PROBLEMAS DE PROGRAMACIÓN ENTERA

1.- La empresa PECE vende ordenadores y debe hacer una planificación de la

producción durante la próxima semana. La compañía produce 3 tipos de ordenadores:
de mesa (A), portátil normal (B) y portátil de lujo (C). Todos los ordenadores que se
montan en una semana, se venden en esa semana. El beneficio neto por la venta de
uno de estos ordenadores es 350, 470 y 610 euros, respectivamente. Los ordenadores
A y B pasan un control de calidad y la empresa dispone de 120 h. para realizar estos
controles. Los ordenadores de tipo C pasan otro control distinto y la empresa dispone
de 48 h. a la semana para realizarlos. Cada control requiere 1 h. El resto de operaciones
de montaje requieren 10, 15 y 20 h. para los ordenadores de tipo A, B y C,
respectivamente. La empresa dispone de una capacidad de 2000 horas/semana.
¿Cuánto debe producir de cada ordenador para maximizar el beneficio?
Solución

2.- Para una jornada de 24 horas, un centro médico está requiriendo las siguientes
enfermeras:
Tiempo del día Número mínimo de enfermeras
2–6 4
6 – 10 8
10 – 14 10
14 – 18 7
18 – 22 12
22 – 2 4
Cada enfermera trabaja 8 horas consecutivas por día. El objetivo es encontrar el
número de enfermeras que cumplan los requerimientos. Formule el problema como un
modelo de programación lineal y encuentre la solución óptima.

3. Se necesita procesar 4 diferentes tareas para lo cual se cuenta con 4 máquinas. Por
diferencias tecnológicas el desperdicio que se produce depende del tipo de tarea y la
máquina en la cual se ejecuta, dada la matriz de Desperdicios expresada en pesos
definir la asignación óptima.
 MAQUINAS

TAREAS 1 2 3 4

A 49 86 54 70

B 45 79 66 81

C 46 58 78 88

D 44 38 66 69

Formule el problema como un modelo de Programación Lineal y encuentre la solución

óptima por el algoritmo húngaro y utilizando el solver de excel.

4. Un sistema de procesamiento compartido tiene seis ordenadores diferentes Oi; i = 1;

: : : ; 6 y debe procesar seis tareas Tj ; j = 1; : : : ; 6 que pueden realizarse en cualquiera
de los seis ordenadores, pero con la condición de que tendrían que completarse en el
ordenador en el que se iniciaron. Los costes de procesamiento cij de las tareas variarán
según el ordenador, tal como se muestra en la tabla.

T1 T2 T3 T4 T5 T6
O1 8 4 10 2 1 6
O2 6 6 12 4 3 5
O3 2 4 8 1 1 6
O4 10 8 15 6 2 3
O5 5 7 20 4 4 1
O6 8 2 10 4 2 4

Determinar qué ordenador se asignará a cada trabajo de modo que el coste total sea
mínimo, utilizando el Solver de excel.

5. El taller de José se especializa en cambios de aceite del motor y regulación del

sistema eléctrico. El beneficio por cambio del aceite es $7 y de $15 por regulación. José
tiene un cliente fijo con cuya flota, le garantiza 30 cambios de aceite por semana. Cada
cambio de aceite requiere de 20 minutos de trabajo y $8 de insumos. Una regulación
toma una hora de trabajo y gasta $15 en insumos. José paga a los mecánicos $10 por
hora de trabajo y emplea actualmente a dos de ellos, cada uno de los cuales labora 40
horas por semana. Las compras de insumos alcanzan un valor de $1.750 semanales.
José desea maximizar el beneficio total. Formule y resuelva el problema como un
modelo de programación lineal.

6. Consideremos el siguiente modelo de Programación Entera el cual resolveremos

con el algoritmo de Branch and Bound:
Solucion
El gráfico a continuación muestra dicha resolución:

La solución óptima del problema lineal asociado (que llamaremos P0)

es X1=2,8 y X2=1,6 con valor óptimo V(P0)=20,8. Claramente esta solución no cumple
las condiciones de integralidad para las variables de decisión por tanto es necesario
generar cotas o restricciones adicionales de modo de poder obtener soluciones
enteras. Para ello debemos seleccionar una de las 2 variables de decisión con valores
fraccionarios para poder generar cotas. En estricto rigor es indistinto cuál de ellas
seleccionemos debido a que el método nos debe llevar a conclusiones similares (aun
cuando la cantidad de pasos requeridos o rapidez de convergencia cambie).
En nuestro ejemplo generaremos cotas adicionales para la variable X1 aproximando
su valor actual al entero inferior más cercano (P1) y entero superior más cercano (P2).

La resolución gráfica del problema 1 (P1) nos da como solución

óptima X1=2 y X2=2 que es una solución entera. El valor óptimo del problema 1
es V(P1)=20. Notar que V(P1)<V(P0) lo cual es natural dado que el dominio de
soluciones factibles del P1 es menor (subconjunto) al dominio de soluciones factibles
de P0.
Análogamente la resolución gráfica (Método Gráfico) del problema 2 (P2) determina
que X1=3 y X2=4/3 con V(P2)=20 según se observa a continuación:

Luego no sería del todo necesario seguir desarrollando el algoritmo dado que si
generamos cotas para la variable X2 del P2 en ningún caso podríamos obtener una
solución entera con valor óptimo superior a 20 (valor que reporta en la función objetivo
la actual solución entera de P1) y por tanto podríamos concluir que X1=2y X2=2 es la
solución óptima del problema entero. No obstante el siguiente diagrama muestra
los pasos adicionales en caso que quisiera agregar cotas adicionales a partir del P2.

Un argumento similar al expuesto previamente en este caso explicaría la no necesidad

de seguir ramificando el P21. Se propone al lector verificar que se obtiene la misma
solución óptima si luego del P0 ramificamos a través de X2 agregando las
restricciones X2<=1 y X2>=2.