina
M
90
55
80
55

Cliente 1
120
M
50
100
80

Cliente 2
65
45
M
60
60

Cliente 3
75
90
65
M
60

Cliente 4
45
85
40
50
M

Cuntas combinaciones posibles hay ?

Saliendo de la oficina
hay 4 posibles destinos
saliendo del primer destino hay 3 posibles destinos
saliendo del segundo destino hay 2 posibles destinos
saliendo del ltimo cliente slo hay 1 posibles destinos : la oficina
En total existen 4! = 24 posibles combinaciones
Siempre que haya n! localizaciones

Supongamos n = 11 destinos

10! = 3628,800 alternativas Cual es la de menor

costo o

tiempo ?

existirn (n-1)! posibles combinaciones

21

SOLUCIN
Sea

Xij = 1 si el vendedor viaja de orgen i a destino j = 0,1,2,3,4

0 si no
Min Z = 120 X01 + 65X02 + ... + 60 X43

Se viajara hacia cada cliente/oficina una sola vez:

X10
X11
X12
X13

+ X20 + X30 + X40 = 1

+ X21 + X31 + X41 = 1
+ X22 + X32 + X42 = 1
+ X23 + X33 + X43 = 1

Se saldra desde el lugar de cada cliente / oficina una sola vez:

X01 + X02 + X03 + X04
X11 + X12 + X13 + X14
X21 + X22 + X23 + X24
X31 + X32 + X33 + X34

=1
=1
=1
=1

SOLUCIONES POSIBLES
4

3
2

X01 = X13 = X32 = X24 = X40 = 1

X01 = X13 = X30 = 1 y X34 = X43 = 1

Tour : secuencia de visitas

Subtour : tour en el que se visita una localizacin ms de una vez (o su base ms de veces)
Como eliminar subtours (son soluciones infactibles)
Agregar las restricciones:
EJEMPLO

X01 + X13 + X30 2

?
X34 + X43 1

22

Una pequea empresa tiene un contrato para llevar a cabo varios trabajos de preparacin
de pinturas utilizando una mquina de alta velocidad. Cuando la mquina cambia de
trabajo deba limpiarse por completo antes de realizar un trabajo diferente en el que la
combinacin de pinturas y colorantes sea distinta. En la tabla a continuacin se muestran
los tiempos de limpieza en minutos para todas las posibles secuencias de trabajos. El
objetivo es minimizar la suma de todos los tiempos de limpieza eligiendo la mejor
secuencia de trabajos.
Trabajo
Trabajo
A
B
C
D
A
30
15
40
B
25
45
20
C
35
15
30
D
20
50
25
MODELO
Min Z = 30XAB + 15XAC + 40 XAD + 25XBA + 45XBC + 20XBD
+ 35XCA +15XCB + 30XCD + 20XDA + 50XDB + 25XDC

23

MODELOS DE PROGRAMACION ENTERA

METODOS DE SOLUCION
Se requiere que una solucin factible tenga valores enteros para
alguna o todas las variables de decisin.
La Regin Factible no es una regin contnua sino que est
formada por puntos separados.
Un Modelo de PE se llama Relajado si no se toma en cuenta la
restriccin de soluciones enteras.
El modelo de PE relajado es el modelo de PL
Redondear una solucin de PL puede resultar en una solucin lejos
de la ptima en una solucin No factible.
No existe un procedimiento de analisis de sensibilidad para
modelos de PE (tal como en PL) . Tampoco se genera informacin
sobre sensibilidad al usar la computadora.

3.3 MODELOS DE PROGRAMACION ENTERA

24

METODOS DE SOLUCION

1. METODO GRAFICO
Solo 2 variables
2. REDONDEO DE LA SOLUCION DE PL
No se asegura obtener la solucin ptima
En algunos casos se obtiene una solucin muy lejos de
la ptima
3. ENUMERACION COMPLETA
Si hay 2 variables binarias, 4 soluciones posibles
Si hay 50 variables binarias, 2 50 soluciones posibles
4. RAMIFICACION Y ACOTAMIENTO (Branch & Bound)

5. PLANOS DE CORTE (Strong Cutting Planes)

25

3.2.1 ENUMERACION COMPLETA

EJEMPLO
Mx Z = 300 x1 + 90 x2 + 400 x3 + 150 x4
sujeto a:

35 x1 + 10 x2 + 25 x3 + 90 x4 <= 120
4 x1 + 2 x2 + 7 x3 + 3 x4 <= 12
x1 +
x2
<= 1
x1 ,x2 ,x3 ,x4 binarias 0 1

Existen 24 = 16 alternativas de solucin:

X1=0
X2=0
X3=0

X1=1
X2=1

X3=1 X3=0

X2=0
X3=1 X3=0

X2=1

X3=1 X3=0
i

0 x4=1 0 1
2

X3=1
i

0 1

1 0

8
i

10
i

11 12 13 14 15 16
i
i i
i i

1 0 1

0 1

Cada nodo representa un modelo en el que alguna(s) variable(s)

tiene su valor especificado
Cada nodo terminal representa una solucin entera (factible no)
Si en un nodo cualquiera la solucin es infactible los nodos que
siguen bajo l, tendran solucin infactible
3.2.1 ENUMERACION COMPLETA

26

EJEMPLO
Mx Z = 300 x1 + 90 x2 + 400 x3 + 150 x4
sujeto a:

35 x1 + 10 x2 + 25 x3 + 90 x4 <= 120
4 x1 + 2 x2 + 7 x3 + 3 x4 <= 12
x1 +
x2
<= 1
x1 ,x2 ,x3 ,x4 binarias 0 1

Existen 24 = 16 alternativas de solucin:

X1
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1

X2
0
0
0
0
1
1
1
1
0
0
0
0
1
1
1
1

X3
0
0
1
1
0
0
1
1
0
0
1
1
0
0
1
1

X4
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1

Factible ?
s
si
s
si
s
s
s
no
s
no
si
no
no
no
no
no

Z
0
150
400
550
90
240
490
----300
----700
---------------------

Por tanto la solucin ptima es:

X1 = X3 = 1, X2 = X4 = 0, Z = 700
3.2.2 REDONDEO DE LA SOLUCION DE PL
EJEMPLO:

27

Mx
s.a.

Z = x1 + 5x2
x1 + 10x2 20
x1
2

Solucin modelo relajado (PL): x1 = 2 x2 = 1.8

Z = 11

Solucin con redondeo

: x1 = 2 x2 = 1

Z=7

Solucin ptima de PE

: x1 = 0 x2 = 2

Z = 10

La solucin ptima de PE tiene un valor en Z que es

43% superior a la solucin redondeada!
Al redondear se debe tener en cuenta la magnitud las variables
si la solucin es: Z = 5,207
x1 = 11.6
X2 = 6.8
NO es conveniente redondear !
si en cambio:

Z = 5,207
x1 = 3,208.4
X2 = 7,055.3

redondear puede ser

aceptable.

Siempre verificar que la solucin redondeada se mantenga factible

3.2.3 RAMIFICACION Y ACOTAMIENTO
(Land & Doig, 1960)
RAMIFICAR (Un modelo de PL con solucin no entera):
Dividir la regin factible en 2 regiones que
- no contengan la solucin del modeloPL relajado

28

- s contengan todas sus soluciones enteras factibles

CRITERIO BASICO:
Agregar restricciones a un modelo no puede producir
un modelo con mejor solucin Z
PROCEDIMIENTO DE MAXIMIZACION
1. Resolver Modelo PE relajado
(Si solucin es entera es la ptima)
2. Definir Cotas Superior e Inferior
Cota Superior (CS) = Modelo relajado
Cota Inferior (CI) = Redondeo factible
3. Ramificar
4. Para cada nodo, resolver su modelo relajado y definir su CS y CI
Si solucin es entera, o
Si solucin es infactible, o
Ya no ramificar
Si Z CI
ms el nodo
5. Si ya no se puede ramificar
la solucin ptima es la del nodo con mejor solucin entera
6. Si se puede ramificar, volver al paso 3
- La CI es igual a la mejor solucin entera hasta el momento
- La CS en un nodo es igual a Z encontrado
- A medida que se ramifica y se desciende del rbol la CS tiende a disminuir

29

EJEMPLO: considerando X1 y X2 vars. enteras no negativas resuelva

Min Z = 4X1 + 5X2
sa.
3X1 + 6X2 18
5X1 + 4X2 20
8X1 + 2X2 16
7X1 + 6X2 42

sol. modelo relajado:

sol. con redondeo:

X1 = 2.66
X2 = 1.66
Z = 19
X1 2
CS = 22
CI = 20.5

NO
CS = 22
FACTIBLE CI = 21.4

Z = 19

X1 = 3
X2 = 2

Z = 22

CS= 22
CI = 19
X1 3

X1 = 2
X2 = 2.5
Z = 20.5

X2 2

X1 = 2.66
X2 = 1.66

X1 =3
X2 = 1.5
Z = 19.5
X2 3
X1 = 1.6
X2 = 3
Z = 21.4

CS= 22
CI = 19.5

30

RAMIFICACION Y ACOTAMIENTO
CASOS ESPECIALES
MODELOS MIXTOS
Slo ramificar variables enteras
MODELOS BINARIOS
Modelo Relajado:

Reemplazar X= 0 1

por

X1

Ramificar una variable binaria

X = 0 (1 rama)
X=1
(1 rama)
MINIMIZAR
Cambiar CS por CI
2. Definir Cotas Superior e Inferior
Cota Superior (CS) = Redondeo factible
Cota Inferior (CI) = Modelo relajado
4. Para cada nodo,
resolver su modelo relajado y definir su CS y CI
Si solucin es entera
Si solucin es infactible
Ya no ramificar ms el nodo
Si Z > CS
- La CS es igual a la mejor solucin entera hasta el momento
- La CI en un nodo es igual a Z encontrado
- A medida que se ramifica y se desciende del Arbol la CI tiende a aumentar