Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
En este sentido los algoritmos de resolución de los modelos de Programación Entera difieren
a los utilizados en los modelos de Programación Lineal, destacándose entre ellos
el Algoritmo de Ramificación y Acotamiento (o Branch & Bound), Branch & Cut, Planos
Cortantes, Relajación Lagrangeana, entre otros.
Notar que en los problemas anteriores (PEP) el conjunto de las soluciones factibles (o
dominio de soluciones factibles) es finito. Esto ocurrirá generalmente con los problemas de
Programación Entera (puros).
Para los problemas propuestos realizamos una representación gráfica haciendo uso del
software Geogebra. El dominio de soluciones factibles del Problema Lineal
(PL) corresponde al área achurada de color verde. Por otro lado el dominio de soluciones
factibles del Problema Entero (PE) es enumerable y corresponde a las coordenadas
denotadas por A, E, F, B, G, H, I, J, K, C, L, M, D (que es un subconjunto del dominio de
factibilidad del PL). En este caso en particular la solución óptima de ambos problemas
coincide (en el vértice C), no obstante, perfectamente podrían ser distintas (bastaría con
modificar los parámetros del problema).
En este contexto y dada la naturaleza de los problemas propuestos, el valor óptimo del
Problema Lineal (PL) será una cota superior del valor óptimo del Problema Entero
(PE). También se concluye que el dominio de soluciones factibles de un modelo de
Programación Lineal (cuando existe) representa un conjunto convexo (los problemas de
Programación Lineal son convexos) y en el caso del problema de Programación Entera Pura
su conjunto de soluciones factibles es discreto.
PROGRAMACION LINEAL:
1. Una compañía fabrica y venden dos modelos de lámpara L1 y L2. Para su fabricación
se necesita un trabajo manual de 20 minutos para el modelo L1 y de 30 minutos para
el L2; y un trabajo de máquina de 20 minutos para el modelo L1 y de 10 minutos para
L2. Se dispone para el trabajo manual de 100 horas al mes y para la máquina 80 horas
al mes. Sabiendo que el beneficio por unidad es de 15 y 10 euros para L1 y L2,
respectivamente, planificar la producción para obtener el máximo beneficio.
2. En una granja de pollos se da una dieta, para engordar, con una composición mínima
de 15 unidades de una sustancia A y otras 15 de una sustancia B. En el mercado sólo
se encuentra dos clases de compuestos: el tipo X con una composición de una unidad
de A y 5 de B, y el otro tipo, Y, con una composición de cinco unidades de A y una de
B. El precio del tipo X es de 10 euros y del tipo Y es de 30 €. ¿Qué cantidades se han
de comprar de cada tipo para cubrir las necesidades con un coste mínimo?
3. Se dispone de 600 g de un determinado fármaco para elaborar pastillas grandes y
pequeñas. Las grandes pesan 40 g y las pequeñas 30 g. Se necesitan al menos tres
pastillas grandes, y al menos el doble de pequeñas que de las grandes. Cada pastilla
grande proporciona un beneficio de 2 € y la pequeña de 1 €. ¿Cuántas pastillas se
han de elaborar de cada clase para que el beneficio sea máximo?
PROGRAMACION ENTERA
Ejercicio1
Donde Tij (parámetros) es el tiempo (en horas) requerido por el ingeniero i en realizar el
proyecto j. Por ejemplo T(A,P5)=7.
3. Restricciones:
Cada proyecto debe ser realizado por un solo ingeniero:
El siguiente tutorial muestra cómo resolver este problema de asignación con Solver de
Excel:
Se puede observar que para efectos de Solver, las variables de decisión binarias se
deben definir como una restricción adicional. También puede resultar que luego de
resolver Solver no encuentre inmediatamente la mejor solución posible. Para enfrentar
esta situación se puede “volver a resolver” sobre la solución que el programa nos haya
proporcionado hasta el momento para verificar si se puede lograr algo mejor. Esta
situación es la que sucedió en el tutorial y a continuación se muestra la solución óptima
(final) encontrada por Solver.
En total se requieren 56 horas para realizar los 7 proyectos. El ingeniero A realiza el P7,
el ingeniero B el P3 y P5, el ingeniero C el P6, el ingeniero D el P2 y P4 y el ingeniero E el
P1. Notar que cada proyecto es realizado por un ingeniero y cada ingeniero al menos
realiza un proyecto, pero no más de 2 proyectos.
w.youtube.com/watch?v=m-kxVx_jdmY
Ejercicio2
Ejercicio3
Ejercicio4
En este contexto existen varias aplicaciones que guardan una similitud conceptual con el
Problema de la Mochila y en consecuencia nos podemos beneficiar de la formulación y
resolución de un modelo de optimización matemática para dicho propósito.
Consideremos el siguiente ejemplo:
Problema de la Mochila
Un armador tiene un carguero con capacidad de hasta 700 toneladas. El carguero
transporta contenedores de diferentes pesos para una determinada ruta. En la ruta
actual el carguero puede transportar algunos de los siguientes contenedores:
La solución óptima consiste en transportar los contenedores C1, C2, C3, C4, C8, C9 y
C10, con un valor óptimo de 700 (toneladas), es decir, se utiliza la capacidad completa
del carguero. Notar que otra solución óptima consiste en transportar los contenedores
C1, C3, C4, C5, C6, C7, C8 y C9 lo que reporta un similar valor en la función objetivo.
Ejercicio4.-
Problema Asignación: Una universidad está programando las clases para el próximo semestre
académico y requiere buscar la mejor asignación posible de profesores a los distintos cursos que se
deben dictar. Considere que existen 5 profesores: A, B, C, D, E y 5 cursos (asignaturas): C1, C2, C3,
C4, C5. Adicionalmente, los profesores han manifestado sus preferencias por dictar los distintos cursos
en una escala de 1 a 10, donde 10 es la máxima puntuación y 1 la mínima puntuación o preferencia. Se
asume que cada profesor es apto para dictar cualquier curso, independiente del puntaje de su
preferencia. La siguiente tabla resume las puntuaciones que asigna cada profesor a cada curso:
PROFESORES
CURSOS A B C D E
C1 5 8 5 9 7
C2 7 2 3 6 8
C3 9 10 8 9 8
C4 8 7 9 7 8
C5 6 9 9 10 5
Se ha establecido como criterio que cada profesor debe dictar sólo un curso y a la vez que cada curso
obviamente debe tener un profesor. En base a lo anterior se desea encontrar la asignación de
profesores que maximize el total de las preferencias.