Guía Del Ampl - Ind-273

GUA DE INVESTIGACIN
OPERATIVA
A mathematical
programming language
GIOPA
Autores
Jonatn Rojas Polo
Christian Cornejo Snchez
Alessandro Gilardino Arias
Renzo Benavente Sotelo
Alexia Cceres Cansaya
Pedro Muante Chihuantito
Ingeniera
Industrial
i
RESUMEN
Esta gua bsica pretende explicar el uso del software AMPL, el cual es ampliamente
reconocido a nivel mundial como uno de los mejores lenguajes de programacin en modelos
matemticos de optimizacin, y utilizado en las mejores universidades del mundo. Este
software es usado como solver en papers de investigacin, en publicaciones indizadas, y son
ganadores de premios internacionales por su alta capacidad de procesamiento de datos.
El proyecto AMPL pretende mejorar las habilidades de modelacin matemtica, teniendo as

una educacin transversal, interrelacionando el rea de Investigacin de Operaciones con
reas Core de Ingeniera Industrial como las reas de Produccin y de Finanzas.
Con el uso de las guas pretendemos aprovechar 3 cursos pilares de ingeniera industrial. En
el curso de Investigacin Operativa 1, se pretende fortalece el anlisis, realizacin de modelos
matemticos lineales y el uso del software. Posteriormente, en el ciclo siguiente, se pretende
aplicar modelos matemticos para los sistemas de produccin en el curso de Planeamiento y
Control de Operaciones, y finalmente en curso de Investigacin Operativa 2 consolidaremos
el aprendizaje cuantitativo con la elaboracin de papers aplicando modelacin matemtica
con solvers proporcionados por AMPL.
Por qu AMPL?
El software AMPL soporta todo el ciclo de vida de modelado de optimizacin: formulacin,

prueba, despliegue y mantenimiento, desde un enfoque integrado para promover un rpido
desarrollo y resultados fiables. Usando una representacin algebraica de alto nivel que
describe los modelos de optimizacin de la misma manera que la gente piensa acerca de
ellos, AMPL puede proporcionarle la ventaja que necesita para implementar con xito
proyectos de optimizacin a gran escala.
AMPL integra un lenguaje de modelado para describir datos de optimizacin: variables,

funcin objetivo y las restricciones; en un lenguaje de comandos para depurar los modelos y
anlisis de resultados; y un lenguaje de script para la manipulacin de los datos y la
implementacin de estrategias de optimizacin. Todos utilizan los mismos conceptos para
promover la creacin de solicitud ms eficiente.
http://ampl.com/
ii
DEDICATORIA
A todos los alumnos con ganas de seguir aprendiendo

ms y ms.
iii
NDICE GENERAL
INDICE DE GRFICOS ...................................................................................................................... vii

PRIMERA GUA DE AMPL ................................................................................................................. 1
1. ENTORNO DEL SOFTWARE AMPLIDE .............................................................................. 1
1.1. Instalacin de AMPL ........................................................................................................ 1
1.2. Interfaz de usuario del software AMPLIDE ................................................................... 3
1.3. Barra de herramientas del software AMPLIDE ............................................................ 4
1.4. Opciones de la ventana de comandos .......................................................................... 6
2. EJECUCIN DE UN MODELO EN AMPL ........................................................................... 7
SEGUNDA GUA DE AMPL .............................................................................................................. 11
1. LENGUAJE DE MODELADO DE AMPL ............................................................................. 11
2. ESTRUCTURA DE UN MODELO EN AMPL ..................................................................... 16
2.1. SET ................................................................................................................................... 16
2.2. Parmetros: ..................................................................................................................... 16
2.3. Variables: ......................................................................................................................... 17
2.4. Funcin objetivo (F.O.): ................................................................................................. 17
2.5. Restricciones: .................................................................................................................. 18
3. COMO INGRESAR DATOS EN UN ARCHIVO .dat....................................................... 21
4. COMO ELEGIR UN SOLVER PARA RESOLVER EL MODELO ................................... 24
5. COMO RESOLVER UN MODELO USANDO EL LENGUAJE AMPL Y LA INTERFAZ
AMPLIDE ......................................................................................................................................... 25
6. PROBLEMAS PROPUESTOS (desarrollando los problemas del manual de Lingo en
AMPL) ............................................................................................................................................... 25
TERCERA GUA DE AMPL .............................................................................................................. 31
1. ANLISIS DE SENSIBILIDAD CON AMPL ........................................................................ 31
2. OPERADORES LGICOS EN AMPL ................................................................................. 34
2.1. Modelado de la funcin objetivo con operadores lgicos......................................... 36
2.2. Modelado de las restricciones con los operadores lgicos ...................................... 37
3. LA FUNCION IF-THEN-ELSE .............................................................................................. 39
4. PROBLEMAS PROPUESTOS ............................................................................................. 40
CUARTA GUA DE AMPL ................................................................................................................. 45
1. COMO CREAR Y EJECUTAR UN ARCHIVO .run ......................................................... 45
iv
2. IMPORTACIN Y EXPORTACIN DE DATOS USANDO EXCEL ............................... 46
2.1. Declaracin de los nombres de las tablas en Excel .................................................. 47
2.2. Declaracin de tablas en AMPL para lectura de datos vectoriales ........................ 50
2.3. Declaracin de tablas en AMPL para lectura de datos matriciales ........................ 51
2.4. Declaracin de tablas en AMPL para escritura de variables vectoriales ............... 52
2.5. Declaracin de tablas en AMPL para escritura de variables matriciales ............... 52
2.6. Comandos read table y write table .............................................................................. 54
2.7. UTILIDAD DE UN ARCHIVO .run ............................................................................. 56
QUINTA GUA DE AMPL .................................................................................................................. 57
1. COMANDOS DE MODELADO LET, FIX Y UNFIX ........................................................... 57
1.1. El comando let................................................................................................................. 57
1.2. Los comandos fix y unfix ............................................................................................... 58
2. COMANDO FOR: ITERACION DE SENTENCIAS ........................................................... 60
3. COMANDO REPEAT: ITERAR RESPECTO A UNA CONDICION ................................ 61
SEXTA GUA DE AMPL .................................................................................................................... 66
1. DEFINICIN DE RANGOS DE VARIABLES USANDO PARMETROS ...................... 66
2. DECLARACIN DE VARIABLES COMO ENTERAS Y BINARIAS ............................... 67
Bibliografa ........................................................................................................................................... 74
v
INDICE DE TABLAS
Tabla 1: Lista de parmetros ............................................................................................................ 15

Tabla 2: Costo de transporte desde la planta i hasta el cliente j ................................................ 25
Tabla 3: requerimiento de tiempo por mil unidades ...................................................................... 26
Tabla 4: requerimiento de recursos ................................................................................................. 27
Tabla 5: Lista de parmetros ............................................................................................................ 35
Tabla 6: Precio por kilogramo de las sustancias ........................................................................... 40
Tabla 7: Dureza de cada sustancia ................................................................................................. 41
vi
INDICE DE GRFICOS
Figura 1: Pgina web de software AMPL ......................................................................................... 1
Figura 2: Libro desarrollado por AMPL ............................................................................................. 1
Figura 3: Pgina web de software AMPL con licencia acadmica ............................................... 2
Figura 4: Documentacin de la descarga AMPL - Students .......................................................... 2
Figura 5: ventana de instalacin de AMPL ...................................................................................... 3
Figura 6: aceptar el Amplide. .............................................................................................................. 3
Figura 7: Interface del Amplide. ......................................................................................................... 3
Figura 8: Comando New ...................................................................................................................... 4
Figura 9: Comando New file ............................................................................................................... 5
Figura 10: archivos para modelar ...................................................................................................... 5
Figura 11: modelado en .mod y .dat .................................................................................................. 6
Figura 12: opciones de consola ......................................................................................................... 6
Figura 13: interrumpir proceso ........................................................................................................... 7
Figura 14: limpiar pantalla ................................................................................................................... 7
Figura 15: sintaxis del modelo .mod .................................................................................................. 8
Figura 16: Programacin en la consola ............................................................................................ 8
Figura 17: Bsqueda de archivo ........................................................................................................ 9
Figura 18: Bsqueda de la solucin .................................................................................................. 9
Figura 19: creacin de un archivo run ............................................................................................. 45
Figura 20: seleccin de datos ........................................................................................................... 47
Figura 21: columna donde se exportarn los datos ...................................................................... 48
Figura 22: administrador de nombres ............................................................................................. 48
Figura 23: valores de varios parmetros ........................................................................................ 49
Figura 24: declarando la matriz tiempo ........................................................................................... 49
Figura 25: declarando el nombre de la matriz resultados ............................................................ 49
Figura 26: administrador de nombres ............................................................................................. 50
vii
JUSTIFICACIN
La modelacin matemtica propone la optimizacin de procesos y sistemas a partir del uso

eficiente de los recursos que posee la organizacin, optimizando el flujo total del sistema.
Haciendo nfasis en el impacto del sistema y no en un proceso. Adems, permite incrementar
la probabilidad de tomar mejores decisiones en cualquier organizacin, basndose en
sistemas de informacin, mtodos estadsticos, tcnicas de ingeniera, evaluacin econmica
y el procesamiento de datos.
La modelacin matemtica aplicada en la carrera de Ingeniera Industrial, optimiza los

procesos de produccin, marketing, finanzas, procesos logsticos y de distribucin usando
modelos de programacin lineal, modelos de redes, modelos no lineales, mtodos heursticos,
anlisis de datos, mtodos de pronsticos multivariados y minera de datos.
Actualmente es una herramienta que genera una ventaja competitiva sostenible en el tiempo,
es muy usada en empresas privadas o del sector pblico de grandes pases. No obstante, en
esta rea nosotros los latinoamericanos, nos caracterizamos por nuestra pauprrima
contribucin en la investigacin del desarrollo de modelos matemticos complejos. Segn
Scimago Journal & Country Rank, comenta que la investigacin en el Per relacionada a
Ciencia de la Administracin e Investigacin de Operaciones es casi nula, es decir durante los
aos de 1996 al 2016 solo se public 62 papers en revistas indizadas (SCOPUS), mientras
que en ese mismo periodo en Chile se publicaron 709; Colombia, 337 y Argentina, 185.
Fuente: Scimago Journal & Country Rank
viii
http://www.scimagojr.com/countryrank.php?category=1803&region=Latin%20America
Por lo tanto, nuestro objetivo es incrementar las habilidades de investigacin de nuestros

alumnos desde pregrado. Una de las principales causas detectadas en el problema de
investigacin, es la solucin de los modelos propuestos, es decir un modelo complejo puede
tardar muchos meses en encontrar una solucin ptima, siendo el tiempo de solucin uno de
los factores que desanima a las empresas, catedrticos e investigadores a continuar esta
lnea. Haciendo un diagnstico entre los pases de mayor produccin cientfica se determin
que el AMPL es el software ms usado por los investigadores, teniendo como solver ms
usados al Minos, Gurobi y Cplex. Por lo que proponemos el uso de este software en los cursos
pilares de Ingeniera Industrial.
Objetivos
- Explicar al lector las tcnicas de modelacin matemtica, entre ellos programacin lineal,
programacin entera y programacin por metas para que sea capaz de formular modelos
matemticos, resolverlos utilizando mtodos matemticos y herramientas
computacionales, y analizar los resultados obtenidos para tomar decisiones.
- El lector desarrollar competencias para la identificacin, formulacin y solucin de
problemas de decisin en el mbito de la administracin de los recursos de produccin.
Adems, el alumno adquirir una actitud favorable hacia el empleo de herramientas y
tcnicas cuantitativas para plantear y resolver problemas de carcter tctico y estratgico
que se presentan en el mbito del rea de operaciones.
ix
PRIMERA GUA DE AMPL
En la primera gua conoceremos que es el AMPL, su entorno e interface. Adems de

trabajar con las ventanas principales donde compartimos datos, codificamos y
encontramos la solucin de nuestro modelado.
Objetivos de esta gua

El entorno del software AMPLIDE.
Aprender a ejecutar un modelo en AMPLIDE.
1. ENTORNO DEL SOFTWARE AMPLIDE
1.1. Instalacin de AMPL
Antes de leer esta gua, descargue la versin demo del software AMPLIDE que est
disponible en la pgina web de AMPL en la siguiente direccin electrnica
http://ampl.com/try-ampl/download-a-free-demo/. En la figura 1 se observa la pgina web de
AMPL.
Figura 1: Pgina web de software AMPL
En dicha pgina tambin encontrar el libro "AMPL: A Modeling Language for Mathematical
Programming", que es un documento con informacin completa sobre este software en caso
requiera ms detalles. Ver figura 2.
Figura 2: Libro desarrollado por AMPL
1
Para la descarga del software, le recomendamos inicialmente trabajar con la versin
acadmica (DEMO). Dirjase a la pestaa de producto, luego AMPL y posteriormente
aplique la opcin for students tal como se observa la figura 3.
Figura 3: Pgina web de software AMPL con licencia acadmica
Una vez que se encuentra en la pgina for students, de un clic en Demo Version, con lo
cual no dirige a la documentacin de Free Demo Version Downloads, usted debe darle clic
en Download a Free Demo, con lo cual nos enva a la documentacin de DOWNLOAD A
FREE DEMO, usted debe darle click en Windows (elija segn su sistema operativo) con lo
cual nos dirije a la documentacin de AMPL IDE download for Windows y finalmente podr
elegir la versin de AMPL IDE, por ejemplo amplide.mswin64.zip.
Figura 4: Documentacin de la descarga AMPL - Students
2
1.2. Interfaz de usuario del software AMPLIDE
INICIO DEL SOFTWARE AMPLIDE
Para iniciar el software lo primero que debe de hacer es extraer los archivos que se
encuentran en el archivo comprimido que descargo de la pgina de AMPL e ingresar a dicha
carpeta. Cuando ingrese a la carpeta busque el archivo amplide.exe mostrado en la figura
5.
Figura 5: ventana de instalacin de AMPL
Para poder ingresar al software deber hacer doble clic en el cono amplide.exe. Tenga en
cuenta que no debe mover dicho ejecutable de la carpeta original donde se encuentra, ya
que en caso se modifique la ubicacin el software arrojar el siguiente mensaje de error
mostrado en la figura 6.
Figura 6: aceptar el Amplide.
Inicie AMPLIDE para Windows y observamos que la primera pantalla que muestra es como
la que se ilustra en la Figura 7.
Ventana de
comandos para
Solver y reporte
Ventana de modelado y de
Ventana de direccin de pantalla
almacenamiento de datos
de archivos
Figura 7: Interface del Amplide.
3
El software AMPLIDE tiene 3 componentes principales:
Ventana de archivos: Permite navegar en las carpetas de la computadora para poder

abrir los archivos que se encuentren en ellas.
Ventana de comandos: Se utiliza para ejecutar los comandos en el software e
interactuar con los modelos matemticos.
Ventana de modelado: rea para editar el modelo, datos y otros archivos necesarios
para resolver un modelo de optimizacin.
TIPO DE ARCHIVOS DEL SOFTWARE AMPL
En el software AMPLIDE interacta con 3 tipos de archivos: .mod, .dat y .run. A

continuacin, se procede a explicar las caractersticas de cada uno de estos tres tipos de
archivos:
Archivos .mod: Son los archivos donde se edita el modelo de optimizacin con el
lenguaje de programacin AMPL, el cual se visualiza en la ventana de modelado.
Archivos .dat: Son los archivos donde se ingresan los parmetros necesarios para
resolver el modelo de optimizacin.
Archivos .run: Son archivos que facilitan dar ciertas rdenes a los archivos .mod.
1.3. Barra de herramientas del software AMPLIDE
El software AMPLIDE tiene varias opciones que pueden ser tiles para crear archivos,
guardarlos y ejecutarlos. A continuacin, se exponen algunos de los comandos del men
File:
COMANDO NEW
Este comando permite crear un nuevo archivo. Siga los pasos de la figura 8 File/New/File.
Figura 8: Comando New
4
Al dar clic sobre File aparecer la ventana que se muestra en la figura 9. Usted puede
elegir el tipo de archivo que desea crear dando clic sobre el men desplegable File
Extension. En este caso vamos a crear un archivo .mod con el nombre model_prueba.
Figura 9: Comando New file
En la Figura 8 se muestra el archivo creado con el nombre model_prueba.mod.
Figura 10: archivos para modelar
El comando New se puede ejecutar rpidamente presionando en la barra de herramientas

el siguiente cono:
COMANDO SAVE
Cuando se hace alguna modificacin en un archivo aparecer un * al lado del nombre del
mismo. En la Figura 11, en la parte izquierda, se muestra el archivo diet.mod sin
modificaciones; y en la derecha, se muestra el mismo archivo diet.mod solo que con una
lnea adicional.
5
Figura 11: modelado en .mod y .dat
Para grabar solo ese archivo se debe ir al men File y seleccionar el comando Save.
Asimismo, el comando Save tambin se puede ejecutar rpidamente presionando Ctrl + S
o el siguiente cono en la barra de herramientas:
COMANDO SAVE ALL
El comando Save All graba todos los archivos que hayan sido modificados y que estn
abiertos en la ventana de modelado. Esto resulta muy til debido a que se puede tener
numerosos archivos abiertos en simultneo y evita estar grabando uno a uno.
Al igual que con el comando Save, se puede ejecutar ingresando al Men File, presionando
Ctrl + Shft + S o desde la barra de herramientas presionando el siguiente cono:
1.4. Opciones de la ventana de comandos
En la ventana de comandos se tiene la cinta de opciones que se muestra en la Figura 12.
Figura 12: opciones de consola
6
BOTN INTERRUPT
Cuando se est resolviendo un modelo matemtico con el software AMPLIDE, existe la

opcin de detener el proceso de clculo del modelo. Para poder hacer esto, se deber
presionar el botn Interrupt de la cinta de opciones (Figura 13).
Figura 13: interrumpir proceso
Tambin se puede detener el proceso de clculo del modelo matemtico presionando Ctrl
+ C.
BOTN CLEAR CONSOLE
Para borrar el texto acumulado en la ventana de comandos se utiliza el botn clear console,
el cual tiene el siguiente cono:
Figura 14: limpiar pantalla
2. EJECUCIN DE UN MODELO EN AMPL
Para que se familiarice con el lenguaje de programacin AMPL, en la presente seccin resolveremos
un modelo de optimizacin con dos variables.
Ejemplo 1
Una empresa fabrica dos tipos de muebles, Premium y Clsico, cuyos mrgenes de contribucin a
utilidades por unidad son S/.450 y S/. 280 respectivamente. Estos productos estn sujetos a una
demanda mxima de 60 unidades para el mueble Premium y 100 unidades para el mueble Clsico.
El taller de la empresa puede fabricar un mueble tipo Premium en 4.5 horas y un mueble tipo Clsico
en 2.5 horas. Se cuenta con una disponibilidad de 320 horas semanales y se desea maximizar las
ganancias de la empresa.
Para solucionar el presente problema haremos uso de las siguientes variables de decisin:
P: unidades a fabricar del mueble Premium en un mes.
C: unidades a fabricar del mueble Clsico en un mes.
En la ventana de modelado de AMPLIDE ingrese lo que se muestra en la siguiente pantalla
7
Tenga en cuenta:
#variables Para los nombres de los
var P;
var C;
archivos .mod, .dat,
sets, parmetros,
#Funcion objetivo variables, funcin
maximize Utilidad: 450*P + 280*C; objetivo y restricciones
se puede utilizar una
#Restricciones
subject to Tiempo_disponible: 4.5*P + 2.5*C <= 400;
sola palabra o dos
subject to DemandamaxP: 0 <= P <= 60; palabras unidas con el
subject to Demanda_max_C: 0 <= C <= 100; signo _.
Figura 15: sintaxis del modelo .mod
Para escribir comentarios en los archivos de AMPL se debe utilizar el signo # al inicio de cada
lnea donde se vaya a escribir un comentario y no es necesario colocar el signo ; al final.
Para este ejemplo el archivo se guard bajo el nombre de Ejemplo1.mod y se puede visualizar en
la ventana de archivos. A continuacin trabajaremos con la ventana de comandos. Lo primero que
haremos ser llamar al archivo con el siguiente cdigo:
ampl: model Ejemplo1.mod;

ampl: solve;
Luego de escribir el comando solve, AMPLIDE devolvi el siguiente mensaje:

ampl: solve;
MINOS 5.51: optimal solution found.
2 iterations, objective 43000
ampl:
Figura 16: Programacin en la consola
En la figura 16 se muestra dentro del mensaje que se mostr luego de ejecutar el comando solve
observamos que dice MINOS 5.51. Esto indica el nombre del solver usado y su versin. Seguido
de esto tenemos el estado al cual se lleg, en este caso se encontr la solucin ptima al modelo
planteado en 2 iteraciones. Finalmente nos muestra el valor de la funcin objetivo, el cual es de S/.
43000 en este caso.
8
Cuidado:
Cuando vaya a cargar algn archivo debe asegurarse que usted se encuentra en la carpeta
donde cre el archivo en su ventana de archivos.
Si cre el archivo Ejemplo1.mod con

la ruta \\Google Drive\AMPL\Primera
gua debe asegurarse que dicha ruta
se muestra en la ventana de archivos.
Si en su ventana de archivos se muestra otra ruta, al momento de llamar al archivo se

mostrar el siguiente error:
Can't find file Ejemplo1.mod
Figura 17: Bsqueda de archivo
Si queremos obtener el valor que toman las variables en la solucin ptima debemos escribir lo
siguiente:
ampl: display A, B;
Luego de ejecutar este comando, AMPLIDE mostrar el siguiente mensaje:

ampl: solve;
2 iterations, objective 43000
ampl: display P, C;
P = 33.3333
C = 100
Figura 18: Bsqueda de la solucin
En este caso la solucin indica que se realizarn 33.33 unidades del producto P y 100 unidades del
producto C.
Como ha podido observar en este ejemplo, para declarar una variable se debe escribir antes de
esta, la palabra var. Para la funcin objetivo se usan las palabras maximize o minimize,
dependiendo del modelo, y seguido de esto un nombre que indique el objetivo, en este caso se
9
escribi Utilidades. Las restricciones deben empezar con subject to seguidas de un nombre que
represente lo que quieren restringir, en el ejemplo se utilizaron Tiempo_disponible,
DemandamaxP y Demanda_max_C.
En la ventana de comandos, para poder leer un archivo se utiliza el comando model seguido del
nombre del archivo y para resolverlo se debe escribir el comando solve. Para poder obtener el
valor de las variables se escribe el comando display seguido del nombre de las variables que desee
ver.
Finalmente, se utiliza el comando reset para resetear la memoria del software y debe ingresarse
siempre que desee resolver un nuevo modelo, como se muestra a continuacin.
ampl: reset;
Como modo de evaluacin de lo aprendido, resuelva el siguiente ejemplo.
Ejemplo 2
La misma empresa del ejemplo anterior comenzar a producir tambin un nuevo mueble modelo
Trbol, que va a vender junto con los otros dos que ya tiene. El margen de contribucin de este tipo
de mueble es de S/.300 y demora 3.2 horas producirlo en el taller. El tiempo disponible se ha
ampliado a 120 horas y la demanda mxima del mueble tipo Trbol es de 35.
Realice un modelo que optimice las utilidades de la empresa y responda las siguientes preguntas:
a) Cul es el solver que se utiliza para este problema?

b) Cunto se espera tener de utilidades?
c) Indique cunto se fabricar de cada uno de los productos en cuestin.
10
SEGUNDA GUA DE AMPL
En la segunda gua iniciaremos en la modelacin / programacin en el AMPL.

Formular modelos de programacin lineal con el lenguaje de AMPL
Elaborar archivos de extensin .dat para ingresar los parmetros del modelo
Aprender a seleccionar el solver para resolver el programa lineal.
Aprender a resolver un modelo usando el lenguaje AMPL y la interfaz AMPLIDE
1. LENGUAJE DE MODELADO DE AMPL
En la primera gua se explic cmo resolver modelos de optimizacin con el software AMPLIDE e
interactuar con un solver. Sin embargo, como tal vez usted se habr dado cuenta, si un programa
lineal tuviese una gran cantidad de variables y restricciones, y si lo formulara de la manera que se
hizo en la primera gua, definitivamente tomara mucho tiempo, e incluso es bastante probable que
cometa diversos errores.
Para ilustrar la dificultad descrita, refirase al ejemplo 1 de la primera gua en donde se describi a
una empresa que produca solo dos productos y que deseaba maximizar sus ganancias, sujeto a
una restriccin de tiempo disponible y a una demanda mxima de los productos que elabora.
Ahora aumentaremos la magnitud de ese modelo as: la empresa fabrica cinco tipos de muebles
que deben pasar por cuatro procesos. Asimismo, se tienen restricciones de materia prima y de
tiempo disponible. A continuacin se presenta el ejemplo completo.
Ejemplo 1 Introduccin a la formulacin
Una empresa fabrica cuatro tipos de muebles diferentes y cada uno pasa por una secuencia de tres
procesos distintos y en cada uno se agrega materia prima. La secuencia de los procesos para cada
producto es la misma y se identifica con proceso 1 al primero, proceso 2 al segundo y proceso 3 al
tercero.
Esta empresa desea determinar cuntas unidades de cada tipo de producto debe fabricar para
maximizar las utilidades, para tal fin, las variables de decisin son:
Pi: cantidad de kilogramos por fabricar de cada tipo de producto. i= 1,220
Usando notacin matemtica, este problema lo modelamos de la siguiente forma:

Funcin objetivo:
Maximizar i=120(MARGENi*Pi)
Restricciones:
Restricciones de demanda:
Pi DEMANDAMINi ; i=1,220
Pi DEMANDAMAXi ; i=1,220
Restricciones de tiempo:
i=120(TIEMPOij*Pi) RECURSOTj ; j=1,27
Restricciones de materia prima:
11
i=120(MPij*Pi) RECURSOMPj ; j=1,25
Rango de existencia:
Pi 0 ; i=1,220
A continuacin, se muestra el cdigo algebraico que debera escribir en el archivo .mod para
resolver el modelo.
Funcin Objetivo
maximizar = 250*P[1] + 80*P[2] + 150*P[3] + 100*P[4]
P[1] <= 60;

P[2] <= 100;
P[3] <= 120;
P[4] <= 75;
0.5*P[1] + 0.4*P[2] + 0.5*P[3] + 0.2*P[4] <= 690;
0.1*P[1] + 0.2*P[2] + 0.05*P[3] + 0.3*P[4] <= 620;
3*P[1] + 2.8*P[2] + 1.2*P[3] + 1.4*P[4] <= 880;

2.6*P[1] + 1.33*P[2] + 2.26*P[3] + 2.7*P[4] <= 950;
12*P[1] + 4*P[2] + 8*P[3] + 13*P[4] <= 2400;
0.56*P[1] + 0.3*P[2] + 0.45*P[3] + P[4] <= 1000;
Ejemplo 2 Problema de produccin con 20 productos
En cierta empresa manufacturera se fabrican 20 diferentes productos y cada uno pasa por una
secuencia de siete procesos distintos en donde la materia prima se agrega en los cinco primeros y
los dos ltimos son de acabado de los productos. La secuencia de los procesos para cada producto
es la misma y se identifica con proceso 1 al primero, proceso 2 al segundo y as sucesivamente.
Los anexos al final de esta gua muestran una serie de datos que a continuacin se describen:
El anexo 1 contiene los costos variables unitarios, los precios de venta, el margen de contribucin,
la demanda mxima de los 20 productos segn los estudios de mercado y la demanda mnima por
obligaciones contractuales. El anexo 2 presenta el tiempo unitario por kilogramo de cada producto
en cada proceso y la disponibilidad del recurso tiempo. El anexo 3 muestra los datos de la cantidad
de materia prima requerida tambin por kilogramo de cada producto en cada proceso as como la
disponibilidad del recurso materia prima.
Esta empresa desea determinar cuntos kilogramos de cada tipo de producto debe fabricar para
maximizar las utilidades, para tal fin, las variables de decisin son:
Pi: cantidad de kilogramos por fabricar de cada tipo de producto. i= 1,220
Usando notacin matemtica, ste problema lo representaramos de la siguiente forma:
12
Funcin objetivo:
Restricciones:
Pi DEMANDAMINi ; i=1,220
i=120(TIEMPOij*Pi) RECURSOTj ; j=1,27

i=120(MPij*Pi) RECURSOMPj ; j=1,25
Pi 0 ; i=1,220
Ahora, sabe usted cunto debera escribir si quisiera resolver este problema como lo hizo con el
ejemplo de la gua 1? A continuacin, se muestra el cdigo algebraico que debera escribir en el
archivo .mod.
Funcin Objetivo
MAXIMIZAR = 11 * P_1 + 15.75 * P_2 + 10.5 * P_3 + 10.75 * P_4 + 14.5 * P_5
+ 17.25 * P_6 + 13.5 * P_7 + 12 * P_8 + 16 * P_9 + 17 * P_10 + 20 * P_11
+ 22 * P_12 + 18.5 * P_13 + 17 * P_14 + 15.5 * P_15 + 19 * P_16 + 21.5 *
P_17 + 21.5 * P_18 + 15.5 * P_19 + 14.5 * P_20;
Restricciones de demanda;
P_1 >= 10;
P_2 >= 15;
P_3 >= 0;
P_4 >= 0;
P_5 >= 10;
P_6 >= 0;
P_7 >= 10;
P_8 >= 0;
P_9 >= 20;
P_10 >= 25;
P_11 >= 15;
P_12 >= 10;
P_13 >= 0;
P_14 >= 0;
P_15 >= 0;
P_16 >= 10;
P_17 >= 0;
P_18 >= 0;
P_19 >= 0;
P_20 >= 0;
P_1 <= 150;
P_2 <= 80;
13
P_3 <= 90;
P_4 <= 100;
P_5 <= 180;
P_6 <= 150;
P_7 <= 150;
P_8 <= 145;
P_9 <= 100;
P_10 <= 110;
P_11 <= 150;
P_12 <= 160;
P_13 <= 165;
P_14 <= 155;
P_15 <= 150;
P_16 <= 250;
P_17 <= 150;
P_18 <= 200;
P_19 <= 250;
P_20 <= 180;
!Restricciones de tiempo;
0.167 * P_1 + 0.2 * P_2 + 0.417 * P_3 + 0.2 * P_4 + 0.25 * P_5 + 0.283 *
P_6 + 0.317 * P_7 + 0.5 * P_8 + 0.333 * P_9 + 0.35 * P_10 + 0.333 * P_11
+ 0.367 * P_12 + 0.333 * P_13 + 0.25 * P_14 + 0.3 * P_15 + 0.283 * P_16 +
0.25 * P_17 + 0.267 * P_18 + 0.233 * P_19 + 0.2 * P_20 <= 900;
0.083 * P_1 + 0.067 * P_2 + 0.133 * P_3 + 0.15 * P_4 + 0.033 * P_5 + 0.033
* P_6 + 0.05 * P_7 + 0.067 * P_8 + 0.083 * P_9 + 0.1 * P_10 + 0.083 * P_11
+ 0.133 * P_12 + 0.167 * P_13 + 0.183 * P_14 + 0.083 * P_15 + 0.05 * P_16
+ 0.067 * P_17 + 0.033 * P_18 + 0.05 * P_19 + 0.033 * P_20 <= 250;
0.1 * P_1 + 0.067 * P_2 + 0.167 * P_3 + 0.183 * P_4 + 0.2 * P_5 + 0.217 *
P_6 + 0.133 * P_7 + 0.183 * P_8 + 0.233 * P_9 + 0.25 * P_10 + 0.167 * P_11
+ 0.217 * P_12 + 0.25 * P_13 + 0.233 * P_14 + 0.217 * P_15 + 0.2 * P_16 +
0.2 * P_17 + 0.183 * P_18 + 0.167 * P_19 + 0.15 * P_20 <=600;
0.067 * P_1 + 0.083 * P_2 + 0.067 * P_3 + 0.1 * P_4 + 0.1 * P_5 + 0.117 *
P_6 + 0.133 * P_7 + 0.15 * P_8 + 0.167 * P_9 + 0.183 * P_10 + 0.117 * P_11
+ 0.15 * P_12 + 0.1 * P_13 + 0.167 * P_14 + 0.067 * P_15 + 0.083 * P_16 +
0.067 * P_17 + 0.1 * P_18 + 0.117 * P_19 + 0.133 * P_20 <= 380;
0.05 * P_1 + 0.033 * P_2 + 0.067 * P_3 + 0.067 * P_4 + 0.067 * P_5 + 0.083
* P_6 + 0.117 * P_7 + 0.1 * P_8 + 0.133 * P_9 + 0.15 * P_10 + 0.083 * P_11
+ 0.117 * P_12 + 0.067 * P_13 + 0.133 * P_14 + 0.033 * P_15 + 0.05 * P_16
+ 0.05 * P_17 + 0.067 * P_18 + 0.083 * P_19 + 0.1 * P_20 <= 270;
0.1 * P_1 + 0.117 * P_2 + 0.117 * P_3 + 0.133 * P_4 + 0.133 * P_5 + 0.15
* P_6 + 0.15 * P_7 + 0.133 * P_8 + 0.167 * P_9 + 0.183 * P_10 + 0.167 *
P_11 + 0.183 * P_12 + 0.083 * P_13 + 0.1 * P_14 + 0.133 * P_15 + 0.15 *
P_16 + 0.133 * P_17 + 0.15 * P_18 + 0.167 * P_19 + 0.15 * P_20 <= 450;
0.083 * P_1 + 0.1 * P_2 + 0.05 * P_3 + 0.067 * P_4 + 0.117 * P_5 + 0.133
* P_6 + 0.117 * P_7 + 0.1 * P_8 + 0.083 * P_9 + 0.1 * P_10 + 0.117 * P_11
+ 0.117 * P_12 + 0.133 * P_13 + 0.117 * P_14 + 0.067 * P_15 + 0.05 * P_16
+ 0.033 * P_17 + 0.15 * P_18 + 0.133 * P_19 + 0.067 * P_20 <= 300;
!Restricciones de materia prima:

0.4 * P_1 + 0.3 * P_2 + 0.4 * P_3 + 0.3 * P_4 + 0.4 * P_5 + 0.5 * P_6 +
0.4 * P_7 + 0.5 * P_8 + 0.3 * P_9 + 0.4 * P_10 + 0.35 * P_11 + 0.45 * P_12
+ 0.5 * P_13 + 0.25 * P_14 + 0.35 * P_15 + 0.45 * P_16 + 0.4 * P_17 + 0.3
* P_18 + 0.35 * P_19 + 0.3 * P_20 <= 1200;
14
0.2 * P_1 + 0.2 * P_2 + 0.3 * P_3 + 0.3 * P_4 + 0.3 * P_5 + 0.15 * P_6 +
0.3 * P_7 + 0.3 * P_8 + 0.3 * P_9 + 0.2 * P_10 + 0.15 * P_11 + 0.05 * P_12
+ 0.2 * P_13 + 0.25 * P_14 + 0.15 * P_15 + 0.05 * P_16 + 0.2 * P_17 + 0.25
* P_18 + 0.25 * P_19 + 0.2 * P_20 <= 650;
0.2 * P_1 + 0.1 * P_2 + 0.1 * P_3 + 0.2 * P_4 + 0.1 * P_5 + 0.2 * P_8 +
0.3 * P_9 + 0.2 * P_10 + 0.25 * P_11 + 0.2 * P_12 + 0.2 * P_13 + 0.3 *
P_14 + 0.3 * P_15 + 0.1 * P_16 + 0.25 * P_17 + 0.25 * P_18 + 0.2 * P_19 +
0.2 * P_20 <= 600;
0.1 * P_1 + 0.2 * P_2 + 0.1 * P_3 + 0.1 * P_4 + 0.1 * P_5 + 0.15 * P_6 +
0.1 * P_7 + 0.1 * P_9 + 0.1 * P_10 + 0.15 * P_11 + 0.15 * P_12 + 0.05 *
P_13 + 0.1 * P_15 + 0.2 * P_16 + 0.1 * P_17 + 0.1 * P_18 + 0.1 * P_19 +
0.15 * P_20 <= 350;
0.1 * P_1 + 0.2 * P_2 + 0.1 * P_3 + 0.1 * P_4 + 0.1 * P_5 + 0.2 * P_6 +
0.2 * P_7 + 0.1 * P_10 + 0.1 * P_11 + 0.15 * P_12 + 0.05 * P_13 + 0.2 *
P_14 + 0.1 * P_15 + 0.2 * P_16 + 0.05 * P_17 + 0.1 * P_18 + 0.1 * P_19 +
0.15 * P_20 <= 400;
Como pudo notar, escribir todo ese cdigo, variable por variable, realmente tomara mucho tiempo,
adems de poder ingresar mal alguna lnea, lo que generara que su solucin no sea correcta.
A continuacin, explicar cmo debe ingresar este modelo con el lenguaje de modelado de AMPL
para que sea mucho ms sencillo resolverlo. Pero, antes de empezar a ver el lenguaje de modelado,
vamos a reconocer los parmetros y las variables que tiene el ejemplo 1.
Tabla 1: Lista de parmetros

Lista de parmetros Etiqueta
El margen de contribucin de cada producto MARGENi

La demanda mnima de cada producto DEMANDAMINi
La demanda mxima de cada producto DEMANDAMAXi
Disponibilidad del recurso tiempo de cada proceso RECURSOTj
Disponibilidad del recurso materia prima para cada proceso RECURSOMPj
El tiempo unitario por kilogramo de cada producto en cada proceso TIEMPOij
El consumo de materia prima por kilogramo de cada producto en cada proceso Mpij
Lista de variables Etiqueta
Cantidad de kilogramos por fabrica de cada tipo de producto, estas son las
variables de decisin
Pi
15
2. ESTRUCTURA DE UN MODELO EN AMPL
2.1. SET
SETS SIMPLES
Para declararlos use la palabra reservada set, seguida del nombre que usted elija. As por
ejemplo, para declarar el set simple cuyo nombre es Productos siga la sintaxis siguiente:
set Productos
A continuacin debe declarar el nmero de miembros tendr dicho set, segn el ejemplo 2, hay
20 productos, por lo que la dimensin (el tamao del set) sera de 20 y debe ser declarado de
la siguiente manera:
set Productos := 1..20;
Para declarar la dimensin del set se us la sintaxis 1..20, ya que el nmero 1 va a representar
al producto 1, el nmero 2 al producto 2 y as sucesivamente.
Ahora usted declare en su archivo .mod los dems sets simples que sean necesarios para
formular el programa lineal del ejemplo 2.
SETS COMPUESTOS
Estos sets se componen de dos o ms sets simples. Para declararlos use la palabra reservada
set, seguida del nombre que usted elija. As por ejemplo, para declarar el set compuesto cuyo
nombre es Martriz 1 siga la sintaxis siguiente:
set Matriz1
Y para declarar los sets simples que lo componen se debe seguir la siguiente sintaxis:
set Matriz1 := {Productos, Procesos};
Ahora usted declare en su archivo .mod los dems sets compuestos que sean necesarios
formular el programa lineal del ejemplo 2.
2.2. Parmetros:
Para declararlos use la palabra reservada param,

seguida del nombre que usted elija. As por Tenga en cuenta:
En AMPL se tiene la opcin de declarar
ejemplo, para declarar el parmetro cuyo nombre
el rango de existencia de los
es Margen siga la sintaxis siguiente: parmetros agregando >100, <0,
>=0 <=500, dependiendo de lo que
param Margen se necesite. La sintaxis que se debe
seguir puede ser cualquiera de las
Por otro lado, si el parmetro Margen fuese de siguientes:
tipo escalar (es decir, tiene un nico valor) basta param Margen{Productos}>=0;
param Margen{Productos}<=100;
con colocar ; a la sentencia mostrada, es decir, param Margen{Productos}>0, <=10;
param Margen;. Sin embargo, si el parmetro
fuese vectorial o matricial (conjunto de valores)
16
debe asociarlo a un set para tomar su dimensin de acuerdo a lo requerido. La siguiente
sentencia ilustra este caso:
param Margen {Productos};
Ahora usted declare en su archivo .mod los parmetros restantes para formular el programa
lineal del ejemplo 2.
2.3. Variables:
Para declararlos use la palabra reservada var, seguida del Tenga en cuenta:
En AMPL se tiene la opcin de
nombre que usted elija y de un set previamente declarado.
declarar el rango de las variables
As, por ejemplo, para declarar la variable de decisin P agregando >100, <0, >=0
del ejemplo 1 la sintaxis sera la siguiente: <=500, dependiendo de lo que se
necesite. La sintaxis que se debe
var P {Productos}; seguir puede ser cualquiera de las
siguientes:
Ahora usted declare en su archivo .mod el resto de var P {Productos}>=0;
var P {Productos}<=0;
variables que se necesitan para formular el programa var P {Productos}>=0, <200;
lineal del ejemplo 2.
2.4. Funcin objetivo (F.O.):
En el ejemplo 2, la empresa desea maximizar las utilidades que se obtienen al vender los
productos. Para formular la funcin objetivo en AMPL, se escriba la palabra reservada
maximize y a continuacin el nombre que usted elija para la funcin objetivo. En el ejemplo 2,
usaremos el nombre Utilidades para la funcin objetivo y la sentencia es la siguiente:
maximize Utilidades:
Para este caso, el nombre de la F.O. es Utilidades, pero si desea puede usar otro nombre.
Siempre es recomendable que guarde relacin con lo que se quiere lograr en la F.O.
Pero, recordemos como escribimos la F.O. en notacin matemtica:
En lenguaje de AMPL, el smbolo se reemplaza por la palabra reservada sum; la expresin i

= 1..20, que denota que se va a usar el ndice i y se va a hacer la sumatoria en el set Productos
que tiene 20 miembros, se expresa de la siguiente forma: {i in Productos}; la notacin
MARGENi*Pi se expresa Margen[i]*P[i]. Entonces, la F.O. se expresara de la siguiente
forma en AMPL:
sum {i in Productos} Margen[i] * P[i];
En su archivo .mod ingrese la sentencia para la F.O. que se muestra en la lnea anterior.
17
Datos importantes:
Y si quiero
saber si estoy Para saber si est ingresando bien el
ingresando bien cdigo en sus archivos, cargue los
el cdigo? archivos .mod y/o .dat en la ventana
de cdigos del software AMPLIDE,
recuerde usar la palabra reset luego.
Si desea saber si la sentencia que ha
escrito genera el cdigo algebraico que
desea debe usar el comando expand
seguido del nombre de la sentencia o
F.O.. Por ejemplo:
expand Utilidades;
2.5. Restricciones:
Para escribir la funcin objetivo se debe empezar escribiendo la palabra reservada subject to
y luego se le debe dar un nombre a la restriccin, aunque puede usarse el nombre que desee
siempre es recomendable utilizar nombres que tengan relacin con la restriccin.
La sentencia que se escribe en lenguaje de AMPL normalmente representa a una familia de

restricciones, para poder entenderlo, veamos el cdigo algebraico de las dos primeras
restricciones de cantidad mxima de tiempo disponible.
0.167 * P_1 + 0.2 * P_2 + 0.417 * P_3 + 0.2 * P_4 + 0.25 * P_5 + 0.283
* P_6 + 0.317 * P_7 + 0.5 * P_8 + 0.333 * P_9 + 0.35 * P_10 + 0.333 *
P_11 + 0.367 * P_12 + 0.333 * P_13 + 0.25 * P_14 + 0.3 * P_15 + 0.283
* P_16 + 0.25 * P_17 + 0.267 * P_18 + 0.233 * P_19 + 0.2 * P_20 <= 900
0.083 * P_1 + 0.067 * P_2 + 0.133 * P_3 + 0.15 * P_4 + 0.033 * P_5 +
0.033 * P_6 + 0.05 * P_7 + 0.067 * P_8 + 0.083 * P_9 + 0.1 * P_10 +
0.083 * P_11 + 0.133 * P_12 + 0.167 * P_13 + 0.183 * P_14 + 0.083 *
P_15 + 0.05 * P_16 + 0.067 * P_17 + 0.033 * P_18 + 0.05 * P_19 + 0.033
* P_20 <= 250
De ellas podemos notar que para el proceso 1, la suma de todo el tiempo que se utiliza en la
produccin de todos los productos debe ser menor o igual a 900, en el caso del proceso 2 la
suma de todo el tiempo de produccin de todos los productos debe ser menor o igual a 250, y
as sera para los dems procesos que faltan, esto significa que en nuestra restriccin, luego del
nombre, debemos agregar una expresin que nos permita hacer la sumatoria para cada
proceso, esta sentencia se llama expresin indexada y a continuacin se muestra cmo debe
escribirse:
Expresin
indexada
subject to Tp {j in Procesos}:
sum {i in Productos} Tiempo[i,j] * P[i] <= RecursoT[j];
18
Como pudo notar usamos el nombre Tp para la restriccin de tiempos mximos disponibles
para cada proceso. La expresin indexada {j in Procesos} crea una restriccin para
cada proceso y se podra traducir como para cada j que pertenece a Procesos.
Ahora cree las restricciones necesarias para cantidad mxima de Materia prima y para la
demanda mxima y mnima de cada producto.
Ahora que ya sabe cmo ingresar un modelo matemtico en lenguaje AMPL en el archivo
.mod; a continuacin, se muestra el cdigo que debi haber ingresado en el archivo.
Revselo y corrija los errores que pudo haber tenido. En nuestro caso, hemos utilizado como
ndices las letras i y j pero si usted desea puede utilizar cualquier otra letra.
Datos importantes:
A veces se debe iterar usando dos ndices. Cmo escribo eso con el lenguaje de AMPL?
Se escribira en la expresin indexada, que puede usarse tanto para iterar todas las restricciones
de una familia o en una funcin sum, en cualquiera de los dos casos, se debe escribir de la
siguiente manera:
{(i,j) in Nombre del set compuesto}

{i in set simple1, j in set simple2}
Y si debo iterar usando tres ndices?

Entonces se escribira de la siguiente manera:
{(i,j,k) in Nombre del set compuesto}

{i in set simple1, j in set simple2, k in set simple3}
Cdigo de AMPL para el ejemplo 2

set Procesos := 1..7;
set ProcesoMP := 1..5; CUIDADO:
set Matriz1 := {Productos,Procesos};
set Matriz2 := AMPL diferencia entre
{Productos,ProcesoMP}; maysculas y minsculas, por
eso productos, Productos y
param Margen {Productos}; PRODUCTOS son palabras
param Demandamin {Productos}; diferentes en AMPL.
param Demandamax {Productos};
param RecursoT {Procesos};
param RecursoMP {ProcesoMP};
param Tiempo {Matriz1};
param MP {Matriz2};
var P {Productos};
subject to Materia {j in ProcesoMP}:

sum {i in Productos} MP[i,j] * P[i] <= RecursoMP[j];
19
subject to Minimo {i in Productos}:
P[i] >= Demandamin[i];
subject to Maximo {i in Productos}:

P[i] <= Demandamax[i];
Ahora que ya hemos ingresado nuestro modelo y que aseguramos que no tiene errores, vamos
mencionar algunos errores frecuentes que se pueden presentar cuando ingresamos nuestro modelo
matemtico en el archivo .mod.
ERRORES AL DECLARAR LOS SETS
Los comentarios y las lneas que contienen los nombres de los sets terminan con el signo ;.
Verifique si lo digit.
Los nombres de los sets primitivos invocados en los sets compuestos se
separan con comas y deben iniciar y terminar con los signos { }, verifique que us esos signos
y no ( ) o [ ]
Se recomienda nombres para los sets que sean fciles de recordar (se sugiere que tengan
relacin con los datos a los que van a ser asignados) porque sern usados en el resto del
programa y usted deber invocarlos exactamente igual a como los defini en la zona de sets.
No olvide usar exactamente los nombres declarados para cada set y parmetro ya que AMPL
distingue entre maysculas y minsculas.
Los sets que se van a asignar a un parmetro deben ingresarse entre { }.
ERRORES EN EL MODELADO DE LA FUNCIN OBJETIVO Y LAS RESTRICCIONES
La sentencia debe terminar con el signo ;.

Luego de la funcin sum y para escribir los sets que se utilizarn para hacer la suma de las
variables y parmetros, se debe usar { } y no ( ) o [ ].
No olvide usar el nombre exacto de cada parmetro, variable y set declarado anteriormente,
cualquier diferencia ya sea debido a algn carcter o a alguna letra mayscula o minscula
enviar un mensaje de error.
Tenga en cuenta que los ndices de las variables y parmetros de la funcin objetivo y
restricciones deben usarse los signos [ ].
La funcin sum realizar la sumatoria solo hasta el siguiente signo + o -. Para ilustrar esto,
imagine que en vez de darle el margen le dan el precio de venta (PV) y el costo de produccin
(Costo) de cada producto, por lo tanto, si usted escribe la funcin objetivo de la siguiente
manera:
sum {i in Productos} PV[i] * P[i] - Costo[i] * P[i];
AMPL devolver un error de sintaxis ya que AMPL solo reconocer PV[i] * P[i] como parte de
la funcin sum.
Para que AMPL arroje errores puede escribir la sentencia de tres formas:
sum {i in Productos} (PV[i] * P[i] - Costo[i] * P[i]);
sum {i in Productos} (PV[i] - Costo[i]) * P[i];
20
sum {i in Productos} PV[i] * P[i] - sum {i in Productos}
Costo[i] * P[i];
Si hubiera tenido el signo + despus de la funcin sum habra ocurrido el mismo error que se
menciona un par de lneas arriba.
COMO OBTENER INFORMACION ADICIONAL:
Si desea ms informacin sobre la declaracin de sets con el lenguaje de AMPL puede leer los
captulos 5 y 6 del libro The AMPL Book.
Si desea tener ms informacin sobre como declarar las variables e ingresar la funcin objetivo
y restricciones de un modelo en AMPL puede leer el captulo 8 del libro The AMPL Book.
3. COMO INGRESAR DATOS EN UN ARCHIVO .dat
Como se mencion en la declaracin de parmetros, se puede tener parmetros escalares,

vectoriales y matriciales. En esta parte de la gua se va a explicar cmo ingresar cada uno de estos
en un archivo de datos.
INGRESO DE DATOS ESCALARES
En vista que no tenemos un parmetro escalar en el ejemplo 2, supongamos que tenemos que el
tiempo total disponible para todos los procesos es de 1000 horas, y utilizaremos el nombre
Tiempo_total para ese parmetro. Para ingresar el valor de dicho parmetro se debe usar la
siguiente sintaxis:
param Tiempo_total := 1000;
CUIDADO:
Como ya vimos en esta seccin, hay varias palabras reservadas que utiliza AMPL para
definir funciones y otros comandos, estas deben ser escritas siempre de la misma forma
ya que en caso las escribiramos con maysculas AMPL no las reconocera, las palabras
que hemos usado son las siguientes:
set: para definir los grupos de objetos relacionados en grupos.

param: se utiliza para definir parmetros ya conocidos que se ingresarn al modelo.
var: se utiliza para definir las variables que se utilizarn en el modelo.
minimize: se utiliza para definir la funcin objetivo a minimizar.
maximize: se utiliza para definir la funcin objetivo a maximizar.
subject to: se utiliza para definir las restricciones del modelo.
in: para definir los ndices que estarn en cada uno de los sets.
sum: se utiliza para desarrollar las sumatorias de las variables o parmetros en las
restricciones funcin objetivo.
21
Ingreso de datos vectoriales:
Los datos vectoriales son los que tienen m filas, pero solo una columna, de este tipo de datos
tenemos varios en el ejemplo 2, margen, demanda mnima, demanda mxima, recurso de materia
prima y tiempo mximo disponible.
A continuacin, se muestra como ingresar los datos del parmetro Margen.
param Margen:=
1 11
2 15.75
3 10.5
4 10.75 Este signo es el de asignacin, y se
5 14.5 utiliza siempre que se desea asignar
un valor a un parmetro.
6 17.25
7 13.5
8 12
9 16
10 17
11 20
12 22
13 18.5
14 17
15 15.5
16 19
17 21.5
18 21.5
19 15.5
20 14.5;
Ahora usted ingrese los valores de los dems parmetros Tenga en cuenta:
vectoriales. Para datos matriciales, se
coloca en la primera fila el
nombre del parmetro al que se
Ingreso de datos matriciales:
le van asignar los datos, y
recin desde la segunda fila se
Para mostrar cmo se deben ingresar los datos de una matriz de dos comienzan a colocar los
dimensiones, utilizaremos el parmetro Tiempo e ingresaremos sus ndices.
datos.
param Tiempo:
1 2 3 4 5 6 7 :=
1 0.167 0.083 0.100 0.067 0.050 0.100 0.083
2 0.200 0.067 0.067 0.083 0.033 0.117 0.100
3 0.417 0.133 0.167 0.067 0.067 0.117 0.050
4 0.200 0.150 0.183 0.100 0.067 0.133 0.067
5 0.250 0.033 0.200 0.100 0.067 0.133 0.117
6 0.283 0.033 0.217 0.117 0.083 0.150 0.133
7 0.317 0.050 0.133 0.133 0.117 0.150 0.117
8 0.500 0.067 0.183 0.150 0.100 0.133 0.100
9 0.333 0.083 0.233 0.167 0.133 0.167 0.083
10 0.350 0.100 0.250 0.183 0.150 0.183 0.100
11 0.333 0.083 0.167 0.117 0.083 0.167 0.117
12 0.367 0.133 0.217 0.150 0.117 0.183 0.117
13 0.333 0.167 0.250 0.100 0.067 0.083 0.133
14 0.250 0.183 0.233 0.167 0.133 0.100 0.117
15 0.300 0.083 0.217 0.067 0.033 0.133 0.067
16 0.283 0.050 0.200 0.083 0.050 0.150 0.050
17 0.250 0.067 0.200 0.067 0.050 0.133 0.033
22
18 0.267 0.033 0.183 0.100 0.067 0.150 0.150
19 0.233 0.050 0.167 0.117 0.083 0.167 0.133
20 0.200 0.033 0.150 0.133 0.100 0.150 0.067;
Ahora usted ingrese los datos para los parmetros de cantidad mxima de recurso disponible.
Ingreso de datos matriciales de tres dimensiones
En el ejemplo 2 no tenemos un caso con matrices de 3 dimensiones, por ello, suponga el siguiente
ejemplo 3:
Usted tiene una empresa donde hace 6 productos y tiene 3 mquinas para producir cualquiera de
los 6 productos, adems, en su empresa se trabaja 3 turnos. Producir un producto en cada mquina
y en cada turno tiene costos diferentes; por ejemplo, el producto 1 en la maquina 1 en el turno 1
puede costar 10 UM mientras que el producto 1 en la mquina 2 en el turno 1 puede costar 12 UM.
Para poder crear y asignar los valores al parmetro Costo, primero crearemos los sets primitivos, el
set compuesto, el parmetro.
#Sets primitivos
set Turno; Tenga en cuenta:
set Maquinas; Podemos iterar en varios sets con
set Productos; los que no se ha creado un set
compuesto. Por ejemplo, si
#Sets compuestos tuviramos que iterar una
set Matriz={Productos,Maquinas,Turno}; restriccin en Productos y Turnos,
haramos lo siguiente:
#Parametro de Costos subject to Nombre {i in
param Costo {Matriz}; Productos, k in Turnos}
Ahora, procederemos a asignar los valores al parmetro costo:
param Costo :=
[*,*,1]: 1 2 3 :=
1 13.0 10.0 12.0
2 13.0 13.0 13.0 No se coloca el signo ; al final de cada tabla,
3 10.0 15.0 14.0 sino solo en la ltima
4 14.0 15.0 11.0
5 10.0 14.0 12.0
6 12.0 14.0 12.0
[*,*,2]: 1 2 3 :=
1 21.0 19.0 25.0
2 17.0 22.0 20.0
3 18.0 18.0 20.0
4 21.0 19.0 18.0
5 24.0 24.0 25.0
6 21.0 17.0 20.0
[*,*,3]: 1 2 3 :=
1 30.0 30.0 29.0
2 27.0 30.0 32.0 No se coloca el signo ; al final de cada
3 31.0 27.0 32.0 tabla, sino solo en la ltima
4 32.0 32.0 27.0
5 28.0 29.0 29.0
6 31.0 29.0 27.0;
La primera tabla son los costos de producir un producto en cada mquina durante el primer turno,
la segunda tabla son los costos de producir un producto en cada mquina durante el segundo turno
y la tercera tabla son los costos de producir un producto en cada mquina durante el tercer turno.
23
ERRORES EN EL INGRESO DE LOS DATOS
Cada grupo de datos termina con el signo ;. Verifique si

lo digit. Datos importantes:
Recuerde que debe de asegurarse de usar exactamente Como se entiende [*,*,1]?
[*,*,1]:
los signos ;, :, = y := en las partes donde 1 2 3 :=
corresponde segn se muestra en los ejemplos, ya que de 1
lo contrario tendr errores de sintaxis. 2
Recuerde que en el caso de parmetros de matrices de 3
tres dimensiones debe colocar el signo ; solamente 4
5
luego de haber ingresado todas las tablas que se tengan
6
y no luego de cada tabla.
El primer * se refiere a los
No olvide usar exactamente los nombres declarados para
miembros del set Productos y el
cada parmetro y no vaya a usar alguna mayscula o
segundo * se refiere a los
minscula extra o menos debido a que AMPL distingue
miembros del set Maquinas.
entre maysculas y minsculas.
No olvide que entre dato y dato que ingresa en una matriz
debe haber por lo menos un espacio ( ) debido a que si
los datos estuvieran juntos AMPL arrojara un mensaje de
error.
COMO OBTENER INFORMACION ADICIONAL:
Para tener ms informacin sobre como ingresar los datos de los parmetros en un archivo .dat
puede ir al captulo 9 del libro The AMPL Book.
4. COMO ELEGIR UN SOLVER PARA RESOLVER EL MODELO
AMPL puede comunicarse con diferentes solvers, los cuales tienen diferentes caractersticas y usos,
por lo que es importante saber cul de ellos est utilizando al resolver un modelo.
Por defecto AMPLIDE est configurado para utilizar el software MINOS al resolver un modelo de
optimizacin. Por lo que si usted desea saber cul es el solver que est utilizando para resolver un
modelo debe escribir el siguiente comando en la ventana de comandos:
ampl: option solver;
Si usted ingresa este comando en su ventana de cdigos, AMPLIDE le arrojar el siguiente mensaje,
donde se le mencionar cul solver est utilizando:
option solver minos;
Para poder cambiar de solver se debe usar la siguiente sintaxis:
option solver solver_name;
Por ejemplo, si quisiramos cambiar de solver y utilizar el cplex en vez del minos, deberamos
ingresar el siguiente cdigo:
ampl: option solver cplex;
24
5. COMO RESOLVER UN MODELO USANDO EL LENGUAJE AMPL Y LA INTERFAZ
AMPLIDE
Para resolver un modelo en lenguaje AMPL, primero debe cargar los archivos .mod y .dat y luego
usar el comando solve. Para los archivos que se han utilizado en esta gua se debera ingresar el
siguiente cdigo en la ventana de comandos:
ampl: model Ejemplo2_guia2.mod;
ampl: data Ejemplo2_guia2.dat;
ampl: solve;
Y AMPLIDE devolver el siguiente mensaje:
20 iterations, objective 50289.23077
Esto significa que se obtuvo la solucin ptima del problema teniendo como valor de la funcin
objetivo 50 289.23 y usando el solver MINOS en su versin 5.51.
6. PROBLEMAS PROPUESTOS (desarrollando los problemas del manual de Lingo en

AMPL)
Problema 1
La compaa CCS fabrica un producto de consumo masivo en cinco plantas y las vende a 10
clientes.
El precio que paga cada cliente por cada mil unidades, as como los costos de produccin ms el
costo de transporte de los productos desde cada planta hasta cada cliente, tambin por cada mil
unidades, se presenta en la tabla 2. Estos datos estn anotados en el archivo cuyo nombre es
Segunda gua de AMPL datos problema 2.xlsx y est disponible en el campus virtual PUCP con el
propsito de que usted los pegue en el software AMPLIDE.
Tabla 2: Costo de transporte desde la planta i hasta el cliente j

En dlares por cada mil unidades
Cliente 1 Cliente 2 Cliente 3 Cliente 4 Cliente 5 Cliente 6 Cliente 7 Cliente 8 Cliente 9 Cliente 10
Planta 1 100 40 30 150 55 98 55 135 95 85
Planta 2 110 65 25 140 60 70 65 125 85 55
Planta 3 100 70 50 160 65 75 70 145 105 50
Planta 4 90 80 65 110 100 85 75 110 120 60
Planta 5 120 90 35 180 110 65 60 165 115 90
Precio de venta 180 120 120 200 150 160 150 200 180 110
Los requerimientos de tiempo de mano de obra en cada planta para fabricar mil productos se
muestran en la tabla 3, asimismo, el tiempo total disponible de cada una de las cinco plantas suman
en total 60 000 horas; sin embargo, es posible comprar horas de mano de obra adicionales a 10
dlares la hora.
25
Tabla 3: requerimiento de tiempo por mil unidades
Horas por cada mil unidades
Planta 1 Planta 2 Planta 3 Planta 4 Planta 5
Producto 14 15 16 13.5 14
La cantidad de productos que se pueden fabricar como mximo en las cinco plantas es 750; 950; 1
000; 1 050 y 650, todas en miles de unidades, respectivamente; por otro lado, la demanda de
cada cliente es 400 mil unidades.
A continuacin, se presenta las variables de decisin y algunas restricciones para este problema de
programacin lineal cuyo objetivo es la maximizacin de las utilidades.
Variables de decisin
Xij: cantidad de productos, en miles, fabricados en la planta i y

embarcados al cliente j
i=1, planta 1; i=2, planta 2; i=3, planta 3; i=4, planta 4; i=5, planta 5.
j=1, cliente 1; j=2, cliente 2; j=3, cliente 3; j=4, cliente 4; j=5, cliente 5;
j=6, cliente 6; j=7, cliente 7; j=8, cliente 8; j=9, cliente 9; j=10, cliente 10.
MO:
Restricciones
Restricciones de capacidad:
Para la planta 1:
X_1_1 + X_1_2 + X_1_3 + X_1_4 + X_1_5 + X_1_6 + X_1_7 + X_1_8 + X_1_9 + X_1_10
<= 750;
Que expresado como sumatoria es:
10
X1j 750
j=1
Para el cliente 1:
X_1_1 + X_2_1 + X_3_1 + X_4_1 + X_5_1 >= 400;
Que expresado como sumatoria es:
5
Xi1 400
i=1
Restriccin del tiempo:
Se pide:
a) Defina la variable de decisin MO y complete en trminos algebraicos la funcin objetivo, las
restricciones de demanda, oferta y de tiempo que faltan y defina el rango de existencia de este
modelo. (Se recomienda usar sumatorias: ).
b) Formule el modelo en el lenguaje de modelado de AMPL. Indique claramente sus sets,
parmetros, variables, la funcin objetivo y las restricciones. Si requiere efectuar comentarios
para explicar mejor su modelo, antelos.
c) Resuelva el modelo con el solver MINOS y CPLEX y conteste las siguientes preguntas:
26
Cul es la utilidad ptima?
Qu clientes se atienden y qu cantidad desde cul planta?
En qu plantas se usa el total de su capacidad en unidades?
La solucin ptima del modelo sugiere adquirir horas adicionales?
Problema 2 (tomado y adaptado de Winston (2005))
Machinco elabora cuatro productos, los cuales requieren de tiempo en dos mquinas y de dos tipos
de mano de obra (calificada y no calificada). La cantidad de tiempo de mquina y de mano de obra
en horas necesarias para cada producto y los precios de venta se proporcionan en la tabla 4.
Se dispone todos los meses de 700 horas en la mquina 1 y 500 horas en la mquina 2. Machinco
puede comprar cada mes hasta 600 horas de mano de obra calificada a 8 dlares la hora, y hasta
650 horas de mano de obra no calificada a 6 dlares la hora.
Tabla 4: requerimiento de recursos

Mano de obra Mano de obra Ventas
Producto Mquina 1 Mquina 2
calificada no calificada (dlares)
1 11 4 8 7 300
2 7 6 5 8 260
3 6 5 4 7 220
4 5 4 6 4 180
Se pide:
a) Formule un modelo de programacin lineal adecuado a esta situacin.
b) Formule el modelo anterior en el lenguaje de modelado de AMPL y responda las siguientes
preguntas:
Cul es la utilidad ptima que se podra lograr?
Cuntas unidades de cada tipo se produce?
Cuntas horas de mano de obra calificada y no calificada se adquieren?
27
Anexo 1
Costos variables Margen de Demanda mnima del Demanda mxima del

Precio de venta
Productos unitarios contribucin producto producto
en US$
en US$ en US$ en kilogramos en kilogramos
Producto 1 5.00 16.00 11.00 10.00 150
Producto 2 3.00 18.75 15.75 15.00 80
Producto 3 4.50 15.00 10.50 0.00 90
Producto 4 4.25 15.00 10.75 0.00 100
Producto 5 3.50 18.00 14.50 10.00 180
Producto 6 2.75 20.00 17.25 0.00 150
Producto 7 6.50 20.00 13.50 10.00 150
Producto 8 8.00 20.00 12.00 0.00 145
Producto 9 9.00 25.00 16.00 20.00 100
Producto 10 8.00 25.00 17.00 25.00 110
Producto 11 5.00 25.00 20.00 15.00 150
Producto 12 4.00 26.00 22.00 10.00 160
Producto 13 8.50 27.00 18.50 0.00 165
Producto 14 7.50 24.50 17.00 0.00 155
Producto 15 6.50 22.00 15.50 0.00 150
Producto 16 4.00 23.00 19.00 10.00 250
Producto 17 3.50 25.00 21.50 0.00 150
Producto 18 2.50 24.00 21.50 0.00 200
Producto 19 3.50 19.00 15.50 0.00 250
Producto 20 5.50 20.00 14.50 0.00 180
28
Anexo 2
Tiempo unitario por cada kilogramo del producto i

Productos
en el proceso j, en minutos
Proceso 1 Proceso 2 Proceso 3 Proceso 4 Proceso 5 Proceso 6 Proceso 7

Producto 1 10 5 6 4 3 6 5
Producto 2 12 4 4 5 2 7 6
Producto 3 25 8 10 4 4 7 3
Producto 4 12 9 11 6 4 8 4
Producto 5 15 2 12 6 4 8 7
Producto 6 17 2 13 7 5 9 8
Producto 7 19 3 8 8 7 9 7
Producto 8 30 4 11 9 6 8 6
Producto 9 20 5 14 10 8 10 5
Producto 10 21 6 15 11 9 11 6
Producto 11 20 5 10 7 5 10 7
Producto 12 22 8 13 9 7 11 7
Producto 13 20 10 15 6 4 5 8
Producto 14 15 11 14 10 8 6 7
Producto 15 18 5 13 4 2 8 4
Producto 16 17 3 12 5 3 9 3
Producto 17 15 4 12 4 3 8 2
Producto 18 16 2 11 6 4 9 9
Producto 19 14 3 10 7 5 10 8
Producto 20 12 2 9 8 6 9 4
Disponibilidad de
tiempo en horas
900 250 600 380 270 450 300
29
Anexo 3
Materia prima requerida por cada kilogramo del producto i

Productos
en el proceso j, en gramos
Proceso 1 Proceso 2 Proceso 3 Proceso 4 Proceso 5

Producto 1 400 200 200 100 100
Producto 2 300 200 100 200 200
Producto 3 400 300 100 100 100
Producto 4 300 300 200 100 100
Producto 5 400 300 100 100 100
Producto 6 500 150 0 150 200
Producto 7 400 300 0 100 200
Producto 8 500 300 200 0 0
Producto 9 300 300 300 100 0
Producto 10 400 200 200 100 100
Producto 11 350 150 250 150 100
Producto 12 450 50 200 150 150
Producto 13 500 200 200 50 50
Producto 14 250 250 300 0 200
Producto 15 350 150 300 100 100
Producto 16 450 50 100 200 200
Producto 17 400 200 250 100 50
Producto 18 300 250 250 100 100
Producto 19 350 250 200 100 100
Producto 20 300 200 200 150 150
Disponibilidad de
materia prima en 1200 650 600 350 400
kilogramos
30
TERCERA GUA DE AMPL
En la tercera gua iniciaremos el anlisis de sensibilidad usando el AMPL.

Realizar el anlisis de sensibilidad con AMPL.
Aprender a usar los operadores lgicos de AMPL.
Aprender a usar la funcin if-then-else.
1. ANLISIS DE SENSIBILIDAD CON AMPL
AMPL proporciona opciones que permiten analizar la sensibilidad de un modelo matemtico y que
son tiles para poder variar algunos valores de parmetros, variables o de la funcin objetivo.
Qu indicadores son importantes para un anlisis de sensibilidad?
Precio dual
Holguras
Costo reducido
Precio dual:
Representa la variacin en la cantidad de la funcin objetivo como consecuencia de
modificar la cantidad de un recurso, se puede calcular como una ratio de contribucin de un
aumento o disminucin unitaria en la disponibilidad de un recurso sobre la funcin objetivo:
Algunos autores la denominan precio sombra. El signo de este indicador est en funcin del
tipo de restriccin, es decir, si la restriccin es utiliza una variable de holgura "+ hi", por
lo cual tiene un signo positivo; as tambin si la restriccin es utiliza una variable de
excedente "-ei", por lo que tiene un signo negativo.
31
Holgura / excedente:
La holgura o excedente se analiza en cada restriccin (Slack or surplus). La holgura
representa la cantidad que no se usa de un recurso (sobrante), y el exceso representa la
cantidad adicional de uso mnimo de un recurso.
Costo reducido:
La definicin del costo reducido se basa en la explicacin del anlisis de sensibilidad de la
funcin objetivo. Se formaliza en la literatura de PL como:

( )=( )( )

Con la definicin dada de costo reducido, podemos ver que una variable no rentable
(variable no bsica, cuyo valor es cero) puede hacerse rentable de dos maneras:
Incrementando el ingreso unitario.

Reduciendo el costo unitario de los recursos consumidos.
En la mayora de las situaciones, las condiciones del mercado dictan el precio por unidad y
puede ser difcil incrementarlo a voluntad. Por otra parte, una opcin ms viable es reducir
el consumo de recursos porque el fabricante puede reducir el costo si hace que el proceso
de produccin sea ms eficiente.
El costo reducido indica cunto se puede aumentar (cuando se maximiza) o disminuir

(cuando se minimiza) este coeficiente antes de que cambie la solucin ptima y esta variable
se convierta en bsica. Sin embargo, recuerde que esta informacin se obtiene mediante el
intervalo permisible para seguir ptimo para el coeficiente de esta variable en la funcin
objetivo. El costo reducido (de una variable no bsica) es slo el aumento permitido (cuando
se maximiza), a partir del valor actual del coeficiente para quedar dentro de su intervalo
permisible o la reduccin permitida (cuando se minimiza).
Para explicar el anlisis de sensibilidad se va a utilizar el ejemplo 1 de la gua 2 para aprender a

obtener el anlisis de sensibilidad de un modelo de optimizacin. Use el solver cplex para resolver
el modelo y empezar con el anlisis.
En el ejemplo 1 es importante saber cuntas horas se tienen disponibles en cada uno de los
procesos y cunto costara aumentar una hora a un proceso en caso sea necesario; por lo tanto, se
necesita conocer los precios sombra y las holguras. Para ello se usar el siguiente cdigo: (El
nombre de la restriccin es Tp)
display Tp, Tp.slack;
AMPLIDE devolver el siguiente mensaje:
ampl: display Tp, Tp.slack;

: Tp Tp.slack :=
1 0 27.4438
Datos importantes:
2 0 9.4797 Para los precios sombra se escribe:
3 0 29.0435 display Restriccin;
4 0 38.8285
5 0 24 Y para la holgura:
6 0 21.1441 display Restriccin.slack;
7 115.385 0;
32
Como puede notar, cuando la holgura es positiva el precio sombra es cero ya que an hay tiempo
disponible en el proceso para seguir trabajando; pero para el caso del proceso 7, la holgura es igual
a 0 y por ello al aumentar en una hora el tiempo mximo disponible se obtendra 115.358 UM extra.
Para ste caso, cuando se aumentan horas al proceso 7 se aumenta la utilidad ya que el precio
sombra de dicha restriccin es positivo; pero, tambin podra darse el caso que haya precios
sombras negativos, lo cual significa que para aumentar una unidad a la restriccin se tendra una
disminucin en el valor de la funcin objetivo igual al valor del precio sombra.
Para conocer el costo reducido de las variables se debe usar el siguiente cdigo:
display P.rc;
AMPLIDE nos devolver el siguiente mensaje:
ampl: display P.rc;

P.rc [*] :=
1 0
2 0
3 0
4 0
5 0
6 0
7 0
8 0
9 0
10 0
11 0
12 0
13 0
14 0
15 0
16 0
17 0
18 0
19 0
20 0;
Datos importantes:
CPLEX permite conocer el rango de valores de variacin de los coeficientes de la F.O. Primero se debe
activar una opcin del solver con el siguiente cdigo:
option cplex_option sensitivity;
Y luego de resolver el modelo se usa el siguiente cdigo:
display variable.down, variable.current, variable.up;
33
AMPL indica que, como todos los valores de P son positivos, presentan costos reducidos iguales a
cero y por tanto no es necesario variar los coeficientes de la funcin objetivo pues las variables Pi
ya forman parte de la solucin bsica. Si desea ms informacin sobre los comandos de anlisis de
sensibilidad de AMPL puede consultar el captulo 12 del libro The AMPL Book.
2. OPERADORES LGICOS EN AMPL
AMPL dispone de operadores lgicos para definir expresiones condicionales con el propsito de
aplicar ciertas condiciones a una familia de restricciones, a un grupo de variables en las restricciones
y a la funcin objetivo, entre otros casos.
Los operadores lgicos de AMPL son los siguientes:
= : Igual a
<> : Diferente de
< : Menor que
<= : Menor o igual a
> : Mayor a
>= : Mayor o igual a
Con el siguiente ejemplo se podr entender mejor cmo funcionan estos operadores lgicos.
Ejemplo 1
Friedman S.A. desea determinar cuntas lanchas debe producir los prximos seis meses para
satisfacer a tiempo la demanda, que en el primer mes es 400 unidades, en el segundo 600 unidades,
en el tercero 750, en el cuarto 250, en el quinto 300 y en el sexto 450.
Para los cuatro primeros meses la capacidad normal de produccin es 200 lanchas, y para los dos
ltimos es hasta 300 lanchas. Cada unidad fabricada en tiempo normal cuesta 500 dlares el primer
mes y en los siguientes se estima que crezca en 25 dlares mensualmente. La empresa tambin
puede producir ms lanchas haciendo trabajar horas extras a su personal a un costo de 550 dlares
el primer mes y cuyo incremento es 30 dlares mensualmente. Se sabe que el nivel de existencias
al inicio del primer mes es 20 lanchas.
La empresa decide al principio de cada mes cuntas lanchas hay que construir en dicho perodo
pero debe cumplirse las siguientes polticas:
Necesariamente en los dos primeros meses la produccin debe ser como mnimo 50 lanchas
en cada mes.
La produccin en tiempo extra de los dos primeros meses debe ser como mximo 350 lanchas
en cada mes.
En los tres ltimos meses la produccin en tiempo normal ms lo elaborado en tiempo extra no
debe superar las 550 unidades en cada mes.
La demanda se satisface al final de cada mes, luego de atenderla, las lanchas sobrantes se envan
a un almacn y se incurre en costos por almacenamiento cuyo importe es 15 dlares por cada lancha
guardada durante un mes.
El modelo de programacin lineal que permite a Friedman programar su produccin a costo mnimo
para el prximo semestre es el siguiente.
34
Variables de decisin:
PRODNORMALt: cantidad de lanchas a producir en tiempo normal en el mes t. t= 1,26

PRODEXTRAt: cantidad de lanchas a producir en tiempo extra en el mes t. t= 1,26
IFLANCHAt: inventario final de lanchas en el mes t. t= 1,25
Usando notacin matemtica, el resto del modelo es el siguiente:
Funcin objetivo:
Minimizar t=16(COSTNORMALt*PRODNORMALt + COSTEXTRAt*PRODEXTRAt) +
t=15(COSTOALMACEN*IFLANCHAt) + COSTOALMACEN*II
Restricciones:
Ecuaciones de inventario:
IFLANCHA1 = II + PRODNORMAL1 + PRODEXTRA1 DEMANDA1
IFLANCHAt = IFLANCHAt-1 + PRODNORMALt + PRODEXTRAt DEMANDAt;
t=2,36
Capacidad normal:
PRODNORMALt CAPNORMALt ; t=1,26
Produccin mnima en los dos primeros meses:
PRODNORMALt PRODMIN; t=1,2
Produccin mxima en tiempo extra en los dos primeros meses:
PRODEXTRAt PRODMAXTEX12; t=1,2
Produccin mxima en los tres ltimos meses:
PRODNORMALt + PRODEXTRAt PRODMAX; t=4,5,6
PRODNORMALt 0 ; PRODEXTRAt 0 ; IFLANCHAt 0 ; t=1,26
Antes de empezar a escribir el ejercicio en lenguaje de AMPL vamos a reconocer los parmetros y
las variables del problema que se muestran en la tabla 5.
Tabla 5: Lista de parmetros

Costo de la produccin en tiempo normal COSTONORMALt
Costo de la produccin en tiempo extra COSTOEXTRAt
Costo de almacenamiento COSTOALMACEN
Demanda mensual de lanchas DEMANDAt
Capacidad de la produccin en tiempo normal CAPNORMALt
Produccin mnima en los dos primeros meses PRODMIN
Produccin mxima en tiempo extra en los dos primeros
PRODMAXTEX12
meses
Produccin mxima en tiempo normal ms tiempo extra en
PRODMAXTEX12
los tres ltimos meses
Cantidad de lanchas a producir en tiempo normal PRODNORMALt
Cantidad de lanchas a producir en tiempo extra PRODEXTRAt
Inventario final de lanchas IFLANCHAt
35
A continuacin se le muestran los sets, parmetros y variables que se han declarado e ingresado al
archivo Ejercicio1_guia3.mod.
set Periodo = 1..6;
param COSTONORMAL {Periodo};

param COSTOEXTRA {Periodo};
param CAPNORMAL {Periodo};
param DEMANDA {Periodo};
param II;
param COSTOALMACEN;
param PRODMIN;
param PRODMAXTEX12;
param PRODMAX;
var PRODNORMAL {Periodo} >=0;

var PRODEXTRA {Periodo} >=0;
var IFLANCHA {Periodo} >=0;
En su intranet va a encontrar un archivo Excel con el nombre Datos_ejemplo1_guia3.xlsx,

descrguelo e ingrese los datos del problema en un archivo .dat.
2.1. Modelado de la funcin objetivo con operadores lgicos
En la funcin objetivo del ejercicio 1, los costos de almacenamiento son considerados solo hasta el
mes 5, por lo que se debe usar operadores lgicos para escribir la F.O. A continuacin se muestra
como se escribe dicha sentencia:
minimize Costo_total:
sum {i in Periodo} (COSTONORMAL[i] * PRODNORMAL[i] +
COSTOEXTRA[i] * PRODEXTRA[i]) + sum {i in Periodo:i<=5}
COSTOALMACEN*IFLANCHA[i]+COSTOALMACEN*II;
Este operador lgico se usa

para que i tome solamente los
valores de 1, 2, 3, 4 y 5.
Use el comando expand para ver cul es el cdigo algebraico que genera dicha sentencia. Debe
tener en cuenta que no se considera el costo de mantener en almacn las lanchas del periodo 6. A
continuacin se muestra el cdigo generado por la sentencia.
500*PRODNORMAL[1] + 525*PRODNORMAL[2] + 550*PRODNORMAL[3] +
550*PRODEXTRA[1] + 580*PRODEXTRA[2] + 610*PRODEXTRA[3] +
640*PRODEXTRA[4] + 670*PRODEXTRA[5] + 700*PRODEXTRA[6] +
15*IFLANCHA[1] + 15*IFLANCHA[2] + 15*IFLANCHA[3] + 15*IFLANCHA[4] +
15*IFLANCHA[5] + 300;
Note que al final de la expresin anterior hay una cifra igual a 300, esta es el resultado del producto
COSTOALMACEN*II; usualmente AMPL realiza las operaciones aritmticas de parmetros cuyos
valores son nicos.
36
2.2. Modelado de las restricciones con los operadores lgicos
Para las ecuaciones de inventario, debe tener en cuenta que para el mes 1 no se tiene inventario
final de un mes anterior, sino que se considera el inventario inicial. Para modelar dicha situacin se
van a utilizar los operadores lgicos. A continuacin se muestra cmo escribir las ecuaciones de
inventario con los operadores lgicos:
Este operador lgico se usa
para crear la ecuacin de
inventarios solo para el mes 1
#Ecuaciones de inventario
subject to Produccion_mes1 {i in Periodo: i=1}:
IFLANCHA[i] = II + PRODNORMAL[i] + PRODEXTRA[i] - DEMANDA[i];
Este operador lgico se usa para

crear las ecuaciones de inventarios
para los meses 2, 3, 4, 5 y 6.
subject to Produccion_otros_meses {i in Periodo: i>1}:

IFLANCHA[i] = IFLANCHA[i-1] + PRODNORMAL[i] + PRODEXTRA[i] -
DEMANDA[i];
Como puede notar, se han creado dos restricciones; por tanto, al usar el comando expand con la
restriccin Produccion_mes1 se va a mostrar solo las ecuaciones para el mes 1.
-PRODNORMAL[1] - PRODEXTRA[1] + IFLANCHA[1] = -380;
Y cuando se usa el comando expand con la restriccin Produccion_otros_meses se mostrarn

las ecuaciones de inventarios para los prximos meses.
-PRODNORMAL[2] - PRODEXTRA[2] - IFLANCHA[1] + IFLANCHA[2] = -600;

Ahora, usted cree ingrese las sentencias para las restricciones que faltan. En el anexo 4 se muestra
como se han escrito las dems sentencias para que pueda ver si ha cometido algn error al utilizar
los operadores lgicos. En el anexo 5 se muestra el cdigo algebraico generado por AMPL luego de
ingresar el modelo completo.
En ocasiones, algunos modelos necesitan que se usen dos o ms operadores en una sola sentencia.
Para esto en AMPL se cuenta con los operadores lgicos and y or. Se va a usar el ejemplo 2 para
explicar su uso.
Ejemplo 2
Una empresa hace 3 tipos de productos, 1, 2 y 3 y desea obtener el plan de produccin para los
siguientes dos meses de acuerdo a algunas condiciones de demanda en el mercado y las
limitaciones que tiene en su planta.
El producto 1 se vende a 15 UM, el 2 a 20 UM y el 3 a 10 UM. Para producir el producto 1 demora

0.12 horas, para el producto 2 demora 0.15 horas y para el producto 3 demora 0.08 horas. Sabe
que la demanda mnima del producto 2 para el mes 1 es igual a 100 y que la demanda mxima de
37
los productos 1 y 3 para ambos meses es de 500 y 650 respectivamente. El tiempo disponible por
para cada mes es de 200 horas y 270.
A continuacin, se procede a mostrar el archivo .mod y .dat para el ejemplo 2.
Archivo Ejemplo2_guia3.mod:
set Periodos := 1..2;

set Matriz := {Productos, Periodos};
param Tiempo {Productos};

param T_disponible {Periodos};
param D_min;
param PV {Productos};
param D_max {Matriz};
var Prod {Matriz};
maximize Ganancias:
sum {(i,j) in Matriz} Prod[i,j] * PV[i];
subject to Tiempo_maximo {j in Periodos}:

sum {i in Productos} Prod[i,j] * Tiempo [i] <= T_disponible[j];
Este operador lgico se usa para que

la restriccin se genere solo para el
producto 2 en el mes 1
subject to Demanda_minima {(i,j) in Matriz: i=2 and j=1}:

Prod[i,j] >= D_min;
Este operador lgico se usa para que la
restriccin se genere solo para los
productos 1 y 3
subject to Demanda_maxima {(i,j) in Matriz: i=1 or i=3}:

Prod[i,j] <= D_max[i,j];
Archivo Ejemplo2_guia3.dat:
param D_min := 100;
param PV:=
1 15
2 20
3 10;
param Tiempo:=
1 0.12
2 0.15
3 0.08;
38
param T_disponible:=
1 500
2 650;
param D_max :
1 2 :=
1 500 500
2 0 0
3 650 650;
Use el comando expand para observar el cdigo algebraico. En el anexo 6 puede observar todo el
cdigo algebraico de este modelo.
Si desea ms informacin sobre cmo usar los operadores lgicos puede leer el captulo 7 del libro
The AMPL Book.
3. LA FUNCION IF-THEN-ELSE
Como pudo notar en el ejemplo 1, para poder hacer las ecuaciones de inventarios tuvo que crear
dos diferentes sentencias, una para el mes 1 y otra para los dems meses. Esto puede evitarse
usando la funcin if-then-else.
if a then b else c.
Donde a es un expresin lgica. Si a es verdadera, la expresin condicional toma el valor de b; si la

expresin a es falsa, la expresin toma el valor de c. En caso c sea cero, la parte else de la funcin
puede ser obviada.
A continuacin se muestra como se ha escrito la sentencia con la funcin if-then-else.
subject to Produccion {i in Periodo}:
(if i=1 then II else IFLANCHA[i-1]) + PRODNORMAL[i] + PRODEXTRA[i] -
DEMANDA[i] = IFLANCHA[i];
Tenga en cuenta que la funcin if-then-else ha sido escrita entre parntesis en la restriccin,
en caso no se usaran los parntesis ( ) la funcin en AMPL reconocera que si i=1 entonces se
debe devolver el valor de II y en caso i>1 entonces se debe devolver IFLANCHA[i-1] +
PRODNORMAL[i] + PRODEXTRA[i] - DEMANDA[i]cuando para i>1 solo se debe devolver el
valor IFLANCHA[i-1].
Use el comando expand y podr notar que el cdigo algebraico que se genera es el mismo que
cuando tena dos sentencias para la misma restriccin.

39
Cuidado:
La funcin if-then-else no puede ser escrita de la siguiente manera:
subject to Produccion {i in Periodo}:

if i=1 then II + PRODNORMAL[i] + PRODEXTRA[i] - DEMANDA[i] =
IFLANCHA[i] else IFLANCHA[i-1]) + PRODNORMAL[i] +
PRODEXTRA[i] - DEMANDA[i] = IFLANCHA[i];
ya que solo puede colocarse colocar signos como >, <, >= <= al final de la restriccin
y no en medio de la funcin.
Si desea ms informacin sobre cmo utilizar la funcin if-then-else puede leer los captulos 7
y 13 del libro The AMPL Book que se encuentra disponible en la pgina web de AMPL.
4. PROBLEMAS PROPUESTOS
Problema 1 (tomado y adaptado de Ros (1998))
Formule un modelo de programacin lineal usando el lenguaje de modelado de AMPL. Asimismo

genere el cdigo algebraico, resuelva el modelo e interprete sus resultados.
Un alimento se produce mediante refinado y mezcla de cinco tipos de sustancias lquidas de dos
clases: artificiales y naturales. Cada sustancia puede adquirirse para reparto inmediato o futuro. La
tabla 6 muestra los precios en cierta moneda por cada kilogramo de las sustancias para el primer
semestre del ao entrante.
Tabla 6: Precio por kilogramo de las sustancias

Sustancia
Mes
Artificial 1 Artificial 1 Natural 1 Natural 2 Natural 3
Enero 130 140 150 130 135
Febrero 150 150 130 110 135
Marzo 130 160 150 120 115
Abril 140 130 140 140 145
Mayo 120 140 170 130 125
Junio 110 120 160 100 155
El precio de venta del producto es de 170 u.m. por kilogramo de sustancia refinada.
A lo sumo se puede refinar 320 kilogramos de sustancias artificiales y 350 kg de sustancias naturales
por mes. El proceso de refinado se realiza sin prdida de peso y sin costo. Adems, se puede
almacenar hasta 1360 kg de cada sustancia para su posterior uso, con costo de almacenamiento
de 6 u.m./kg. No es posible almacenar el alimento ni las sustancias refinadas. Existe adems una
restriccin tecnolgica sobre la dureza del alimento que debe estar entre 5 y 7 unidades. Se supone
que las durezas de las sustancias se mezclan linealmente, tales datos se muestran en la tabla 7.
40
Tabla 7: Dureza de cada sustancia
Dureza
Artificial 1 Artificial 2 Natural 1 Natural 2 Natural 3
9.5 7.1 3.4 5.2 4.8
Se comienza con un inventario de 730 kg de cada sustancia y se desea disponer de ese mismo
inventario al final de junio.
El negocio requiere definir una poltica de compra y produccin de mximo beneficio.
41
Anexo 4
set Periodo = 1..6;
param COSTONORMAL {Periodo};

param COSTOEXTRA {Periodo};
param CAPNORMAL {Periodo};
param DEMANDA {Periodo};
param II;
param COSTOALMACEN;
param PRODMIN;
param PRODMAXTEX12;
param PRODMAX;
var PRODNORMAL {Periodo} >=0;

var PRODEXTRA {Periodo} >=0;
var IFLANCHA {Periodo} >=0;
sum {i in Periodo} (COSTONORMAL[i] * PRODNORMAL[i] + COSTOEXTRA[i]
* PRODEXTRA[i]) + sum {i in Periodo: i<=5} COSTOALMACEN *
IFLANCHA[i] + COSTOALMACEN * II;
#RESTRICCIONES
subject to Produccion_mes1 {i in Periodo: i=1}:
IFLANCHA[i] = II + PRODNORMAL[i] + PRODEXTRA[i] - DEMANDA[i];
subject to Produccion_otros_meses {i in Periodo: i>1}:

IFLANCHA[i] = IFLANCHA[i-1] + PRODNORMAL[i] + PRODEXTRA[i] -
DEMANDA[i];
#Capacidad maxima
subject to Capacidad_maxima {i in Periodo}:
PRODNORMAL[i] <= CAPNORMAL[i];
#Produccion minima en los dos primeros meses

subject to Prod_min {i in Periodo: i<=2}:
PRODNORMAL[i] >= PRODMIN;
#Produccion maxima en tiempo extra en los dos primeros meses

subject to Tmax_ext {i in Periodo: i<3}:
PRODEXTRA[i] <= PRODMAXTEX12;
#Produccion maxima total en los ultimos tres meses

subject to Tmax_total {i in Periodo: i>=4}:
PRODNORMAL[i] + PRODEXTRA[i] <= PRODMAX;
42
Anexo 5
Funcin objetivo:

550*PRODEXTRA[1] + 580*PRODEXTRA[2] + 610*PRODEXTRA[3] + 640*PRODEXTRA[4]
+ 670*PRODEXTRA[5] + 700*PRODEXTRA[6] + 15*IFLANCHA[1] + 15*IFLANCHA[2] +
15*IFLANCHA[3] + 15*IFLANCHA[4] + 15*IFLANCHA[5] + 300;
Ecuaciones de inventario:

Capacidad mxima:
PRODNORMAL[1] <= 200;

Produccin mnima en los primeros dos meses:
PRODNORMAL[1] >= 50;

PRODNORMAL[2] >= 50;
Produccin mxima en los primeros dos meses en tiempo extra:
PRODEXTRA[1] <= 350;

PRODEXTRA[2] <= 350;
Produccin mxima total en los ltimos tres meses:
PRODNORMAL[4] + PRODEXTRA[4] <= 550;

43
Anexo 6
Funcin objetivo:
15*Prod[1,1] + 15*Prod[1,2] + 20*Prod[2,1] + 20*Prod[2,2] + 10*Prod[3,1] +

10*Prod[3,2];
Tiempo mximo disponible:
0.12*Prod[1,1] + 0.15*Prod[2,1] + 0.08*Prod[3,1] <= 500;

0.12*Prod[1,2] + 0.15*Prod[2,2] + 0.08*Prod[3,2] <= 650;
Demanda mnima del producto 2 para el periodo 1:
Prod[2,1] >= 100;
Demanda mxima para los productos 1 y 3:
Prod[1,1] <= 500;

Prod[1,2] <= 500;
Prod[3,1] <= 650;
Prod[3,2] <= 650;
44
CUARTA GUA DE AMPL
En la cuarta gua importamos y exportamos datos usando el AMPL.

Aprender a crear y ejecutar un archivo .run.
Importar y exportar datos usando Excel.
Conocer la utilidad y aplicaciones de un archivo .run.
1. COMO CREAR Y EJECUTAR UN ARCHIVO .run
Para ver la aplicacin de un archivo .run se usar el modelo Ejemplo1.mod de la gua 1 cuyo
cdigo era el siguiente:
var A;
var B;
maximize Utilidad: 7*A + 3*B;
subject to Tiempo_disponible: 0.1*A + 0.2*B <= 80;
subject to Demanda_max_A: A <= 200;
subject to Demanda_max_B: B <= 160;
Si usted desea conocer el valor de la funcin objetivo y el de las variables tendra que escribir una
serie de cdigos en la ventana de comandos; y en caso realizara algn cambio en el modelo tendra
que usar el comando reset y volver a escribir todo el cdigo para resolver el modelo nuevamente.
Este procedimiento se vuelve engorroso cuando se trabaja a gran escala y con modelos ms
complejos. Por ello, a continuacin va a aprender cmo utilizar un archivo .run que va a facilitar
mucho el proceso de resolver varias veces un mismo modelo.
El proceso para crear un archivo .run es similar al de los archivos .mod y .dat con ayuda del
cono New File. La diferencia est en que ahora se deber escoger la opcin .run en la extensin
de archivo como se muestra en la figura 19. Para el ejemplo se usar el nombre Run1.
Figura 19: creacin de un archivo run
Como observar, se abri una nueva pestaa en la ventana de modelado. En este nuevo archivo
escriba lo siguiente:
45
model Ejemplo1.mod;
solve;
display A,B;
reset;
Estos son los cdigos que normalmente tendra que escribir en la ventana de comandos para
obtener el valor de la funcin objetivo y de las variables. Sin embargo, al estar en la ventana de
modelado, no se ejecuta la solucin tras escribir las sentencias. Otra diferencia que resalta es el
color de las palabras. Grabe el archivo .run y para poder ejecutarlo en AMPLIDE deber ingresar
el siguiente cdigo en la ventana de comandos:
ampl: include Run1.run;
A continuacin se mostrar automticamente el reporte de la solucin ptima y el valor de las

variables. Si desea modificar algo en el modelo original, simplemente tendr que grabarlo y ejecutar
el archivo .run en la ventana de comandos. No tendr que escribir todo el cdigo nuevamente pues
ya est en el archivo .run, note que en este archivo tambin se incluye el comando reset, para que
se borre la memoria del software y pueda resolver nuevamente el modelo sin ningn problema.
2. IMPORTACIN Y EXPORTACIN DE DATOS USANDO EXCEL
Normalmente, cuando se desea resolver modelos de optimizacin, la informacin requerida se

encuentra en archivos Excel, ya que permite manejar tablas de datos, y en muchos casos pasar los
datos de Excel al archivo .dat de AMPL puede ser engorroso debido a la gran cantidad de datos
que se podran manejar. Por ello, en esta gua se explicar cmo importar y exportar datos de y
hacia archivos Excel.
Se usar el ejemplo 1 de la gua 2 para explicar el proceso de importacin y exportacin de datos.
A continuacin se procede a mostrar el modelo matemtico del Ejemplo 1 traducido a lenguaje AMPL
y que usted trabaj en la gua 2. Podr encontrarlo en la intranet con el nombre de
Ejemplo1_guia4.mod dentro de la carpeta Cuarta gua de la carpeta Guas de laboratorio.

set ProcesoMP := 1..5;
set Matriz2 := {Productos,ProcesoMP};

param Demandamin {Productos};
param Tiempo_prod {Matriz1};
param MP {Matriz2};
var P {i in Productos};
46
sum {i in Productos} Tiempo_prod[i,j] * P[i] <= RecursoT[j];

subject to Minimo {i in Productos}:

P[i] >= Demandamin[i];
subject to Maximo {i in Productos}:

2.1. Declaracin de los nombres de las tablas en Excel
Ingrese a su intranet y dentro de la carpeta Gua de laboratorio encontrar la carpeta Cuarta gua
donde est el archivo Cuarta gua ejemplo 1.xlsx, descrguelo ya que en l se encuentran los
datos de todos los parmetros necesarios para resolver el Ejemplo 1 de la segunda gua. En la
figura 20 se muestran dichos datos.
Tenga en cuenta:
Al inicio de cada una de las columnas de
datos se ha escrito el nombre del
parmetro tal y como fue declarado en
el archivo .mod.
Por ejemplo, en la celda C1 se ha escrito
el nombre Demandamin y en las
siguientes 20 celdas se ha ingresado la
demanda mnima que le corresponde a
cada producto
Figura 20: seleccin de datos
En el mismo archivo Excel tambin se ha creado una tabla a la cual se exportarn los resultados de
la variable P, que empieza en la celda A24. En la figura 21 se muestra dicha tabla. En la columna
B24 se ha escrito el nombre de la variable de la cual se van a exportar los resultados. Recuerde que
el nombre de la variable que escriba en el archivo debe ser exactamente el mismo que utiliz en el
archivo .mod.
47
Figura 21: columna donde se exportarn los datos
Debe usar el administrador de nombres para darle un nombre a cada una de las tablas y AMPL
pueda reconocerlas para importar o exportar datos.
Para nombrar cada una de las tablas debe ir a la pestaa Frmulas y luego presionar el cono
Administrador de nombres. Se desplegar la ventana que se muestra en la figura 22.
Figura 22: administrador de nombres
En la ventana Administracin de nombres presione el botn Nuevo y se desplegar la ventana

Editar nombre que se observa en la figura 5. En el campo Nombre: anote el nombre que desea
darle a la tabla, por ejemplo Prod_par. Luego en el campo Hace referencia a: seleccione en la
hoja de clculo el rango en donde estn los datos de dicha tabla, en este ejemplo el rango es:
48
A1:D21 (vase la figura 18); la figura 23 presenta el rango seleccionado, ntese que en una sola
tabla se estn ingresando los valores de varios parmetros. Presione el botn Aceptar y Excel
retornar a la ventana Administracin de nombres.
Figura 23: valores de varios parmetros
Haga lo mismo para las tablas donde se muestran los datos de RecursoMP y RecursoT.
Ahora vamos a declarar los nombres de las matrices que tienen los datos de los parmetros MP y
Tiempo_prod. Para el caso de la matriz Tiempo el rango que debera ingresar es O2:V22.
En la figura 24 se muestra como se ha declarado el nombre de la matriz Tiempo_prod. Ahora haga

lo mismo para la matriz MP.
Tenga en cuenta:
El nombre que utilice para una
tabla no puede ser igual que el
de un parmetro, variable,
funcin objetivo o restriccin-
Figura 24: declarando la matriz tiempo
Tambin se debe declarar el nombre de la tabla donde se van a exportar los datos de la variable P.
En la figura 25 se muestra como se ha declarado el nombre de esa tabla.
Figura 25: declarando el nombre de la matriz resultados
49
Luego de declarar los nombres de todas las tablas donde estn los datos que necesita para resolver
el modelo, la ventana Administrador de Nombres de su archivo Excel se debera ver como la de la
figura 26.
Figura 26: administrador de nombres
Cuidado:
En el campo Hace referencia a: deber colocar todo el rango de la tabla, incluyendo las
celdas donde estn los nombres de los parmetros y la columna donde estn los miembros
de los sets a los que est indexado cada parmetro.
Por ejemplo, para la matriz Tiempos se debe incluir la fila P2:V2 y la columna donde estn
los miembros del set Productos, cuyas celdas son O2:O22.
2.2. Declaracin de tablas en AMPL para lectura de datos vectoriales
A continuacin se muestra el cdigo que se debe ingresar en el archivo Cuarta_guia.run para

declarar la tabla Prod_par en AMPL.
table Prod_par IN 'tableproxy' 'odbc' 'Cuarta guia ejemplo 1.xlsx':
[Productos], Margen, Demandamin, Demandamax;
Pero qu significa
todo ese cdigo?
50
A continuacin, se va a explicar que significa cada una de las partes del cdigo:
Cdigo que utiliza AMPL Nombre del archivo donde se encuentra la tabla declarada. Se
para reconocer una tabla debe agregar la extensin, que puede ser .xls, .xlsx o .xlsz
Nombre de la tabla. Debe ser Cdigo que utiliza AMPL saber leer archivos de Excel. La
el mismo que declaro en Excel palabra IN debe ir en mayscula. Siempre se debe ingresar
Indica que los valores de la primera columna Indica que los datos de la segunda columna sern
de la tabla Prod_par, que empieza con la asignados al parmetro Margen, los de la tercera al
palabra Productos, son los 20 miembros del parmetro Demandamin y los de la cuarta a Demandamax
set Productos
Ahora usted declare en el archivo Cuarta_guia.run las dems tablas de datos vectoriales que faltan
en para resolver en modelo. Recuerde que debe grabar su archivo.
2.3. Declaracin de tablas en AMPL para lectura de datos matriciales
A continuacin se va a mostrar el cdigo que se debe ingresar en el archivo Cuarta_guia.run para

declarar la tabla Tiempos en AMPL.
table Tiempos IN 'tableproxy' 'odbc' 'Cuarta guia ejemplo 1.xlsx':
[i ~ Productos], {j in Procesos} <Tiempo_prod[i,j] ~ (j)>;
La primera lnea de cdigo tiene exactamente la misma sintaxis que en el caso de datos vectoriales,
por lo que slo se explicar que significa la segunda lnea de cdigo:
Asocia los valores de la Lee los valores de cada celda y los va almacenando, esto
primera columna de la es, para i=1 va a leer y almacenar los valores que tendra
tabla al set Productos Tiempo_prod[1,1], Tiempo_prod[1,2], etc.
Ahora usted ingrese en su archivo Cuarta_guia.run el cdigo para declarar la matriz MP.
Luego de declarar todas las tablas en su archivo Cuarta_guia.run usted debera tener el siguiente
cdigo:
51
table MPdisp IN 'tableproxy' 'odbc' 'Cuarta guia ejemplo 1.xlsx':

[ProcesoMP], RecursoMP;
table T_disp IN 'tableproxy' 'odbc' 'Cuarta guia ejemplo 1.xlsx':

[Procesos], RecursoT;

table Materia_prima IN 'tableproxy' 'odbc' 'Cuarta guia ejemplo

1.xlsx':
[i ~ Productos], {j in ProcesoMP} <MP[i,j] ~ (j)>;
Cuidado:
Recuerde que debe guardar el archivo Excel del que va a importar los datos en la misma
carpeta de los archivos .mod y .run, de lo contrario deber colocar toda la ruta donde
se encuentra el archivo. Tendra que ser de la siguiente manera:
table MPdisp IN 'tableproxy' 'odbc' 'Users\Desktop\Cuarta guia

ejemplo 1.xlsx':
2.4. Declaracin de tablas en AMPL para escritura de variables vectoriales
En el ejemplo mostrado, solo se tiene que exportar los resultados de la variable P. A continuacin
se va a mostrar el cdigo que se debe ingresar para declarar en AMPL la tabla donde se van a
exportar esos resultados.
table Resultados OUT 'tableproxy' 'odbc' 'Cuarta guia ejemplo 1.xlsx':
[Productos], P;
Como puede notar, la sintaxis es exactamente la misma que cuando se quiere declarar tablas para
lectura de datos, solo que en vez de usar la palabra IN se usa la palabra OUT, la cual tambin debe
ser escrita en maysculas.
2.5. Declaracin de tablas en AMPL para escritura de variables matriciales
Como para el Ejemplo 1 no se tienen variables matriciales se usar el Ejemplo 2 para explicar la
exportacin de variables matriciales. No se va a explicar sobre qu trata dicho ejemplo, solo se le
proporcionar el archivo .mod con el cdigo. En su intranet, en la carpeta Cuarta guia encontrar
los archivos Cuarta gua ejemplo 2.xlsx, Ejemplo2_guia4.mod, Ejemplo2_guia4.dat y
Ejemplo2_guia4.run, descrguelos y notar que en archivo .mod se encuentra el siguiente
cdigo:
set Inicio := 1..5;
set Destinos := 1..5;
set Matriz := {Inicio,Destinos};
52
param Distancias {Matriz};
var u {Inicio};
var X {Matriz} binary;
minimize Distancia_total:
sum {(i,j) in Matriz:i<>j} X[i,j] * Distancias[i,j];
subject to Todo_entra {i in Inicio}:

sum {j in Destinos:i<>j} X[i,j] = 1;
subject to Todo_sale {i in Inicio}:

sum {j in Destinos:i<>j} X[j,i] = 1;
subject to subtours {(i,j) in Matriz: i>1 and j>1 and i<>j}:

u[i] - u[j] + card(Inicio) * X[i,j]<= card(Inicio)-1;
En el archivo .dat estn los valores del parmetro Distancias y en el archivo .run va a encontrar
el siguiente cdigo:
model Ejemplo2_guia4.mod;
data Ejemplo2_guia4.dat;
table Result OUT 'tableproxy' 'odbc' 'Cuarta guia ejemplo 2.xlsx':

{i in Inicio} -> [Inicio], {j in Destinos} <X[i,j] ~ (j)>;
option solver cplex;

display Distancias;
solve;
write table Result;
La sentencia para escribir los resultados en el archivo Excel es la siguiente:

table Result OUT 'tableproxy' 'odbc' 'Cuarta guia ejemplo 2.xlsx':
Como puede notar, la sentencia es muy parecida a la que se utiliz para leer datos matriciales, solo
que en este caso se usa la palabra OUT en vez de IN. A continuacin se va a explicar con
detenimiento la segunda lnea del cdigo:
Asocia los valores de la primera Exporta los valores de las variables en cada celda de la tabla, esto
columna de la tabla al set Inicio es, para i=1 va a exportar el valor X[1,1], X[1,2], X[1,3] y as
sucesivamente
Nombre de la primera celda de la

primera columna de la tabla
Ejecute el archivo .run y notar que en el archivo Excel se han exportado los resultados de la
variable X.
53
2.6. Comandos read table y write table
Hasta ahora solo ha declarado las tablas que va a necesitar para

poder obtener los valores de los parmetros y exportar los valores de
las soluciones, pero an no ha usado el comando para leer o escribir Tenga en cuenta:
datos. El comando write table se ha
escrito despus de resolver el
Para leer los datos de una tabla debe usar el comando read table y modelo ya que si lo
para escribir los resultados de una variable en un archivo de Excel pusiramos antes la variable
debe usar el comando write table. A continuacin se muestra como tendra valor de 0.
se deben escribir dichos comandos en el archivo .run.
read table Prod_par;
read table MPdisp;
read table T_disp;
read table Tiempos;
read table Materia_prima;
write table Resultados;

Complete estos comandos en su archivo .run.
Finalmente, ya que ha declarado todas las tablas que necesita y ha escrito los comandos para leer
y escribir datos, su archivo .run debera quedar de la siguiente forma. En caso no sea as complete
lo que le falte para que quede exactamente igual.
model Ejemplo1_guia4.mod;

table MPdisp IN 'tableproxy' 'odbc' 'Cuarta guia ejemplo 1.xlsx':

table T_disp IN 'tableproxy' 'odbc' 'Cuarta guia ejemplo 1.xlsx':

[Procesos], RecursoT;

table Materia_prima IN 'tableproxy' 'odbc' 'Cuarta guia ejemplo 1.xlsx':

[i ~ Productos], {j in ProcesoMP} <MP[i,j] ~ (j)>;
table Resultados OUT 'tableproxy' 'odbc' 'Cuarta guia ejemplo 1.xlsx':

[Productos], P;
read table Prod_par;

read table MPdisp;
read table T_disp;
read table Tiempos;
read table Materia_prima;
option solver cplex;
solve;
write table Resultados;
Si desea ms informacin sobre cmo exportar e importar datos con AMPL y Excel lea el captulo
10 del libro The AMPL Book.
54
Datos importantes:
Tambin se puede leer y escribir datos cuando hay parmetros o variables indexadas
a tres sets. Se utilizar el siguiente ejemplo:
Una empresa produce 2 productos, usando 2 mquinas en 2 diferentes turnos. Se
tienen costos diferentes dependiendo del horario, mquina y producto. Mostraremos
slo la declaracin de sets, parmetros y variables.

set Maquinas := 1..2;
set Dias := 1..2;
set Matriz := {Productos, Maquinas, Dias};
param Costo {Matriz};
var Prod {Matriz};
En la figura siguiente se muestra como deberan ordenarse las tablas
Para declarar el nombre de la tabla de costos en Excel deber seleccionar el rango

A1:D9 y para la tabla de resultados deber seleccionar el rango F1:I9.
A continuacin se mostrar el cdigo para declarar la tabla de donde se van a leer los
datos.
table Costo_Prod IN 'tableproxy' 'odbc' 'Ejemplo 3 set.xlsx':
[Producto, Maquina, Dia], Costo;
Donde [Producto, Maquina, Dia] se refiere a que la primera, segunda y tercera

columna es donde se coloca los miembros de los sets y en la siguiente columna estarn
los valores de los parmetros.
table Resultado OUT 'tableproxy' 'odbc' 'Ejemplo 3 set.xlsx':
[Producto, Maquina, Dia], Prod;
Donde [Producto, Maquina, Dia] se refiere a que la primera, segunda y tercera

columna es donde se coloca los miembros de los sets y en la siguiente columna se
exportarn los valores de la variable.
55
2.7. UTILIDAD DE UN ARCHIVO .run
Puede que usted se est preguntando porque est usando un archivo

.run para la declarar tablas, leer y escribir datos en Excel. Pero recuerde
que un archivo .run es un ejecutable, esto significa que todo el cdigo
que ha escrito en l podra escribirlo directamente en la ventana de
comandos, slo que tendra que escribir todos los comandos cada vez
que quiera resolver un modelo usando Excel. Si desea probarlo, en su
ventana de comandos escriba lo siguiente:
ampl: model Ejemplo1_guia4.mod;

ampl: table Prod_par IN 'tableproxy' 'odbc' 'Cuarta gua ejemplo1.xlsx':
ampl? Productos <- [Productos], Margen, Demandamin, Demandamax;
ampl: table MPdisp IN 'tableproxy' 'odbc' 'Cuarta gua ejemplo1.xlsx':
ampl? ProcesoMP <- [ProcesoMP], RecursoMP;
ampl: table T_disp IN 'tableproxy' 'odbc' 'Cuarta gua ejemplo1.xlsx':
ampl? Procesos <- [Procesos], RecursoT;
ampl: table Tiempos IN 'tableproxy' 'odbc' 'Cuarta gua ejemplo1.xlsx':
ampl? [i ~ Productos], {j in Procesos} <Tiempo_prod[i,j] ~ (j)>;
ampl: table Materia_prima IN 'tableproxy' 'odbc' 'Cuarta gua
ejemplo1.xlsx':
ampl? [i ~ Productos], {j in ProcesoMP} <MP[i,j] ~ (j)>;
ampl: table Resultados OUT 'tableproxy' 'odbc' 'Cuarta gua
ejemplo1.xlsx':
ampl? Productos <- [Productos], P;
ampl: read table Prod_par;
ampl: read table MPdisp;
ampl: read table T_disp;
ampl: read table Tiempos;
ampl: read table Materia_prima;
ampl: option solver cplex;
ampl: solve;
ampl: write table Resultados;
Usted puede pensar que no es muy complicado escribir esta

sentencia, no obstante tenga en cuenta que basta con que se
equivoque en una sola letra para que tenga que escribir de
nuevo todo. Imagine que en vez de escribir read table
MPdisp; usted escribe read table MPdis; esto le
devolvera un error por parte de AMPLIDE y tendra que
reescribir todo otra vez, desde model
Ejemplo1_guia4.mod;.
56
QUINTA GUA DE AMPL
En la quinta gua se explicaran los comandos LET, FIX, UNFIX, FOR y REPEAT usando
el AMPL.

Aprender a usar los comandos de ejecucin let, fix y unfix.
Aprender a usar los comandos de ejecucin for y repeat.
Nociones previas
A lo largo de esta gua se va a aprender cmo crear scripts (ejecutables) y modificarlos, de manera
que se pueda evaluar diferentes escenarios que podran proporcionar diferentes soluciones para un
mismo modelo y que ayudarn en la toma de decisiones.
A lo largo de esta gua se usar el ejemplo 1 de la gua 2 para todos los ejemplos. Para ello, en su
intranet se encuentran los archivos del modelo y de datos con los nombres de Ejemplo_guia5.mod
y Ejemplo_guia5.dat.
1. COMANDOS DE MODELADO LET, FIX Y UNFIX
A continuacin se detallar los comandos let, fix y unfix, adems de desarrollar ejercicios y analizar
sus ventajas.
1.1. El comando let
El comando let permite cambiar valores en un modelo sin tener que cargar nuevamente el modelo
o cambiar algo en el archivo de datos. Como ejemplo, en el Ejemplo_guia5.mod se analizar cul
de sus restricciones tendra que incrementar para poder aumentar las utilidades y se usar el
comando let para incrementar el recurso requerido.
ampl: model Ejemplo_guia5.mod;

ampl: data Ejemplo_guia5.dat;
ampl: solve;
CPLEX 12.6.3.0: optimal solution; objective 50289.23077
1 dual simplex iterations (0 in phase I)
ampl: display Tp.slack;

Tp.slack [*] :=
1 27.4438
2 9.4797
3 29.0435
4 38.8285
5 24
6 21.1441
7 0;
Se puede observar que el proceso 7 est empleando el total de tiempo disponible, es por esto que
se incrementar el lmite a 400 horas. Eso se realiza de la siguiente manera:
57
ampl: let RecursoT[7] := 400;
ampl: solve;
CPLEX 12.6.3.0: optimal solution; objective 50655
1 simplex iterations (0 in phase I)
Al incrementar el tiempo disponible para el proceso 7 se ha incrementado la cantidad de unidades

producidas y por tanto el valor de la funcin objetivo.
Ahora se va a incrementar la cantidad mxima de cada producto. Para hacerlo se usar una
expresin indexada para que con solo una sentencia se incremente la cantidad mxima de todos
los productos. No use el comando reset.
ampl: let {i in Productos} Demandamax[i] := 1.1 * Demandamax [i];

ampl: solve;
En el caso anterior se est incrementando en 10% la cantidad mxima de todos los productos, pero
tambin se podra definir la misma cantidad mxima para todos los productos, que se hara de la
siguiente manera:
ampl: let {i in Productos} Demandamax[i] := 180;

ampl: solve;
Datos importantes:
Al usar la expresin indexada con el comando let se ha utilizado el ndice i, que es el

mismo que se usa a lo largo del modelo, pero tambin puede usar otro ndice, por ejemplo,
use el ndice h y notar que ocurre lo mismo.
let {h in Productos} Demandamax[h] := 1.1 * Demandamax[h];
1.2. Los comandos fix y unfix
El comando fix sirve para asignar valores a las variables, como si se hubiera colocado una restriccin
en el modelo a que obligara a las variables a tomar ciertos valores arbitrarios; y, el comando unfix
sirve para revertir este efecto. Por ejemplo, para el ejemplo 1 de la gua 2 se va a asignar los valores
de la demanda mnima a la variable P.
ampl: model Ejemplo_guia5.mod;

ampl: data Ejemplo_guia5.dat;
ampl: let {i in Productos} P[i] := Demandamin[i];
ampl: fix {i in Productos} P[i];
ampl: solve;
All variables fixed; Para fijar los valores de todas

objective Utilidades = 2081.25. las variables P se debe usar
una expresin indexada
ampl: display P;
P [*] :=
58
1 10
2 15
3 0
4 0
5 10
6 0
7 10
8 0
9 20
10 25
11 15
12 10
13 0
14 0
15 0
16 10
17 0
18 0
19 0
20 0
;
Para revertir el comando fix se ingresa el siguiente cdigo en la ventana de comandos:
ampl: unfix {i in Productos} P[i];
Si se resuelve nuevamente el modelo notar que ahora si se obtiene la cantidad ptima a producir
de cada producto de acuerdo a las restricciones planteadas.
ampl: solve;
ampl: display P;
P [*] :=
1 150
2 80
3 90
4 100
5 180
6 150
7 122.906
8 145
9 100
10 110
11 150
12 160
13 165
14 155
15 150
16 250
17 150
18 200
59
19 250
20 180
;
2. COMANDO FOR: ITERACION DE SENTENCIAS
AMPL tiene comandos que permiten iterar sentencias automticamente, de manera que se puedan
realizar varias de las operaciones que se desarrollaron en los ejemplos de sta gua usando menor
cantidad de sentencias. El comando for ejecuta un grupo de sentencias en un archivo .run un
determinado nmero de veces.
Para realizar un anlisis del Ejemplo_guia5.mod, el cual encontrar en la intranet, en la carpeta

Quinta gua, se crear un archivo .run que permitir resolver tres veces el problema
incrementando en cada iteracin un 5% a RecursoT y un 10% a Demandamax.
model Ejemplo_guia5.mod;
data Ejemplo_guia5.dat;
for {1..3} {
let {i in Procesos} RecursoT[i] := RecursoT[i] * 1.05;
let {h in Productos} Demandamax[h] := Demandamax[h] * 1.1;
solve;
display P;
}
Esta forma de analizar un modelo se entiende mejor con modelos ms grandes o cuando se desea
crear bucles con iteraciones ms complicadas y que permitan entender mejor los resultados sin
necesidad de tener que mover los datos. Para ejemplificar esto se va a crear un nuevo archivo .run
que devuelva una tabla final donde se muestren los resultados de la variable P y otra donde se
muestren los valores obtenidos en la funcin objetivo para cada iteracin.
set iteracion := 1..3;

set Compuesto := {Productos,iteracion};
param Ganancias {iteracion};
param Prod {Compuesto};
for {a in iteracion} {
solve;
display P;
let Ganancias[a] := Utilidades;
let {h in Productos} Prod[h,a] := P[h];
display Ganancias;
display Prod;
}
Se han creado dos nuevos sets: el set iteracion, se usa para las iteraciones del bucle for, de
manera que a=1 es la primera iteracin, a=2 la segunda y a=3 la tercera; y, el set Compuesto
que se usar para la tabla que en la que se mostrar los valores de la variable P en cada iteracin.
60
Tambin se han creado los parmetros Ganancias, que es donde se va a almacenar el valor de la
funcin objetivo, y Prod, que se usar para mostrar la tabla con los valores de la variable P en
cada iteracin.
3. COMANDO REPEAT: ITERAR RESPECTO A UNA CONDICION
El comando repeat no tiene un nmero mximo de iteraciones, sino que se detiene cuando se
cumple una determinada condicin.
Retornando al anlisis del Ejemplo_guia5.mod, ahora se desea conocer cul debera ser la
demanda mxima de cada producto y la cantidad de horas que se deberan contratar para que se
tenga por lo menos una ganancia de 60 000 U.M.. Por ello se debe especificar que el bucle se
detendr cuando el valor de la funcin sea mayor que 60 000 U.M. usando el comando repeat de la
siguiente manera:
repeat while Utilidades < 60000 {...};

repeat until Utilidades > 60000 {...};
repeat {...} while Utilidades < 60000;
repeat {...} until Utilidades > 60000;
Cree un archivo .run con el cdigo que se le muestra a continuacin que permitir conocer la
cantidad a producir de cada producto hasta que por lo menos se tenga una utilidad de 60 000 U.M.
repeat while Utilidades < 60000 {

solve;
display P;
}
61
Datos importantes:
Cul es la diferencia entre escribir primero la condicin y luego la sentencia

y hacerlo al revs?
Cuando se escribe primero la condicin el bucle la analiza y en caso sea verdadera

se ejecuta la iteracin; cuando la condicin se escribe al final se ejecuta la iteracin
sin importar si al inicio la condicin es verdadera o no.
Para ejemplificarlo cree un archivo .run con el siguiente cdigo:
repeat while Utilidades > 60000 {

solve;
display P;
}
Notar que luego de ejecutarlo, AMPLIDE no resuelve el problema y cuando ejecuta

el cdigo
ampl: display Utilidades;
Utilidades tiene valor de 0, esto es debido a que la condicin obliga a que se

ejecute el bucle solo cuando Utilidades es mayor a 60000 U.M. y como
inicialmente su valor es 0 y no cumple con la condicin, el bucle no se ejecuta.
Ahora en su archivo .run ingrese el cdigo:
repeat {
let {h in Productos} Demandamax[h] := Demandamax[h] *
1.1;
solve;
display P;
} while Utilidades > 60000;
Notar que se ejecuta el bucle una sola vez, ya que luego de ejecutarlo el valor de
Utilidades es 53258.9 y no cumple con la condicin, por tanto, repeat se detendr.
62
PROBLEMAS PROPUESTOS
Problema 1
Una empresa de productos agrcolas se dedica a vender 5 tipos de frutas y verduras a clientes que
se ubican en la Unin Europea y Asia. La empresa tiene 4 plantas de produccin ubicadas en
diferentes lugares del pas y est pensando seriamente cerrar una de ellas debido a que sus ventas
han cado.
El gerente de la empresa conoce que usted es un consultor especializado en toma de decisiones

usando modelos de optimizacin y tiene muy buenas referencias de usted. Le menciona que desea
analizar cul de sus fbricas debera cerrar para que pueda tener las menores prdidas en el corto
plazo (6 meses); tambin le menciona que quisiera que lo ayude a determinar el plan ptimo de
produccin para cada una de las plantas que se mantendran abiertas.
Para poder desarrollar el trabajo usted le solicita al gerente que le proporcione algunos datos
importantes de produccin y demanda. ste se los manda por correo en un archivo Excel. Usted
podr encontrarlos en su intranet, en la carpeta AMPL/Archivos gua 5 con el nombre Datos
problema 1.
Usted investiga un poco en sus libros de Investigacin Operativa y encuentra el siguiente modelo
de programacin lineal que se aplica a sus necesidades:
Pijk: Cantidad en toneladas que la fbrica 1 va a producir del producto j

en el mes k.
i=1, planta 1; i=2, planta 2; i=3, planta 3; i=4, planta 4; j=1, producto 1; j=2,
producto 2; j=3, producto 3; j=4, producto 4; j=5, producto 5; k=1, mes 1; k=2,
mes 2; k=3, mes 3; k=4, mes 4; k=5, mes 5; k=6, mes 6.
Funcin objetivo:
Maximizar i=14j=15k=16(PVj Costoij) * Pijk
Restricciones:
i=14 Pijk = DEMANDAjk ; j=1,25; k=1,26
TIEMPOij*Pijk TMAX ; i=1,24; j=1,25; k=1,26
Eficij*Pijk DISPONIBLEij ; i=1,24; j=1,25; k=1,26
Pijk 0 ; i=1,24; j=1,25; k=1,26
El modelo de programacin lineal en lenguaje AMPL y el archivo de datos puede encontrarlos en la

intranet del curso, en la carpeta AMPL/Archivos gua 5 con los nombres Problema1_guia5.mod
y Problema1_guia5.dat.
Se pide:
a) Cree un archivo ejecutable .run que le permita analizar en una sola corrida qu fbrica se
debe cerrar de manera que se pueda minimizar las prdidas de utilidades.
63
b) En el archivo ejecutable .run que cre agregue las sentencias que considere necesarias de
manera que luego de resolver todos los escenarios se devuelva una tabla con el siguiente
formato:
Fabrica Utilidad total
cerrada
1 Monto 1
2 Monto 2
3 Monto 3
4 Monto 4
En la carpeta AMPL/Archivos gua 5 encontrar el archivo Problema1_guia5.run con la

solucin de la parte a).
Problema 2
Per se encuentra entre los pases latinoamericanos productores de caf oro o caf orgnico. Como
orgnico es denominado el caf que proviene de cultivos con un manejo agronmico que se
caracteriza por prcticas de conservacin del suelo, siembra a la sombra de rboles de mayor altura
(principalmente leguminosas) y la carencia de determinados agroqumicos y fertilizantes minerales.
La mayora del caf certificado cmo orgnico tiene adems el certificado de comercio justo (fair
trade), que garantiza a los productores un precio mnimo y acceso a un pre- financiamiento de la
cosecha por el comprador.
Los departamentos de Hunuco, Junn y Pasco son los principales productores de ste tipo de caf
en el pas. Los agricultores cultivan, cosechan y secan el caf para que posteriormente sea
transportado a Lima para ser trillado (se le quite la cscara), embalado y transportado a puerto para
su exportacin a Europa.
Las empresas trilladoras tienen algunos problemas al momento de comprar el caf de los
productores, ya que cada productor puede venderle caf con diferentes excesos de humedad en el
grano. Otro problema que tienen es que del total del caf, el 16% es de baja calidad, ya sea por
tamao de grano, color o peso y debe ser considerado como caf descarte, el cual se vende a un
precio mucho ms bajo que el caf oro.
Una de las empresas trilladoras de Lima tiene entre sus practicantes estudiantes de Ingeniera
Industrial de la PUCP, los cuales les comentaron que se pueden usar tcnicas de investigacin de
operaciones para optimizar el proceso de compra del caf y minimizar los gastos. Por ello el gerente
le ha pedido a usted que lo ayude a resolver el problema de minimizar el costo de compra y oreado
del caf.
Usted investiga y desarrolla un modelo de programacin lineal que le permita optimizar el proceso
de compra de caf minimizando el gasto.
Cafeij: Cantidad de caf en toneladas que se le comprar al producto i el
trimestre j.
i=1, productor 1; i=2, productor 2; i=3, productor 3; i=4, productor 4; i=5,
productor 5; i=6, productor 6; i=7, productor 7; j=1, trimestre 1; j=2, trimestre
2; j=3, trimestre 3; j=4, trimestre 4.
64
Funcin objetivo:
Minimizar i=14j=15 Cafeij * Humedad_excesoi * Costo_oreado +
Cafeijk * Costo_compraij
Restricciones:
i=17 Cafeij (1-Porcen_descarte) = DEMANDAj ; j=1,26
Cafeij Cafe_productoresi ; i=1,27; j=1,26
Cafeij 0 ; i=1,24; j=1,25
Los datos del problema podr encontrarlos en su intraner, en la carpeta AMPL/Archivos gua 5 con
el nombre Datos problema 2
Se pide:
a) Cree un archivo .mod para minimizar los costos de compra y oreado de caf.
b) Usted se acaba de enterar que hay una vacante disponible de analista en la empresa y
conversando con el gerente, l le menciona que est muy complacido con su trabajo y
dependiendo de su desempeo estara dispuesto a contratarlo. Investigando y viendo los
registros de los anlisis de humedad, nota que el exceso de humedad no es fijo ya que algunas
veces los productores venden caf con un exceso de humedad mayor y eso genera mayores
costos en el oreado del caf. Usted decide presentarle al gerente un anlisis de escenarios
donde la humedad en exceso del caf vara en 0.05%. Buscando en registros pasados, not
que el monto mximo que podra gastarse en compra y oreado de caf es 492000 U.M..
Sugerencia: Haga un archivo .run donde utilice el comando repeat para saber cul es la
humedad en exceso que como mximo podra aceptar en el caf de los productores.
c) Ahora, como desea hacer un mejor trabajo, decide analizar qu ocurrira si el porcentaje de
descarte vara en 1% y cul sera el porcentaje mximo aceptable si sabe que el gasto en
compra y oreado de caf, para este escenario, no debe ser mayor a 410000.
65
SEXTA GUA DE AMPL
En la sexta gua se explicaran los comandos necesarios para la programacin lineal entera
usando el AMPL.

Aprender a definir los rangos de las variables usando parmetros
Aprender a declarar variables como enteras o binarias
1. DEFINICIN DE RANGOS DE VARIABLES USANDO PARMETROS
Como ya se explic en la segunda gua, al momento de declarar las variables se puede definir su
rango, pero hasta el momento solo sabe definir el rango usando valores escalares. En muchos
casos, dichos rangos son definidos por parmetros, y por ello, AMPL tiene la funcionalidad de
permitirle usar parmetros para definir el rango de existencia de una variable al declararla.
Para demostrar cmo se utiliza parmetros para declarar el rango de las variables al momento de
declararlas, se usar el ejemplo 1 de la segunda gua. A continuacin se proceder a mostrar cmo
se ha escrito el modelo en el archivo .mod definiendo el rango con parmetros.


param MP {Matriz2};
var P {i in Productos} >=Demandamin[i], <=Demandamax[i] ;

Como pudo notar, al definir el rango de las variables al momento de declararlas, se pudo eliminar
dos familias de restricciones, lo cual permitir simplificar el modelo y por tanto disminuir el tiempo
de procesamiento requerido para resolverlo. Descargue los archivos Ejemplo1_guia6.mod y
Ejemplo1_guia6.dat, modifique el archivo .mod para que pueda declarar el rango de las variables
66
al declararlas y resuelva los modelos. Note que la solucin que se obtiene es la misma que la que
obtuvo en la segunda gua.
Datos importantes:
En la declaracin de variables, al momento de definir los rangos, usted ha utilizado el

ndice i que es el mismo que ha utilizado en las restricciones y funcin objetivo, pero
esto no es obligatorio. Para probarlo utilice el ndice h y escriba la declaracin de
variables de la siguiente forma:
var P {h in Productos} >=Demandamin[h], <=Demandamax[h] ;
2. DECLARACIN DE VARIABLES COMO ENTERAS Y BINARIAS
En muchas ocasiones las variables de decisin deben tomar valores enteros para que la solucin
ptima pueda tener sentido. Los modelos matemticos que requieren que sus variables sean
enteras se denominan modelos de programacin entera. Para este tipo de problemas, cmo se
declara el rango de existencia usando el lenguaje de modelado de AMPL?
Como ya se explic en la segunda gua, AMPL asume por defecto que las variables son continuas
y que pueden tomar valores mayores o menores a cero; sin embargo, si el usuario desea declarar
las variables como enteras o binarias, AMPL dispone de dos palabras reservadas para ello:
integer: palabra reservada para declarar una variable como entera.

binary: palabra reservada para declarar variables binarias (1 0).
A continuacin, se presenta el ejemplo 2 que es muy similar al ejemplo 1 de la gua 2; sin embargo,
en este caso los productos no se fabrican en kilogramos sino en unidades por lo que es necesario
indicar en el modelo que estas variables son enteras. Asimismo, presenta restricciones en los costos
fijos controlables que obligan a definir variables binarias.
Ejemplo 2
En cierta empresa manufacturera se fabrica 20 diferentes productos y cada uno pasa por una
secuencia de siete procesos distintos en donde la materia prima se agrega en los cinco primeros ya
que los dos ltimos procesos son de acabado de los productos. La secuencia de los procesos para
cada producto es la misma y se identifica con proceso 1 al primero, proceso 2 al segundo y as
sucesivamente. Por las caractersticas de los productos no tiene sentido que se fabriquen fracciones
de estos, por tanto, son unidades completas.
Los anexos al final de cada gua muestran una serie de datos que a continuacin se describen:
En el anexo 1 se muestra los costos variables unitarios, los precios de venta, el margen de
contribucin y los costos fijos; tambin se muestra la demanda que por exigencias contractuales
debe ser como mnimo igual a 50 para todos los productos que la empresa atienda; asimismo, se
muestra la demanda mxima de cada producto. En caso se fabrique el producto i se incurrir en el
costo fijo i, si no se produce dicho producto entonces no se incurrir en tal costo fijo y ser igual a
cero.
El anexo 2 presenta el tiempo en cada proceso requerido por cada unidad de tipo de producto y la
disponibilidad del recurso tiempo.
67
El anexo 3 muestra los datos de la cantidad de materia prima tambin por cada unidad de producto
as como la disponibilidad del recurso materia prima.
Los productos han sido solicitados por un prestigioso cliente con quin se ha negociado que la
empresa elija cules productos atender, luego se firmara el contrato. La empresa desea
determinar cuntos productos de cada tipo debe fabricar con el objetivo de maximizar las utilidades,
para tal fin, las variables de decisin son:
Pi: cantidad de unidades por fabricar de cada tipo de producto. i= 1,220

Yi: 1; s se fabrica el producto i
0; no se fabrica el producto i
En el anexo 7 se muestra el resto del modelo de programacin lineal; revise la formulacin antes de
proseguir con la lectura de esta gua.
Usando notacin matemtica, el ejemplo 2 es el siguiente:
Funcin objetivo:
Maximizar i=1...20(MARGENi*Pi) - i=1..20(COSTO_FIJOi*Yi)
Restricciones:
Pi DEMANDAMINi*Yi ; i=1,220
j=120(TIEMPOji*Pj) RECURSOTi ; i=1,27
j=120(MPji*Pj) RECURSOMPi ; i=1,25
Restricciones para los costos fijos:
Pi M*Yi ; i=1,220 ; M>>0
Pi son variables enteras no negativas ; i=1,220
Yi = 0 1 ; i=1,220
A continuacin vamos a reconocer los parmetros y variables del modelo, los cuales son muy
parecidos a los del Ejemplo1 de la segunda gua.

El margen de contribucin de cada producto MARGENi
Costo fijo que se incurre si se fabrica el producto i COSTO_FIJOi
La demanda mnima de cada producto DEMANDAMINi
La demanda mxima de cada producto DEMANDAMAXi
Disponibilidad del recurso tiempo de cada proceso RECURSOTj
Disponibilidad del recurso materia prima para cada proceso RECURSOMPj
El tiempo unitario por kilogramo de cada producto en cada
TIEMPOij
proceso
El consumo de materia prima por kilogramo de cada producto en
Mpij
cada proceso
Nmero positivo lo suficientemente grande M
68
Variable de decisin que toma valor 1 si se fabrica el producto i,
Yi
caso contrario toma valor 0
Cantidad de unidades que se fabrica de cada tipo de producto,
Pi
estas son variables enteras
En el campus virtual PUCP usted tiene los siguientes archivos, bralos y grbelos en su disco
1) Archivo Ejemplo2_guia6.mod en donde est el modelo escrito en el lenguaje de modelado de

AMPL.
2) Archivo Excel Ejemplo2_guia6.xlsx en donde estn anotados los datos para importarlos al
editor de AMPL y para exportar la solucin de AMPL a este archivo Excel. Tambin descargue
el archivo Ejemplo2_guia6.run que usar para resolver el modelo importando los datos desde
Excel y exportando los resultados.
A continuacin se muestra el modelo que est en el archivo Ejemplo2_guia6.mod.
#Sets del modelo


#Parmetros del modelo

param Costo_fijo {Productos};
param MP {Matriz2};
param M := 1000;
#Variables del modelo

var P {Productos} integer;
var Y {Productos} binary;
#Funcin Objetivo
maximize Ganancias:
sum {i in Productos} (Margen[i] * P[i] - Costo_fijo[i] * Y[i]);
#RESTRICCIONES
#Restricciones de demanda
#Minima
subject to Produccion_minima {i in Productos}:
P[i] >= Demandamin[i] * Y[i];
69
#Maxima
subject to Produccion_maxima {i in Productos}:
#Restricciones de tiempo
subject to Tiempo_max {j in Procesos}:
#Restriciones de MP
subject to MP_maxima {j in ProcesoMP}:
#Restricciones para costos fijos

subject to Fijos {i in Productos}:
P[i] <= M * Y[i];
En modelo se observa que el valor del parmetro M es igual a 1000. Tambin, se observa que la
variable P se ha declarado como entera y la variable Y como binaria.
Resuelva el modelo usando el archivo .run y en los resultados notar que no se debe producir el
producto 3, y no hay problemas ya que en este caso, algunos productos tienen demanda mnima
igual a 0, por lo que el productor puede elegir los productos que le convengan producir.
Cuando resuelva el problema, AMPLIDE le devolver el siguiente mensaje:
MINOS 5.51: ignoring integrality of 40 variables

21 iterations, objective 49450.9812
Revise los resultados que obtiene y notar que la variable P toma valores que no son enteros, y lo
mismo ocurre con la variable Y. Esto ocurre porque MINOS considera como continuas todas las
variables, por ms que hayan sido declaradas como enteras o binarias. Para poder obtener la
respuesta que se desea use el solver cplex para resolver el modelo.
Ahora haga algunas modificaciones, cambie la demanda mnima de todos los productos a 50, de
manera que se obligue al productor a fabricar todos los productos.
Resuelva nuevamente el problema y compare los valores obtenidos en la funcin objetivo para
ambos casos.
70
Anexo 7
Funcion Objetivo:
11*P[1] + 15.75*P[2] + 10.5*P[3] + 10.75*P[4] + 14.5*P[5] + 17.25*P[6] +

13.5*P[7] + 12*P[8] + 16*P[9] + 17*P[10] + 20*P[11] + 22*P[12] + 18.5*P[13]
+ 17*P[14] + 15.5*P[15] + 19*P[16] + 21.5*P[17] + 21.5*P[18] + 15.5*P[19]
+ 14.5*P[20] - 400*Y[1] - 250*Y[2] - 600*Y[3] - 350*Y[4] - 400*Y[5] -
250*Y[6] - 300*Y[7] - 150*Y[8] - 200*Y[9] - 300*Y[10] - 200*Y[11] -
150*Y[12] - 100*Y[13] - 150*Y[14] - 200*Y[15] - 150*Y[16] - 200*Y[17] -
300*Y[18] - 500*Y[19] - 400*Y[20];
P[1] - 10*Y[1] >= 0;

P[2] - 15*Y[2] >= 0;
P[3] >= 0;
P[4] >= 0;
P[5] - 10*Y[5] >= 0;
P[6] >= 0;
P[7] - 10*Y[7] >= 0;
P[8] >= 0;
P[9] - 20*Y[9] >= 0;
P[10] - 25*Y[10] >= 0;
P[11] - 15*Y[11] >= 0;
P[12] - 10*Y[12] >= 0;
P[13] >= 0;
P[14] >= 0;
P[15] >= 0;
P[16] - 10*Y[16] >= 0;
P[17] >= 0;
P[18] >= 0;
P[19] >= 0;
P[20] >= 0;
P[1] <= 150;
P[2] <= 80;
P[3] <= 90;
P[4] <= 100;
P[5] <= 180;
P[6] <= 150;
P[7] <= 150;
P[8] <= 145;
P[9] <= 100;
P[10] <= 110;
P[11] <= 150;
P[12] <= 160;
P[13] <= 165;
P[14] <= 155;
P[15] <= 150;
P[16] <= 250;
P[17] <= 150;
P[18] <= 200;
P[19] <= 250;
P[20] <= 180;
71
0.167*P[1] + 0.2*P[2] + 0.417*P[3] + 0.2*P[4] + 0.25*P[5] + 0.283*P[6] +

0.317*P[7] + 0.5*P[8] + 0.333*P[9] + 0.35*P[10] + 0.333*P[11] +
0.367*P[12] + 0.333*P[13] + 0.25*P[14] + 0.3*P[15] + 0.283*P[16] +
0.25*P[17] + 0.267*P[18] + 0.233*P[19] + 0.2*P[20] <= 900;
0.083*P[1] + 0.067*P[2] + 0.133*P[3] + 0.15*P[4] + 0.033*P[5] +

0.033*P[6] + 0.05*P[7] + 0.067*P[8] + 0.083*P[9] + 0.1*P[10] +
0.083*P[11] + 0.133*P[12] + 0.167*P[13] + 0.183*P[14] + 0.083*P[15] +
0.05*P[16] + 0.067*P[17] + 0.033*P[18] + 0.05*P[19] + 0.033*P[20] <= 250;
0.1*P[1] + 0.067*P[2] + 0.167*P[3] + 0.183*P[4] + 0.2*P[5] + 0.217*P[6] +

0.133*P[7] + 0.183*P[8] + 0.233*P[9] + 0.25*P[10] + 0.167*P[11] +
0.217*P[12] + 0.25*P[13] + 0.233*P[14] + 0.217*P[15] + 0.2*P[16] +
0.2*P[17] + 0.183*P[18] + 0.167*P[19] + 0.15*P[20] <= 600;
0.067*P[1] + 0.083*P[2] + 0.067*P[3] + 0.1*P[4] + 0.1*P[5] + 0.117*P[6] +

0.133*P[7] + 0.15*P[8] + 0.167*P[9] + 0.183*P[10] + 0.117*P[11] +
0.15*P[12] + 0.1*P[13] + 0.167*P[14] + 0.067*P[15] + 0.083*P[16] +
0.067*P[17] + 0.1*P[18] + 0.117*P[19] + 0.133*P[20] <= 380;
0.05*P[1] + 0.033*P[2] + 0.067*P[3] + 0.067*P[4] + 0.067*P[5] +

0.083*P[6] + 0.117*P[7] + 0.1*P[8] + 0.133*P[9] + 0.15*P[10] +
0.083*P[11] + 0.117*P[12] + 0.067*P[13] + 0.133*P[14] + 0.033*P[15] +
0.05*P[16] + 0.05*P[17] + 0.067*P[18] + 0.083*P[19] + 0.1*P[20] <= 270;
0.1*P[1] + 0.117*P[2] + 0.117*P[3] + 0.133*P[4] + 0.133*P[5] + 0.15*P[6]

+ 0.15*P[7] + 0.133*P[8] + 0.167*P[9] + 0.183*P[10] + 0.167*P[11] +
0.183*P[12] + 0.083*P[13] + 0.1*P[14] + 0.133*P[15] + 0.15*P[16] +
0.133*P[17] + 0.15*P[18] + 0.167*P[19] + 0.15*P[20] <= 450;
0.083*P[1] + 0.1*P[2] + 0.05*P[3] + 0.067*P[4] + 0.117*P[5] + 0.133*P[6]

+ 0.117*P[7] + 0.1*P[8] + 0.083*P[9] + 0.1*P[10] + 0.117*P[11] +
0.117*P[12] + 0.133*P[13] + 0.117*P[14] + 0.067*P[15] + 0.05*P[16] +
0.033*P[17] + 0.15*P[18] + 0.133*P[19] + 0.067*P[20] <= 300;
0.4*P[1] + 0.3*P[2] + 0.4*P[3] + 0.3*P[4] + 0.4*P[5] + 0.5*P[6] +

0.4*P[7] + 0.5*P[8] + 0.3*P[9] + 0.4*P[10] + 0.35*P[11] + 0.45*P[12] +
0.5*P[13] + 0.25*P[14] + 0.35*P[15] + 0.45*P[16] + 0.4*P[17] + 0.3*P[18]
+ 0.35*P[19] + 0.3*P[20] <= 1200;
0.2*P[1] + 0.2*P[2] + 0.3*P[3] + 0.3*P[4] + 0.3*P[5] + 0.15*P[6] +

0.3*P[7] + 0.3*P[8] + 0.3*P[9] + 0.2*P[10] + 0.15*P[11] + 0.05*P[12] +
0.2*P[13] + 0.25*P[14] + 0.15*P[15] + 0.05*P[16] + 0.2*P[17] + 0.25*P[18]
+ 0.25*P[19] + 0.2*P[20] <= 650;
0.2*P[1] + 0.1*P[2] + 0.1*P[3] + 0.2*P[4] + 0.1*P[5] + 0.2*P[8] +

0.3*P[9] + 0.2*P[10] + 0.25*P[11] + 0.2*P[12] + 0.2*P[13] + 0.3*P[14] +
0.3*P[15] + 0.1*P[16] + 0.25*P[17] + 0.25*P[18] + 0.2*P[19] + 0.2*P[20]
<= 600;
0.1*P[1] + 0.2*P[2] + 0.1*P[3] + 0.1*P[4] + 0.1*P[5] + 0.15*P[6] +

0.1*P[7] + 0.1*P[9] + 0.1*P[10] + 0.15*P[11] + 0.15*P[12] + 0.05*P[13] +
0.1*P[15] + 0.2*P[16] + 0.1*P[17] + 0.1*P[18] + 0.1*P[19] + 0.15*P[20] <=
350;
72
0.1*P[1] + 0.2*P[2] + 0.1*P[3] + 0.1*P[4] + 0.1*P[5] + 0.2*P[6] +
0.2*P[7] + 0.1*P[10] + 0.1*P[11] + 0.15*P[12] + 0.05*P[13] + 0.2*P[14] +
0.1*P[15] + 0.2*P[16] + 0.05*P[17] + 0.1*P[18] + 0.1*P[19] + 0.15*P[20]
<= 400;
Restricciones de costos fijos:
P[1] - 1000*Y[1] <= 0;

P[2] - 1000*Y[2] <= 0;
P[3] - 1000*Y[3] <= 0;
P[4] - 1000*Y[4] <= 0;
P[5] - 1000*Y[5] <= 0;
P[6] - 1000*Y[6] <= 0;
P[7] - 1000*Y[7] <= 0;
P[8] - 1000*Y[8] <= 0;
P[9] - 1000*Y[9] <= 0;
P[10] - 1000*Y[10] <= 0;
P[11] - 1000*Y[11] <= 0;
P[12] - 1000*Y[12] <= 0;
P[13] - 1000*Y[13] <= 0;
P[14] - 1000*Y[14] <= 0;
P[15] - 1000*Y[15] <= 0;
P[16] - 1000*Y[16] <= 0;
P[17] - 1000*Y[17] <= 0;
P[18] - 1000*Y[18] <= 0;
P[19] - 1000*Y[19] <= 0;
P[20] - 1000*Y[20] <= 0;
73
Bibliografa
FOURER, Robert; Gay, David; Kerninghan, Brian

2003 AMPL: A Modeling Language for Mathematical Programming. Segunda edicin.
Princeton University.
HILLIER, Frederick; Lieberman, Gerald

2015 Introduccin a la Investigacin de operaciones. Dcima edicin. Mxico D.F.
McGraw-Hill.
https://pucp.ent.sirsi.net/client/es_ES/campus/search/detailnonmodal/ent:$002f$00
2fSD_ILS$002f0$002fSD_ILS:519408/one
WINSTON, Wayne
2005 Investigacin de operaciones: aplicaciones y algoritmos. Cuarta edicin.
Mxico. Thompson.
https://pucp.ent.sirsi.net/client/es_ES/campus/search/detailnonmodal/ent:$002f$00
2fSD_ILS$002f0$002fSD_ILS:392874/one
CORNUEJOLS, Gerard; Trick, Michael

1998 Quantitative methods for the Management Sciences: Course notes. Pittsburgh.
Carnegie Mellon University.
CORNEJO, Christian
2014 Gua Lingo. Publicacin de material para la docencia PUCP.
74

Guía Del Ampl - Ind-273

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Guía Del Ampl - Ind-273

Uploaded by

Copyright:

Available Formats

GUA DE INVESTIGACIN

El proyecto AMPL pretende mejorar las habilidades de modelacin matemtica, teniendo as

El software AMPL soporta todo el ciclo de vida de modelado de optimizacin: formulacin,

AMPL integra un lenguaje de modelado para describir datos de optimizacin: variables,

A todos los alumnos con ganas de seguir aprendiendo

INDICE DE GRFICOS ...................................................................................................................... vii

Tabla 1: Lista de parmetros ............................................................................................................ 15

La modelacin matemtica propone la optimizacin de procesos y sistemas a partir del uso

La modelacin matemtica aplicada en la carrera de Ingeniera Industrial, optimiza los

Fuente: Scimago Journal & Country Rank

Por lo tanto, nuestro objetivo es incrementar las habilidades de investigacin de nuestros

En la primera gua conoceremos que es el AMPL, su entorno e interface. Adems de

Objetivos de esta gua

1. ENTORNO DEL SOFTWARE AMPLIDE

1.1. Instalacin de AMPL

Figura 1: Pgina web de software AMPL

Figura 2: Libro desarrollado por AMPL

Figura 3: Pgina web de software AMPL con licencia acadmica

Figura 4: Documentacin de la descarga AMPL - Students

INICIO DEL SOFTWARE AMPLIDE

Figura 5: ventana de instalacin de AMPL

Figura 6: aceptar el Amplide.

Figura 7: Interface del Amplide.

Ventana de archivos: Permite navegar en las carpetas de la computadora para poder

TIPO DE ARCHIVOS DEL SOFTWARE AMPL

En el software AMPLIDE interacta con 3 tipos de archivos: .mod, .dat y .run. A

1.3. Barra de herramientas del software AMPLIDE

Figura 8: Comando New

Figura 9: Comando New file

En la Figura 8 se muestra el archivo creado con el nombre model_prueba.mod.

Figura 10: archivos para modelar

El comando New se puede ejecutar rpidamente presionando en la barra de herramientas

COMANDO SAVE ALL

1.4. Opciones de la ventana de comandos

En la ventana de comandos se tiene la cinta de opciones que se muestra en la Figura 12.

Figura 12: opciones de consola

Cuando se est resolviendo un modelo matemtico con el software AMPLIDE, existe la

Figura 13: interrumpir proceso

BOTN CLEAR CONSOLE

Figura 14: limpiar pantalla

2. EJECUCIN DE UN MODELO EN AMPL

P: unidades a fabricar del mueble Premium en un mes.

C: unidades a fabricar del mueble Clsico en un mes.

En la ventana de modelado de AMPLIDE ingrese lo que se muestra en la siguiente pantalla

Figura 15: sintaxis del modelo .mod

ampl: model Ejemplo1.mod;

Luego de escribir el comando solve, AMPLIDE devolvi el siguiente mensaje:

ampl: model Ejemplo1.mod;

Figura 16: Programacin en la consola

Si cre el archivo Ejemplo1.mod con

Si en su ventana de archivos se muestra otra ruta, al momento de llamar al archivo se

Can't find file Ejemplo1.mod

Figura 17: Bsqueda de archivo

Luego de ejecutar este comando, AMPLIDE mostrar el siguiente mensaje:

ampl: model Ejemplo1.mod;

Figura 18: Bsqueda de la solucin

Como modo de evaluacin de lo aprendido, resuelva el siguiente ejemplo.

a) Cul es el solver que se utiliza para este problema?

En la segunda gua iniciaremos en la modelacin / programacin en el AMPL.

Objetivos de esta gua

1. LENGUAJE DE MODELADO DE AMPL

Ejemplo 1 Introduccin a la formulacin

Pi: cantidad de kilogramos por fabricar de cada tipo de producto. i= 1,220