Problemas de Programacion Entera

PROBLEMAS DE PROGRAMACIÓN ENTERA
DE INVESTIGACIÓN DE OPERACIONES I
Problema 3:
El equipo de gimnasia olímpica de Transilvania consta de 6 personas. Transilvania tiene

que seleccionar tres personas para viga de equilibrio y ejercicios de piso. También tiene
que presentar un total de cuatro personas por cada evento. La calificación que cada
gimnasta puede obtener en cada evento se muestra en la tabla 1.Plantee un PE con el
que se maximice la calificación total que obtengan los gimnastas de Transilvania.
TABLA 1
Gimnasta Viga de Ejercicios

equilibrio de piso
1 8.8 7.9
2 9.4 8.3
3 9.2 8.5
4 7.5 8.7
5 8.7 8.1
6 9.1 8.6
Solución:
1, si el gimnasta i entra en ambos eventos. (i = 1, 2, 3, 4, 5,6)

Xi =
0, si no es así.
1, si el gimnasta i entra solo en vigas de equilibrio. (i = 1, 2, 3, 4, 5,6)

Yi =
0, si no es así.
1, si el gimnasta i entra solo en ejercicios de piso. (i =1, 2, 3, 4, 5,6)

Wi =
0, si no es así.
Función objetivo:
Max z = 16.7 X1+17.7 X2+17.7 X3+16.2 X4+16.8 X5+17.7 X6 +8.8 Y1+9.4

Y2+9.2 Y3+7.5 Y4+8.7 Y5+9.1 Y6 +7.9 W1+8.3 W2+8.5 W3+8.7 W4+8.1 W5+8.6 W6
Sujeto a:
X1+ X2+ X3+ X4+ X5+ X6 = 3 (seleccionar a 3 personas que hagan ambos
eventos)
Y1+ Y2+ Y3+ Y4+ Y5+ Y6 =4 (se quiere un total de 4 personas que hagan el
mismo evento, en este caso el evento 1: vigas de equilibrio)
1
W1+ W2+ W3+ W4+ W5+ W6 =4 (se quiere un total de 4 personas que hagan el
mismo evento, en este caso el evento 2: ejercicios de piso)
Xi, Yi, Wi =0 ó 1
Max 16.7 X1+17.7 X2+17.7 X3+16.2 X4+16.8 X5+17.7 X6 +8.8 Y1+9.4 Y2+9.2
Y3+7.5 Y4+8.7 Y5+9.1 Y6 +7.9 W1+8.3 W2+8.5 W3+8.7 W4+8.1 W5+8.6 W6
SUBJECT TO
X1+ X2+ X3+ X4+ X5+ X6 = 3
Y1+ Y2+ Y3+ Y4+ Y5+ Y6 =4
W1+ W2+ W3+ W4+ W5+ W6 =4
END
INTE 12
LINDO:
LP OPTIMUM FOUND AT STEP 12

OBJECTIVE VALUE = 123.700005
NEW INTEGER SOLUTION OF 123.699997 AT BRANCH 0 PIVOT 12

RE-INSTALLING BEST SOLUTION...
OBJECTIVE FUNCTION VALUE
1) 123.7000
VARIABLE VALUE REDUCED COST

X1 0.000000 -16.700001
X2 1.000000 -17.700001
X3 1.000000 -17.700001
X4 0.000000 -16.200001
X5 0.000000 -16.799999
X6 1.000000 -17.700001
Y1 1.000000 -8.800000
Y2 1.000000 -9.400000
Y3 1.000000 -9.200000
Y4 0.000000 -7.500000
Y5 0.000000 -8.700000
Y6 1.000000 -9.100000
W1 0.000000 -7.900000
W2 1.000000 -8.300000
W3 1.000000 -8.500000
W4 1.000000 -8.700000
W5 0.000000 -8.100000
W6 1.000000 -8.600000
ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 0.000000
3) 0.000000 0.000000
4) 0.000000 0.000000
NO. ITERATIONS= 12
BRANCHES= 0 DETERM.= 1.000E 0
2
La solución nos dice que los gimnastas que entran solo en viga de equilibrio son el
1,2,3,6 ;los gimnastas que entran solo en ejercicio de piso son el 2,3,4,6 y los gimnastas
que entran a ambos eventos son el 2,3,6 ;uno se da cuenta ya que el valor de cada una de
estas variables es 1.
La calificación total máxima que obtienen los gimnastas de Transilvania es 123.70.
Problema 4 :
La decisión de una corte estableció que la matricula de cada escuela de bachillerato en

Metrópolis debe tener por lo menos 20% de negros. El número de estudiantes de
bachillerato, blancos y negros, en cada uno de los 5 distritos escolares de la ciudad se
muestra en la tabla 1. La distancia en millas que un estudiante debe viajar a cada
escuela de bachillerato en cada distrito, se proporciona en la tabla 2.La política escolar
establece que todos los estudiantes en un distrito dado asistan a la misma escuela. Si se
supone que cada escuela debe tener una matricula de por lo menos 150 estudiantes,
formular el PE con el cual se pueda minimizar la distancia total que los estudiantes de
Metrópolis tienen que recorrer hasta la escuela.
DISTRITO BLANCOS NEGROS

1 80 30
2 70 5
3 90 10
4 50 40
5 60 30
Tabla 1
ESCUELA
DISTRITO 1 ESCUELA 2
1 1 2
2 0,5 1,7
3 0,8 0,8
4 1,3 0,4
5 1,5 0,6
Tabla 2
Sol:
sea
Xij = distrito i, escuela de bachillerato j
Min z = X11 +2X12 + 0.5X21 + 1.7X22 + 0.8X31 +1.3X41 + 0.4X42 + 1.5X51 + 0.6X52
Sujeto a:
110X11 + 75X21 + 100X31 + 90X41 + 90X51 >= 150 (restricción alumnos por escuela)
110X12 + 75X22 + 100X32 + 90X42 + 90X52 >= 150
3
150X11 + 25X21 + 50X31 + 200X41 + 150X51-110X11 - 75X21 - 100X31 - 90X41
-90X51>=0
150X12 + 25X22 + 50X32 + 200X42 + 150X52-110X12 - 75X22 - 100X32 - 90X42 -

90X52>=0
X11 + X12 <=1

X21 + X22 <=1
X31 + X32 <=1
X41 + X42 <=1
X51 + X52 <=1
Xij =0 ó 1 (i =1,2,3,4,5 j=1,2)
LINDO:

1) 2.400000

X11 0.000000 1.000000
X12 0.000000 2.000000
X21 1.000000 0.500000
X22 0.000000 1.700000
X31 0.000000 0.800000
X41 1.000000 1.300000
X42 0.000000 0.400000
X51 0.000000 1.500000
X52 1.000000 0.600000
X32 1.000000 0.000000

2) 15.000000 0.000000
3) 40.000000 0.000000
4) 60.000000 0.000000
5) 10.000000 0.000000
6) 1.000000 0.000000
7) 0.000000 0.000000
8) 0.000000 0.000000
9) 0.000000 0.000000
10) 0.000000 0.000000
NO. ITERATIONS= 10
PROBLEMA 6 :
Los datos del problema se pueden expresar de la siguiente manera:
4
MATERIA CURSOS
Cal. Inv. Estr. Estadi Sim. Intr. Pred. tota
Op. Dat. . Adm. Comp. Prog. Requ. l
(1) (2) (3) (4) (5) (6) (7)
matemáticas 1 1 1 1 0 0 1 2
Inv. 0 1 0 1 1 0 1 2
operativa
computació 0 0 1 0 1 1 0 2
n
Pre- Nin. Nin. (6) (1) (6) Nin. (4)
requisito
Se Utilizara el programa lingo para resolver el problema
!x= 1-->si se estudia el curso i (i=1..7)

0-->si no se estudia el curso i (i=1..7);
!min = cantidad mínima de curso;
!pcurso =posibilidad de tomar un curso i (1..7) para la materia j

(1..3);
sets:
cursos/1..7/:x;
materias/1..3/:tot;
matcur(materias,cursos):pcurso;
endsets
data:
tot= 2 2 2;
pcurso= 1 1 1 1 0 0 1
0 1 0 1 1 0 1
0 0 1 0 1 1 0;
enddata
min=@sum(cursos:x);
@for(materias(i):@sum(cursos(j):pcurso(i,j)*x(j))>=tot(i));
x(3)<=x(6);
x(4)<=x(1);
x(5)<=x(6);
x(7)<=x(4);
@for(cursos:@bin(x););
end
MIN X( 1) + X( 2) + X( 3) + X( 4) + X( 5) + X( 6) + X( 7)
SUBJECT TO
2] X( 1) + X( 2) + X( 3) + X( 4) + X( 7) >= 2
3] X( 2) + X( 4) + X( 5) + X( 7) >= 2
4] X( 3) + X( 5) + X( 6) >= 2
5
5] X( 3) - X( 6) <= 0
6]- X( 1) + X( 4) <= 0
7] X( 5) - X( 6) <= 0
8]- X( 4) + X( 7) <= 0
END
INTE 7
La solución que me proporciona es la siguiente:

LINDO:


X( 1) 4.000000

X1 0.000000 2.000000
X2 1.000000 1.000000
X3 1.000000 1.000000
X4 0.000000 1.000000
X5 1.000000 1.000000
X6 1.000000 1.000000
X7 0.000000 1.000000

2) 0.000000 0.000000
3) 0.000000 0.000000
4) 1.000000 0.000000
5) 0.000000 0.000000
6) 0.000000 0.000000
7) 0.000000 0.000000
8) 0.000000 0.000000
NO. ITERATIONS= 12
Interpretación
Los cursos que utilizaran para lograr la especialización son 4 y son los siguientes:
 Investigación operativa
 Estructura de datos
 Simulación por computadora
 Introducción a la programación
6
Por lo tanto significa que al llevar estos 4 cursos podré satisfacer los requerimientos
para la especialización con la menor cantidad de cursos llevados
PROBLEMA Nª12:
Una compañía planea abrir unas bodegas en cuatro ciudades; Nueva York, Los Ángeles,
Chicago y Atlanta. Desde cada bodega se pueden embarcar 100 unidades por semana. El
costo fijo por semana por mantener en operación cada bodega es de 400 dólares para
Nueva York, 500 dólares para Los Ángeles, 300 dólares para Chicago y 150 dólares
para Atlanta. La región 1 del país requiere 80 unidades por semana, la región 2 demanda
70 unidades por semana y la región 3 necesita 40 unidades por semana. Los costos (sin
olvidar los costos de producción y embarque) por enviar una unidad desde una planta
desde una región se señala en la tabla 11. Se desea cumplir con las demandas semanales
a un costo mínimo, sujeto a la información precedente y a las restricciones
siguientes:
1. Si se abre la bodega de Nueva York, entonces se debe abrir la bodega
de Los Ángeles.
2. Es posible abrir a lo más dos bodegas.
3. Se tiene que abrir la bodega de Atlanta o la de Los Ángeles.
Formule un PE que se pueda usar para minimizar los costos semanales de cumplir con
las demandas.
TABLA11
Hasta (dólares)
Región
Desde 1 Región 2 Región 3
Nueva York 20 40 50
Los Ángeles 48 15 26
Chicago 26 35 18
Atlanta 24 50 35
Formulación de la PE:
yi = 1,0 Se abre o no una bodega en la ciudad i (i = 1,2,3,4)
Xij = Nº de unid. Enviadas semanalmente de la ciudad i a la región j (i = 1,2,3,4; j = 1,2,3)
Min Z =20 X11 + 40 X12 + 50 X13 + 400 y1 +48 X21 + 15 X22 + 26 X23 + 500 y2 +26 X31 + 35
X32 + 18 X33 + 300 y3 + 24 X41 + 50 X42 + 35 X43 + 150 y4
Sujeto a:
X11 + X12 + X13 £ 100 y1
X21 + X22 + X23 £ 100 y2
X31 + X32 + X33 £ 100 y3
7
X41 + X42 + X43 £ 100 y4
X11 + X21 + X31 + X41 / 80
X12 + X22 + X32 + X42 / 70
X13 + X23 + X33 + X43 / 40
y1 - y2 £ 0
y1 + y2 + y3 + y4 £ 2
y2 + y4 / 1
X11 , X12 , X13 , X21 , X22 , X23 , X31 , X32 , X33 , X41 , X42 , X43 / 0
LINDO:

1) 4750.000

Y1 0.000000 400.000000
Y2 1.000000 500.000000
Y3 0.000000 300.000000
Y4 1.000000 150.000000
X11 0.000000 20.000000
X12 0.000000 40.000000
X13 0.000000 50.000000
X21 0.000000 48.000000
X22 70.000000 15.000000
X23 30.000000 26.000000
X31 0.000000 26.000000
X32 0.000000 35.000000
X33 0.000000 18.000000
X41 80.000000 24.000000
X42 0.000000 50.000000
X43 10.000000 35.000000

2) 0.000000 0.000000
3) 0.000000 0.000000
4) 0.000000 0.000000
5) 10.000000 0.000000
6) 0.000000 0.000000
7) 0.000000 0.000000
8) 0.000000 0.000000
8
9) 1.000000 0.000000
10) 0.000000 0.000000
11) 1.000000 0.000000
NO. ITERATIONS= 67
Problema 13
Glueco fabrica tres tipos de pegamento en dos líneas de producción distintas. Hasta 7
trabajadores usan a la vez cada línea. Cada trabajador recibe un pago de 500 dólares por
semana en la línea de producción 1, y 900 dólares por semana en la línea de producción
2. Una semana de producción en la línea de producción 1 cuesta 1000 dólares para
organizarla y 2000 en la línea de producción 2.
Durante una semana en una línea de producción cada trabajador elabora la cantidad de
unidades de pegamentos indicada en la siguiente tabla::
Pegamento
Línea de producción
1 2 3
1 20 30 40
2 50 35 45
Se tienen que elaborar a la semana, por lo menos, 120 unidades del pegamento 1, por lo
menos 150 unidades del pegamento 2 y por lo menos 200 unidades del pegamento 3.
Formule un PE para minimizar el costo total por cumplir con las demandas semanales.
Solución:
Sea:
xi = número de trabajadores empleados en la línea i (i =1,2).
1 se usa la línea i, (i =1,2).
9
yi =
0 si no es así
Entonces, la PE apropiada es:
F:O : min z = 1000y1 + 2000y2 + 500x1 + 900x2
s.a.
20x1 + 50x2 >= 120
30x1 + 35x2 >= 150
40x1 + 45x2 >= 200
x1 - 7 y1 <=0
x2 - 7 y2<=0
x1, x2 >= 0; y1,y2 = 0 ó 1
La programación en LINDO sería:
min 1000y1 + 2000y2 + 500x1 + 900x2
SUBJECT TO
20x1 + 50x2>=120
30x1 + 35x2>=150
40x1 + 45x2>=200
x1 - 7y1<=0
x2 - 7y2<=0
END
INTE y1
INTE y2
GIN X1
GIN X2
Y La solución en LINDO sería:

1) 4000.000
Y1 1.000000 1000.000000
1
Y2 0.000000 2000.000000
X1 6.000000 500.000000
X2 0.000000 900.000000
2) 0.000000 0.000000
3) 30.000000 0.000000
4) 40.000000 0.000000
5) 1.000000 0.000000
6) 0.000000 0.000000
NO. ITERATIONS= 10
CONCLUSIÓN:
Como se puede observar en el resultado se tendrá un costo de 4000 dólares para cumplir
las demandas semanales, con 6 trabajadores trabajando en la línea número 1 solamente.
PROBLEMA 15
En el hospital general Blair se ejecutan 6 tipos de operaciones quirúrgicas. Los tipos de

operaciones que cada cirujano esta calificado para practicar (señalados como 1) se
proporciona en la tabla. Suponga que el cirujano 1 y el cirujano 2 no simpatizan entre si,
y no pueden estar en el mismo tiempo de servicio. Se necesita la cantidad mínima de
cirujanos necesarios para que el hospital pueda desarrollar todo tipo de operaciones.
CIRUJANO OPERACIÓN
1 2 3 4 5 6
1 x x x
2 x x x
3 x x
4 x x
5 x
6 x x
SOLUCION:
Si consideramos a cada X como 1 y cada espacio vacío como 0:
CIRUJANO OPERACIÓN
1 2 3 4 5 6
1 1 1 0 1 0 0
2 0 0 1 0 1 1
1
3 0 0 1 0 1 0
4 1 0 0 0 0 1
5 0 1 0 0 0 0
6 0 0 0 1 1 0
Definimos las variables a utilizar:
Xi = 1 Si el cirujano i realiza alguna operación. (i = 1, 2, 3, 4, 5, 6)

0 en caso contrario.
El PE apropiado para este problema es:
FUNCION OBJETIVO:
MIN Z= X1 + X2 + X3 + X4 + X5 + X6;
S.A:
X1 + X4 >= 1
X1 + X5 >= 1 C ir u ja n o s q u e e s t a n d is p o n ib le s p a r a
X2 + X3 >= 1 r e a liz a r c a d a u n a d e la s 6 o p e r a c io n e s
X1 + X6 >= 1 s e g ú n la t a b la .
X2 + X3 + X6 >= 1
X2 + X4 + X5 >= 1
X1 + X2 <= 1 (el cirujano 1 y 2 no simpatizan entre si)
Xi >= 0 (i = 1, 2, 3, 4, 5, 6);
PROGRAMACIÓN EN LINGO:
LINGO
VARIABLES UTILIZADAS:
DISPONIBILIDAD = Operaciones que pueden realizar los cirujanos
1
SETS:
CIRUJANO/1..6/:X;
OPERACION/1..6/;
COMBINACION(CIRUJANO,OPERACIÓN):DISPONIBILIDAD;
ENDSETS
DATA:
DISPONIBILIDAD=1,1,0,1,0,0,
0,0,1,0,1,1,
0,0,1,0,1,0,
1,0,0,0,0,1,
0,1,0,0,0,0,
0,0,0,1,1,0;
ENDDATA
! FUNCION OBJETIVO;
MIN=@SUM(CIRUJANO:X);
! RESTRICCIONES;
! CIRUJANOS DISPONIBLES;
@FOR(OPERACION(J):@SUM(CIRUJANO(I):DISPONIBILIDAD(I,J)*X(I))>=1);
! CIRUJANO 1 Y 2 NO SIMPATIZAN ENTRE SI;
X(1)+X(2)<=1;
! RESTRICCION DE VARIABLES BINARIAS;
@FOR(CIRUJANO:@BIN(X));
END
LA SOLUCIÓN DEL PROGRAMA CON LINGO ES:
RESPUESTA:
Como se nota en la solución con LINGO, la cantidad mínima de cirujanos para que se
puedan realizar las 6 operaciones es 3. Los cirujanos que pueden realizar las
operaciones son 1, 3 y 4.
LINDO
1) 3.000000

X1 1.000000 1.000000
X2 0.000000 1.000000
X3 1.000000 1.000000
X4 0.000000 1.000000
X5 1.000000 1.000000
X6 0.000000 1.000000

2) 0.000000 0.000000
3) 1.000000 0.000000
4) 0.000000 0.000000
1
5) 0.000000 0.000000
6) 0.000000 0.000000
7) 0.000000 0.000000
8) 0.000000 0.000000
NO. ITERATIONS= 0
PROBLEMA 16 :
Eastinghouse embarca 12 000 capacitores por mes para sus clientes. Se podrían producir
los capacitares en plantas distintas. La capacidad de producción, costos fijos mensuales
y costos variables por la producción de un capacitor en cada planta se proporcionan en
la tabla 96. el costo fijo en una planta se contrae sólo si la planta se usa para hacer
capacitares. Desarrolle un modelo de programación con enteros cuya solución le indique
a eastinghouse cómo minimizar sus costos mensuales por cumplir con la demanda de
sus clientes.
Tabla 96
Planta Costos fijos Costos Capacidad
(en miles de variables de
dólares) (dólares) producción
1 80 20 6000
2 40 25 7000
3 30 30 6000
SOLUCIÓN
El programa en Lingo es:
!DESCRIPCIÓN DE LAS VARIABLES UTILIZADAS;

!X = Cantidad de capacitores producidos por fabrica;
!Y = Si se produce i(cada planta) entonces 1, caso contrario 0;
!CAP = capacidad de producción de cada planta;
!CF = costos fijos de cada planta en dólares;
!CV = costos variables de cada planta en dólares;
!DEM = demanda total de los clientes;
SETS:
PLANT/1..3/:X,Y,CAP,CF,CV;
DEMAND/TOTAL/:DEM;
ENDSETS
DATA:
CAP = 6000 7000 6000;
CF = 80000 40000 30000;
CV = 20 25 30;
DEM = 12000;
ENDDATA
1
MIN=@SUM(PLANT:CF*Y+CV*X);
@FOR(PLANT:@BIN(Y););
@FOR(PLANT:X<=CAP);
@FOR(DEMAND:@SUM(PLANT:X)>=DEM);
@FOR(PLANT:X<=(12000*Y));
La solución del Lingo es:
Global optimal solution found at step: 14

Objective value: 390000.0
Branch count: 0
Variable Value Reduced Cost

X( 1) 6000.000 0.0000000
X( 2) 6000.000 0.0000000
X( 3) 0.0000000 5.000000
Y( 1) 1.000000 80000.00
Y( 2) 1.000000 40000.00
Y( 3) 0.0000000 30000.00
CAP( 1) 6000.000 0.0000000
CAP( 2) 7000.000 0.0000000
CAP( 3) 6000.000 0.0000000
CF( 1) 80000.00 0.0000000
CF( 2) 40000.00 0.0000000
CF( 3) 30000.00 0.0000000
CV( 1) 20.00000 0.0000000
CV( 2) 25.00000 0.0000000
CV( 3) 30.00000 0.0000000
DEM( TOTAL) 12000.00 0.0000000
Row Slack or Surplus Dual Price

1 390000.0 1.000000
2 0.0000000 5.000000
3 1000.000 0.0000000
4 6000.000 0.0000000
5 0.0000000 -25.00000
6 6000.000 0.0000000
7 6000.000 0.0000000
8 0.0000000 0.0000000
1
Problema16:
Eastinghouse embarca 12 000 capacitores por mes para sus clientes. Se podrían producir
los capacitores en tres plantas distintas. La capacidad de producción, costos fijos
mensuales de operación y costos variables por la producción de un capacitor en cada
planta se proporciona en la tabla. El costo fijo en una planta se contrae solo si la planta
se usa para hacer capacitores. Desarrolle un modelo de programación con enteros cuya
solución le indique a Eastinghouse como minimizar sus costos mensuales por cumplir
con la demanda de sus clientes.
Costos fijos Costos variables Capacidad de

Planta (en miles de (dólares) producción
dólares)
1 80 20 6 000
2 40 25 7 000
3 30 30 6 000
Solución:
Podemos observa por el enunciado que se trata de un problema al que se denomina

“problema de cargo fijo”.
Definimos las variables a utilizar:
Xi = Numero de capacitores producidos en la planta i. (i = 1, 2,3)
Yi = 1, si se produce en la planta i. (i =1, 2,3)

0, si no es así.
M = Cantidad muy grande, que puede ser de un millón.
Entonces, el PE apropiado es:
FUNCIÓN OBJETIVO:
MIN Z= 20 X1 + 25 X2 + 30 X3 + 80 Y1 + 40 Y2 + 30 Y3;
S.A.:
X1 + X2 + X3 = 12 000; (Se embarca 12 000 capacitores al mes)
X1 <= 6 000 (Capacidad de producción en la planta 1 de 6 000)

X1 <= M Y1
X2 <= M Y2
X3 <= M Y3
Xi >= 0 (i = 1, 2,3); Yi =0 ó 1
1
Programación en Lingo:
VARIABLES UTILIZADAS:
 COSTO = Costo variables (dólares) sujeto a la cantidad de producción que se

produzca.
 COSTOADIC = Costos fijo (dólares) adicional por utilizar las instalaciones de
alguna planta.
 CAP= Capacidad de cada planta.
 M = valor muy grande
 REQUERIMIENTO = cantidad de capacitares embarcados al mes
SETS:
PLANTA/1..3/: COSTO, COSTOADIC, X, Y, CAP;
ENDSETS
DATA:
COSTO = 20 25 30;
COSTOADIC = 80 40 30;
CAP= 6000 7000 6000;
M=1000000;
REQUERIMIENTO=12000;
ENDDATA
! FUNCION OBJETIVO:
MIN=@SUM(PLANTA(I):COSTO(I)*X(I))+ @SUM(PLANTA(I):COSTOADIC(I)*Y(I));
! RESTRICCIONES:
! RESTRICCION DE REQUERIMIENTO;
@SUM(PLANTA(I):X(I))=REQUERIMIENTO;
! RESTRICCION DE LA MAXIMA CAPACIDAD DE CADA PLANTA;

@FOR(PLANTA(I):X(I)<=CAP(I));
@FOR(PLANTA(I):X(I)<=M*Y(I));

@FOR(PLANTA(I):@BIN(Y));
END
Respuesta:
Como se nota en la solución con LINGO, para poder cumplir la demanda de los clientes
y a su vez minimizar los costos se deben producir en las plantas 1 y 2 con una cantidad
de 6 000 capacitores en cada planta, de esta forma el costo de producir capacitores en
estas plantas será de 270 120 dólares.
1
Problema 17
Un producto se puede fabricar en cuatro maquinas distintas. Cada maquina tiene

un costo fijo de preparación, costos variables de producción por unidad procesada
y una capacidad de producción que se proporciona en la tabla 15. Se tiene que
fabricar un total de 2000 unidades del producto. Plantee un PE cuya solución
indique como minimizar los costos totales.
MAQUINA COSTO FIJO COSTO VARIABLE POR CAPACIDAD

($) UNIDAD ($)
1 1000 20 900
2 920 24 1000
3 800 16 1200
4 700 28 1600
Solución:
X i = Cantidad de producto fabricado en la maquina i.

(i = 1,2,3,4.)
1, si el producto se fabrica en la maquina i. (i =1, 2, 3, 4.)

Yi =
0, si no es así.
Función objetivo es:
MIN Z = 20 X1 + 24 X2 + 16 X3 + 28 X4 + 1000 Y1 + 920 Y2 + 800 Y3

+ 700 Y4
Sujeto a:
X1 + X2 + X3 + X4 = 2000 (Total de producción requerida)

X1 - 2000 Y1 <= 0 (Si produce en maquina 1, se considera CF 1)
X1 <= 900 (Capacidad de la maquina 1)
X i, Yi =0 ó 1 ( i =1, 2, 3, 4. )
1
En Lindo
MIN 20 X1 + 24 X2 + 16 X3 + 28 X4 + 1000 Y1 + 920 Y2 + 800 Y3

+ 700 Y4
SUBJECT TO
X1 + X2 + X3 + X4 = 2000
X1 - 2000 Y1 <= 0
X2 - 2000 Y2 <= 0
X3 - 2000 Y3 <= 0
X4 - 2000 Y4 <= 0
X1 <= 900
X2 <= 1000
X3 <= 1200
X4 <= 1600
END
GIN X1
GIN X2
GIN X3
GIN X4
INTE Y1
INTE Y2
INTE Y3
INTE Y4
1) 37000.00

X1 800.000000 20.000000
X2 0.000000 24.000000
X3 1200.000000 16.000000
X4 0.000000 28.000000
Y1 1.000000 1000.000000
Y2 0.000000 920.000000
Y3 1.000000 800.000000
Y4 0.000000 700.000000

2) 0.000000 0.000000
3) 1200.000000 0.000000
4) 0.000000 0.000000
5) 800.000000 0.000000
1
6) 0.000000 0.000000
7) 100.000000 0.000000
8) 1000.000000 0.000000
9) 0.000000 0.000000
10) 1600.000000 0.000000
NO. ITERATIONS = 26
En conclusión:
El productor para minimizar sus costos totales deberá producir 800
productos en la maquina 1 y 1200 productos en la maquina 3, de esta manera incurrirá
en menos costos fijos y variables. Con esto la empresa incurrirá en un costo total de
37 000 dólares.
PROBLEMA 18
Monsanto produce anualmente 359 millones de libras de anhídrido maleico. Dispone

De un total de cuatro reactores para elaborar este producto. Cada reactor tiene la aptitud
de funcionar en uno de tres regimenes. El costo (en miles de dólares) y libras producidas
8en millones) anuales para cada reactor y cada régimen se proporcionan en la séte tabla.
Un reactor solo puede funcionar a un régimen el año completo. Prepare un P.E cuya
solución indique a Monsanto el método de costo mínimo para cumplir con su demanda
anual de anhídrido maleico.
MODEL:
SETS:
REACTOR/RX1 RX2 RX3 RX4/:P;

REGIMEN/RM1 RM2 RM3/;
FUNC(REACTOR,REGIMEN):X,COSTO,LIBRAS;
¡DEFINICION DE ATRIBUTOS:;
¡P:RESTRICCION DE QUE UN REACTOR SOLO PUEDE TRABAJAR A UN REGIMEN EN
UN AÑO;
¡COSTO:EN MILES DE DOLARES;
¡LIBRAS:CANTIDAD DE LIBRAS PRODUCIDAS EN EL REACTOR;
ENDSETS
DATA:
COSTO = 50 80 100
65 90 120
70 90 110
40 60 70;
LIBRAS = 80 140 170

100 140 215
112 153 195
65 105 130;
2
ENDDATA
@FOR(REACTOR(J):@SUM(REGIMEN(I):X(I,J))<=P(I));
@FOR(REGIMEN(I):@BIN(P(I));
@FOR(FUNC(I,J):@SUM(FUNC:COSTO*X(I,J))=359);
MAX=@SUM(FUNC:LIBRAS(I,J)*X(I,J));
END
El reactor 2 y el reactor 4 serán los que trabajen con el régimen 3 durante todo el año
Problema 20
Gasahol, Inc. Tiene 14 000 galones de una mezcla de gasolina y alcohol almacenada en
su
instalación de Fresno y 16 000 galones almacenados en su instalación de Bakersfield.
Desde estas instalaciones, Gasahol debe proveer a Fresh Food Farms (FFF) 10 000
galones y a American Growers (AG) 20 000 galones. El costo de embarcar un galón
desde cada instalación de almacenado a cada cliente es:
Formule un modelo de programación lineal para determinar el plan de embarque de

costo mínimo que satisfaga las restricciones de provisión y demanda.
Planteo Gráfico:
Variables de Decisión:
FRFFF: Cantidad de galones para proveer de Fresno a Fresh Food Farms.

FRAG: Cantidad de galones para proveer de Fresno a American Growers.
BKFFF: Cantidad de galones para proveer de Bakersfield a Fresh Food Farms.
2
BKAG: Cantidad de galones para proveer de Bakersfield a American Growers.
Restricciones de no negatividad:
FRFFF, FRAG, BKFFF y BKAG >= 0
Restricciones de Disponibilidad:
FRFFF + BKFFF >= 10000

FRAG + BKAG >= 20000
FRFFF + FRAG <= 14000
BKFFF + BKAG <= 16000
Función Objetivo:
Min = ( FRFFF * 0.04 ) + ( FRAG * 0.06 ) + ( BKFFF *0.05 ) + ( BKAG * 0.03)
Mediante Lindo:
MIN 0.04 FRFFF + 0.06 FRAG + 0.05 BKFFF + 0.03BKAG
SUBJECT TO
FRFFF + BKFFF >= 10000
FRAG + BKAG >= 20000
FRFFF + FRAG <= 14000
BKFFF + BKAG <= 16000
END
Respuesta en Lindo luego de compilar y ejecutar:

1) 1120.000

FRFFF 10000.000000 0.000000
FRAG 4000.000000 0.000000
BKFFF 0.000000 0.040000
BKAG 16000.000000 0.000000
2) 0.000000 -0.040000
3) 0.000000 -0.060000
4) 0.000000 0.000000
5) 0.000000 0.030000
NO. ITERATIONS= 1
2
PROBLEMA 21
Gotham City fue divida en 8 distritos. El tiempo en minutos que tarda una
ambulancia en llegar de un distrito a otro se muestra en la tabla. La
población de cada distrito en miles es como se indica:
Distrito 1 2 3 4 5 6 7 8
Población 40 30 35 20 15 50 45 60
La ciudad solo tiene 2 ambulancias y desea ubicarlas en tales lugares que se

maximice el numero de personas que viven a dos minutos de una ambulancia.
DISTRITO DISTRITO
1 2 3 4 5 6 7 8
1 0 3 4 6 8 9 8 10
2 3 0 5 4 8 6 12 9
3 4 5 0 2 2 3 5 7
4 6 4 2 0 3 2 5 4
5 8 8 2 3 0 2 2 4
6 9 6 3 2 2 0 3 2
7 8 12 5 5 2 3 0 2
8 10 9 7 4 4 2 2 0
SOLUCION:
Definimos las Variables de Decisión:
Xi = 1 si el distrito i cuenta con ambulancia

0 en caso contrario
Yi = 1 si el distrito i es atendido
0 en caso contrario
Donde i = 1,2,3,4,5,6,7,8
Si se quiere atender a las personas que viven a dos minutos o menos de una de las
ambulancias entonces en la siguiente tabla el valor 1 significa si la ambulancia del
distrito i atiende en 2 o menos minutos al distrito j , y 0 en caso contrario. La
ambulancia de un distrito atiende a su propio distrito en 0 min.
DISTRI DISTRITO
TO 1 2 3 4 5 6 7 8
1 1 0 0 0 0 0 0 0
2
2 0 1 0 0 0 0 0 0
3 0 0 1 1 1 0 0 0
4 0 0 1 1 0 1 0 0
5 0 0 1 0 1 1 1 0
6 0 0 0 1 1 1 0 1
7 0 0 0 0 1 0 1 1
8 0 0 0 0 0 1 1 1
o La tabla anterior va a estar representada por el parámetro tviajeij
Definimos la siguiente FUNCION OBJETIVO:
MAX Z= 40 Y( 1) + 30 Y( 2) + 35 Y( 3) + 20 Y( 4) + 15 Y( 5) + 50 Y( 6)+ 45 Y( 7) + 60 Y( 8)
RESTRICCIONES:
o RESTRICCION 1: La ciudad solo tiene dos ambulancias.
X( 1) + X( 2) + X( 3) + X( 4) + X( 5) + X( 6) + X( 7) + X( 8) = 2
o RESTRICCION 2: En cada una de las siguientes ecuaciones se muestra cuales

son los distritos Xi que pueden atender a un distrito Y j . Por ejemplo en la
tercera ecuación si por lo menos uno de los distritos 3, 4 ,5 posee una
ambulancia entonces Y(3) podria ser 0 o 1 (1 >=Y(3)) y como Y(3) esta en la
función objetivo y esta es de maximización el valor de Y(3) seria 1, es decir que
la ciudad si es atendida.
X( 1) - Y( 1) >= 0
X( 2) - Y( 2) >= 0
X( 3) - Y( 3) + X( 4) + X( 5) >= 0
X( 3) + X( 4) - Y( 4) + X( 6) >= 0
X( 3) + X( 5) - Y( 5) + X( 6) + X( 7) >= 0
X( 4) + X( 5) + X( 6) - Y( 6) + X( 8) >= 0
X( 5) + X( 7) - Y( 7) + X( 8) >= 0
X( 6) + X( 7) + X( 8) - Y( 8) >= 0
FORMULACION EN LINGO:
!x= 1-->si el distrito cuenta con la ambulancia
2
0-->si el distrito no cuenta con la ambulancia ;
!y= 1-->si el distrito es atendido
0-->si el distrito no es atendido;
!pob= cantidad de pobladores de un distrito;
!tviaje=posibilidad de viaje segun el tiempo que requiera de un
distrito a otro;
sets:
distrito/1..8/:pob,x,y;
distime(distrito,distrito):tviaje;
endsets
data:
tviaje=1 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0
0 0 1 1 1 0 0 0
0 0 1 1 0 1 0 0
0 0 1 0 1 1 1 0
0 0 0 1 1 1 0 1
0 0 0 0 1 0 1 1
0 0 0 0 0 1 1 1;
pob=40,30,35,20,15,50,45,60;
enddata
max=@sum(distrito(i):pob(i)*y(i));
!RESTRICCION 1;
@sum(distrito:x)=2;
!RESTRICCION 2;
@for(distrito(j):@sum(distrito(i):tviaje(i,j)*x(i))>=@sum(distrito(j):
y(j)));
! X e Y SON VARIABLES BINARIAS;
@for(distrito:@bin(x););
@for(distrito:@bin(y););
end
SOLUCION EN LINGO:
El máximo número de personas atendidas es 225. Para que esto ocurra los distritos con
ambulancia deben ser el 3 y 8. Se va a dejar de atender a los distritos 1 y 2.
2
PROBLEMA 22
Una compañía debe terminar tres trabajos. El tiempo de proceso ( en minutos) requerido se
muestra en la tabla. Un trabajo no se pueda procesar en la maquina j a menos que para toda i<j
el trabajo ha completado su proceso en la maquina i. Una vez que un trabajo empieza su
proceso en la maquina j, dicho trabajo debe continuar en la maquina j . El tiempo de flujo para
un trabajo es la diferencia entre su tiempo de terminación y el tiempo en el cual el trabajo
empieza su primera etapa de proceso. Planteé un PE cuya solución se pueda usar para
minimizar el tiempo de flujo promedio de los tres trabajos .
SETS:
TRABAJO/1..3/:;
MAQUINA/1..4/:; Maquina
MATRIZ(TRABAJO,MAQUINA):T,X,Y;
Trabajo 1 2 3 4
ENDSETS
1 20 - 25 30
DATA:2 15 20 - 18
T=20 0325 30 - 35 28 -
15 20 0 18 EN LINGO:
SOLUCION
0 35 28 0;
!M, mayor valor posible para quer no afecte a las restricciones M=1000;
ENDDATA
MIN=@SUM(MATRIZ(I,J):X(I,J));
!tiempo para trabajar c/u de los 3 trabajos >= tiempo establecido para optimizar la
produccion por ejemplo:
X(1,1)<=MY(1,1)
20-X(1,1)<=M*(1-Y(1,1);
@FOR(TRABAJO(I):@FOR(MAQUINA(J):X(I,J)<=M*Y(I,J)));
@FOR(TRABAJO(I):@FOR(MAQUINA(J):T(I,J)-X(I,J)<=M*(1-Y(I,J))));
!cada maquina debe realizar solo un trabajo completo

@FOR(MAQUINA(J):@SUMA(TRABAJO(I):Y(I,J)=1);
Problema 26:
!el producto1 solo requiere 3 procesos;
Y(1,1)+Y(2,1)+Y(1,3)+Y(1,4)=3;
El gobernador Blue del estado de Berry pretende conseguir la legislatura del estado
para dividir injusta y arbitrariamente los distritos electorales de de Berry. El estado
!el producto2
consiste en 10solo requiere
ciudades y el3 número
procesos;de republicanos y demócratas (en miles) en cada
Y(2,1)+Y(2,1)+Y(2,3)+Y(2,4)=3;
ciudad es el que se presenta en la tabla. Berry tiene cinco representantes electorales.
Para formar los distritos electorales; las ciudades se tienen que agrupar según las
!el producto3siguientes.
restricciones solo requiere 2 procesos;
Y(3,1)+Y(3,1)+Y(3,3)+Y(3,4)=2;
1.- Todos los electores en un a ciudad deben estar en el mismo distrito.
2.- cada distrito debe tener entre 150000 y 250000 electores (no hay electores
!Y es la variable binaria;
independientes).
@FOR(MATRIZ(I,J):@BIN(Y(I,J)));
El gobernador Blue es demócrata. Suponga que cada votante siempre vota por todos los
candidatos de un partido. Formule un PE que para ayudar al gobernador Blue a
maximizar el número de demócratas que ganaran curules en el congreso.
Tabla
Ciudad Republicanos Demócratas
2
1 80 34
2 60 44
3 40 44
4 20 24
5 40 114
6 40 64
7 70 14
8 50 11
9 70 54
10 70 64
Solución:
Xi = 1: si ganan los demócratas en el distrito i
0: caso contrario
Yij =cantidad de votantes del tipo j (1=Demócratas, 2= Republicanos)
Wij = 1 si los pobladores de la ciudad j pertenecen al distrito i
0 caso contrario
Max Z = X1 + X2+ X3+ X4 + X5
Y11 + Y12 ≥ 150000
Y21 + Y22 ≥ 150000
Y31 + Y32 ≥ 150000
Y41 + Y42 ≥ 150000
Y51 + Y52 ≥ 150000
Y11 + Y12 ≥ 250000
Y21 + Y22 ≥ 250000
Y31 + Y32 ≥ 250000
Y41 + Y42 ≥ 250000
Y51 + Y52 ≥ 250000
Y12 = 80 W11 + 60 W12 + 40 W13 + 20 W14 + 40 W15+40 W16+70 W17 +50 W18 +70
W19+70 W1 10
Y22 = 80 W21 + 60 W22 + 40 W23 + 20 W24 + 40 W25+40 W26+70 W27 +50 W28 +70
W29+70 W2 10
Y32 = 80 W31 + 60 W32 + 40 W33 + 20 W34 + 40 W35+40 W36+70 W37 +50 W38 +70
W39+70 W3 10
Y42 = 80 W41 + 60 W42 + 40 W43 + 20 W44 + 40 W45+40 W46+70 W47 +50 W48 +70
W49+70 W4 10
Y52 = 80 W51 + 60 W52 + 40 W53 + 20 W54 + 40 W55+40 W56+70 W57 +50 W58 +70
W59+70 W5 10
Y11 = 34 W11 + 44 W12 + 44 W13 + 24 W14 + 114 W15+64 W16+14 W17 +44 W18 +54
W19+64 W1 10
Y21 = 34 W21 + 44 W22 + 44 W23 + 24 W24 + 114 W25+64 W26+14 W27 +44 W28 +54
W29+64 W2 10
Y31 = 34 W31 + 44 W32 + 44 W33 + 24 W34 + 114 W35+64 W36+14 W37 +44 W38 +54
W39+64 W3 10
Y41= 34 W41 + 44 W42 + 44 W43 + 24 W44 + 114 W45+64 W46+14 W47 +44 W48 +54
W49+64 W4 10
Y51 = 34 W51 + 44 W52 + 44 W53 + 24 W54 + 114 W55+64 W56+14 W57 +44 W58 +54
W59+64 W5 10
W11 + W21+ W31 + W41 + W51 = 1
W12+ W22+ W32 + W42 + W52 = 1
2
W13+ W23+ W33+ W43 + W53= 1
W14+ W24+ W34 + W44 + W54 = 1
W15+ W25+ W35+ W45+ W55 = 1
W16+ W26+ W36 + W46 + W56 = 1
W17+ W27+ W37 + W47 + W57 = 1
W18+ W28+ W38 + W48 + W58 = 1
W19+ W29+ W39 + W49 + W59 = 1
W1 10 + W2 10 + W3 10 + W4 10 + W5 10 = 1
Y11 - Y12 = a11 – a12
Y21 - Y22 = a21 – a22
Y31 - Y32 = a31 – a32
Y41 - Y42 = a41 – a42
Y51 - Y52 = a51 – a52
a11 ≥ X1
a21 ≥ X2
a31 ≥ X3
a41 ≥ X4
a51 ≥ X5
PROBLEMA 26
Houseco Developers planean construir tres edificios de oficinas. El tiempo requerido

para terminar cada uno de ellos y la cantidad de trabajadores necesarios para ejecutar la
obra en todos los tiempos se proporcionan en la tabla 106. Una vez que se termina un
edificio se renta por la siguiente cantidad anual: edificio 1, 50 000 dólares; edificio 2,
30 000 dólares; edificio 3, 40 000 dólares. Houseco afronta las restricciones siguientes:
a Durante cada año se dispone de 60 trabajadores.

b Se puede iniciar cuando mucho un edificio durante cualquier año.
c El edificio 2 se debe terminar al final del año 4.
Formule un PE que maximice la renta total que gana Houseco al final del año 4.
Tabla 106
Numero de trabajadores
Edificio Duración del proyecto (años)
necesarios
1 2 30
2 2 20
3 3 20
SOLUCION
VARIABLES: i=1, 2, 3; j=1, 2, 3

X(i,j)= 1 si el edificio i se empieza a construir en el año j
0 en caso contrario
AÑO 1 AÑO 2 AÑO 3 AÑO 4
2
|________|________|________|________|
X11 X12
X23
X31 X32
FUNCION OBJETIVO (EN MILES DE DOLARES):
MAX Z = 50(4-2) X11 + 50(4-3) X12 + 40(4-3) X31
RESTRICCIONES:
X11 + X31<=1 (restricción del año 1)

X23 =1 (restricción del año 2)
X13 + X33<=1 (restricción del año 3)
X11 + X13<=1 (restricción del edificio 1)

X31 + X33<=1 (restricción del edificio 3)
30 X13 + 20 X31<=60 (restricción mano de obra en el año 1)

(30X11 + 20 X31)+20 X23<=60 (restricción mano de obra en el año 2)
(30X11 + 20 X31 + 20 X23)+30 X13 + 20 X33<=60 (restricción mano de obra en el
año 3)
FORMULACIÓN EN LINGO:
SETS:
EDIFICIO /1..3/:NUMTRAB,INGRESO;
YEAR/1..3/;
EDIFYEAR(EDIFICIO,YEAR):X;
ENDSETS
DATA:
NUMTRAB= 30 20 20;
INGRESO= 50 30 40;
ENDDATA
MAX= 100*X(1,1)+50*X(1,2)+40*X(3,1);
@FOR(YEAR(J):@SUM(EDIFICIO(I):X(I,J))<=1);
@FOR(EDIFICIO(I):@SUM(YEAR(J):X(I,J))<=1);
X(2,3)=1;
@SUM(EDIFICIO(I):NUMTRAB*X(I,1))<=60;
@SUM(EDIFICIO(I):NUMTRAB*X(I,1)+NUMTRAB*X(I,2))<=60;
@SUM(EDIFICIO(I):NUMTRAB*X(I,1)+NUMTRAB*X(I,2)+NUMTRAB*X(I,3))<=60;
@FOR(EDIFYEAR:@BIN(X));
SOLUCION EN LINGO:
El máximo ingreso por la renta total de Houseco es 100 mil dólares. El edificio 1 se
construye en el año 1, el edificio 2 en el año 3 para que este listo a finales del año 4 y el
edificio 3 se empezara a construir recién en el año 4 debido a la restricción de la mano
de obra.
Global optimal solution found at iteration: 0

2
NUMTRAB( 1) 30.00000 0.000000
NUMTRAB( 2) 20.00000 0.000000
NUMTRAB( 3) 20.00000 0.000000
INGRESO( 1) 50.00000 0.000000
INGRESO( 2) 30.00000 0.000000
INGRESO( 3) 40.00000 0.000000
X( 1, 1) 1.000000 -100.0000
X( 1, 2) 0.000000 -50.00000
X( 1, 3) 0.000000 0.000000
X( 2, 1) 0.000000 0.000000
X( 2, 2) 0.000000 0.000000
X( 2, 3) 1.000000 0.000000
X( 3, 1) 0.000000 -40.00000
X( 3, 2) 0.000000 0.000000
X( 3, 3) 0.000000 0.000000

1 100.0000 1.000000
2 0.000000 0.000000
3 1.000000 0.000000
4 0.000000 0.000000
5 0.000000 0.000000
6 0.000000 0.000000
7 1.000000 0.000000
8 0.000000 0.000000
9 30.00000 0.000000
10 30.00000 0.000000
11 10.00000 0.000000
Problema 27:
Hay cuatro camiones disponibles para entregar leche a cinco tiendas. La capacidad y los
costos de operación diarios de cada camión se muestran en la tabla 107, la demanda de
cada tienda puede ser surtida por sólo un camión, pero un camión podría entregar a más
de una tienda. La demanda diaria de cada tienda es como se indica: tienda 1, 100
galones; tienda 2, 200 galones; tienda3, 300 galones; tienda 4, 500 galones; tienda 5,
800 galones. Formule un PE con el que se pueda minimizar el costo diario de cumplir
con la demanda.
camión capacidad costos de operación diarios

(galones) (dólares)
1 400 45
2 500 50
3 600 55
4 1100 60
3
Solución
1, si se usa el camión i. (i =1, 2, 3, 4)

yi =
0, si no es así.
1, si se usa el camión i para repartir a la tienda j (j=1, 2, 3, 4, 5)

x ij=
0, si no es así.
El PE sería:
min z= 45y1+50y2+55y3+60y4
s.a
100x11+200x12+300x13+500x14+800x15<=400y1 (restricción de la capacidad)
100x21+200x22+300x23+500x24+800x25<=500y2
100x31+200x32+300x33+500x34+800x35<=600y3
100x41+200x42+300x43+500x44+800x45<=1100y4
x11 + x21 + x31 + x41=1 (la demanda de cada tienda no puede ser surtida
por más de un camión)
x12 + x22 + x32 + x42=1
x13 + x23 + x33 + x43=1
x14 + x24 + x34 + x44=1
x15 + x25 + x35 + x45=1
todas las variables son 0 o 1
EN LINGO EL PROGRAMA SERÍA:
SETS:
CAMION/1..4/:CAP,COST,Y;
TIENDA/1..5/:DEM;
REPARTO(CAMION, TIENDA):X;
3
ENDSETS
DATA:
CAP=400 500 600 1100;
COST = 45 50 55 60;
DEM= 100 200 300 500 800;
ENDDATA
MIN=@SUM(CAMION(I):COST(I)*Y(I));
@FOR(CAMION(I):
@SUM(TIENDA(J):X(I,J)*DEM(J))<=CAP(I)*Y(I);
);
@FOR(TIENDA(I):
@SUM(REPARTO(J,I):X(J,I))=1;
);
@FOR(CAMION(I):
@BIN(Y);
);
@FOR(REPARTO(I,J):
@BIN(X(I,J));
);
El mínimo costo en que se incurriría para cumplir con la demanda y ajustándose a las
restricciones es de 155 dólares.
Problema 28
El estado de Texas efectúa con frecuencia auditorias a compañías que tienen negocios
en Texas. Las oficinas centrales de estas compañías están ubicadas a menudo fuera del
estado de modo que los auditores tienen que viajar a lugares fuera del estado. Los
auditores tienen que hacer al año 500 viajes a ciudades en el noroeste, 400 viajes a
ciudades en el oeste medio, 300 viajes a ciudades en el oeste y 400 viajes a ciudades en
el sur. Texas está proyectando ubicar a sus auditores en Chicago, Nueva York, Atlanta y
Los Ángeles. El costo anual por ubicar auditores en cualquier ciudad es 100 000. El
costo por enviar un auditor desde cualquiera de estas ciudades a una región dada del
país, se muestra en la tabla 108.
Costo del auditor (dólares)

Oeste
Noreste Oeste Sur
medio
Nueva York 1 100 1 400 1 900 1 400
Chicago 1 200 1 000 1 500 1 200
Los Ángeles 1 900 1 700 1 100 1 400
Atlanta 1 300 1 400 1 500 1 050
3
Plantee un PE cuya solución minimice el costo anual que se genera por enviar a
los auditores fuera del estado.
Solución:
3
3
PROBLEMA Nº 28 :
El estado de Texas efectúa con frecuencia auditorias a compañías que tienen negocios
en Texas. Las oficinas centrales de estas compañías están ubicadas a menudo fuera del
estado, de modo que los auditores tienen que viajar a lugares fuera del estado. Los
auditores tienen que hacer al año 500 viajes a ciudades en el noreste, 400 viajes a
ciudades en el oeste medio, 300 viajes a ciudades en el oeste y 400 viajes a ciudades en
el sur. Texas esta proyectando ubicar a sus auditores en Chicago, Nueva York, Atlanta y
Los Ángeles.
El costo anual por ubicar auditores en cualquier ciudad es 100 000. El costo por enviar
un auditor desde cualquiera de estas ciudades a una región dada del país, se muestra en
la siguiente tabla.
COSTO DE AUDITOR (miles dólares)

CIUDAD NORESTE OESTE OESTE SUR
MEDIO
Nueva York 1 100 1 400 1 900 1 400
Atlanta 1 200 1 000 1 500 1 200
Chicago 1 900 1 700 1 100 1 400
Los Ángeles 1 300 1 400 1 500 1 050
Solución:
Xij = Cantidad de viajes de los auditores de la ciudad i ( i = 1: NY,2:A, 3:C, 4:LA) hacia
una región j ( j = 1: NO, 2:OM , 3: O, 4: S)
Yi = 1, si el auditor es asignado a la ciudad i ( i = 1: NY, 2:A, 3:C, 4:LA)
0, si no es así.
Función objetivo es:
Min z = COSTO X ASIGNAR AUDITORES + COSTO X VIAJE DE AUDITORES
Costo x viajes de auditores :
1 100 * X11+ 1 400 * X12 +1 900 * X13 + 1 400 * X14 + 1 200 * X12 + 1000 *X22 + 1 500
* X23 + 1 200 * X24 + 1 900 * X31+ 1 700 * X32 + 1 100 * X33 + 1 400 * X34 + 1 300 * X41
+ 1 400 * X42 + 1 500 * X43 + 1 050 * X44
Costo x asignar auditores :
3
100 000Y1 + 100 000 Y2 + 100 000Y3 +100 000 Y4
Restricciones :
Restricción de cantidad de viajes:
Noreste:
X11+ X21 + X31 + X41 >= 500
Oeste Medio:
X12+ X22 + X32 + X42 >= 400
Oeste:
X13+ X23+ X33 + X43 >= 300
Sur:
X13+ X23+ X33 + X44 >= 400
Restricción de asignación de auditores:
M= un numero muy grande
El auditor 1 puede ir a una región que pueden ser (j=1, 2, 3, 4)
X11+ X12 + X13 + X14 <= M * Y1
X21 + X22 + X23 + X24 <= M * Y2
X31+ X32 + X33 + X34 <= M * Y3
X41+ X42 + X43 + X44 <= M * Y4
Yi = 0 ó 1 (i = 1:A, 2:B, 3:C, 4:D) , (j = 1, 2, 3, 4)
Xi,j >= 0 (i = 1:A, 2:B, 3:C, 4:D) , (j = 1, 2, 3, 4)
3
El programa del Lingo es:
!COSTOS EN DOLARES;
!M=VALOR MUY GRANDE;
!Y =1 O 0 (1 = SI SE ASIGNA AUDITOR EN LA CIUDAD Y 0 = SI NO LO ES A
SI);
!CANT_V= CANTIDAD DE VIAJES HACIA LAS REGIONES;
!COST_V= COSTO POR VIAJE A LA CIUDAD I HACIA LA REGION J;
!COST_A= COSTO POR ASIGNAR UN AUDITOR A UNA LA CIUDAD;
SETS:
CIUDAD /1..4/: Y;
REGION /1..4/: CANT_V;
VIAJES (CIUDAD,REGION) : COST_V,X;
ENDSETS
DATA:
COST_V = 1100 1400 1900 1400
1200 1000 1500 1200
1900 1700 1100 1400
1300 1400 1500 1050 ;
CANT_V = 500 400 300 400 ;

M=10000000000;
COST_A=100000;
ENDDATA
MIN=@SUM(VIAJES :COST_V*X)+ @SUM(CIUDAD:Y)*COST_A;
! RESTRICION DE VIAJES;
@FOR(REGION(J):@SUM(CIUDAD(I):X(I,J))>=CANT_V(J));
! RESTRICCION DE ASIGNACION DE AUDITORES;
@FOR(CIUDAD(I):@SUM(REGION(J):X(I,J))<=M*Y(I));

@FOR(CIUDAD(I):@BIN(Y));
MODEL:
[_1] MIN= 1100 * X_1_1 + 1400 * X_1_2 + 1900 * X_1_3 + 1400 * X_1_4
+
3
1200 * X_2_1 + 1000 * X_2_2 + 1500 * X_2_3 + 1200 * X_2_4 + 1900 *
X_3_1
+ 1700 * X_3_2 + 1100 * X_3_3 + 1400 * X_3_4 + 1300 * X_4_1 + 1400
*
X_4_2 + 1500 * X_4_3 + 1050 * X_4_4 + 100000 * Y_1 + 100000 * Y_2 +
100000 * Y_3 + 100000 * Y_4 ;
[_2] X_1_1 + X_2_1 + X_3_1 + X_4_1 <= 500 ;
[_3] X_1_2 + X_2_2 + X_3_2 + X_4_2 <= 400 ;
[_4] X_1_3 + X_2_3 + X_3_3 + X_4_3 <= 300 ;
[_5] X_1_4 + X_2_4 + X_3_4 + X_4_4 <= 400 ;
[_6] X_1_1 + X_1_2 + X_1_3 + X_1_4 - 10000000000 * Y_1 <= 0 ;
[_7] X_2_1 + X_2_2 + X_2_3 + X_2_4 - 10000000000 * Y_2 <= 0 ;
[_8] X_3_1 + X_3_2 + X_3_3 + X_3_4 - 10000000000 * Y_3 <= 0 ;
[_9] X_4_1 + X_4_2 + X_4_3 + X_4_4 - 10000000000 * Y_4 <= 0 ;
@BIN( Y_1); @BIN( Y_2); @BIN( Y_3); @BIN( Y_4);
END
CONCLUSIONES:
El menor costo que se puede asignar para tener el costo en auditorias a compañías que
tienen negocios en el estado de Texas será por los cálculos obtenidos de 2010000
dólares al año.
No se ha realizado viajes de la ciudad Nueva York a la región de Noreste.

No se ha realizado viajes de la ciudad Nueva York a la región de OM.
No se ha realizado viajes de la ciudad Nueva York a la región de Oeste.
No se ha realizado viajes de la ciudad Nueva York a la región de Sur.
Se ha realizado 500 viajes de la ciudad Chicago a la región de Noreste.

Se ha realizado 400 viajes de la ciudad Chicago a la región de OM.
No se ha realizado viajes de la ciudad Chicago a la región de Oeste.
Se ha realizado 400 viajes de la ciudad Chicago a la región de Sur.
No se ha realizado viajes de la ciudad Los Ángeles a la región de Noreste.

No se ha realizado viajes de la ciudad Los Ángeles a la región de OM.
Se ha realizado 300 viajes de la ciudad Los Ángeles a la región de Oeste.
No se ha realizado viajes de la ciudad Los Ángeles a la región de Sur.
No se ha realizado viajes de la ciudad Atlanta a la región de Noreste.

No se ha realizado viajes de la ciudad Atlanta a la región de OM.
No se ha realizado viajes de la ciudad Atlanta a la región de Oeste.
No se ha realizado viajes de la ciudad Atlanta a la región de Sur.
Alumno: milla luyo

Como se observa en la ciudad de Chicago y Los Ángeles se han realizado viajes por lo
que en estos lugares se asignaran auditores, en tanto como la ciudad de Nueva York y de
Atlanta no se han realizado viajes no se asignaran auditores.
Problema 29:
3
Usted fue asignado para acomodar las canciones del ultimo álbum de Madona en la
versión audio cinta. Una cinta tiene dos lados ( 1 y 2 ). Las canciones de cada lado de la
cinta deben hacer en total entre 14 y 16 minutos de duración. La duración y tipo de
cada canción se proporcionan en la tabla 28.
Las asignaciones de canciones en la cinta debe cumplir con las condiciones siguientes:
1. Cada lado debe llevar dos baladas, exactamente.
2. El lado 1 debe tener por lo menos tres canciones hit
3. La canción 5 o la canción 6 tiene que estar en el lado 1.
4. Si las canciones 2 y 4 están en el lado 1, entonces la canción 5 debe estar en el

lado 2.
Canción Duración
Tipo ( min. )
1 Balada 4
2 Hit 5
3 Balada 3
4 Hit 2
5 Balada 4
6 Hit 3
7 5
8 Balada y Hit 4
Solución:
Considerando a M un valor grande.
1; Si en el lado i esta la canción numero j.

Xij =
0; Si no es así
Función objetivo:
max Z = X11 + X12 + X13 + X14 + X15 + X16 + X17 + X18 + X21 + X22 + X23 +
X24 + X25 + X26 + X27 + X28
Sujeto a:
2) 4 X11 + 5 X12 + 3 X13 + 2 X14 + 4 X15 + 3 X16 + 5 X17 + 4 X18 <= 16

3) 4 X11 + 5 X12 + 3 X13 + 2 X14 + 4 X15 + 3 X16 + 5 X17 + 4 X18 >= 14
4) 4 X21 + 5 X22 + 3 X23 + 2 X24 + 4 X25 + 3 X26 + 5 X27 + 4 X28 <= 16
5) 4 X11 + 5 X12 + 3 X13 + 2 X14 + 4 X15 + 3 X16 + 5 X17 + 4 X18 >= 14
6) X11 + X13 + X15 + X18 = 2
3
7) X21 + X23 + X25 + X28 = 2
8) X12 + X14 + X16 + X18 >= 3
9) X15 + X16 >= 1
10) X12 + X14 >= M (1 - X25)
END
INTE X11
INTE X12
INTE X13
INTE X14
INTE X15
INTE X16
INTE X17
INTE X18
INTE X21
INTE X22
INTE X23
INTE X24
INTE X25
INTE X26
INTE X27
INTE X28
Problema 29:
Una compañia de consultoria tiene 10 empleados ,cada uno de los cuales puede trabajar
cuando mucho en 2 proyectos de grupos.Hay 6 proyectos en planes .Cada proyecto
requiere 4 de nuestros 10 trabajadores. Los trabajadores necesarios y las ganancias
generadas en cada proyecto se muestra en la tabla 109.
A cada trabajador que interviene en cualquier proyecto se debe pagar el anticipo de la
tabla 110 .
Por ultimo ,cada trabajador que interviene en un proyecto se le paga la tarifa del
proyecto que se muestra en la tabla 111.
¿Como se puede maximizar su ganancia?
Tabla 109
Proyecto Trabajadores Rendimiento($)
necesarios
1 1,4,5,8 10000
2 2,3,7,10 15000
3 1,6,8,9 6000
4 2,3,5,10 8000
5 1,6,7,9 12000
6 2,4,8,10 9000
Tabla 110
4
Trabajadores
1 2 3 4 5 6 7 8 9 10
Anticip 800 500 600 700 800 600 400 500 400 500
o
Tabla 111
Proyecto
1 2 3 4 5 6
Tarifa($) 250 300 250 300 175 180
Resolución:
1, si el trabajador i integra el grupo de trabajo del proyecto j

Xij =
0, si no es así.
1, si se realiza el proyecto i
Yi =
0, si no es asi.
Funcion objetivo es:
Max z= 10000*Y1 + 15000*Y2 + 6000*Y3 + 8000*Y4 + 12000*Y5 + 9000*Y6 –

800*(X11+X13+X15) – 500*(X12+X24+X26) – 600*(X32+X34) – 700*(X41+X46) –
800*(X51+X54) – 600*(X63+X65) – 400(X72+X75) – 500(X81+X83+X86) – 400*(X93+X95) –
500*(X102+X104+X10 6) – 250*( X11 + X41 + X51 + X81 ) – 300*( X22 + X32 + X72 + X10.2) –
250*( X13 + X62 + X83 + X93) – 300*( X24 + X34 + X54 + X10 4) – 175*( X15 + X65 + X75 +
X95) – 180*( X26 + X46 + X86+ X10 6)
Sujeto a:
Restricción de participación de cada trabajador en cada proyecto
X11+X12+X13+ X14+X15+X16 ≤ 2
X21+X22+X23+ X24+X25+X26 ≤ 2
X31+X32+X33+ X34+X35+X36 ≤ 2
X41+X42+X43+ X44+X45+X46 ≤ 2
X51+X52+X53+ X54+X55+X56 ≤ 2
X61+X62+X63+ X64+X65+X66 ≤ 2
X71+X72+X73+ X74+X75+X76 ≤ 2
X81+X82+X83+ X84+X85+X86 ≤ 2
X91+X92+X93+ X94+X95+X96 ≤ 2
X10 1+X10 2+X10 3+ X10 4+X10 5+X10 6 ≤ 2
Restricción de participación necesaria por proyecto
X11 + X41 + X51 + X81 >= 4*Y1
4
X22 + X32 + X72 + X10 2 >= 4*Y2
X13 + X62 + X83 + X93 >= 4*Y3
X24 + X34 + X54 + X10.4 >= 4*Y4
X15 + X65 + X75 + X95 >= 4*Y5
X26 + X46 + X86+ X10 6 > = 4*Y6
El Programa de Lingo es:
SETS:
TRABAJADOR/1..10/:ANTICIPO;
PROYECTO/1..6/:TARIFA,RENDIMIENTO,Y;
MATRIZ(TRABAJADOR,PROYECTO):X;
ENDSETS
DATA:
ANTICIPO = 800 500 600 700 800 600 400 500 400 500;
TARIFA = 250 300 250 300 175 180;
RENDIMIENTO = 10000 15000 6000 8000 12000 9000;
MAXIMOP = 2;
ENDDATA
MAX=@SUM(PROYECTO:RENDIMIENTO*Y)- 800*(X(1,1)+X(1,3)+X(1,5) ) -
500*(X(1,2)+X(2,4)+X(2,6)) - 600*(X(3,2)+X(3,4)) - 700*(X(4,1)+X(4,6)) -
800*(X(5,1)+X(5,4)) - 600*(X(6,3)+X(6,5)) - 400*(X(7,2)+X(7,5)) -
500*(X(8,1)+X(8,3)+X(8,6)) - 400*(X(9,3)+X(9,5)) -
500*(X(10,2)+X(10,4)+X(10,6)) - 250*(X(1,1)+X(4,1)+X(5,1)+X(8,1)) -
300*(X(2,2)+X(3,2)+X(7,2)+X(10,2)) - 250*(X(1,3)+X(6,3)+X(8,3)+X(9,3)) -
300*( X(2,4)+X(3,4)+X(5,4)+X(10,4)) - 175*(X(1,5)+X(6,5)+X(7,5)+X(9,5)) -
180*(X(2,6)+X(4,6)+X(8,6)+X(10,6));
!RESTRICCION DE CAPACIDAD DEL TRABAJADOR;

@FOR(TRABAJADOR(I):@SUM(PROYECTO(J):X(I,J))<=MAXIMOP);
!RESTRICCION DE TRABAJADOR POR PROYECTO;

X(1,1)+X(4,1)+X(5,1)+X(8,1) >=4*Y(1);
X(2,2)+X(3,2)+X(7,2)+X(10,2)>=4*Y(2);
X(1,3)+X(6,3)+X(8,3)+X(9,3) >=4*Y(3);
Nota 1: No se pudo probar el Programa puede encontrar un Lingo de otra version pues
la cantidad de variables binarias es superior al limite que presenta esta version.
Nota 2: Se intento tratar de reducir el número de variables pero no llegue a ninguna
solución.
Nota 3: Gran parte de las restricciones se encuentran escritas en forma literal pues no
encontre la regla de adecuada para poder solo visualizar las variables que se necesitan
para la resolución de este problema.
Problema 29.
Una compañía de consultaría tiene 10 empleados , cada uno de los cuales

puede trabajar cuando mucho en dos proyectos de grupo. Hay seis proyectos
en planes . Cada proyecto requiere cuatro de nuestros 10 trabajadores . los
trabajadores necesarios y las ganancias generadas en cada proyecto se
muestran en la tabla 1.
A cada trabajador que interviene en cualquier proyecto se debe pagar el
anticipo de de la tabla 2.
4
Por ultimo cada trabajador que interviene en un proyecto se le paga la tarifa
del proyecto que se muestra en la tabla 3.
¿Cómo se puede maximizar la ganancia ?
TABLA 1
PROYECTO TRABAJADORES RENDIMIENTO
NECESARIOS (DOLARES )
1 1,4,5,8 10000
2 2,3,7,10 15000
3 1,6,8,9 6000
4 2,3,5,10 8000
5 1,6,7,9 12000
6 2,4,8,10 9000
TABLA 2
TRABAJADOR
1 2 3 4 5 6 7 8 9 10
Anticipo(Dólares) 800 500 600 700 800 600 400 500 400 500
TABLA 3
PROYECTO
1 2 3 4 5 6
TARIFA(DOLARES) 250 300 250 300 175 180
Solución
MODEL:
SETS:
TRABAJADOR/1..10/:ANTICIPO, Y ;
PROYECTO/1..6/:R, T, Z;
MATRIZ(PROYECTO , TRABAJADOR):C, X ;
ENDSETS
DATA:
ANTICIPO = 800 500 600 700 800 600 400 500 400 500;
RENDIMIENTO = 10000 15000 6000 8000 12000 9000;
TARIFA = 250 300 250 300 175 180;
C = 1 0 0 1 1 0 0 1 0 0
0 1 1 0 0 0 1 0 0 1
1 0 0 0 0 1 0 1 1 0
0 1 1 0 1 0 0 0 0 1
1 0 0 0 0 1 1 0 1 0
0 1 0 1 0 0 0 1 0 1;
ENDDATA
4
MAX = @SUM(PROYECTO(I):R(I)*Z(I))+@SUM(TRABAJADOR(I):ANTICIPO(I)*Y(I))
+@SUM(PROYECTO(I):T(I)*X(I,J));
! RESTRICCIONES;
@FOR(TRABAJADOR(J):@SUM(PROYECTO(I):X(I,J)*C(I,J))<=2 );
@FOR(TRABAJDOR(J):@SUM(PROYECTO(I): X(I,J))<=2);
@FOR(PROYECTO(I):@SUM(TRABAJADOR(I): X(I,J))>=M*Y(I));
@FOR(PROYECTO(I):@SUM(TRABAJADOR(J): X(I,J))>=M*Z(J));
@FOR(PROYECTO(I):@SUM(TRABAJADOR(J): X(I,J)*C(I,J))<=4);
@FOR(PROYECTO(I):@SUM(TRABAJADOR(J): X(I,J))<=4);

@FOR(MATRIZ(I,J):@BIN(X));
@FOR(PROYECTO(I):@BIN(Z));
@FOR(TRABAJADOR(I):@BIN(Y));
END
PROBLEMA 30:
La ciudad de Nueva Cork tiene 10 distritos de recolección de basura y pretende

determinar cuál de los distritos debería un tiradero. Cuesta 1000 dólares acarrear una
tonelada de basura un tramo de una milla. La ubicación de cada distrito, el costo fijo
anual (en millones de dólares) por operar un tiradero, y el costo variable (por tonelada)
por procesar una tonelada de basura en un tiradero, se muestra en la tabla 112.
Por ejemplo, el distrito 3 se localiza en las coordenadas (10,8). El distrito 3 produce 555
toneladas de basura al año, y cuesta un millón de dólares al año en costos fijos operar un
tiradero en el distrito 3. Cada tonelada de basura procesada en el sitio 3 incurre en un
costo variable de 51 dólares.
Cada tiradero puede procesar cuando mucho 1500 toneladas de basura. Cada distrito
debe enviar toda su basura a un solo sitio. Determine dónde localizar los tiraderos de tal
manera que se minimice el costo total por año.
TABLA 112:
Distrito Coordenadas Toneladas Costos(millones de $)
4
x y Fijo Variable
1 4 3 49 2 310
2 2 5 874 1 40
3 10 8 555 1 51
4 2 8 352 1 341
5 5 3 381 3 131
6 4 5 428 2 182
7 10 5 985 1 20
8 5 1 105 2 40
9 5 8 258 4 177
10 1 7 210 2 75
SOLUCIÓN:
1: Si el distrito i, será un tiradero. (i=1,2....10)

Xi = 0: Si el distrito i, no será un tiradero. (i=1,2....10)
1: Si el distrito i manda basura al distrito j

(i=1,2....10)
Yi j =
0: Si el distrito i, no manda basura al distrito j.
(i=1,2....10)
Dij = Distancia del distrito i al distrito j; (Donde i y j = 1, 2, ......10)
FO:
Min Z = (2 + 49*310)*X1 + (1+40*874)*X2 + (1+51*555)*X3 +
(1+341*351)*X4 + (3+131*381)*X5 + (2+182*428)*X6 +
(1+20*985)*X7 + (2+40*105)*X8 + (4+177*258)*X9 +
(2+75*210)*X10 +
(D11*Y11 + D12*Y21 + D13*Y31 + D14*Y41 + D15*Y51 +
D16*Y61 +D17*Y71 +D18*Y81 + D19*Y91 +
D110*Y101)*1000*X1
+ (D21*Y12 + D22*Y22 + D23*Y32 + D24*Y42 + D25*Y52 +
D26*Y62 +D27*Y72 +D28*Y82 + D29*Y92 +
D210*Y102)*1000*X2
+ (D31*Y13 + D32*Y23 + D33*Y33 + D34*Y43 + D35*Y53 +
D36*Y63 +D37*Y73 +D38*Y83 + D39*Y93 +
D310*Y103)*1000*X3
+ (D41*Y14 + D42*Y24 + D43*Y34 + D44*Y44 + D45*Y54 +
D46*Y64 +D47*Y74 +D48*Y84 + D9*Y94 +
D410*Y104)*1000*X4
+(D51*Y15 + D52*Y25 + D53*Y35 + D54*Y45 + D55*Y55 +
D56*Y65 +D57*Y75 +D58*Y85 + D59*Y95 +
D510*Y105)*1000*X5
+(D61*Y16 + D62*Y26 + D63*Y36 + D64*Y46 + D65*Y56 +
D66*Y66 +D67*Y76 +D68*Y86 + D69*Y96 +
D610*Y106)*1000*X6
4
+(D71*Y17 + D72*Y27 + D73*Y37 + D74*Y47 + D75*Y57 +
D86*Y67 +D77*Y77 +D78*Y87 + D79*Y97 +
D710*Y107)*1000*X7
+ (D81*Y18 + D82*Y28 + D83*Y38 + D84*Y48 + D85*Y58 +
D86*Y68 +D87*Y78 +D88*Y88 + D89*Y98 +
D810*Y108)*1000*X8
+(D91*Y19 + D92*Y29 + D93*Y39 + D94*Y49 + D95*Y59 +
D96*Y69 +D97*Y79 +D98*Y89 + D99*Y99 +
D910*Y109)*1000*X9
+(D101*Y110 + D102*Y210 + D103*Y310 + D104*Y410 +
D105*Y510 + D106*Y610 +D107*Y710 +D108*Y810 +
D109*Y910 + D1010*Y1010)*1000*X10
Sa:
X1*(Y11*49+Y12*874+Y13*555+Y14*352+Y15*381+Y16*428
+Y17*985+Y18*105+Y19*258+Y110*210) <=1500;
X2*(Y21*49+Y22*874+Y23*555+Y24*352+Y25*381+Y26*428
+Y27*985+Y28*105+Y29*258+Y210*210) <=1500;
RESTRICCION DE LA
CAPACIDAD DE LOS X3*(Y31*49+Y32*874+Y33*555+Y34*352+Y35*381+Y36*428
TIRADEROS +Y37*985+Y38*105+Y39*258+Y310*210) <=1500;
X4*(Y41*49+Y42*874+Y43*555+Y44*352+Y45*381+Y46*428
+Y47*985+Y48*105+Y49*258+Y410*210) <=1500;
X5*(Y51*49+Y52*874+Y53*555+Y54*352+Y55*381+Y56*428
+Y57*985+Y58*105+Y59*258+Y510*210) <=1500;
X6*(Y61*49+Y62*874+Y63*555+Y64*352+Y65*381+Y66*428+Y
67*985+Y68*105+Y69*258+Y610*210) <=1500;
X7*(Y71*49+Y72*874+Y73*555+Y74*352+Y75*381+Y76*428+Y
77*985+Y78*105+Y79*258+Y710*210) <=1500;
RESTRICCION DE LA
CAPACIDAD DE LOS
TIRADEROS
X8*(Y81*49+Y82*874+Y83*555+Y84*352+Y85*381+Y86*428+Y
87*985+Y88*105+Y89*258+Y810*210) <=1500;
X9*(Y91*49+Y92*874+Y93*555+Y94*352+Y95*381+Y96*428+Y
97*985+Y98*105+Y99*258+Y910*210) <=1500;
X10*(Y101*49+Y102*874+Y103*555+Y104*352+Y105*381+Y106
*428+Y107*985+Y108*105+Y109*258+Y1010*210) <=1500;
Y11+Y21+Y31+Y41+Y51+Y61+Y71+Y81+Y91+Y101<=1;
Y12+Y22+Y32+Y42+Y52+Y62+Y72+Y82+Y92+Y102<=1;
Y13+Y23+Y33+Y43+Y53+Y63+Y73+Y83+Y93+Y103<=1;
4
CADA DISTRITO Y14+Y24+Y34+Y44+Y54+Y64+Y74+Y84+Y91+Y104<=1;
DEBE ENVIAR Y15+Y24+Y35+Y45+Y55+Y65+Y75+Y85+Y91+Y105<=1;
TODA SU BASURA Y16+Y24+Y36+Y46+Y56+Y66+Y76+Y86+Y91+Y106<=1;
A UN SOLO SITIO. Y17+Y24+Y37+Y47+Y57+Y67+Y77+Y87+Y91+Y107<=1;
Y18+Y24+Y38+Y48+Y58+Y68+Y78+Y88+Y91+Y108<=1;
Y19+Y24+Y39+Y49+Y59+Y69+Y79+Y89+Y91+Y109<=1;
Y110+Y24+Y310+Y410+Y510+Y610+Y710+Y810+Y91+Y1010<=
1;
El programa en lingo:
SETS:
DISTRITO/1..10/:TN,CF,CV,CT,X;
DISTANCIA (DISTRITO,DISTRITO):D,Y;
ENDSETS
DATA:
TN=49 874 555 352 381 428 985 105 258 210;
CF=2 1 1 3 2 1 2 4 2;
CV=310 40 51 341 131 182 20 40 177 75;
D=0 2.83 7.81 5.38 1 2 6.32 2.23 5.09 5
2.83 0 8.54 3 3.61 2 8 5 4.24 2.23
7.81 8.54 0 8 7.07 6.71 3 8.6 5 9.05
5.38 3 8 0 5.83 3.6 7.61 7.62 3 1.41
1 3.61 7.07 5.83 0 1.49 5.38 2 5 5.65
2 2 6.71 3.6 1.49 0 6 4.12 3.16 3.6
6.32 8 3 7.61 5.38 6 0 6.4 5.83 9.22
2.23 5 8.6 7.62 2 4.12 6.4 0 7 7.21
5.09 4.24 5 3 5 3.16 5.83 7 0 4.12
5 2.23 9.05 1.41 5.65 3.6 9.22 7.21 4.12 0;
ENDDATA
!FUNCION OBJETIVO;
MIN = @SUM(DISTRITO(I):CT(I)*X(I))
+@SUM(DISTANCIA(I,J):@SUM(DISTANCIA(I,J):D(I,J)*Y(I,J))*1000*X(I));
!COSTO TOTAL;
@FOR(DISTRITO:CT=CF+CV*TN);
!RESTRICCIONES;
@FOR(DISTANCIA(I,J):@SUM(DISTRITO(I):TN(I)*Y(I,J))*X(I)<=1500);
@FOR (DISTANCIA:@SUM(DISTANCIA(I,J):Y(I,1))<=1);
!RESTRICCION DE VARIABLES BINARIAS;

@FOR(DISTRITO(I):@BIN(X););
@FOR (DISTANCIA(I,J):@BIN (Y););
Problema 30:
4
La universidad estatal tiene que comprar 1100 computadoras de tres vendedores. El
vendedor 1 carga 500 dólares por computadora mas un encargo por la entrega de 5000
dólares , el vendedor 2 carga 350 dólares por computadora mas un cargo por la entrega
de 4000 dólares. El vendedor 3 carga 250 dólares por computadora mas un cargo por la
entrega por de 6000 dólares. El vendedor 1 venderá a lo mas 500 computadoras, el
vendedor a los mucho 900 y el vendedor cuando mas 400. Se necesita minimizar el
costo de la compra de computadoras necesarias.
SOLUCION:
VARIABLES:
X(i,j) = Cantidad de computadoras que vende el vendedor i
Y(i,j) = 1 Si el vendedor i vende computadoras a la universidad estatal

0 en caso contrario.
FUNCION OBJETIVO:
MIN Z = 5000Y(1) + 4000Y(2) + 6000Y(3) + 500X(1) + 350X(2) + 250X(3)
RESTRICCIONES:
o RESTRICCION 1: La universidad estatal tiene que comprar 1100 computadoras

de tres vendedores.
X( 1) + X( 2) + X( 3) >= 1100
o RESTRICCION 2: Lo máximo que puede vender cada vendedor:
X( 1) <= 500
X( 2) <= 900
X( 3) <= 400
o RESTRICCION 3: Si la universidad compra computadoras al vendedor i

entonces también tendrá que pagar el cargo respectivo por la entrega de
computadoras.
1000000 Y( 1) + X( 1) <= 0
1000000 Y( 2) + X( 2) <= 0
1000000 Y( 3) + X( 3) <= 0
! MODELO DE WINSTON CAP 9 # PROB 6
4
COSTOS EN DOLARES;
!M=VALOR MUY GRANDE;
!COSTOE ES EL COSTO DE ENTREGA;
!X CANTIDAD DE COMPUTADORAS QUE VENDE EN VENDEDOR I;
!Y 1 SI EL VENDEDOR I VENDCOMPUTADORAS
! 0 EN CASO CONTRARIO;
SETS:
VENDEDOR/1..3/:COSTOE,COSTO,X,Y,MAXVEND;
ENDSETS
DATA:
COSTOE = 5000 4000 6000;
COSTO = 500 350 250;
MAXVEND= 500 900 400;
M=1000000;
REQUERIMIENTO=1100;
ENDDATA
MIN=@SUM(VENDEDOR(I):COSTO(I)*X(I))
+@SUM(VENDEDOR(I):COSTOE(I)*Y(I));
! RESTRICCION 1;
@SUM(VENDEDOR(I):X(I))>=REQUERIMIENTO;
! RESTRICCION DE 2;
@FOR(VENDEDOR(I):
X(I)<=MAXVEND(I);
);
! RESTRICCION DE 3;
@FOR(VENDEDOR(I):
X(I)<=M*Y(I);
);

@FOR(VENDEDOR(I):
@BIN(Y););
SOLUCION EN LINGO:
El mínimo costo para comprar computadoras es de 355 000 dolares, y la universidad

tendrá que comprar 700 y 400 computadoras a los vendedores 1 y 2 respectivamente.

4
Branch count: 0

M 1000000. 0.0000000
REQUERIMIENTO 1100.000 0.0000000
COSTOE( 1) 5000.000 0.0000000
COSTOE( 2) 4000.000 0.0000000
COSTOE( 3) 6000.000 0.0000000
COSTO( 1) 500.0000 0.0000000
COSTO( 2) 350.0000 0.0000000
COSTO( 3) 250.0000 0.0000000
X( 1) 0.0000000 150.0000
X( 2) 700.0000 0.0000000
X( 3) 400.0000 0.0000000
Y( 1) 0.0000000 5000.000
Y( 2) 1.000000 4000.000
Y( 3) 1.000000 6000.000
MAXVEND( 1) 500.0000 0.0000000
MAXVEND( 2) 900.0000 0.0000000
MAXVEND( 3) 400.0000 0.0000000

1 355000.0 1.000000
2 0.0000000 -350.0000
3 500.0000 0.0000000
4 200.0000 0.0000000
5 0.0000000 100.0000
6 0.0000000 0.0000000
7 999300.0 0.0000000
8 999600.0 0.0000000
PROBLEMA30:
La ciudad de Neva York tiene 10 distritos de recoleccion de basura y pretende

determinar cual de los distritos deberia ser un tiradero. Cuesta 1 000 dolares acarrear
una tonelada de basura un tramo de una milla. La ubicación de cada distrito, la cantidad
de toneladas de basura producidas en un año por el distrito, el costo fijo anual (en
millones de dólares) por operar un tiradero, y el costo variable(por tonelada) por
procesar una tonelada de basura en un tiradero, se muestra en la tabla 112.
Distrito Coordenadas Coordenadas toneladas Costo fijo Costo

x y (millones) variable(millones)
1 4 3 49 2 310
2 2 5 874 1 40
3 10 8 555 1 51
4 2 8 352 1 341
5 5 3 381 3 131
5
6 4 5 428 2 182
7 10 5 985 1 20
8 5 1 105 2 40
9 5 8 258 4 177
10 1 7 210 2 75
Por ejemplo el distrito 3 se localiza en las coordenadas (10,8). El distrito 3 produce 555
toneladas de basura al año, y cuesta un millon de dolares al año en costos fijos operar un
tiradero en el distrito 3. Cada tonelada de basura procesada en el sitio 3 incurre en un
costo variable de 51 dólares.
Cada tiradero puede procesar cuando mucho 1500 toneladas de basura. Cada distrito
debe enviar toda su basura a un solo sitio. Determine dónde localizar los tiraderos de tal
manera que se minimice el costo total por año.
Soluciòn
(LINGO)
min 2015190x1+1034960x2+1028305x3+120032x4+3049911x5+
2077896x6+1019700x7+2004200x8+4045666x9+2015750x10
+7000x1+7000x2+18000x3+10000x4+8000x5+9000x6+15000x7
+6000x8+13000x9+8000x10
subject to
49x1+874x2+555x3+352x4+381x5+428x6+985x7+105x8+258x9+210x10<=15000
end
INT X1
INT X2
INT X3
INT X4
INT X5
INT X6
INT X7
INT X8
INT X9
INT X10
PROBLEMA N° 31
Problema 31:
Usted es el Gerente de ventas de Eli Lilly. Ud. Desea Ubicar oficinas de ventas en
cuatro de las ciudades de la tabla 1. La cantidad de llamadas telefónica de ventas (en
miles) Que se deben hacer en cada ciudad que se dan e n la tabla 1. por ejemplo San
Antonio requiere 2000 llamadas y está a 602 millas de Phoenix. La distancia entre cada
ciudad se da en la tabla 2. ¿En donde se deben ubicar las oficinas centrales con el objeto
de minimizar la distancia total que se debe recorrer para hacer las llamadas necesarias?
Tabla N° 1
Ciudad (i) Llamada requeridas
5
(en miles)
San Antonio (1) 2
Phoenix (2) 3
Los Angeles (3) 6
Seattle (4) 3
Detroit (5) 4
Minneapolis (6) 2
Chicago (7) 7
Atlanta (8) 5
Nueva York (9) 9
Boston (10) 5
Filadelfia (11) 4
Tabla N° 2
San Los Nueva

Antonio Phoenix Angeles Sealtle Detroit Minneap. Chicago Atlanta York Boston Filadelfia
San Antonio 0 602 1376 1780 1262 1140 1060 935 1848 2000 1668
Phoenix 602 0 851 1193 1321 1026 1127 1290 2065 2201 1891
Los Angeles 1376 851 0 971 2088 1727 1914 2140 2870 2995 2702
Sealtle 1780 1193 971 0 1834 1432 1734 2178 2620 2707 2486
Detroit 1262 1321 2088 1834 0 403 205 655 801 912 654
Minneapolis 1140 1026 1727 1432 403 0 328 876 1200 1304 1057
Chicago 1060 1127 1914 1734 205 328 0 564 957 1082 794
Atlanta 935 1290 2140 2178 655 876 564 0 940 1096 765
Nueva York 1848 2065 2870 2620 801 1200 957 940 0 156 180
Boston 2000 2201 2995 2707 912 1304 1082 1096 156 0 333
Filadelfia 1668 1891 2702 2486 654 1057 794 765 180 333 0
SOLUCIÓN
Denotaremos las ciudades por códigos asignados:
Sea Xj = la ruta que debe realizar de una ciudad a otra
Xj= 1 Si se hace la ruta

0 Si no se realiza
j = 1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,.....55
entonces: grafico de las rutas será como se muestra en la tabla:
San Los Nueva

Antonio Phoenix Angeles Sealtle Detroit Minneap. Chicago Atlanta York Boston Filadelfia
San Antonio (1) 0 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
Phoenix (2) X1 0 X11 X12 X13 X14 X15 X16 X17 X18 X19
Los Angeles (3) X2 X11 0 X20 X21 X22 X23 X24 X25 X26 X27
Sealtle (4) X3 X12 X20 0 X28 X29 X30 X31 X32 X33 X34
Detroit (5) X4 X13 X21 X28 0 X35 X36 X37 X38 X39 X40
Minneapolis (6) X5 X14 X22 X29 X35 0 X41 X42 X43 X44 X45
Chicago (7) X6 X15 X23 X30 X36 X41 0 X46 X47 X48 X49
Atlanta (8) X7 X16 X24 X31 X37 X42 X46 0 X50 X51 X52
Nueva York (9) X8 X17 X25 X32 X38 X43 X47 X50 0 X53 X54
5
Boston (10) X9 X18 X26 X33 X39 X44 X48 X51 X53 0 X55
Filadelfia (11) X10 X19 X27 X34 X40 X45 X49 X52 X54 X55 0
Llamadas Neces. 2000 3000 6000 3000 4000 2000 7000 5000 9000 5000 4000
Obteniéndose entonces 55 rutas posibles a realizarse
Sea:
Yi = 1 si la Oficina central de ventas está en la ciudad i

0 si no está
i = 1,2,3,4,5,6,7,8,9,10,11
La función Objetivo:
Minimizar las distancias totales que se debe recorrer para hacer las llamadas necesarias:
Min Z =
Y1(602X1+1376X2+1780X3+1262X4+1140X5+1060X6+935X7+1848X8+2000X9+16
68X10)+
Y2(602X1+851X11+1193X12+1321X13+1026X14+1127X15+1290X16+2065X17+2201X1
8 +1894X 19)+
Y3(1376X2+875X11+971X20+2088X21+1727X22+1914X23+2140X24+2870X25+2995X
26 + 2702X 27)+
Y4(1780X3+1193X12+971X20+1834X28+1432X29+1734X30+2178X31+2620X32+2707
X33+ 2486+
Y5(1262X4+1321X13+2088X21+1834X
28+403X35+205X36+655X37+801X38+912X39+654X40)+
Y6(1140X5+1026X14+1727X22+1432X
29+403X35+328X41+876X42+1200X43+1304X44+1057X45)+
Y7(1060X6+1127X15+1914X23+1734X
30+205X36+328X41+564X46+957X47+1082X48+794X49)+
Y8(935X7+1290X16+2140X24+2178X
31+655X37+876X42+564X46+940X5+1096X51+765X52)+
Y9(1848X8+2065X17+2870X25+2620X
32+801X38+1200X43+957X47+940X50+156X53+180X54)+
Y10(2000X9+2201X10+2995X26+2707X
33+912X39+1304X44+1082X48+1096X51+156X53+333X55)+
Y11(1668X10+1891X11+2702X27+2486X
34+654X40+1057X45+794X49+765X52+180X54+333X55)
S.A.
Se desea con cuatro Oficinas centrales para realizar las ventas vía llamadas telefónicas:
Y1+ Y2 + Y3+ Y4+ Y5+ Y6+ Y7 + Y8+ Y9+ Y10 + Y11 = 4
El total de llamadas de las ciudades no debe de exceder de la Oficina central de ventas
(en miles):
5
 Si una de la oficinas centrales está en San Antonio, cuyas llamas necesarias es
2000:
3X1 + 6X2 + 3X3 + 4X4 + 2X5 + 7X6 + 5X7 + 9X8 + 5X9 + 4X10 <= 2;
 Si una de la oficinas centrales está en Phoenix, cuyas llamas necesarias es 3000:

2X1 + 6X11 + 3X12 + 4X13 + 2X14 + 7X15 + 5X16 + 9X17 + 5X18 + 4X19 <= 3;
 Si una de la oficinas centrales está en Loa Ángeles, cuyas llamas necesarias es

6000:
2X2 + 3X11 + 3X20 + 4X21 + 2X22 + 7X23 + 5X24 + 9X25 + 5X26 + 4X27 <= 6;
 Si una de la oficinas centrales está en Seattle, cuyas llamas necesarias es 3000:

2X3 + 3X12 + 6X20 + 4X28 + 2X29 + 7X30 + 5X31 + 9X32 + 5X33 + 4X34 <= 3;
 Si una de la oficinas centrales está en Detroit, cuyas llamas necesarias es 4000:

2X4 + 3X13 + 6X21 + 3X28 + 2X35 + 7X36 + 5X37 + 9X38 + 5X39 + 4X40 <= 4;
 Si una de la oficinas centrales está en Minneapolis, cuyas llamas necesarias es

2000:
2X5 + 3X14 + 6X22 + 3X29 + 4X35 + 7X41 + 5X42 + 9X43 + 5X44 + 4X45 <= 2;
 Si una de la oficinas centrales está en Chicago, cuyas llamas necesarias es 7000:

2X6 + 3X15 + 6X23 + 3X30 + 4X36 + 2X41 + 5X46 + 9X47 + 5X48 + 4X49 <= 7;
 Si una de la oficinas centrales está en Atlanta, cuyas llamas necesarias es 5000:

2X7 + 3X16 + 6X24 + 3X31 + 4X37 + 2X42 + 7X46 + 9X50 + 5X51 + 4X52 <= 5;
 Si una de la oficinas centrales está en Nueva York, cuyas llamas necesarias es

9000:
2X8 + 3X17 + 6X25 + 3X32 + 4X38 + 2X43 + 7X47 + 5X50 + 5X53 + 4X54 <= 9;
 Si una de la oficinas centrales está en Boston, cuyas llamas necesarias es 5000:

2X9 + 3X10 + 6X26 + 3X33 + 4X39 + 2X44 + 7X48 + 5X51 + 9X53 + 4X55 <= 5;
 Si una de la oficinas centrales está en Filadelfia, cuyas llamas necesarias es

4000:
2X10+ 3X11 + 6X27 + 3X34 + 4X40 + 2X45 + 7X49 + 5X52 + 9X54 + 5X55 <= 4;
Resuelto en LINGO:
Probla N° 31 del CAP. 9 del Libro de WINSTON;

!Xj = la ruta que debe realizar de una ciudad a otra
Xj= 1 Si se hace la ruta
5
0 Si no se realiza (j = 1,2,3 ... 55)
Yi = 1 si la Oficina central de ventas está en la ciudad i

0 si no está (j = 1,2,3 ... 11);
SETS:
CIUDAD/C1..C11/:Llamadas,Y;
Rutas(CIUDAD,CIUDAD):Distancia,X;
ENDSETS
DATA:
Llamadas=2,3,6,3,4,2,7,5,9,5,4;
Distancia= 0 602 1376 1780 1262 1140 1060 935 1848 2000 1668
602 0 851 1193 1321 1026 1127 1290 2065 2201 1891
1376 851 0 971 2088 1727 1914 2140 2870 2995 2702
1780 1193 971 0 1834 1432 1734 2178 2620 2707 2486
1262 1321 2088 1834 0 403 205 655 801 912 654
1140 1026 1727 1432 403 0 328 876 1200 1304 1057
1060 1127 1914 1734 205 328 0 564 957 1082 794
935 1290 2140 2178 655 876 564 0 940 1096 765
1848 2065 2870 2620 801 1200 957 940 0 156 180
2000 2201 2995 2707 912 1304 1082 1096 156 0 333
1668 1891 2702 2486 654 1057 794 765 180 333 0;
ENDDATA
!LA FUNCIÓN OBJETIVO;
MIN=@SUM(CIUDAD(i):Y(i)*@SUM(Rutas(i,j):Distancia(i,j)*X(i,j)));
!LAS RESTRICIOPNES ENCUNATO AL NUMERO DE OFINAS CENTRALES;

@SUM(CIUDAD:Y)=4;
!LAS RESTRICIOPNES ENCUNATO AL NUMERO DE LLAMADAS NECESARIAS;
@FOR(CIUDAD(i):@SUM(Rutas(i,j):Llamadas(i)*X(i,j))<=Llamadas(i));
!X e Y SON VARIABLES BINARIAS;

@FOR(CIUDAD:@BIN(Y););
@FOR(RUTAS:@BIN(Y););
END
Problema 31.
Una pipa de Sunco Oil tiene 5 compartimientos, con una capacidad de 2700, 2800,
1100, 1800 y 3400 galones de combustible respectivamente. La compañía debe surtir 3
tipos de gasolina (súper, regular y sin plomo) a un cliente. En la tabla se dan las
demandas, la multa por galón que falta y el faltante máximo permisible. Cada
compartimiento puede llevar solo un tipo de gasolina. Se desea minimizar los costos por
faltante de gasolina.
TIPO DE DEMANDA COSTO POR MAXIMA

GASOLINA GALON ESCASEZ
FALTANTE PERMITIDA
5
SUPER 2900 10 500
REGULAR 4000 8 500
SIN PLOMO 4900 6 500
SOLUCION:
VARIABLES:
W(i) = Galones de gasolina faltante del tipo i para satisfacer la demanda i

X(i,j) = Galones de gasolina del tipo i destinados al compartimiento j
Y(i,j) = 1 Si el compartimiento j lleva gasolina del tipo i
0 en caso contrario
i = 1(súper), 2(regular), 3(sin plomo)

j = 1,2,3,4,5
FUNCION OBJETIVO:
MIN Z = 10 W( 1) + 8 W( 2) + 6 W( 3)
RESTRICCIONES:
o RESTRICCION 1: Máxima escasez permitida de la gasolina del tipo i:
W( 1) <= 500
W( 2) <= 500
W( 3) <= 500
o RESTRICCION 2: Obligaciones con la demanda, donde X es la gasolina

destinada a un compartimiento y W es la gasolina faltante para satisfacer la
demanda.
X(1,1) + X(1,2) + X(1,3) + X(1,4) + X(1,5) + W(1) = 2900
X(2,1) + X(2,2) + X(2,3) + X(2,4) + X(2,5) + W(2) = 4000
X(3,1) + X(3,2) + X(3,3) + X(3,4) + X(3,5) + W(3) = 4900

o RESTRICCION 3: Capacidad de los compartimientos, si X(i,j)>0 entonces
Y(i,j) = 1.
X( 1, 1) <= 2700 Y( 1, 1)
X( 1, 2) <= 2800 Y( 1, 2)
X( 1, 3) <= 1100 Y( 1, 3)
X( 1, 4) <= 1800 Y( 1, 4)
X( 1, 5) <= 3400 Y( 1, 5)
X( 2, 1) <= 2700 Y( 2, 1)
X( 2, 2) <= 2800 Y( 2, 2)
X( 2, 3) <= 1100 Y( 2, 3)
X( 2, 4) <= 1800 Y( 2, 4)
X( 2, 5) <= 3400 Y( 2, 5)
X( 3, 1) <= 2700 Y( 3, 1)
5
X( 3, 2) <= 2800 Y( 3, 2)
X( 3, 3) <= 1100 Y( 3, 3)
X( 3, 4) <= 1800 Y( 3, 4)
X( 3, 5) <= 3400 Y( 3, 5)
o RESTRICCION 4: Cada compartimiento puede llevar solo un tipo de gasolina:
Y( 1, 1) + Y( 2, 1) + Y( 3, 1) = 1
Y( 1, 2) + Y( 2, 2) + Y( 3, 2) = 1
Y( 1, 3) + Y( 2, 3) + Y( 3, 3) = 1
Y( 1, 4) + Y( 2, 4) + Y( 3, 4) = 1
Y( 1, 5) + Y( 2, 5) + Y( 3, 5) = 1
sets:
!PROB 31 CAP 9.2 DEL WINSTON;
!x:gasolina;
!w:gasolina faltante;
!y:1 si el compartimiento j lleva la gasolina tipo i o en caso contrario;
!cf : costo por galon faltante;
!me : máxima escasez permitida;
tipo/1..3/:cf,me,dem,a,w;
compartimiento/1..5/:cap;
matriz(tipo,compartimiento):x,y;
endsets
data:
cf=10,8,6;
me=500,500,500;
dem=2900,4000,4900;
cap=2700,2800,1100,1800,3400;
enddata
min=@sum(tipo:w*cf);
!RESTRICCION 1;
@for(tipo(i):w<=me(i));
!RESTRICCION 2;
@for(tipo(i):w(i)+@sum(compartimiento(j):x(i,j))=dem(i));
!RESTRICCION 3;
@for(matriz(i,j):x(i,j)<=cap(j)*y(i,j));
!RESTRICCION 4;
@for(compartimiento(j):@sum(tipo(i):y(i,j))=1);
!VARIABLE Y ES BINARIA;
@for(matriz:@bin(y));
SOLUCION EN LINGO:
5
El mínimo costo que se podrá pagar es 2 600 dólares. La gasolina del tipo 1 (super)
2800 galones van al compartimiento 2, la gasolina del tipo 2 (regular) 2700 galones
van al compartimiento 1, la gasolina del tipo 2 1100 galones van al compartimiento 3,
la gasolina del tipo 3 (sin plomo) 1500 galones van al compartimiento 4, la gasolina del
tipo 3 3400 galones van al compartimiento 5. La variable w son los galones de gasolina
tipo i faltantes. Para que se cumpla la demanda faltan 100 galones del tipo súper, y 200
galones del tipo regular.

Branch count: 32

CF( 1) 10.00000 0.0000000
CF( 2) 8.000000 0.0000000
CF( 3) 6.000000 0.0000000
ME( 1) 500.0000 0.0000000
ME( 2) 500.0000 0.0000000
ME( 3) 500.0000 0.0000000
DEM( 1) 2900.000 0.0000000
DEM( 2) 4000.000 0.0000000
DEM( 3) 4900.000 0.0000000
A( 1) 0.0000000 0.0000000
A( 2) 0.0000000 0.0000000
A( 3) 0.0000000 0.0000000
W( 1) 100.0000 0.0000000
W( 2) 200.0000 0.0000000
W( 3) 0.0000000 6.000000
CAP( 1) 2700.000 0.0000000
CAP( 2) 2800.000 0.0000000
CAP( 3) 1100.000 0.0000000
CAP( 4) 1800.000 0.0000000
CAP( 5) 3400.000 0.0000000
X( 1, 1) 0.0000000 0.0000000
X( 1, 2) 2800.000 0.0000000
X( 1, 3) 0.0000000 0.0000000
X( 1, 4) 0.0000000 0.0000000
X( 1, 5) 0.0000000 0.0000000
X( 2, 1) 2700.000 0.0000000
X( 2, 2) 0.0000000 0.0000000
X( 2, 3) 1100.000 0.0000000
X( 2, 4) 0.0000000 0.0000000
X( 2, 5) 0.0000000 0.0000000
X( 3, 1) 0.0000000 0.0000000
X( 3, 2) 0.0000000 0.0000000
X( 3, 3) 0.0000000 0.0000000
X( 3, 4) 1500.000 0.0000000
X( 3, 5) 3400.000 0.0000000
Y( 1, 1) 0.0000000 -27000.00
Y( 1, 2) 1.000000 -28000.00
5
Y( 1, 3) 0.0000000 -11000.00
Y( 1, 4) 0.0000000 -18000.00
Y( 1, 5) 0.0000000 -34000.00
Y( 2, 1) 1.000000 -21600.00
Y( 2, 2) 0.0000000 -22400.00
Y( 2, 3) 1.000000 -8800.000
Y( 2, 4) 0.0000000 -14400.00
Y( 2, 5) 0.0000000 -27200.00
Y( 3, 1) 0.0000000 0.0000000
Y( 3, 2) 0.0000000 0.0000000
Y( 3, 3) 0.0000000 0.0000000
Y( 3, 4) 1.000000 0.0000000
Y( 3, 5) 1.000000 0.0000000

1 2600.000 1.000000
2 400.0000 0.0000000
3 300.0000 0.0000000
4 500.0000 0.0000000
5 0.0000000 -10.00000
6 0.0000000 -8.000000
7 0.0000000 0.0000000
8 0.0000000 10.00000
9 0.0000000 10.00000
10 0.0000000 10.00000
11 0.0000000 10.00000
12 0.0000000 10.00000
13 0.0000000 8.000000
14 0.0000000 8.000000
15 0.0000000 8.000000
16 0.0000000 8.000000
17 0.0000000 8.000000
18 0.0000000 0.0000000
19 0.0000000 0.0000000
20 0.0000000 0.0000000
21 300.0000 0.0000000
22 0.0000000 0.0000000
23 0.0000000 0.0000000
24 0.0000000 0.0000000
25 0.0000000 0.0000000
26 0.0000000 0.0000000
27 0.0000000 0.0000000
Problema 33:
5
Al tratar un tumor en el cerebro mediante radiaciones, los médicos quieren la cantidad
máxima de radiación posible para bombardear el tejido en donde se localiza el tumor.
Pero la restricción es que hay una cantidad máxima de radiación que el tejido normal
puede tolerar sin sufrir daño. Por lo tanto los médicos deben decidir cómo dirigir la
radiación de tal manera que sea máxima la radiación que llegue al tumor sujeta a la
restricción de no dañar el tejido sano. Como un ejemplo simple de esta situación,
suponga que se pueden dirigir seis tipos de haces de radiación (los haces difieren en
dirección e intensidad) a un tumor. La región en donde se localiza el tumor se dividió en
seis regiones: tres regiones contiene tumores y tres están sanas. La cantidad de radiación
por cada tipo de haz se muestra en la tabla.
Normal Tumor Haz

1 2 3 1 2 3
16 12 8 20 12 6 1
12 10 6 18 15 8 2
9 8 13 13 10 17 3
4 12 12 6 18 16 4
9 4 11 13 5 14 5
8 7 7 10 10 10 6
Si cada región de tejido tolera a lo más 40 unidades de radiación, entonces ¿qué haces
se deberían usar para maximizar la cantidad total de radiación recibida por el tumor?
Solución:
1 Si el haz de radiación de tipo i (i=1, 2…6) es usado

xi  
0 Si no sucede así
El PE apropiado es:
La función objetivo es maximizar la cantidad total de radiación recibida por el tumor.
MaxZ  74 x1  69 x 2  70 x3  68 x 4  56 x5  52 x 6
Sujeto a:
Restricción para región normal 1: 16 x1  12 x 2  9 x3  4 x 4  9 x5  8 x 6  40

Restricción para región normal 2: 12 x1  10 x 2  8 x3  12 x 4  4 x5  7 x6  40
Restricción para región normal 3: 8 x1  6 x 2  13x3  12 x 4  11x5  7 x6  40
Restricción para región tumor 1: 20 x1  18 x 2  13x3  6 x 4  13 x5  10 x 6  40
Restricción para región tumor 2: 12 x1  15 x 2  10 x3  18 x 4  5 x5  10 x 6  40
Restricción para región tumor 3: 6 x1  8 x 2  17 x3  16 x 4  14 x5  10 x6  40
En Lingo:
SETS:
HAZ/1..6/:TIPO;
REGION/1..6/:;
6
RADIACION(HAZ,REGION):CANTIDAD;
ENDSETS
DATA:
CANTIDAD = 16 12 8 20 12 6
12 10 6 18 15 8
9 8 13 13 10 17
4 12 12 6 18 16
9 4 11 13 5 14
8 7 7 10 10 10;
ENDDATA
MAX=@SUM(RADIACION(I,J):CANTIDAD(I,J)*TIPO(I));
! RESTRICCIONES;
@FOR(REGION(J):@SUM(HAZ(I):CANTIDAD(I,J)*TIPO(I))<=40);
@FOR(HAZ: @BIN(TIPO));
END
Solución en Lingo:

Branch count: 2

TIPO( 1) 1.000000 -74.00000
TIPO( 2) 0.0000000 -69.00000
TIPO( 3) 1.000000 -70.00000
TIPO( 4) 1.000000 -68.00000
TIPO( 5) 0.0000000 -56.00000
TIPO( 6) 0.0000000 -52.00000
CANTIDAD( 1, 1) 16.00000 0.0000000
CANTIDAD( 1, 2) 12.00000 0.0000000
CANTIDAD( 1, 3) 8.000000 0.0000000
CANTIDAD( 1, 4) 20.00000 0.0000000
CANTIDAD( 1, 5) 12.00000 0.0000000
CANTIDAD( 1, 6) 6.000000 0.0000000
CANTIDAD( 2, 1) 12.00000 0.0000000
CANTIDAD( 2, 2) 10.00000 0.0000000
CANTIDAD( 2, 3) 6.000000 0.0000000
CANTIDAD( 2, 4) 18.00000 0.0000000
CANTIDAD( 2, 5) 15.00000 0.0000000
CANTIDAD( 2, 6) 8.000000 0.0000000
CANTIDAD( 3, 1) 9.000000 0.0000000
CANTIDAD( 3, 2) 8.000000 0.0000000
CANTIDAD( 3, 3) 13.00000 0.0000000
CANTIDAD( 3, 4) 13.00000 0.0000000
6
CANTIDAD( 3, 5) 10.00000 0.0000000
CANTIDAD( 3, 6) 17.00000 0.0000000
CANTIDAD( 4, 1) 4.000000 0.0000000
CANTIDAD( 4, 2) 12.00000 0.0000000
CANTIDAD( 4, 3) 12.00000 0.0000000
CANTIDAD( 4, 4) 6.000000 0.0000000
CANTIDAD( 4, 5) 18.00000 0.0000000
CANTIDAD( 4, 6) 16.00000 0.0000000
CANTIDAD( 5, 1) 9.000000 0.0000000
CANTIDAD( 5, 2) 4.000000 0.0000000
CANTIDAD( 5, 3) 11.00000 0.0000000
CANTIDAD( 5, 4) 13.00000 0.0000000
CANTIDAD( 5, 5) 5.000000 0.0000000
CANTIDAD( 5, 6) 14.00000 0.0000000
CANTIDAD( 6, 1) 8.000000 0.0000000
CANTIDAD( 6, 2) 7.000000 0.0000000
CANTIDAD( 6, 3) 7.000000 0.0000000
CANTIDAD( 6, 4) 10.00000 0.0000000
CANTIDAD( 6, 5) 10.00000 0.0000000
CANTIDAD( 6, 6) 10.00000 0.0000000

1 212.0000 1.000000
2 11.00000 0.0000000
3 8.000000 0.0000000
4 7.000000 0.0000000
5 1.000000 0.0000000
6 0.0000000 0.0000000
7 1.000000 0.0000000
En conclusión los haces que se deberían emplear para maximizar la radiación en el

tumor son los de tipo 1, 3 y 4
Problema 34:
El servicio de bomberos de Smalltown tiene en la actualidad siete equipos con

escaleras ordinarias y siete cajas de alarma. Los dos equipos más cercanos con escalera
a cada caja de alarma se dan en la tabla 3. Los padres de la ciudad desean maximizar el
número de equipos con escalera ordinaria que se puedan reemplazar por equipos con
escaleras extensibles. Las consideraciones políticas establecen infortunadamente que es
posible reemplazar un equipo ordinario solo si, después del reemplazo por lo menos
uno de los equipos más cercanos a cada caja de alarma todavía es un equipo ordinario.
 Formule un PE que se pueda usar para maximizar la cantidad de equipos
convencionales que es posible reemplazar por equipos con escaleras
extensibles.
sol :
Xij = escalera j que esta cercana a la caja i que va a ser cambiada
Xij {1 si se cambia el equipo ordinario por el extensible

0 si no sucede así
Maz = X12+ X13+ X23+ X24+ X31+ X35+ X42+ X46+ X53+ X56 + X64
+X67+X75+ X77
6
s.a :
X12+ X13>= 1
X23+ X24>= 1
X31+ X35>= 1
X42+ X46>= 1
X53+ X56>= 1
X64 +X67>= 1
X75+ X77>= 1
X12 =X42
X13= X23= X53
X24= X64
X35= X75
X46 = X56
X67= X77
Xij= 0 o 1(i =j= 1, 2, 3, 4, 5, 6,7)
Alumno: Sánchez Carquin Nathaly

Codigo : 03170129
PROBLEMA 35:
Cuando usted solicita números telefónicos 800 a AT&T para telemercadeo, AT&T
utiliza un modelo de Solver para indicar a usted dónde debe ubicar su centro de
llamadas a fin de minimiza sus costos de operación sobre un horizonte de 10 años. Con
el objeto de ilustrar el modelo, suponga que usted está considerando 7 ubicaciones para
centros de llamadas: Boston, Nueva York, Charlotte, Dallas, Chicago, L.A y Omaha. Ya
conocemos el costro promedio (en dólares) en que se incurre si una llamada de
telemercadeo es hecha desde cualquiera de estas ciudades a cualquier región del país.
También sabemos los salarios por hora que debemos pagar a los trabajadores en cada
ciudad (tabla 120)
Suponga que una llamada promedio requiere 4 minutos. Hacemos llamadas 250 días al
año, y el número promedio de llamadas por día a cada región del país, se proporciona en
la tabla 121.
El costo de la construcción de un centro de llamadas en cada localidad posible, está en
la tabla 122.
Cada centro de llamadas puede efectuar al menos 5000 llamadas por día. Con esta
información ¿cómo se puede minimizar el costo de contado (a 10% por año) de echar a
andar la operación de telemercadeo durante 10 años? Suponga que todos los salarios y
los costos de las llamadas se pagan al final de cada año.
Tabla 120
6
Costo de Nueva Atlánti Grandes Montañas Salario
llamada Inglater co Sureste Soroeste Lagos Planicies Rocosas Pacífico x hora
($/min) ra Medio ($)
Boston 1.2 1.4 1.1 1.3 2 2.2 2.8 2.2 14
Nueva York 1.3 1 1.3 1.2 1.8 1.9 2.5 2.8 16
Charlotte 1.5 1.4 0.9 1.5 2.1 2.3 2.6 3.3 11
Dallas 2 1.8 1.2 1 1.7 2.2 1.8 2.7 12
Chicago 2.1 1.9 2.3 1.9 0.9 1.3 1.2 2.2 13
Los Angeles 2.5 2.1 1.9 2.2 1.7 1.5 1.4 1 18
Omaha 2.2 2.1 2 2.6 1.4 0.6 0.9 1.5 10
Tabla 121 Tabla 122
Región Llamadas diarias Ciudad Costo de Construcción

Nueva Inglaterra 1000 (millones de dolares)
Atlántico Medio 2000 Bostón 2.7
Sureste 2000 Nuvea Yokr 3
Suroeste 2000 Charlotte 2.1
Grandes Lagos 3000 Dallas 2.1
Planicies 1000 Chicago 2.4
Montañas Rocosas 2000 Los Angeles 3.6
Pacífico 4000 Omaha 2.1
SOLUCION:
Para poder minimizar los costos, primero hallaremos los costos anuales en $ para las
llamadas, para lo cual multiplicaremos por el promedio de duración de la llamada (4), el
número promedio de llamadas al día (tabla 121) y el número de días que se realizan
llamadas por año (250). Con lo que obtenemos la Tabla 1:
Costo de Nueva Atlánti Grandes Montañas

llamada Inglaterra co Sureste Suroeste Lagos Planicies Rocosas Pacífico TOTAL
( millones de Medio
$/ año)
Boston 1.2 2.8 2.2 5.2 6 2.2 5.6 8.8 34
Nueva York 1.3 2 2.6 4.4 5.4 1.9 5.0 11.2 33.8
Charlotte 1.5 2.8 1.8 3.8 6.3 2.3 5.2 13.2 36.9
Dallas 2 3.6 2.4 2 5.1 2.2 3.6 10.8 31.7
Chicago 2.1 3.8 4.6 3.0 2.7 1.3 2.4 8.8 28.7
Los Angeles 2.5 4.2 3.8 2.4 5.1 1.5 2.8 4 26.3
Omaha 2.2 4.2 4 2.6 4.2 0.6 1.8 6 25.6
Y para el Salario anual de los trabajadores, consideraremos que la central debe trabajar
los 365 días del año, las 24 horas del día.
Con lo que obtenemos la Tabla 2:
6
Salario Anual
Ciudad (Millones de $/Año)
Boston 0.12096
Nueva York 0.14016
Charlotte 0.09636
Dallas 0.10512
Chicago 0.11388
Los Angeles 0.15768
Omaha 0.08760
Sean las Variables:
Xi : 1, Si se opta como centro de llamadas por la ciudad i, 0 En caso contrario
i = 1 (Boston), 2 (Nueva York), 3 (Charlotte), 4 (Dallas), 5 (Chicago), 6 (L.A) , 7

(Omaha)
Función Objetivo:
Min = Xi*( Costo de llamadas(i) + Salario Anual(i) ) + 0.1* Costo de Construcción(i)
Restricciones:
Como la demanda total de llamadas, a las distintas regiones, es de 17 000 y cada centro
hará al menos 5000, poniéndonos en el peor de los casos tendríamos que cada centro
solo haría las 5000 llamadas, así tendríamos que se necesitará por lo menos:
17000/5000 = 3.4 = 4 centros
Para satisfacer la demanda:
Suma( Xi ) >= 4
El programa en Lingo es:

!CLL = Costo de la llamada;
!SA = Sueldo Anual;
!CC = Costo de Construcción;
SETS:
CENTROS/1..7/:X,CLL,SA,CC;
ENDSETS
DATA:
CLL= 34,
33.8,
36.9,
31.7,
28.7,
26.3,
25.6;
SA= 0.12096,
0.14016,
0.09636,
0.10512,
0.11388,
6
0.15768,
0.08760;
CC= 2.7,
3,
2.1,
2.1,
2.4,
3.6,
2.1;
ENDDATA
MIN = @SUM(CENTROS(i):X(i)*CLL(i)) +
@SUM(CENTROS(i):X(i)*SA(i))+
@SUM(CENTROS(i):X(i)*CC(i)*0.1);
@FOR(CENTROS(i):@SUM(CENTROS(j):X(j))>=4);
@FOR(CENTROS(i):@bin(X));
SOLUCION EN LINGO:
El costo mínimo de poner los centros de llamadas y satisfacer la demanda es de

113.7843 millones de dólares, y los locales deberán estar ubicados en: Dallas, Los
Angeles, Chicago y Omaha,

Branch count: 0

X( 1) 0.0000000 34.39096
X( 2) 0.0000000 34.24016
X( 3) 0.0000000 37.20636
X( 4) 1.000000 32.01512
X( 5) 1.000000 29.05388
X( 6) 1.000000 26.81768
X( 7) 1.000000 25.89760
CLL( 1) 34.00000 0.0000000
CLL( 2) 33.80000 0.0000000
CLL( 3) 36.90000 0.0000000
CLL( 4) 31.70000 0.0000000
CLL( 5) 28.70000 0.0000000
CLL( 6) 26.30000 0.0000000
CLL( 7) 25.60000 0.0000000
SA( 1) 0.1209600 0.0000000
SA( 2) 0.1401600 0.0000000
SA( 3) 0.9636000E-01 0.0000000
SA( 4) 0.1051200 0.0000000
SA( 5) 0.1138800 0.0000000
SA( 6) 0.1576800 0.0000000
SA( 7) 0.8760000E-01 0.0000000
CC( 1) 2.700000 0.0000000
CC( 2) 3.000000 0.0000000
CC( 3) 2.100000 0.0000000
CC( 4) 2.100000 0.0000000
CC( 5) 2.400000 0.0000000
CC( 6) 3.600000 0.0000000
6
CC( 7) 2.100000 0.0000000

1 113.7843 1.000000
2 0.0000000 0.0000000
3 0.0000000 0.0000000
4 0.0000000 0.0000000
5 0.0000000 0.0000000
6 0.0000000 0.0000000
7 0.0000000 0.0000000
8 0.0000000 0.0000000
PROBLEMA 36 :
La pregunta siguiente se relaciona con el ejemplo del presupuesto de capital de Star Oil
de la sección 3.6 los resultados de LINGO para este problema se muestran en la figura
16.
a. Encuentre e interprete el precio sombra de cada restricción.
b. Si el VPN de la inversión 1 fuera 5 millones de dólares ¿cambiaria la solución

óptima del problema?
c. Si el VPN de la inversión 2 y el de la inversión 4 disminuyera en 25%

¿cambiaria la solución optima del problema? (Para este inciso se requiere
conocer la regla del 100%.)
d. Suponga que el presupuesto del capital de Star Oil se modificara a 50 millones

de dólares en el tiempo 1. ¿Seria star mas rica? (Para este inciso se requiere
e. Suponga que esta disponible (inversión 6). Dicha inversión tiene un VPN de 10
millones de dólares y requiere una salida de efectivo de 5 millones de dólares en
el tiempo 0 y 10millones de dólares en el tiempo 1 ¿Debería Star Oil invertir en
la inversión 6?
6
Se define como:
Xi = fracción de la inversión i comprada por Star Oil ( i = 1, 2, 3, 4, 5)
6
SOLUCIÓN ÓPTIMA : 57.44902 millones de dólares
SOLUCIÓN
a. Encuentre e interprete el precio sombra de cada restricción.
Para ello necesitamos la solución dual del problema:
Se define que:
6
Y1 = Disponibilidad de dinero en el tiempo 0
Y2 = Disponibilidad de dinero en el tiempo 1
Y3 = Restricción de la inversión 1
Solución dual en LINDO
Se observa que los precios sombra y su interpretación son:
S1 = 0.190418 (Si aumentamos en 1 millón de dólares la disponibilidad en el

tiempo 1, el ingreso aumentará en 0.190418 millones de
dólares)
S2 = 0.984644 (Si aumentamos en 1 millón de dólares la disponibilidad en el

tiempo 1, el ingreso aumentará en 0.984644 millones de
dólares)
S3 = 7.951474 (Si aumentamos en 1 millón de dólares la inversión 1, el ingreso

aumentará en 7.951474 millones de dólares)

no sufrirá ningún aumento)
7


no sufrirá ningún aumento)
b. Si el VPN de la inversión 1 fuera 5 millones de dólares ¿cambiaria la

solución óptima del problema?
7
Como se puede observar la solución óptima cambia a un valor menor que es de
49.49754 millones de dólares.
c. Si el VPN de la inversión 2 y el de la inversión 4 disminuyera en 25%

¿cambiaria la solución optima del problema? (Para este inciso se requiere
Como se puede observar la solución óptima cambia a un valor menor que es

de 53.14558 millones de dólares.
7
d. Suponga que el presupuesto del capital de Star Oil se modificara a 50 millones
de dólares en el tiempo 1. ¿Seria Star más rica? (Para este inciso se requiere
Como se puede observar la solución óptima cambia a un valor mayor que es de

70.18182 millones de dólares. Es decir Star Oil será más rica.
e. Suponga que esta disponible (inversión 6). Dicha inversión tiene un VPN de
10 millones de dólares y requiere una salida de efectivo de 5 millones de
dólares en el tiempo 0 y 10 millones de dólares en el tiempo 1 ¿Debería Star
Oil invertir en la inversión 6?
7
Como se puede observar la solución óptima no cambia, y observamos que la
inversión 6 no se realiza y se obtiene un ahorro en gastos de 0.798526 millones
de dólares.
Por lo tanto Star Oil no debería hacer una inversión 6.

Problemas de Programacion Entera

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Problemas de Programacion Entera

Caricato da

Copyright:

Formati disponibili

PROBLEMAS DE PROGRAMACIÓN ENTERA

El equipo de gimnasia olímpica de Transilvania consta de 6 personas. Transilvania tiene

Gimnasta Viga de Ejercicios

1, si el gimnasta i entra en ambos eventos. (i = 1, 2, 3, 4, 5,6)

1, si el gimnasta i entra solo en vigas de equilibrio. (i = 1, 2, 3, 4, 5,6)

1, si el gimnasta i entra solo en ejercicios de piso. (i =1, 2, 3, 4, 5,6)

Max z = 16.7 X1+17.7 X2+17.7 X3+16.2 X4+16.8 X5+17.7 X6 +8.8 Y1+9.4

LP OPTIMUM FOUND AT STEP 12

NEW INTEGER SOLUTION OF 123.699997 AT BRANCH 0 PIVOT 12

OBJECTIVE FUNCTION VALUE

VARIABLE VALUE REDUCED COST

ROW SLACK OR SURPLUS DUAL PRICES

La decisión de una corte estableció que la matricula de cada escuela de bachillerato en

DISTRITO BLANCOS NEGROS

110X12 + 75X22 + 100X32 + 90X42 + 90X52 >= 150

150X12 + 25X22 + 50X32 + 200X42 + 150X52-110X12 - 75X22 - 100X32 - 90X42 -

X11 + X12 <=1

Xij =0 ó 1 (i =1,2,3,4,5 j=1,2)

NEW INTEGER SOLUTION OF 2.40000010 AT BRANCH 0 PIVOT 10

OBJECTIVE FUNCTION VALUE

VARIABLE VALUE REDUCED COST

ROW SLACK OR SURPLUS DUAL PRICES

Los datos del problema se pueden expresar de la siguiente manera:

Se Utilizara el programa lingo para resolver el problema

!x= 1-->si se estudia el curso i (i=1..7)

!min = cantidad mínima de curso;

!pcurso =posibilidad de tomar un curso i (1..7) para la materia j

La solución que me proporciona es la siguiente:

LP OPTIMUM FOUND AT STEP 12

NEW INTEGER SOLUTION OF 4.00000000 AT BRANCH 0 PIVOT 12

OBJECTIVE FUNCTION VALUE

VARIABLE VALUE REDUCED COST

ROW SLACK OR SURPLUS DUAL PRICES

2. Es posible abrir a lo más dos bodegas.

3. Se tiene que abrir la bodega de Atlanta o la de Los Ángeles.

OBJECTIVE FUNCTION VALUE

VARIABLE VALUE REDUCED COST

ROW SLACK OR SURPLUS DUAL PRICES

1 se usa la línea i, (i =1,2).

Entonces, la PE apropiada es:

F:O : min z = 1000y1 + 2000y2 + 500x1 + 900x2

x1, x2 >= 0; y1,y2 = 0 ó 1

La programación en LINDO sería:

min 1000y1 + 2000y2 + 500x1 + 900x2

OBJECTIVE FUNCTION VALUE

En el hospital general Blair se ejecutan 6 tipos de operaciones quirúrgicas. Los tipos de

Si consideramos a cada X como 1 y cada espacio vacío como 0:

Definimos las variables a utilizar:

Xi = 1 Si el cirujano i realiza alguna operación. (i = 1, 2, 3, 4, 5, 6)

El PE apropiado para este problema es:

DISPONIBILIDAD = Operaciones que pueden realizar los cirujanos

LA SOLUCIÓN DEL PROGRAMA CON LINGO ES:

OBJECTIVE FUNCTION VALUE

VARIABLE VALUE REDUCED COST

ROW SLACK OR SURPLUS DUAL PRICES

El programa en Lingo es:

!DESCRIPCIÓN DE LAS VARIABLES UTILIZADAS;

La solución del Lingo es:

Global optimal solution found at step: 14

Variable Value Reduced Cost

Row Slack or Surplus Dual Price

Costos fijos Costos variables Capacidad de

Podemos observa por el enunciado que se trata de un problema al que se denomina

Definimos las variables a utilizar:

Min = ( FRFFF * 0.04 ) + ( FRAG * 0.06 ) + ( BKFFF 0.05 ) + ( BKAG 0.03)