Lingo para la resolución de problemas de optimización

Contenido
1. LENGUAJE DE MODELADO LINGO ................................................................... 5

1.1 SINTAXIS DE LINGO ..................................................................................... 6
1.2 SECCION DE CONJUNTOS ............................................................................ 7
2. OPERADORES LOGICOS .................................................................................... 11
2.1 COMANDOS DE LOS MENÚS Y FUNCIONES DE LINGO ...................... 11
2.1.1 MENÚ FILE: ................................................................................................................. 11
2.1.2 MENÚ EDIT: ................................................................................................................ 12
2.1.3 MENU LINGO: ............................................................................................................. 13
2.2 FUNCIONES: .................................................................................................. 14
2.2.1 OPERADORES ESTANDAR .......................................................................................... 14
2.2.2 FUNCIONES DE IMPORTACIÓN DE ARCHIVOS:........................................................... 14
2.2.3 FUNCIONES DE FINANZAS: ......................................................................................... 14
2.2.4 FUNCIONES MATEMÁTICAS: ...................................................................................... 15
2.2.5 FUNCIONES DE ITERACIONES EN CONJUNTOS: ......................................................... 15
2.2.6 FUNCIONES DEL DOMINIO DE LA VARIABLE: ............................................................. 15
2.2.7 FUNCIONES DE PROBABILIDAD: ................................................................................. 15
3 PROBLEMAS RESUELTOS CON LINGO .......................................................... 16
3.1 Usando 1 sub. Índice ........................................................................................ 16
3.1.1 EJEMPLO DE MEZCLA............................................................................................... 16
3.1.2 EJEMPLO DE DIETAS ................................................................................................. 17
3.2 USANDO 2 SUB. INDICE ............................................................................. 20
3.2.1 PROBLEMA 1 usando 2 sub índices ..................................................................... 20
3.3.1 PROBLEMA 1 de tres sub índices .............................................................................. 22
3.4.1 PROBLEMA DE TRANSPORTE usando 4 sub índices .................................................. 23
3.5 PROBLEMAS DE TRANSPORTE ................................................................ 28
3.6 PROBLEMA DE INVERSIÓN ....................................................................... 29
3.7 PLANEACIÓN DE PRODUCCIÓN............................................................... 30
3.8 PLANEAMIENTO FINANCIERO ................................................................. 31
3.8.1 problema de planeamiento financiero 1 ................................................................... 31
3.8.2 PROBLEMA DE PLANEAMIENTO FINANCIERO 2 ......................................................... 32
3.8.3 PROBLEMA DE PLANEAMIENTO FINANCIERO 3......................................... 33
3.8.4 PROBLEMA DE PLANEAMIENTO FINANCIERO 4......................................... 35
4 PROBLEMAS DE PROGRAMACIÓN ENTERA CON LINGO ......................... 37
4.1 Problema 1 de programación entera ................................................................ 37
Manual de lingo con problemas resueltos

Página 2
5. PROBLEMA APLICADO A LA ASIGNACIÓN IMPORTANDO DE EXCEL .. 52
5.1 PROBLEMA 1 ................................................................................................. 52
5.1.1 INTERPRETACIÓN E IMPLENTACIÓN EN LINGO:......................................................... 54
5.1.2 REPORTE DE LA SOLUCIÓN EXPORTANDO DATOS A EXCEL: ...................................... 59
5.2 MODELO DE ASIGNACIÓN DE PRESUPUESTO ..................................... 60
5.3 PROGRAMA EN LINGO ............................................................................... 63
5.3.1 REPORTE DE LA SOLUCIÓN EXPORTANDO DATOS A EXCEL : ..................................... 63
5.4 Modelo de Asignación de Proyecto ................................................................. 64
6. FORMULACIÓN DEL MODELO ......................................................................... 64
6.1 DEFINICIÓN DE VARIABLES: .................................................................... 64
6.2 FUNCIÓN OBJETIVO: .................................................................................. 65
6.3 RESTRICCIONES: ......................................................................................... 65
6.3.1 RESTRICCIÓN DE USO MÍNIMO DE PRESUPUESTO POR SUSCURSAL ........................ 65
6.3.2 RESTRICCIÓN DE USO MÁXIMO DE PRESUPÚESTO POR SUCURSAL .......................... 65
6.3.3 RESTRICCIÓN DE INVERSIÓN MÁXIMA POR PROYECTO EN CADA SUCURSAL ........... 65
6.3.4 RESTRICCION DE PRESUPUESTO DISPONOBLE ........................................................ 65
6.4 Programación Lineal con 4 variables (Excel) .................................................. 68
7 PROBLEMA 1 EN LINGO EXPORTANDO DATOS EN ACCESS ................... 75

Página 3
INTRODUCCIÓN
En la actualidad nuestra vida, el entorno está lleno de problemas que nos aquejan;
problemas además que son un obstáculo para el desarrollo de las empresas
específicamente, al momento de realizar cálculos que nos garanticen que el ritmo de
producción que viene llevando dichas empresas se está desarrollando de la mejor
manera. Es necesario para cumplir nuestro propósito de desarrollar de la mejor
manera la compañía o negocio al fin, realizar cálculos que con sus respectivas
restricciones nos lleven a obtener las cantidades ideales o aptas para el buen
rendimiento de dichas entidades.
Cuando se busca que las empresas alcancen el máximo de ganancias o beneficios,

se hace uso del concepto de recursos, el cual interviene de gran manera en la
producción. Es así entonces que el fin de todo es buscar el máximo beneficio
posible, y para esto hacemos uso de software’s que nos permitan obtener dichas
cantidades que se utilizará para la producción.
En el trabajo mostrado a continuación, se muestra una práctica de laboratorio

correspondiente a contenidos de programación matemática. Se desarrollan
ejemplos, tanto de forma lineal, no lineal, de transportes, enteras, etc., así como la
solución de los mismos como el análisis de sensibilidad, el cual se realizó son el
software LINGO.
LINGO es una herramienta matemática que resuelve una amplia gama de problemas
de optimización, lineales, no lineales y enteros, utilizando un lenguaje sencillo, lo que
lo convierte en un asistente ideal en la docencia. Junto con LINDO forma parte del
paquete SOLVER SUITE (manual de usuario, 1996).
Podemos decir que el objetivo de este trabajo es mostrar las posibilidades del
software en la docencia de la optimización matemática y no de servir de manual de
introducción al manejo de LINGO, se incluyen los conocimientos elementales
necesarios para empezar a trabajar con este paquete.

Página 4
1. LENGUAJE DE MODELADO LINGO
¿Qué es LINGO?
LINGO es una herramienta simple para utilizar la potencialidad de la optimización

lineal y no lineal para formular problemas muy grandes de una manera concisa,
resolverlos y analizar su solución. La optimización le ayuda a encontrar la respuesta
que representa la mejor solución; obtiene la mayor utilidad, respuesta o felicidad; o
logra el menor costo, desperdicio o disconformidad. A menudo estos problemas
significan hacer el uso más eficiente de sus recursos- incluyendo dinero, tiempo,
maquinaria, personal, inventario y mucho más. Los problemas de optimización se
clasifican a menudo como lineales y no lineales, dependiendo si las relaciones entre
las variables son o no lineales.
LINGO es un lenguaje de modelado matemático diseñado para formular y resolver
problemas de programación lineal, programación entera y programación no lineal.
¿Cómo Instalar LINGO?

Esta sección discute cómo instalar LINGO en la plataforma Windows. Para instalar
LINGO en plataformas aparte de Windows, se refieren a las instrucciones de
instalación incluidas con su software.
Instalar el software de LINGO es directo. A LINGO de disposición para Windows,

ponga su CD en la guía apropiada y corrida la instalación programa SETUP
contenido en la carpeta de LINGO. El programa de instalación de LINGO le abrirá y
guiará por los pasos requeridos para instalar LINGO en su disco duro.
Nota: Si existe una versión previa de LINGO instalada en su máquina, entonces

usted puede necesitar. Desinstala lo antes que puede instalar la nueva copia de
LINGO. Para desinstalar la copia existente de lingos, haga clic en el botón Start de
Windows, escoja Panel de Control, entonces haga clic dos veces sobre en el Add o
quite programe icono. Deba entonces ser capaz de escoger LINGO y tener la
versión vieja quitada de su sistema.
La mayor parte de las copias de LINGO vienen con sus preinstaladas licencias. Sin
embargo, ciertas versiones de LINGO requieren usted para entrar una llave de
licencia. Si su versión de LINGO requiere una licencia teclee, estará presente con la
caja de diálogos siguiente cuando usted empieza LINGO:

Página 5
Su llave de licencia puede haber sido incluido en un correo electrónico envié a usted
cuando usted ordenó su software. La llave de licencia es una cuerda de letras,
símbolos y números, separado en grupos de cuatro por los guiones (por
ejempo,¿r82m-XCW2-dZu?-%72¿S-fD?S-Wp@ ). Cuidadosamente entre la llave de
licencia en el campo de edición, incluyendo guiones. Las llaves de licencia son el
caso sensitivo, así que debe estar seguro de preservar el caso de las letras
individuales al entrar su llave. Haga clic sobre el botón OK y, asumiendo la llave es
sido entrada correctamente, LINGO empezará entonces. En lo sucesivo, será capaz
de correr LINGO directamente sin entrar la llave.
Nota: Si recibió su licencia teclee por correo electrónico, entonces

tiene la opción de cortante-y-pegándolo en la caja de diálogos
clave de licencia. Corte la llave del correo electrónico que contiene
lo con el Ctrl+C llave, entonces escoja el campo clave en caja
de diálogos de LINGO y pegue la llave con la llave de Ctrl+V.
1.1 SINTAXIS DE LINGO
La sintaxis que se utiliza en este programa es muy sencilla. Para el nombre de las
Variables y otros identificadores se establece que pueden tener 32 caracteres
como Máximo, Deben comenzar con una letra seguido de letras, dígitos o _.
LINGO no distingue entre mayúsculas y minúsculas.
Con respecto a las sentencias:
• Todas las sentencias deben terminar en un punto y coma.

• Para darle un nombre a la función objetivo o a las restricciones, estos se deben
colocar entre corchetes.
• Para declarar la función objetivo debemos colocar las palabras reservadas
MAX o MIN, (aparecerán resaltadas en azul) seguidas del signo = .
• Los comentarios deben comenzar con un signo”!” , los cuales aparecen
resaltados en verde. Al igual que las sentencias los comentarios finalizan con
un punto y coma.
Una formulación en LINGO, tiene tres secciones:

 Sección de conjuntos, SETS, que especifica los conjuntos y sus atributos
 Sección de datos, DATA, que proporciona los datos a usar o indica donde
obtenerlos
 Sección del modelo, MODEL, lugar donde se describe el modelo matemático.

Página 6
1.2 SECCION DE CONJUNTOS
Cada conjunto tiene la sintaxis siguiente:
NOMBRE/ LOS MIEMBROS/: LOS ATRIBUTOS;
SETS:
FABRICAS /F1, F2/: CAPACIDAD;
CENTROS /C1, C2, C3/: DEMANDA;
RUTAS (FÁBRICAS, CENTROS): C, X;
ENDSETS
Los conjuntos, FABRICAS y CENTROS se denominan conjuntos primitivos y el

último se denomina conjunto derivado, donde C y X representan,
respectivamente, los costos unitarios de transporte y cantidad transportada de las
fabricas a los centros.
SECCION DE DATOS
Los valores de los atributos de los elementos de los conjuntos, tienen la sintaxis
siguiente:
DATA:
CAPACIDAD = 30, 20;
DEMANDA = 10, 25, 15;
C = 2, 4, 6,
7, 10, 1;
ENDDATA
SECCION DEL MODELO

Para presentar el modelo se utiliza dos funciones @SUM y @FOR.
@SUM calcula la suma de una expresión sobre todos los miembros del conjunto.
La forma general es:
@SUM (set: expresión)

Suma la expresión que sigue a los dos puntos.
Por ejemplo:
@SUM (RUTAS: C*X)
Suma la expresión que sigue a los dos puntos que corresponde al producto del
costo unitario de transporte por la cantidad transportada de cada origen a cada
destino considerado.

Página 7
La segunda función es @FOR, esta función sirve para generar restricciones sobre
los miembros de un conjunto. La forma general es:
@FOR (set: restricción)
Por ejemplo:
@FOR (CENTROS (J): @SUM (FABRICAS(I):X(I,J))<=CAPACIDAD(I));
Indica que se genere la restricción que sigue a los dos puntos para cada miembro
del conjunto que les precede. Cada elemento del conjunto CENTROS (J) para J =
1, 2,3 se genera las restricciones siguientes:
J = 1: X11 + X21 >= 10
J = 2: X12 + X22 >= 25
J=3 X13 + X23 >= 15
La formulación completa es como sigue:
MODEL:
! 2 FABRICAS, 3 CENTROS, problema de transporte;

SETS:
FABRICAS /1..2/: CAPACIDAD;
CENTROS /1..3/ : DEMANDA;
RUTAS (FÁBRICAS, CENTROS): C, X;
ENDSETS
DATA:
CAPACIDAD = 30,20;
DEMANDA = 10, 25,15;
C = 2, 4, 6,
7,10, 1;
ENDDATA
! LA FUNCION OBJETIVO;
MIN = @SUM (RUTAS: C*X);
! RESTRICCIONES DE LA DEMANDA;
@FOR (CENTROS (J): @SUM (FABRICAS (I): X (I, J)) >= DEMANDA (J));
! RESTRICCIONES DE LA OFERTA;
@FOR (FABRICAS (I): @SUM (CENTROS (J): X (I, J)) <= CAPACIDAD (I));
END

Página 8
Para presentar el modelo algebraico se hace clic en la ficha LINGO, Generate,
Algebraic, Generate y se tiene como resultado lo siguiente:
MODEL:
[_1] MIN= 2 * X_1_1 + 4 * X_1_2 + 6 * X_1_3 + 7 * X_2_1 + 10 * X_2_2 + X_2_3;
[_2] X_1_1 + X_2_1 >= 10;
[_3] X_1_2 + X_2_2 >= 25;
[_4] X_1_3 + X_2_3 >= 15;
[_5] X_1_1 + X_1_2 + X_1_3 <= 30;
[_6] X_2_1 + X_2_2 + X_2_3 <= 20;
END
Se puede omitir el paso anterior pasando a la solución del modelo haciendo clic en
LINGO, Solve obteniendo el siguiente resultado:
Objective value: 160.0000
Variable Value Reduced Cost

CAPACIDAD( F1) 30.00000 0.0000000
CAPACIDAD ( F2) 20.00000 0.0000000
DEMANDA( C1) 10.00000 0.0000000
DEMANDA( C2) 25.00000 0.0000000
DEMANDA( C3) 15.00000 0.0000000
C( F1, C1) 2.000000 0.0000000
C( F1, C2) 4.000000 0.0000000
C( F1, C3) 6.000000 0.0000000
C( F2, C1) 7.000000 0.0000000
C( F2, C2) 10.00000 0.0000000
C( F2, C3) 1.000000 0.0000000
X( F1, C1) 5.000000 0.0000000
X( F1, C2) 25.00000 0.0000000
X( F1, C3) 0.000000 10.000000
X( F2, C1) 5.000000 0.0000000
X( F2, C2) 0.000000 1.0000000
X( F2, C3) 15.00000 0.0000000

Página 9
1.2 USO DE FUNCIONES DE DOMINIO DE VARIABLES
A menos que se especifique lo contrario, las variables en un modelo de LINGO son
continuas y no negativas. Más específicamente las variables pueden asumir
cualquier valor real desde cero hasta más infinito. En muchos casos este dominio
para una variable puede ser inapropiado. Por ejemplo puede necesitarse que una
variable asuma valores negativos, o solamente valores enteros. LINGO está
provisto de cuatro funciones de dominio de variables que permiten sobrepasar el
dominio por omisión de una variable:
@GIN Limita la variable sólo a valores enteros
@BIN Hace una variable binaria (0 ó 1)

Permite que la variable tome cualquier valor
@FREE
real (positivo o negativo)
Limita la variable para que se ajuste a un rango
@BND
finito
 Ejemplos de uso de variables enteras:

@GIN(X); Transforma la variable escalar X en entera
@GIN (PRODUCE (5)); Transforma la variable PRODUCE (5) en entera
@FOR (DAYS(I): @GIN(START(I))); Transforma todas las variables del atributo
START
 Ejemplos de uso de variables binarias:

@BIN(X); Transforma la variable escalar X en binaria
@BIN (INCLUDE (4)); Transforma la variable INCLUDE (4) en binaria
@FOR (ITEMS:@BIN(INCLUDE));Transforma todas las variables del atributo
INCLUDE en binarias
 Ejemplos de uso de variables libres:

@FREE(X); Transforma la variable escalar X en libre
@FREEE (QUANTITY (4)); Transforma la variable QUANTITY (4) en libre
@FOR (ITEMS:@FREE(QUANTITY));Transforma todas las variables del atributo
QUANTITY en libres

Página 10
 Ejemplos de uso de variables con límites:
@BND (-1, X, 1): Restringe la variable X al intervalo [-1, 1]
@BND (100, QUANTITY (4), 200): Limita QUANTITY (4) entre 100 y 200
@FOR (ITEMS: @BND (10, Q, 20)): Fija los límites de todas las variables del
atributo Q en 10 y 20
@FOR (ITEMS: @BND (QL, Q, QU)): Fija los límites de todas las variables del
atributo Q en QL y QU (A QL y QU deben habérsele asignado valores en la
sección de datos)
2. OPERADORES LOGICOS
LINGO tiene nueve operadores lógicos:
NOT (no), EQ (igual), NE (no igual), GT (mayor que), GE (mayor igual), LT (menor
igual), LE (menor igual), AND (y) y OR (o) que se utilizan para comparar valores, la
forma de usar es: #operador#.
Los elementos del LINGO requieren un objetivo, una o más variables y una o más
restricciones. Las instrucciones del LINGO terminan con: (punto y coma).
2.1 COMANDOS DE LOS MENÚS Y FUNCIONES DE LINGO
El menú principal comprende 5 submenús acomodados en la parte superior de la

pantalla en los que se listan diversos comandos.
2.1.1 MENÚ FILE:

Los comandos del menú File (archivo) le permiten manejar sus archivos de datos
en LINGO de distintas maneras. Usted puede usar este menú para abrir, cerrar,
guardar e imprimir archivos, así como para ejecutar varias tareas únicas con
LINGO.
COMANDOS FILE:
 NEW F2: Crea una nueva ventana para ingresar datos.
 OPEN F3: Abre un archivo existente. Mediante los cuadros de dialogo
usted puede seleccionar entre varios tipos de archivos y ubicaciones.
 SAVE F4: Guarda la ventana activa. Usted puede guardar los datos de
entrada (un modelo), una ventana de informes (ventana de informes) o una
ventana de comandos.
 SAVE AS F5 : Guarda la ventana activa con un nombre de archivo
especifico. Es útil para volver a asignar un nombre a un archivo revisado y
conservar intacto el archivo original.

Página 11
 CLOSE F6: Cierra la ventana activa. Si la ventana contiene nuevos datos,
entonces se le preguntará si desea guardar los cambios.
 PRINT F7: Envía la ventana activa a su impresora.
 PRINTER SETUP F8: Selecciona la impresora y varias opciones para el
formato de impresión.
 Log output F9: Envía toda la actividad posterior de la pantalla que
normalmente se enviaría a la ventana Reports, a un archivo de texto. Si usted
especifica una ubicación log file, aparece una marca en el menú file en la
línea de Log Output. Para inactivar Log Output seleccione simplemente el
comando de nuevo.
 Take Commands: Toma un batch file de LINGO con comandos y texto del
modelo para operación automatizada. Se puede poner un modelo en la
memoria, resolverlo y la solución es colocada en la ventana Reports y
guardada en un archivo. Si usted usa el comando BATCH antes del inicio del
texto del modelo, el modelo y los comandos contenidos en el archivo, así
como la solución, se verán en la ventana Reports
 Import LINDO file F12: Abre un archivo que contiene un modelo de Lindo
en el formato TAKE de Lindo y traduce el modelo en un formato que Lingo
acepta.
 Exit F10: Cierra LINGO.
2.1.2 MENÚ EDIT:
Los comandos del menú edit permiten a usted ejecutar tareas básicas de edición
comunes a la mayoría de aplicaciones para Windows, así como efectuar varias
tareas que son exclusivas para LINGO.
COMANDOS EDIT:
Undo ctrl. + Z: Deshace la última acción.
Cut ctrl. + X: Corta el texto seleccionado en el portapapeles para pegarlo.
Copy ctrl. + C: Copia el texto seleccionado en el portapapeles para pegarlo.
Paste ctrl. + V: Inserta o pega el contenido del portapapeles en el punto de
inserción.
Clear delete : Borra el texto seleccionado pero no lo coloca en el
portapapeles.

Página 12
Find/ Replace ctrl. + F: Busca la ventana activa para encontrar el texto
seleccionado y reemplazarlo con el texto introducido en el cuadro “Replace
with” (Sustituya por).
G oto line ctrl. + T: Usted puede mover el cursor a cualquier linea especificada
de la ventana activa.
Match Paréntesis ctrl. + P: Encuentra el paréntesis cerrado que corresponde
al paréntesis abierto seleccionado.
Paste Function: Pega las funciones incorporadas EN LINGO en el punto de
inserción actual. Después de seleccionar este comando aparece otro
submenu con las distintas categorías de las funciones.
Select All ctrl. +A: Selecciona toda la ventana activa para cortarla o copiarla.
Cose New Font: Selecciona una nueva fuente para el texto en la ventana
activa.
2.1.3 MENU LINGO:

Los comandos del menú LINGO se usan después de que usted ya introdujo
datos y están listos para obtener una solución.
COMANDOS LINGO:
 Solve ctrl. + S: Envía el modelo que se encuentra en la ventana activa al
Solver de LINGO.
 Solution ctrl. + O: Abre el cuadro de dialogo Solution Report Options
(opciones para mostrar la solución), el cual permite a usted especificar como
quiere que aparezca su solución.
 Range ctrl. + R: Despliega un informe de intervalos, el cual le muestra dentro
de que valores usted puede cambiar valores coeficientes sin modificar los
valores óptimos.
 Look ctrl.+ L: Despliega todo el modelo o las líneas seleccionadas.
 Generate ctrl. + S: Crea otra versión del modelo actual en formato
algebraico de LINDO o MPS. Se puede usar para enumerar renglones y
desplegar el modelo en un formato más fácil de leer. El comando GEN
proporciona una capacidad similar desde la ventana de comandos.
 Export to Spreadsheet ctrl. + E: Exporta valores de variables seleccionadas
a intervalos nombrados en una hoja de calculo.

Página 13
Primero se tiene que crear una hoja de cálculo con intervalos dimensionados
para que se puedan acomodar en ellos los valores exportados.
Los intervalos tienen que contener números. Al seleccionar este comando se
abrirá un cuadro de dialogo que pide la plantilla y las hojas de trabajo (nombres
de archivo de la hoja de calculo), variables por exportar y el intervalo para el cual
se exportaran los valores. Las variables y el intervalo se introducen por pares y
se añaden a la lista de pares de variable e intervalo dando un clic en el botón de
agregar.
2.2 FUNCIONES:
LINGO tiene siete funciones principales: operador estándar, importación de

archivos, finanzas, matemáticas, iteraciones en conjuntos, dominio de variable y
probabilidad y una variedad de otras funciones. La mayoría de estas funciones
esta disponible por medio de los comandos del menú.
2.2.1 OPERADORES ESTANDAR
Entre estos operadores se encuentran los aritméticos (^,*,/,+ y - ) , operadores

lógicos (#EQ# , #NE# , #GT# , #GE# , #LT# y #L3#) para determinar la calidad
del conjunto y operadores de igualdad-desigualdad ( <;=;>; <= ; y >=) para
especificar si el primer miembro de una expresión debe ser menor que, igual a , o
mayor que el segundo miembro.
2.2.2 FUNCIONES DE IMPORTACIÓN DE ARCHIVOS:
Estas funciones le permiten importar el texto y datos de fuentes externas. La

función @FILE le permite importar el texto o datos desde un archivo en ASCIL, y
la función @IMPORT le permite importar datos solo de una hoja de calculo.
2.2.3 FUNCIONES DE FINANZAS:
Entre estas funciones están @FPA (I, N), la cual da el valor presente de una
anualidad y la función @FPL (I, N), la cual regresa el valor presente de un valor
global de N periodos de $1 a partir de ahora si la tasa de interés es I por
periodo. I no es un porcentaje, sino un número no negativo que representa la
tasa de interés.

Página 14
2.2.4 FUNCIONES MATEMÁTICAS:
Comprenden las funciones generales y trigonométricas siguientes: @ABS(X),

@COS(X), @EXP(X), @LGM (X), @LOG(X), @SIGN(X), @SIN(X), @SMAX
(list), @SMIN (list), @TAN(X). Se pueden utilizar combinaciones de las tres
funciones trigonométricas básicas (seno, coseno y tangente) para obtener otras
funciones trigonométricas.
2.2.5 FUNCIONES DE ITERACIONES EN CONJUNTOS:
Comprenden @FOR (set_name: constraint_expression), @MAX (set name:

expression), @MIN (set_name:expression) y @SUM (set_name:expression).
Estas funciones operan sobre un conjunto completo y producen un solo resultado
en todos los casos, excepto con la función @FOR, la cual genera restricciones
independientemente de cada elemento del conjunto.
2.2.6 FUNCIONES DEL DOMINIO DE LA VARIABLE:
Estas funciones fijan restricciones adicionales sobre variables y atributos.

Comprenden las siguientes: @BND (L, X, U), @BIN(X), @FREE(X) y @GIN(X).
2.2.7 FUNCIONES DE PROBABILIDAD:
LINGO posee capacidades estadísticas comunes con sus funciones de

probabilidad: @PSN(X),@PSL (X), @PPS (A,X), @PPL( A,X), @PBN(P,N,X),
@PHG(POP,G,N,X), @PEL(A,X), @PEB(A,X), PFS(A,X,C),
@PFD(N, D, X), @PCX(N, X), @PTD (N, X) y @RAND (X).

Página 15
3 PROBLEMAS RESUELTOS CON LINGO
3.1 Usando 1 sub. Índice
3.1.1 EJEMPLO DE MEZCLA

Una compañía Fabrica tres productos de caucho: AIRTEX (material esponjoso),
EXTENDEX (material elástico) y RESISTEX (material rígido). Los tres productos
requieren los mismos tres polímeros químicos y una base. La cantidad de cada
ingrediente usado por libra del producto final se muestra en la siguiente tabla.
Producto Ingrediente (OZ/LB de producto)

Polímero Polímero Polímero Base
A B C
AIRTEX 4 2 4 6
EXTENDEX 3 2 2 9
RESITEX 6 3 5 2
Inventario 500 425 650 1100
La compañía tiene el compromiso de producir ala menos 1000 libras de

airtex,500 libras de extendex y 400 libras de resistex para la próxima semana
pero la gerencia de la compañía sabe que puede vender mas de cada uno de los
tres productos .los inventarios actuales de los ingredientes son 500 libras del
polímero A , 425 libras del polímero B,650 libras el polímero C Y 1100 libras de
la base . Cada libra de airtex produce a la compañía una ganancia de $ 7, cada
libra de extendex una ganancia de $7 y cada libra de resistex una ganancia de
$6.como gerente del departamento de producción, usted necesita determinar el
plan de producción optimo para esta semana.
Solución:
Ingredientes (oz/lb. de producto)

Producto Polimero A Polimero B Polimero C base compromiso ganancia
AIRTEX 4 2 4 6 1000 7
EXTENDX 3 2 2 9 500 7
RESISTX 6 3 5 2 400 6
inventario 500 425 650 1100
Sea:
Xi: la cantidad de ingredientes del PRODUCTO i (i=airtex,extendex,resistex) que
se puede usar.
3
FUNCION OBJETIVO: 
X*
i
1
ganacia
(i) ;donde ganancia es la utilidad ya
i
sea del Producto airtex, extendex, resistex.
Entonces: MAX Z = 7*X1 + 7*X2 + 6*X3

Página 16
SUJETO A:
3

X

i

1
COMPROMISO
(
i
)i
Para i=1-----X1 >=1000

Para i=2-----X2 >=500
Para i=3-----X3 >=400
3

X
*

i
1
ito
(i
,
j)
requerimen
inventario
(
j
)*
16
, donde requerimiento (i , j) es
la cantidad de producto de cada tipo de ingrediente.

Para J= 1------ 4X1 + 3X2 + 6X3 <= 500*16;
Para J= 2------ 2X1 + 2X2 + 3X3 <= 425*16;
Para J= 3------ 4X1 + 2X2 + 5X3 <= 650*16;
Para J= 4------ 6X1 + 9X2 + 2X3 <= 1100*16;
SETS:
PRODUCTO/1..3/:NIVEL,COMPROMISO,GANANCIA;
INGREDIENTE/A..D/:INVENTARIO;
PROIN(PRODUCTO, INGREDIENTE):X;
ENDSETS
DATA:
COMPROMISO=1000,500,400;
GANANCIA=7,7,6;
INVENTARIO =500,425,650,1100;
X=4,2,4,6,
3,2,2,9,
6,3,5,2;
ENDDATA
!FUNCION OBJETIVO MAXIMIZAR LA UTILIDAD;

MAX=@SUM(PRODUCTO:GANANCIA*NIVEL);
!RESTRICCION DEL INVENTARIO;
@FOR(INGREDIENTE(I):@SUM(PRODUCTO(P):X(P,I)*NIVEL(P))<=INVENTARIO(I)*16);
!RESTRICCION DEL COMPROMISO;
@FOR(PRODUCTO:NIVEL>=COMPROMISO);
END
3.1.2 EJEMPLO DE DIETAS
El departamento de nutrición de u hospital prepara 30 menues de cena, uno para

cada día del mes. Una comida consiste en espagueti, pavo, papas en escalope y
pastel de manzanas. Como director del departamento de nutrición, usted ha
determinado que esta comida debe proporcionar 63000 miligramos de proteínas,
10 miligramos de hierro, 15 miligramos de niacina, 1 miligramo de tiamina y 50
miligramos de vitamina C .cada 100 gramos de esta comida proporciona la
cantidad de cada nutriente y grasas indicadas en la siguiente tabla:

Página 17
NUTRIENTE(mg / 100g)
PROTEINA HIERRO TIACINA TIAMINA VITNA C GRASA
ESPAGU 5000 1.1 1.4 0.18 0.0 5000
ETI
PAVO 29300 1.8 5.4 0.06 0.0 5000
PAPAS 5300 0.5 0.9 0.06 10 7900
ESPINAC 3000 2.2 0.5 0.07 28 300
AS
PASTEL 4000 1.2 0.60 0.15 3.0 14300
SOLUCION: hacemos nuestra tabla
POTAJE NUTRIENTE(mg/100g)
PROTEINA HIERRO TIACINA TIAMINA VITNA C GRASA MAXIMO
ESPAGUETI 5000 1.1 1.4 0.18 0 5000 300
PAVO 29300 1.8 5.4 0.06 0 5000 300
PAPAS 5300 0.5 0.9 0.06 10 7900 200
ESPINACAS 3000 2.2 0.5 0.07 28 300 100
PASTEL 4000 1.2 0.6 0.15 3 14300 100
MINIMO 63000 10 15 1 50 0
Sea Xi: cantidad de nutriente de tipo (i=1, 2, 3, 4, 5,6) i=1---espagueti

i=2---pavo
i=3---papas
i=4---espinacas
i=5---pastel
i=6---grasa
Función objetivo:
Min Z=X6;
SUJETO A:
Restricción de la cantidad de grasa total que debe haber :

5
X 6   X i * CGi  0 ; donde CGi es la cantidad de grasa ya sea en Pavo ,
i 1
papas ,espinacas ,pastel, espagueti.
Por lo tanto: X6 – X1*5000 – 5000*X2 – 7900*X3 – 3000*X4 – 14300*X5=0
Restricción de la cantidad de nutriente por cada 100 mg que proporciona:
X
i 1
i  MAXIMOi / 100 ; donde MAXIMO i es la cantidad máxima de cada
potaje ya sea de Espagueti, pavo, papas, espinacas y pastel

Por lo tanto: Para i=1 -- X1<=300/100
Para i=2 -- X2<=300/100
Para i=3 -- X3<=200/100
Para i=4 -- X4<=100/100
Para i=5 -- X5<=100/100

Página 18
Restricción de la cantidad de nutriente por pataje que debe haber como
mínimo:

X

i
*
1

nutriente
MINIMO
i , donde NUTRIENTEj,i . j ,es la cantidad de
j
,
i j
nutriente ya Sea de proteína, hierro, tiacina, tiamina, vitna C ,grasa por Cada
potaje i ya sea :Espagueti, pavo, papas, espinacas, pastel.
Y MINIMO j es la cantidad de potaje como máximo que debe existir.
Por lo tanto:
Para i=1,2,3,4,5 Y j=1

X1*5000 + X2*29300 + X3*5300 + X4*3000 + X5*4000 >=63000
Para i=1,2,3,4,5 Y j=2

X1*1.1 + X2*1.8 + X3*0.5 + X4*2.2 + X5*1.2 >=10
Para i=1,2,3,4,5 Y j=3

X1*1.4 + X2*5.4 + X3*0.9 + X4*0.5 + X5*0.6 >=15
Para i=1,2,3,4,5 Y j=4

X1*0.18 + X2*0.06+ X3*0.06 + X4*0.07 + X5* 0.15 >=1
Para i=1,2,3,4,5 Y j=5

X1*5000 + X 2*5000 + X3*7900 + X4*300 + X5*14300 >=0
SETS:
POTAJE/1..5/:NIVEL,MAXIMO;
NUTRIENTE/1..6/:MINIMO;
PONU(POTAJE,NUTRIENTE):REQ;
ENDSETS
DATA:
MAXIMO=300,300,200,100,100;
MINIMO=63000,10,15,1,50,0;
REQ=5000,1.1,1.4,0.18,0,5000,
29300,1.8,5.4,0.06,0,5000,
5300,0.5,0.9,0.06,10,7900,
3000,2.2,0.5,0.07,28,300,
4000,1.2,0.6,0.15,3,14300;
ENDDATA
MIN=GRASA;
GRASA=@SUM(POTAJE(I):REQ(I,6)*NIVEL(I));
@FOR(POTAJE(I):NIVEL(I)<=MAXIMO(I)/100);
@FOR(NUTRIENTE(J):@SUM(POTAJE(I):REQ(I,J)*NIVEL(I))>=MINIMO(J));
END

Página 19
HACIENDO CORRER EL PROGRAMA CON LINGO 10

Total solver iterations: 3

NIVEL( ESPAGUETI) 3.000000 0.000000
NIVEL( PAVO) 2.833333 0.000000
NIVEL( PAPAS) 2.000000 0.000000
NIVEL( ESPINACAS) 1.000000 0.000000
NIVEL( PASTEL) 0.6666667 0.000000
A ASI SUCESIVAMENTE……….
3.2 USANDO 2 SUB. INDICE
3.2.1 PROBLEMA 1 usando 2 sub índices

Una empresa que fabrica un producto único, tiene 3 fabricas y 4 clientes. Las 3
fabricas producen 3 000, 5 000 y 5 000 unidades respectivamente, durante el
siguiente periodo. La empresa se comprometió a vender 4 000 unidades al
cliente 1; 3 000 unidades al cliente 2; y, por lo menos, 3 000 unidades al cliente
3. Los clientes 3 y 4 quieren comprar la mayor cantidad posible de las unidades
restantes. En la siguiente tabla se da la ganancia asociada con el envío de una
unidad desde la fabrica i hacia el cliente j.
DESDE AL CLIENTE
1 2 3 4
(dólares) (dólares) (dólares)
(dólares)
Fabrica 1 65 63 62 64
Fabrica 2 68 67 65 62
Fabrica 3 63 60 59 60
Plantear un problema de transporte balanceado que se pueda utilizar para

maximizar la ganancia de la compañía.
Solución:
UNID ij = la cantidad enviada de la fabrica i al cliente j (i=1,2,3 j=1,2,3,4)
La función objetivo seria:
MAX 65 UNID( FAB1, CEN1) + 63 UNID( FAB1, CEN2) + 62 UNID( FAB1,

CEN3) + 64 UNID( FAB1, CEN4)+ 68 UNID( FAB2, CEN1) + 67 UNID( FAB2,
CEN2) + 65 UNID( FAB2, CEN3) + 62 UNID( FAB2, CEN4)+ 63 UNID( FAB3,
CEN1) + 60 UNID( FAB3, CEN2) + 59 UNID( FAB3, CEN3) + 60 UNID( FAB3,
CEN4)

Página 20
SUBJECT TO
2] UNID( FAB1, CEN1) + UNID( FAB2, CEN1) + UNID( FAB3, CEN1) >= 4000
6] UNID( FAB1, CEN1) + UNID( FAB1, CEN2) + UNID( FAB1, CEN3) + UNID(
FAB1, CEN4)
<= 3000
FAB2, CEN4)
<= 5000
FAB3, CEN4)
<= 5000
END
Mostrando la solución en LINGO:
SETS:
FABR/FAB1,FAB2,FAB3/: CAPAC;
CLIEN/CEN1,CEN2,CEN3,CEN4/:DEMAN;
VIAS(FABR,CLIEN):GANAN,UNID;
ENDSETS
DATA:
CAPAC=3000 5000 5000;
DEMAN=4000 3000 3000 6000;
GANAN=65,63,62,64,
68,67,65,62,
63,60,59,60;
ENDDATA
MAX UNID=@SUM(VIAS:GANAN*UNID);
@FOR(CLIEN(J):@SUM(FABR(I):UNID(I,J))>=DEMAN(J));
@FOR(FABR(I):@SUM(CLIEN(J):UNID(I,J))<=CAPAC(I));
END
UNID( FAB1, CEN1) 0.0000000 3.0000000

UNID( FAB1, CEN2) 0.0000000 1.0000000
UNID( FAB1, CEN3) 0.0000000 2.0000000
UNID( FAB1, CEN4) 3000.000 0.0000000
UNID( FAB2, CEN1) 2000.000 0.0000000
UNID( FAB2, CEN2) 3000.000 0.0000000
UNID( FAB2, CEN3) 0.0000000 0.0000000
UNID( FAB2, CEN4) 0.0000000 2.0000000
UNID( FAB3, CEN1) 2000.000 0.0000000
UNID( FAB3, CEN2) 0.0000000 0.0000000
UNID( FAB3, CEN3) 0.0000000 1.0000000
UNID( FAB3, CEN4) 3000.000 0.0000000

Página 21
3.3.1 PROBLEMA 1 de tres sub índices

La ciudad de Busville tiene tres distritos escolares. En la tabla A se da el número
de estudiantes que pertenecen a grupos minoritarios y no minoritarios. El 25% de
todos los estudiantes (200/800) pertenecen a grupos minoritarios.
TABLA A
DISTRITO ESTUDIANTES ESTUDIANTES

MINORITARIOS NO
MINORITARIOS
1 50 200
2 50 250
3 100 150
La corte local a decidido que cada una de las dos escuelas de segunda
enseñanza de la ciudad (Cooley y walt whitman) debe tener aproximadamente
(más o menos 5%) el mismo porcentaje de estudiantes de minorías, que la
ciudad entera. En la tabla B se da las distancias entre los distritos escolares y las
escuelas. Cada escuela debe tener entre 300 y 500 estudiantes. Utilice la
programación lineal para determinar la asignación de los estudiantes a cada
escuela para minimizar la distancia total que tienen que viajar los estudiantes
para llegar a ella.
TABLA B
WALT
DISTRITO COOLEY WHITMAN
1 1 2
2 2 1
3 1 1
SOLUCION:
Primero vamos a encontrar la función objetivo, la escuela busca minimizar la

distancia total recorrida por sus estudiantes desde su distrito a la escuela y
cuantos estudiantes son mayorías y minoritarios, entonces vamos a llamar a la
variable estudiantes i,j,k, donde i: estudiantes del distrito i (i=1,2,3) que
pertenecen al grupo j (1:minoria,2:mayoria) y que estudian en la escuela k (
1:Cooley,2:Walt Whitman).Si lo queremos expresar escalarmente con los datos
de la tabla Nro 2
MIN=1*( estudiantes 111+ estudiantes 121)+2*( estudiantes 211+2* estudiantes

221)+1*( estudiantes 311+ estudiantes 321)+2*( estudiantes 112+ estudiantes 222)+1*(
estudiantes 221+ estudiantes 222)+1*( estudiantes 312+1* estudiantes 322)

Página 22
SETS:
DIST/1 . . 3/ : ;
TIPO / 1 . .2/ : ;
COLE / 1 . .2 / : ;
DT ( DIST , TIPO ) : CANT ;
DC ( DIST , TIPO ) : CANT ;
DC ( DIST , TIPO , COLE ) : X ;
ENDSETS ;
DATA:
CANT = 50 , 200 , 50 , 250 , 100 , 150 ;
DIS = 1 , 2 , 2 , 1 , 1 , 1 ;
N = 300 , 500 ;
ENDDATA
¡ MINIMIZAR LA DISTANCIA TOTAL RRECORRIDA POR LOS ESTUDIANTES ;
MIN = @ SUM ( DTC : DIS * X ) ;
¡TOTAL DE ESTUDIANTES POR DISTRITO
@ FOR ( DIST ( I ) : @ FOR ( TIPO (J) : @SUM(COLE (K) : X (I,J,K) ) = CANT (I,J)));
!ESTUDIANTES POR COLEGIO ;
@FOR (COLE (K) : @SUM( DT ( I,J ) /J# EQ#1 : X ( I,J,K) ) >=0.2 * ( @SUM(DT(I,J):X(I,J,K))));
@FOR ( COLE(K) : @SUM( DT ( I, J ) /J#EQ#1 : X( I,J,K) ) < 0.3 * ( @ SUM ( DT(I,J):X(I,J,K))));
END
3.4.1 PROBLEMA DE TRANSPORTE usando 4 sub índices

La Quality Paper, fabricante y distribuidor de papel .produce 3 tipos diferentes de
papel que se pueden fabricar tanto en la fabrica A,B, o C ubicados en lima.la
empresa busca satisfacer la demanda establecida para las ciudades(Tacna y
Cuzco) en donde se venden los productos, además en cada ciudad existen 2
tipos de centros de distribución(supermercados y librerías) los cuales pertenecen
a la corporación.los precios de ventas de los productos según donde fueron
fabricados, la ciudad y el centro de distribución donde se va a vender son los
siguientes:
TACNA CUZCO
SUPERMEMRCADO LIBRERIA SUPERMERCADO LIBRERIA
Prod Pro Pro Pro Pro Prod Pr Pro Pro Pro Pro Pro
1 d2 d3 d1 d2 3 od d2 d3 d1 d2 d3
1
Fab A 13 15 17 11 12 15 14 12 13 15 13 12
Fab B 10 13 14 12 14 16 13 14 15 11 12 13
Fab C 12 11 13 10 11 13 11 13 14 12 13 14

Página 23
La corporación busca maximizar sus ventas y saber como va a distribuir sus
productos tomando en cuenta la capacidad de producción de las fábricas, la
demanda de las ciudades y la capacidad de los centros de distribución.
FAB FAB FAB C

PROD1 75 65 70
PROD2 60 70 80
PROD3 65 75 75
Capacidad de producción
Demanda
TACNA CUZCO
PROD1 73 67
PROD2 58 72
PROD3 67 74
Capacidad de los centros de distribución
TACNA CUZCO
SUPER MERCADO 150 140
LIBRERÍA 130 150
Solución:
Xi,j,k,l=cantidad de productos fabricados en la fabrica i(i=A,B,C),en la ciudad si
en TACNA, si y CUZCO(j=TC,CZ) distribuidos en SUPER MERCADO y
LIBRERÍA (K=SM,L) el producto L(L=P1,P2,P3).
FUNCION OBJETIVO:
C CZ L P4
MAX   
I  A, J TC K  SM L  P1
X I , J , K , L * PRECIOI , J , K , L , donde PRECIO es el precio de
venta de cada producto.

MAXZ=12 * XA,P1,SM,TC + 15* XA,P1,SM,CZ + 17 * XA,P1,L,TC+11 *
XA,P1,L,CZ + 12 * XA,P2,SM,TC + 15 * XA,P2,SM,CZ +14*XA,P2,L,TC + 12 *
XA,P2_L,CZ + 13 * XA,P3,SM,TC + 15 * XA,P3,SM,CZ + 13 * XA,P3,L,TC + 12 *
XA,P3,L,CZ + 10 * XB,P1,SM,TC + 13 *XB,P1,SM,CZ + 14 * XB,P1,L,TC + 12 *
XB, P1, L, CZ + 14 * XB, P2,SM,TC + 16 * XB,P2,SM,CZ + 13 * XB,P2,L,TC + 14
* XB,P2,L,CZ + 15 * XB,P3,SM,TC + 11 * XB,P3,SM,CZ + 12 * XB,P3,L,TC + 13
*XB,P3,LCZ +12 * XC,P1,SM,TC + 11 * XC,P1,SM,CZ + 13 * XC,P1,L,TC + 10
*XC,P1,L,CZ + 11 * XC,P2,SM,TC + 13 * XC,P2,SM,CZ + 11 * XC,P2,LTC +13 *
XC,P2,L,CZ + 14 * X,C,P3,SM,TC + 12 * XC,P3,SM,CZ + 13 *XC,P3,L,TC + 14 *
XC,P3,LCZ ;

Página 24
SUJETO A:
Capacidad de producción:
L P
4
K



SM
X

,LP1
I,J,K,L
Para I=A,J=P1:
XA,P1_SM,TC + XA,P1,SM,CZ + XA,P1,L,TC + XA,P1,L,CZ <= 75 ;
Para I=A,J=P2:
XA,P2,SM,TC + XA,P2,SM,CZ + XA,P2,L,TC + XA,P2,L,CZ <= 60 ;
Para I=A,J=P3:
XA,P3,SM,TC + XA,P3,SM,CZ + XA,P3,L,TC + XA,P3,L,CZ <= 65 ;
Para I=B,J=P1:
XB,P1,SM,TC + XB,P1,SM,CZ + XB,P1,L,TC + XB,P1,L,CZ <= 65 ;
Para I=B,J=P2:
Para I=B,J=P3:
Para I=C,J=P1:
XC,P1,SM,TC + XC,P1,SM,CZ + XC,P1,L,TC + XC,P1,L,CZ <= 70 ;
Para I=C,J=P2:
XC,P2,SM,TC + XC,P2,SM,CZ + XC,P2,L,TC + XC,P2,LCZ <= 80 ;
Para I=C,J=P3:
XC,P3,SM,TC + XC,P3,SM,CZ + XC,P3,L,TC + XC,P3,L,CZ <= 75
Demanda:
C L

I
X
A,KSM
I,J,K,L
Para J=TC, L=P1:

XA,P1,SM,TC + XA,P1,L,TC + XB,P1,SM,TC + XB,P1,L,TC +XC,P1,SM,TC +
XC, P1, L, TC >= 73;
Para J=CZ, L=P1:

XA,P1,SM,CZ + XA,P1,L,CZ + XB,P1,SM,CZ + XB,P1,L,CZ +
XC,P1,SM,CZ + XC,P1,L,CZ >= 67 ;
Para J=TC, L=P2:

XA,P2,SM,TC + XA,P2,L,TC + XB,P2,SM,TC + XB,P2,L,TC +
XC,P2,SM,TC + XC,P2,L,TC >= 58 ;

Página 25
Para J=CZ, L=P2:
XA,P2,SM,CZ + XA,P2,L,CZ + X,B,P2,SM,CZ + XB,P2,L,CZ +
Para J=TC, L=P3:

XA,P3,SM,TC + XA,P3,L,TC + XB,P3,SM,TC + XB,P3,L,TC +
XC,P3,SM,TC + XC,P3,L,TC >= 67 ;
Para J=CZ, L=P3:

XA,P3_SM,CZ + XA,P3,L,CZ + XB,P3,SM,CZ + XB,P3,L,CZ +
Capacidad de los centros de distribución:
C P4

I
X
A,LP1
I,J,K,L
Para J=TC, K=SM:

XA,P1,SM,TC + XA,P2,SM,TC + XA,P3,SM,TC + XB,P1,SM,TC +
XB,P2,SM,TC + XB,P3,SM,TC + XC,P1,SM,TC + XC,P2,SM,TC +
XC,P3,SM,TC<=150
Para J=CZ, K=SM:

XA,P1,SM,CZ + X,A,P2,SM,CZ + X,A,P3,SM,CZ + X,B,P1,SM,CZ +
X_B_P2_SM_CZ + XB,P3_SM,CZ + XC,P1,SM,CZ + XC,P2,SM,CZ +
XC,P3,SM,CZ <= 140 ;
Para J=TC, K=L:

XA,P1,L,TC + XA,P2,L,TC + X,A,P3,L,TC + XB,P1,L,TC +XB,P2,L,TC +
XB,P3,L,TC + XC,P1,L,TC + XC,P2,L,TC + XC,P3,L,TC <=130 ;
Para J=CZ, K=L:

XA,P1,L,CZ + XA,P2,L,CZ + XA,P3,L,CZ + XB,P1,L,CZ +XB,P2,L,CZ +
XB,P3,L,CZ + XC,P1,L,CZ + XC,P2,L,CZ + XC,P3,L,CZ <=150 ;

Página 26
EL EQUIVALENTE EN LINGO ES:
SETS:
! FABRICAS DONDE SE VA A PRODUCIR EL PAPEL;
FABRICAS/A B C/: ;
! PRODUCTOS A SER PRODUCIDO POR LAS FÁBRICAS;
PRODUCTOS/P1 P2 P3/: ;
! CENTRO DE DISTRIBUCION DE LOS PRODUCTOS;
CDIST/SM L/:;
! CIUDADES DONDE VAN A SER DISTRIBUIDOS LOS PRODUCTOS;
CIUDAD/TC CZ/:;
! REQUERIMIENTO DE PRODUCTOS PARA UNA FABRICA ,EN UNA CIUDAD,EN
UN DETERMINADO SUPERMERCADO;
FPCC (FÁBRICAS, PRODUCTOS, CDIST, CIUDAD): PRECIO, X;
! CAPACIDAD DE PRODUCCION DE UN TERMENINADOM PRODUCTO POR
FÁBRICA;
FABPRO (FÁBRICAS, PRODUCTOS): CAPACIDAD;
! DEMANDA DE PRODUCCION;
PROCIU(PRODUCTOS,CIUDAD):DEMANDA;
! CAPACIDAD DE LOS CENTROS DE DISTRIBUCION;
CDCIUDAD (CDIST, CIUDAD): CAPACCD;
ENDSETS
DATA:
CAPACIDAD=75,60,65,
65,70,75,
70,80,75;
DEMANDA= 73,67,
58,72,
67,74;
CAPACCD= 150,140,
130,150;
PRECIO= 12,15,17,11,12,15,14,12,13,15,13,12,
10,13,14,12,14,16,13,14,15,11,12,13,
12,11,13,10,11,13,11,13,14,12,13,14;
ENDDATA
!FUNCION OBJETIVO ,MAXIMIZANDO LA UTILIDAD;
[OBJETIVO]MAX =@SUM(FPCC:PRECIO*X);
!RESTRICCION DE LA CAPACIDAD DE DISTRIBUCION ;
@FOR(FABPRO(I,J):@SUM(FPCC(I,J,K,L):X(I,J,K,L))<=CAPACIDAD(I,J));
!RESTRICCION DE LA DEMANDA;
@FOR(PROCIU(J,L):@SUM(FPCC(I,J,K,L):X(I,J,K,L))>=DEMANDA(J,L));
! RESTRICCION DE LA CAPACIDAD DE LOS CENTROS DE DISTRIBUCION;
@FOR(CDCIUDAD(K,L):@SUM(FPCC(I,J,K,L):X(I,J,K,L))<=CAPACCD(K,L));
END

Página 27
HACIENDO CORRER EL PROGRAMA CON LINGO 10.0
Global optimal solution found.

Total solver iterations: 20

PRECIO( A, P1, SM, TC) 12.00000 0.000000
PRECIO( A, P1, SM, CZ) 15.00000 0.000000
PRECIO( A, P1, L, TC) 17.00000 0.000000
PRECIO( A, P1, L, CZ) 11.00000 0.000000
PRECIO( A, P2, SM, TC) 12.00000 0.000000
PRECIO( A, P2, SM, CZ) 15.00000 0.000000
PRECIO( A, P2, L, TC) 14.00000 0.000000
PRECIO( A, P2, L, CZ) 12.00000 0.000000
PRECIO( A, P3, SM, TC) 13.00000 0.000000
A ASI SUCESIVAMENTE……….
3.5 PROBLEMAS DE TRANSPORTE
La cadena de restaurantes “CUATRO MARÍAS” se especializa en la preparación y

venta de pescados y mariscos. La demanda de pescado de las cuatro sucursales
de la cadena de restaurantes “CUATRO MARÍAS” es presentada en la siguiente
tabla.
Sucursal Jesús María Callao San Luis Los Olivos

Demanda 15 17 22 12
(Ton)
La cadena de restaurantes “CUATRO MARÍAS” compra el pescado de tres

proveedores que proporcionan las siguientes cantidades (ton) de pescado:
Proveedor Ventanilla Villa El Salvador Chorrillos

Cantidad 30 25 21
Los costos de transporte (soles/tonelada) de los proveedores a las sucursales son:
Sucursal
Proveedor Jesús Callao San Los Olivos
María Luis
Ventanilla 6 2 6 7
Villa El Salvador 4 9 5 3
Chorrillos 8 8 1 5
Formule el modelo de PL que permita determinar la distribución óptima del

pescado de los proveedores a las sucursales.

Página 28
El modelo en LINGO es:
MODEL:
! Problema de transporte de 3 proveedores a 4 sucursales;
SETS:
PROVEEDOR / 1..3/: CAPACIDAD;
SUCURSAL / 1..4/: DEMANDA;
RUTAS( PROVEEDOR, SUCURSAL): COSTO, VOLUMEN;
ENDSETS
! La función objetivo;
[OBJ] MIN = @SUM( RUTAS: COSTO * VOLUMEN);
! Las restricciones de demanda son;

@FOR( SUCURSAL( J): [DEMANDA](@SUM( PROVEEDOR( I): VOLUMEN( I,
J)) >= DEMANDA( J))));
! Las restricciones de los proveedores son;

@FOR( PROVEEDOR( I): [SUPPLY](@SUM( SUCURSAL( J): VOLUMEN( I,
J)) <= CAPACIDAD( I))));
! Los parámetros del modelo son;

DATA:
CAPACIDAD = 30, 25, 21;
DEMANDA = 15, 17, 22, 12;
COSTO = 6, 2, 6, 7,
4, 9, 5, 3,
8, 8, 1, 5;
ENDDATA
END
3.6 PROBLEMA DE INVERSIÓN
Suponga que Ud. es trabajador de la empresa DISQUET S.A. Uno de los

beneficios que le otorga la empresa es el plan de retiro en que Ud. aporta 5% de
su ingreso mensual y 5% lo pone DISQUET S.A. El dinero de este plan de retiro es
invertido en cualquiera de dos fondos: fondos mutuos o fondos de acciones.
Suponga que la empresa le pregunta a Ud. qué fracción de dinero debe ser
invertido en cada fondo. Antes de tomar una decisión, Ud. investiga y se entera
que el fondo de acciones ha crecido a una tasa anual promedio de 10% mientras
que los fondos mutuos a una tasa anual promedio de 8%. Para diversificar su
cartera de inversiones y controlar el riesgo, Ud. no desea poner todos los huevos
en una sola canasta por lo que ha logrado identificar dos pautas:
 Ninguno de los fondos debe tener más de 70% de la inversión total.

 La cantidad de dinero en el fondo de acciones no debe exceder del doble
invertido en los fondos mutuos.
¿Qué decisión Ud. tomaría para optimizar su dinero?

Página 29
Model:
Sets:
Tipos_de_inversion/acciones, fondos_mutuos/:tope_maximo;
cantidad(tipos_de_inversion): interes, monto;
Endsets
Data:
interes= 0.1, 0.08;
tope_maximo = 0.7, 0.7;
Enddata
MAX = @sum(cantidad: monto*interes);
@for(tipos_de_inversion(i) :monto(i)<=tope_maximo(i));
monto(acciones)<=2*monto(fondos_mutuos);
@sum(cantidad:monto)=1;
End
3.7 PLANEACIÓN DE PRODUCCIÓN
QUÍMICA S.A. produce dos solventes, S1 y S2. Las empresas compran S1 y S2

para disolver ciertas pinturas y sustancias tóxicas. La empresa trabaja 40 horas
semanales y en el departamento de mezcla tiene a 4 trabajadores a tiempo
completo y a tres a tiempo parcial, que trabajan 10 horas a la semana cada uno.
Los trabajadores operan seis máquinas que mezclan las sustancias químicas para
producir cada solvente. Los productos salen del departamento de mezclado para
pasar al departamento de purificación que posee seis purificadores y emplea a
siete trabajadores de tiempo completo y a uno de tiempo parcial que trabaja 12
horas a la semana. QUÍMICA S.A. tiene una provisión ilimitada de materia prima
para producir los dos solventes. El volumen de venta de S1 es ilimitado pero de S2
es de 100,000 galones semanales. El departamento de contabilidad estima una
utilidad de $0.35 por galón de S1 y $0.45 por galón de S2. El gerente de procesos
estima que el número de horas necesarias para producir mil galones de cada
solvente en los departamentos de mezcla y purificación es dada en la siguiente
tabla:
Departamento S1 S2
Mezcla 2 1
Purificación 1 2
¿Cuál es el plan de producción óptimo para QUÍMICA S.A.?

Página 30
Model:
Sets:
Solvente/1..2/:;
Departamento/ mezcla, purificacion/: disponibilidad_horas;
Produccion(Solvente):cantidad, utilidad;
Horas_de_consumo(Solvente,Departamento):Horas;
Endsets
Data:
utilidad = 350, 450;
horas = 2,1,
1,2;
disponibilidad_horas=190, 292;
Enddata
Max=@sum (Produccion:cantidad*utilidad);
@for(Departamento(j):@sum(Produccion(i):cantidad(i)*horas(i,j))<=disponibilidad_horas(j));
@for (Produccion:cantidad(2)<=100);
3.8 PLANEAMIENTO FINANCIERO
3.8.1 problema de planeamiento financiero 1
Un banco otorga cuatro tipos de préstamos a sus clientes los cuales producen
las siguientes tasas de interés anual:
Tipo de préstamo Tasa de interés anual

Compra de casa (o departamento) 14%
Compra de un terreno 20%
Ampliar o remodelar el hogar 20%
Compra de un carro 10%
El banco ha dispuesto 250 millones de nuevos soles para otorgar los préstamos.
Las directivas que se deben tener presentes para efectuar los préstamos son:
a. Los préstamos para compras de casa deben ser al menos 55% de todos los
préstamos otorgados para compras de casa o terreno y al menos 25% de
todos los préstamos otorgados.
b. Los préstamos para compra de terrenos no pueden exceder el 25% de todos
los préstamos otorgados.
c. Para evitar el descontento público y la introducción de un impuesto no
previsto el dinero total anual recaudado por los préstamos no debe exceder el
15% del total de dinero destinado a los préstamos.
Formule el problema de préstamos del banco como un PL.

Página 31
! PLANEAMIENTO FINANCIERO;
Model:
Sets:
Tipo_de_prestamo/casa, terreno, hogar,carro/:interes;
Dinero(Tipo_de_prestamo):cantidad;
Endsets
Data:
interes= 0.14, 0.20, 0.20, 0.10;
Enddata
Max= @sum(Dinero(i):cantidad(i)*interes(i));
@sum(Dinero(i):cantidad(i))<=250;
@for(Dinero:cantidad(1)>=0.55*@sum(Dinero(i)|i#le#2:cantidad(i)));
@for(Dinero:cantidad(1)>=0.25*@sum(Dinero(i):cantidad(i)));
@for(Dinero:cantidad(2)<=0.25*@sum(Dinero(i):cantidad(i)));
@sum(Dinero(i):cantidad(i)*interes(i)) <=
0.15*@sum(Dinero(i):cantidad(i));
3.8.2 PROBLEMA DE PLANEAMIENTO FINANCIERO 2
Cuatro productos se procesan en secuencia de dos maquinas. La siguiente tabla

proporciona los datos pertinentes al problema.
Tiempo de fabricación por unidad (hora)

Máquina Costo Producto Capacid
($) / 1 2 3 4 ad
hora (hora)
1 10 2 3 4 2 500
2 5 3 2 1 2 380
Precio de 65 70 55 45
venta
Solución:
Xij: unidades producidas por tipo de producto j (1, 2, 3, 4), utilizando cada
maquina i (1, 2)
MAX Z = 65(X11 + X12) + 70(X12 + X22) + 55(X13 + X23) + 45(X14 + X24)

- 10 (2X11 + 3X12 + 4X15 + 2X14) - 5(3X21 + 2X22 + 1X23 + 2X24)
MAX Z = 45X11 + 50X21 + 40X12 + 60X22 + 15X13 + 50X23 + 25X14 +35X24

Sujeto a:
Capacidad de la maquina 1: 2X11+ 3X12 + 4X13 + 2X14 <= 500

Capacidad de la maquina 2: 3X21 + 2X22 + 1X23 + 2X24 <=380
!MAQ=MAQUINA(1,2) CAP=CAPACIDAD DE CADA MAQUINA(HORAS);

!PROD=PRODUCTO(1,2,3,4) PV=PRECIO DE VENTA;
!TM= TIEMPO X=UNIDADES PRODUCIDAS UTI= UTILIDAD;

Página 32
SETS:
MAQ/1..2/:CAP;
PROD/1..4/:PV;
MATRIZ1(MAQ,PROD):TM,X,uti;
ENDSETS
DATA:
CAP=500,380;
PV=65,70,55,45;
TM= 2,3,4,2,
3,2,1,2;
UTI=45,40,15,25
50,60,50,35;
ENDDATA
MAX=@SUM(MATRIZ1:UTI*X);
@FOR(MAQ(I):@SUM(PROD(J):TM(I,J)*X(I,J))<=CAP(I));
END
Solución óptima:
MAX 45 X( 1, 1) + 40 X( 1, 2) + 15 X( 1, 3) + 25 X( 1, 4)+ 50 X( 2, 1) + 60 X( 2,
2) + 50 X( 2, 3) + 35 X( 2, 4)
SUBJECT TO
2] 2 X( 1, 1) + 3 X( 1, 2) + 4 X( 1, 3) + 2 X( 1, 4) <= 500
3] 3 X( 2, 1) + 2 X( 2, 2) + X( 2, 3) + 2 X( 2, 4) <= 380
END

X( 1, 1) 250.0000 0.0000000
X( 1, 2) 0.0000000 27.50000
X( 1, 3) 0.0000000 75.00000
X( 1, 4) 0.0000000 20.00000
X( 2, 1) 0.0000000 100.0000
X( 2, 2) 0.0000000 40.00000
X( 2, 3) 380.0000 0.0000000
X( 2, 4) 0.0000000 65.00000

Para una jornada de 24 horas un hospital esta requiriendo el siguiente personal
para el área de enfermería, se define 6 turnos de 4 horas cada uno.
Turno Número mínimo

de personal
2:00 - 6:00 4
6:00 - 10:00 8
10:00 - 14:00 10
14:00 - 18:00 7
18:00 - 20:00 12
20:00 - 24:00 4

Página 33
Los contratos laborales son de 8 horas consecutivas por día. El objetivo es
encontrar el número menor de personas que cumplan con los requerimientos.
Formule el problema como un modelo de programación lineal.
Solución:
Xi = Cantidad de personal por cada turno i = 1, 2, 3, 4, 5, 6.

Necesidades de personal por horario
Horas 2:00 - 6:00 - 10:00 - 14:00 - 18:00 - 20:00 -
6:00 10:00 14:00 18:00 20:00 24:00
X1 X1
X2 X2
X3 X3
X4 X4
X5 X5
X6 X6
Personal 4 8 10 7 12 4
MIN Z = X1 + X2 + X3 + X4 + X4 + X5 + X6
Sujeto a:
Turno 1: X1 + X6 >= 4
Turno 2: X1 + X2 >=8
Turno 3: X2 + X3 >=10
Turno 4: X3 + X4 >=7
Turno 5: X4 + X5 >=12
Turno 6: X5 + X6 >=4
!HORAS=TUENO X=CANTIDAD DE PERSONAL POR TURNO;

!PERS=PERSONAL MIN=PERSONAL MINIMO;
!CANT=PERSONAL POR TURNO (1=EXISTE PERSONAL EN EL TURNO, 0=
NO EXISTE PERSONAL EN EL TURNO);
SETS:
HORAS/1..6/:X;
PERS/1..6/:MIN;
MATRIZ1(HORAS,PERS):CANT;
ENDSETS
DATA:
MIN=4,8,10,7,12,4;
CANT=1,1,0,0,0,0,
0,1,1,0,0,0,
0,0,1,1,0,0,
0,0,0,1,1,0,
0,0,0,0,1,1,
1,0,0,0,0,1;
ENDDATA
MIN=@SUM(HORAS:X);
@FOR(PERS(J):@SUM(HORAS(I):CANT(I,J)*X(I))>=MIN(J));
END

Página 34
MIN X( 1) + X( 2) + X( 3) + X( 4) + X( 5) + X( 6)
SUBJECT TO
2] X( 1) + X( 6) >= 4
3] X( 1) + X( 2) >= 8
4] X( 2) + X( 3) >= 10
5] X( 3) + X( 4) >= 7
6] X( 4) + X( 5) >= 12
7] X( 5) + X( 6) >= 4
END

X(1) 0.0000000 0.0000000
X(2) 8.000000 0.0000000
X(3) 2.000000 0.0000000
X(4) 5.000000 0.0000000
X(5) 7.000000 0.0000000
X(6) 4.000000 0.0000000
Se desean invertir 2 mil dólares en 6 tipos de inversión cuyas características son

las siguientes:
Tipo de Interes Factor de Plazo

Inversio Anual (%) Riesgo promedio
n de
inversion
1 8.5 0.02 8
2 9 0.01 2
3 8.5 0.38 5
4 14.3 0.45 6
5 6.7 0.07 2
6 13 0.35 4
El factor de riesgo significa la probabilidad de que el rendimiento real sea inferior

al esperado. Se considera ventajoso un período promedio ponderado de
inversión de ciando menos 5 años; pero el factor promedio ponderado de riesgo
no debe ser superior a 0.20. La ley prohíbe que la suma de las inversiones de los
tipos 4 y 6 sea mayor al 25% del total de la inversión. Con P.L formule un modelo
de P.L para decidir cómo invertir para maximizar el rendimiento de los 2 millones
de dólares.
Solución:
Xj = cantidad de dólares a invertir en el tipo de inversión j (1, 2, 3, 4, 5,6) para
maximizar el rendimiento.

Página 35
MAX Z = 0.085X1 + 0.09X2 + 0.85X3 + 0.143X4 + 0.067X5 +0.13X6
Sujeto a:
X1 + X2 + X3 +X4 + X5 + X6 = 2 000
0.02X1 + 0.01X2 + 0.38X3 + 0.45X4 + 0.07X5 + 0.35X6 = 0.2 (2 000) = 400
8X1 + 2X2 + 5X3 + 6X4 +2X5 + 4X6 = 5 (2 000) = 10 000
X4 + X6 = 0.25 (2 000) = 500
!TIPO=TIPO DE INVERSION INV= INVERSION SUJETA A FACTORES;

!INT=INTERES ANUAL X=CANTIDAD DE DOLARES A INVERTIR EN LA
INVERSION;
!DAT= CARACTERISTICAS;
SETS:
TIPO/1..4/:INV;
CAR/1..6/:INT,X;
MATRIZ1(TIPO,CAR):DAT;
ENDSETS
DATA:
INT=8.5,9,8.5,14.3,6.7,13;
INV= 2000,400,10000,500;
DAT= 1,1,1,1,1,1,
0.02,0.01,0.38,0.45,0.07,0.35,
8,2,5,6,2,4,
0,0,0,1,0,1;
ENDDATA
MIN=@SUM(CAR:0.01*INT*X);
@FOR(TIPO(I):@SUM(CAR(J):DAT(I,J)*X(J))>=INV(I));
END
Global optimal solution found at step: 5

X( 1) 592.0398 0.0000000
X( 2) 0.0000000 0.2461194E-01
X( 3) 482.5871 0.0000000
X( 4) 0.0000000 0.3865672E-02
X( 5) 425.3731 0.0000000
X( 6) 500.0000 0.0000000

Página 36
4 PROBLEMAS DE PROGRAMACIÓN ENTERA CON
LINGO
4.1 Problema 1 de programación entera
La decisión de una corte estableció que la matrícula 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 2 .La distancia (en millas)que un
estudiante debe viajar a cada escuela de bachillerato en cada distrito, se
proporciona en la tabla 3.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 ,formule un PE con el que se
pueda minimizar la distancia total que los estudiantes de Metrópolis tienen que
recorrer hasta la escuela.
TABLA 2 TABLA 3
Distrit Blanco Negro Distrit Escuela de Escuela de
o s s o bachillerato 1 bachillerato 2
1 80 30 1 1 2
2 70 5 2 0.5 1.7
3 90 10 3 0.8 0.8
4 50 40 4 1.3 0.4
5 60 30 5 1.5 0.6
Solución:
Si los estudiantes del distrito i (i = 1, 2, 3, 4, 5,6) son enviados a la escuela j (
Xij = =1,2)
0, si no es así.
Entonces, el PE apropiado es:

Para hallar la función objetivo tengo que sumar la cantidad de blancos y negros
que hay en cada distrito y después multiplicarlo por la distancia que hay de ese
distrito a cada escuela.
Función objetivo es:
Min z = 110 X11+220 X12+37.5 X21+127.5 X22+80 X31+80 X32 +117 X41 +36 X42 +135
X51 +54 X52
s.a :
110 X11+75 X21+100 X31+90 X41 +90 X51 >=150(escuela 1 debe tener una
matricula de por lo menos 150 estudiantes)
110 X12+75 X22+100 X32+90 X42 +90 X52 >=150(escuela 2 debe tener una
matricula de por lo menos 150 estudiantes)
30 X11  5 X21  10 X31  40 X41  30 X51

0.20<= (escuela1 debe tener por lo
110 X11  75 X21  100 X31  90 X41  90 X51
menos 20% de negros)
30 X12  5 X22  10 X32  40 X42  30 X52

0.20<= (escuela2 debe tener
110 X12  75 X22  100 X32  90 X42  90 X52
por lo menos 20% de negros)
Página 37
Los estudiantes de cada distrito bien van a la escuela 1 ó 2, pero no a las dos a la
vez por lo que solo una de ellas tiene el valor de uno y la otra de cero.
X11+ X12 =1(todos los estudiantes del distrito1 asisten a la misma escuela)
X41 + X42 =1(todos los estudiantes del distrito4 asisten a la misma escuela)
X51 + X52 =1(todos los estudiantes del distrito5 asisten a la misma escuela)
Xij =1ó 0; (i = 1, 2, 3, 4, 5,6), (j = 1,2)
El programa en Lingo es:
! MODELO DE WINSTON CAP 9 # 4;

!total es alumnos blancos mas alumnos negros en cada escuela;
SETS:
distrito/1..5/:total;
escuela/1..2/:;
MATRIZ(distrito,escuela):X,alumnos,millas;
ENDSETS
DATA:
millas = 1, 2
0.5, 1.7
0.8, 0.8
1.3, 0.4
1.5, 0.6;
alumnos= 80, 30
70, 5
90, 10
50, 40
60, 30;
minmatri=150;
minnegros=0.2;
ENDDATA
MIN=@SUM(matriz(i,j):total(i)*x(i,j)*millas(i,j));
@for(distrito(i):total(i)=@sum(escuela(j):alumnos));
! RESTRICCION DE matri por escuela;

@FOR(escuela(J):@sum(distrito(i):total(i)*x(i,j))>=minmatri);
! RESTRICCION DE negros por escuela;

@FOR(escuela(J):@sum(distrito(i):alumnos(i,2)*x(i,j))/@sum(distrito(i):total(i)*x(i,j))>
=minnegros);
@FOR(distrito(i):@SUM(escuela(J):x(I,J))=1);
! RESTRICCION DE VARIABLES BINARIAS;

@FOR(MATRIZ(I,J)):
@BIN(x(I,J));
La distancia mínima total que todos los estudiantes de Metrópolis tienen que
recorrer hasta la escuela es 398.5 millas.

Página 38
Eastinghouse embarca 1 2000 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 proporcionan en la tabla 96. El costo fijo de una planta
se contrae sólo si la planta se usa para hacer capacitores. 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
Planta Costos fijos (miles Costos Capacidad de

de dólares) variables(dólares) producción
1 80 20 6000
2 40 25 7000
3 30 30 6000
SOLUCIÓN:
Xi = Cantidad de capacitores producidos en la fábrica i.
Yi = 1 si se utiliza la planta i.
0 en caso contrario.
i =1, 2, 3.
FUNCION OBJETIVO:
Min z = (80 000Y1 + 40 000Y2 + 30 000Y3) + (20X1Y1 + 25X2Y2 + 30X3Y3)
RESTRICCIONES:
X1 + X2 + X3 >= 12 000
X1 <= 6 000Y1
X2 <= 7 000Y2
X3 <= 6 000Y3
X1,X2,X3>0
Y1,Y2,Y3= 1 ó 0

Página 39
Sets:
planta/1..3/:x,y,cf,cv,cap;
Endsets
Data:
cf = 80,40,30;
cv = 20,25,30;
cap = 6000,7000,6000;
Enddata
Min =@sum(planta(i):cf(i)*y(i))+@sum(planta(i):cv(i)*x(i));
!restriccion de la demanda;
@sum(planta(i):x(i))>=12000;
!restriccion de la capacidad;
@for(planta(i):x(i)<=cap(i)*y(i));
!restriccion binaria;
@for(planta(i):@bin(y));
End
MODEL:
[_1] MIN= 20 * X_1 + 80 * Y_1 + 25 * X_2 + 40 * Y_2 + 30 * X_3 + 30 *Y_3 ;
[_2] X_1 + X_2 + X_3 >= 12000 ;

[_3] X_1 - 6000 * Y_1 <= 0 ;
[_4] X_2 - 7000 * Y_2 <= 0 ;
[_5] X_3 - 6000 * Y_3 <= 0 ;
@BIN( Y_1); @BIN( Y_2); @BIN( Y_3);
END
Solución Lingo:
Objective Value: 270120.0

X( 1) 6000.000 0.000000
X( 2) 6000.000 0.000000
X( 3) 0.000000 5.000000
Y( 1) 1.000000 -29920.00
Y( 2) 1.000000 40.00000
Y( 3) 0.000000 30.00000
CF( 1) 80.00000 0.000000
CF( 2) 40.00000 0.000000
CF( 3) 30.00000 0.000000
CV( 1) 20.00000 0.000000
CV( 2) 25.00000 0.000000
CV( 3) 30.00000 0.000000
CAP( 1) 6000.000 0.000000
CAP( 2) 7000.000 0.000000
CAP( 3) 6000.000 0.000000

Página 40
Una empresa se dedica a la construcción de puertas y ventanas de fierro. Una

puerta requiere 2 horas de pintado y 5 horas de soldadura, mientras que una
ventana requiere 4 de pintado y 6 de soldadura. El total de horas disponibles de la
máquina para pintura es 150 y de la máquina para soldar es 200. La utilidad de
una puerta es 30 dólares y de una ventana es 40 dólares. Formule un modelo que
permita determinar la combinación óptima de producción de puertas y ventanas.
La formulación del modelo en LINGO es:
Model:
Sets:
Productos/1..2/: utilidad, cant;
materia_prima/1..2/:horas disponibles;
Horas(productos, materia_prima):hora;
Endsets
Data:
hora= 2, 5, 4, 6;
utilidad= 30, 40;
horas_disponibles= 150, 200;
Enddata
Max=@sum(productos(i):cant(i)*utilidad(i));
@for(materia_prima(j):@sum(productos(i):cant(i)*hora(i,j))<=horas_disponibles(j));
@for(productos(i):@gin(cant(i)));
End
Una empresa que se dedica a la comercialización de agua mineral embotellada

estudia adquirir un conjunto de fuentes y construir plantas embotelladoras. Para
cada localización potencial ha estimado unos costos variables de embotellamiento
parecidos, pero los costes fijos anuales más la amortización de la adquisición de la
fuente y de la construcción de la planta embotelladora varían de una localización a
otra, las fuentes sobre las que se han iniciado negociaciones son las reflejadas en
la tabla siguiente:
Fuente Capacidad de Costes fijos de localización en

embotellamiento millones de u. monetarias/año
(m3 anuales)
1.Biesacas 60.000 100
2.Bellanuga 70.000 140
3.Canfranc 55.000 88

Página 41
4.La Seu 45.000 65
d’Urgel
5.Bielsa 90.000 145
6.Benasc 85.000 155
7.Llavorsí 65.000 160
8.Masella 75.000 175
9.Bellver de 62.000 150

Cerdanya
Desde estas plantas embotelladoras se han de abastecer los mercados de Lérida,

Gerona, Tarragona y Barcelona.
Las demandas de los diferentes mercados y los costes de transporte se resumen

en las tablas siguientes:
Mercado 1.Lérida 2.Girona 3.Tarragona 4.Barcelona
Demanda(m3/añ 30.350 60.700 45.500 160.000

o)
Costes unitarios de transporte(u. monetarias/m3)

Fuente 1.Lérid 2.Giron 3.Tarragon 4.Barcelona
a a a
1.Biesacas 200 450 290 370
2.Bellanuga 210 460 310 380
3.Canfranc 220 470 310 390
4.La Seu 140 170 250 180

d’Urgel
5.Bielsa 150 400 250 320
6.Benasc 140 390 230 310
7.Llavorsí 144 240 200 250
8.Masella 200 135 230 160
9.Bellver de 190 140 220 150

Cerdanya

Página 42
MODEL:
TITLE MODELO DE BALINSKI;
!Definicion de Conjuntos;
SETS:
fuente /BIESCAS BELLANUGA CANFRANC SEU BIELSA BENASC
LLAVORSI MASELLA BELLVER/:capacidad, coste_localizacion, y;
La variable coste_localizacion representa el coste fijo de Construir una planta
industrial en la localización de la fuente i;
La variable y indica donde se tiene que construir una planta Industrial. Sus valores
serán binarios: 0=no se construye, 1=si se Construye;
mercado /LLEIDA GIRONA TARRAGONA BARCELONA/:demanda;

links(fuente,mercado):costo_transporte,volumen;
La variable volumen indica el porcentaje de demanda de aquel Mercado que se

tiene que abastecer desde la planta i, de esta forma. La cantidad de producto que
se tiene que enviar desde la planta i al Mercado j viene dado por demanda
(j)*volumen (i,j);
ENDSETS
DATA:
capacidad = 60000, 70000, 55000, 45000, 90000, 85000, 65000, 75000,
62000;
coste_localizacion = 100000000, 140000000, 88000000, 65000000, 145000000,
155000000, 160000000, 175000000, 150000000;
demanda = 30350, 60700, 45500, 160000;
costo_transporte = 200, 450, 290, 370,
210, 460, 310, 380,
220, 470, 310, 390,
140, 170, 250, 180,
150, 400, 250, 320,
140, 390, 230, 310,
144, 240, 200, 250,
200, 135, 230, 160,
190, 140, 220, 150;
ENDDATA

Página 43
!Funcion Objetivo;
MIN=@SUm(links(i,j):costo_transporte(i,j)*demanda(j)*volumen(i,j)) +
@SUm(fuente(i):coste_localizacion(i)*y(i)) ;
!Restricciones para la oferta;
@FOR(fuente(i):
@SUM (mercado(j):demanda(j)*volumen(i,j))<=capacidad(i));
!Restricciones para la demanda;
@FOR(mercado(j):@SUM(fuente(i):volumen(i,j)) = 1);
!Restriciones para la variable y;
@FOR(fuente:@BIN(y));
@FOR(fuente(i):y(i)<1);
@FOR(mercado(j): @FOR(fuente(i):y(i) - volumen(i,j) > 0));
!Restricciones de no negatividad;
@FOR(links(i,j):volumen(i,j)>=0);
END
NEWCOMP S.A. ha obtenido fondos para producir un nuevo tipo de computadora.

La empresa debe decidir la ubicación y el tamaño de las fábricas que producirán la
computadora. Existen dos lugares disponibles, en cada lugar sólo puede
construirse a lo más una fábrica pequeña, grande o enorme. En uno de los lugares
se puede construir una fábrica enorme. La tabla N°1 presenta los costos de
construcción de las fábricas, sus capacidades de producción y los costos unitarios
de manufactura de la computadora para cada una de las alternativas.
Tabla N° 1
Lugar Tamaño Costo de Capacidad Costo de Manufactura
construcción (miles (miles de (dólares por unidad)
de dólares) unidades)
Ate Pequeña 1000 600 5.00
Grande 1500 1200 4.00
Bellavista Pequeña 1200 600 5.00
Grande 1600 1200 4.00
Enorme 2000 2000 3.50
NEWCOMP S.A. debe distribuir su producto en cuatro regiones. El costo de
transporte por unidad de las fábricas a las regiones y los requerimientos de las
regiones se presenta en la tabla N°2.
Tabla N°2
De la fábrica Hasta la región
1 2 3 4
ATE 1 2 3 4
BELLAVISTA 2 3 2 3
Requerimiento (Miles de 500 200 700 800
unidades)

Página 44
NEWCOMP S.A. debe decidir en qué lugares se deben construir las fábricas, de
qué tamaños deben ser éstas y cómo se deben satisfacer los requerimientos de
las regiones.
Model:
Sets:
fabrica/fpa,fga,fpb,fgb,feb/:capacidad,costo_construccion, costo_manufactura,
construccion;
region/r1,r2,r3,r4/:requerimiento;
rutas(fabrica, region): costo, cantidad;
Endsets
Data:
capacidad = 600, 1200, 600, 1200, 2000;
costo_construccion = 1000, 1500, 1200, 1600, 2000;
costo_manufactura = 5, 4, 5, 4, 3.5;
requerimiento = 500, 200, 700, 800;
costo = 1, 2, 3, 4,
1, 2, 3, 4,
2, 3, 2, 3,
2, 3, 2, 3,
2, 3, 2, 3;
Enddata
Min=@sum(rutas:costo*cantidad)+@sum(fabrica:
costo_construccion*construccion)
+@sum(fabrica(i):@sum(rutas(i,j):costo_manufactura(i)*cantidad(i,j)));
@for(region(j):@sum(rutas(i,j) : cantidad(i,j)) >= requerimiento(j));

@for(fabrica(i):@sum(rutas (i,j) : cantidad(i,j))<=capacidad(i)*construccion(i));
@for(fabrica(i):@sum(rutas(i,j) : cantidad(i,j))<=capacidad(i));
@for(fabrica:@bin(construccion));
End
La solución de lingo es:
La empresa financiera de Boris Milken es el dueño de 6 bienes. En las tablas se

dan los precios esperados de venta (en millones de dólares) para cada bien. En la
tabla se puede observar que la venta del bien 1 en el año 2 dará a la empresa un
ingreso de 20 millones de dólares. Para conservar el flujo de efectivo regular,
Milken debe vender por lo menos 20 millones de dólares en el año 1, por lo menos
30 millones de dólares en el año 2, y por lo menos 35 millones de dólares en el
año 3. Se necesita maximizar el ingreso total de los bienes vendidos en los
próximos 3 años.

Página 45
VENDIDO EN EL
AÑO 1 AÑO 2 AÑO 3
BIEN 1 15 20 24
BIEN 2 16 18 21
BIEN 3 22 30 36
BIEN 4 10 20 30
BIEN 5 17 19 22
BIEN 6 19 25 29
SOLUCION:
VARIABLES: i = 1,2,3,4,5,6 j = 1,2,3
X(i,j) = 1 si el bien i se vende en el año j

0 en caso contrario
FUNCION OBJETIVO:
MAX Z = B( 1) + B( 2) + B( 3)
Donde:
15X(1,1) + 16X(2,1) + 22X(3,1) + 10X(4,1) + 17X(5,1) + 19X(6,1) = B(1)
20X(1,2) + 18X(2,2) + 30X(3,2) + 20X(4,2) + 19X(5,2) + 25X(6,2) = B(2)
24X(1,3) + 21X(2,3) + 36X(3,3) + 30X(4,3) + 22X(5,3) + 29X(6,3) = B(3)
RESTRICCIONES:
o RESTRICCION 1: Cada bien solo se puede vender una vez:
X( 1, 1) + X( 1, 2) + X( 1, 3) <= 1
X( 2, 1) + X( 2, 2) + X( 2, 3) <= 1
X( 3, 1) + X( 3, 2) + X( 3, 3) <= 1
X( 4, 1) + X( 4, 2) + X( 4, 3) <= 1
X( 5, 1) + X( 5, 2) + X( 5, 3) <= 1
X( 6, 1) + X( 6, 2) + X( 6, 3) <= 1
RESTRICCION 2: Conservación del flujo de efectivo regular:
15X(1,1) + 16X(2,1) + 22X(3,1) + 10X(4,1) + 17X(5,1) + 19X(6,1) >= 20
20X(1,2) + 18X(2,2) + 30X(3,2) + 20X(4,2) + 19X(5,2) + 25X(6,2) >= 30
24X(1,3) + 21X(2,3) + 36X(3,3) + 30X(4,3) + 22X(5,3) + 29X(6,3) >= 35

Página 46
FORMULACION EN LINGO:
Sets:
bien/1..6/;
year/1..3/:a,b;
matriz(bien,year):precio,x;
Endsets
Data:
a=20,30,35;
precio=15,20,24,
16,18,21,
22,30,36,
10,20,30,
17,19,22,
19,25,29;
Enddata
Max=@sum(year:b);
¡FUNCION OBJETIVO;
@for(year(j):@sum(bien(i):precio(i,j)*x(i,j))=b(j));
¡RESTRICCION 1;
@for(bien(i):@sum(year(j):x(i,j))<=1);
¡RESTRICCION 2
@for(year(j):@sum(bien(i):precio(i,j)*x(i,j))>=a(j));
@for(matriz:@bin(x));
SOLUCIÓN EN LINGO:
El máximo ingreso por la venta de bienes es 146 millones. El bien 1 se vende en el

año 3, el bien 2 en el año 1, el bien 3 en el año 2, el bien 4 en el año 3, el bien 5 en
el año 1 y en bien 6 en el año 3.

Página 47
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
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

Página 48
FORMULACION EN LINGO:
! MODELO DE WINSTON CAP 9 # PROB 6
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));
! RESTRICCION DE VARIABLES BINARIAS;

@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.
La acerera de Newcor recibió un pedido de 25 toneladas de acero. El acero debe

tener 5% de carbono y 5% de molibdeno por peso. El acero es el resultado de
combinar tres tipos de metales: lingotes de acero, acero de desperdicios y
aleaciones. Están disponibles para la compra cuatro lingotes de acero. El peso (en
toneladas), costo por tonelada, contenido de carbono y molibdeno de cada lingote
se proporcionan en la tabla 1.

Página 49
Se pueden comprar tres tipos de aleaciones. El costo por tonelada y composición
química de cada aleación se dan en la tabla 2.
El desperdicio de acero se compra a un costo de 100 dólares por tonelada, y
contiene 3% de carbono y 9% de molibdeno. Plantee un PE, mezclada con cuya
solución indique a Newcor cómo debe minimizar el costo de cumplir con el pedido.
TABLA 1
Lingote Peso Costo por % de carbono % de

tonelada molibdeno
1 5 350 5 3
2 3 330 4 3
3 4 310 5 4
4 6 280 3 4
TABLA 2
Aleación Costo por Carbono % Molibdeno %

tonelada
1 500 8 6
2 450 7 7
3 400 6
SOLUCIÓN:
Xi: 1, cuando se ha comprado el lingote i

0, en caso contrario
Yi: Numero de toneladas de aleación tipoi compradas
W: Numero de toneladas de desperdicios compradas
FUNCIÓN OBJETIVO:
MINZ=350*(5*X1)+330*(3*X2)+310*(4*X4)+500*Y1+450Y2+400Y3+100W
S.A.:
5*X1+4*X2+4*X3+6*X4+Y1+Y2+Y3+W=25 (PEDIDO)
5*(5*X1)+4*(3*X2)+5*(4*X3)+3*(6*X4)+8*Y1+7*Y2+6*Y3+3*W=5*25 (%
CARBONO)
3*(5*X1)+3*(3*X2)+4*(4*X3)+4*(6*X4)+6*Y1+7*Y2+9*W=5*25 (%
MOLIBDENO)
X1+X2+X3+X4=1 (LINGOTE)
Y1+Y2+Y3>0
W>0
XI=0 Ó 1
YI>0
W>0

Página 50
Sets:
lingote/1..4/:peso,costo1,carbono1,molibdeno1,x;
aleacion/1..3/:costo2,carbono2,molibdeno2,y;
desperdicio/1..1/:costo3,carbono3,molibdeno3,w;
Endsets
Data:
peso = 5,3,4,6;
costo1 = 350 ,330 ,310 ,280;
carbono1 = 0.05, 0.04 ,0.05 ,0.03;
molibdeno1 = 0.03, 0.03, 0.04, 0.04;
costo2 = 500, 450, 400;

carbono2 = 0.08, 0.07, 0.06;
molibdeno2 = 0.06, 0.07, 0.00;
costo3 = 100;
carbono3 = 0.03;
molibdeno3 = 0.09;
Enddata
!funcion objetivo;
min = @sum(lingote(i):costo1(i)*peso(i)*x(i))+ @sum(aleacion(j):costo2(j)*y(j) )+
@sum(desperdicio(k):costo3(k)*w(k));
!restriccion del pedido;

@sum(lingote(i):x(i)*peso(i))+ @sum(aleacion(j):y(j)) + @sum(desperdicio(k):w(k))
=25;
!restriccion del % de carbono;

@sum(lingote(i):x(i)*peso(i)*carbono1(i))+@sum(aleacion(j):y(j)*carbono2(j))+
@sum(desperdicio(k):w(k)*carbono3(k)) =1.25;
!restriccion del % de molibdeno;

@sum(lingote(i):x(i)*peso(i)*molibdeno1(i))+@sum(aleacion(j):y(j)*molibdeno2(j))+
@sum(desperdicio(k):w(k)*molibdeno3(k)) =1.25;
!restriccion del lingote;

@sum(lingote(i):x(i))=1;
!restriccion de las aleaciones;

@sum(aleacion(j):y(j))>0;
!restriccion de los desperdicios;

@sum(desperdicio(k):w(k))>0;
!restriccion del binario;

@for(lingote(i):@bin (x));
End

Página 51
5. PROBLEMA APLICADO A LA ASIGNACIÓN
IMPORTANDO DE EXCEL
5.1 PROBLEMA 1
La Fábrica de Calzado Flores produce y vende calzados de verano exclusivos.

Uno de los factores más importantes para poder realizar una venta es el servicio
rápido de Flores. Flores vende en 6 ciudades: Piura, Sullana, Sechura, Paita,
Morropón y Ayabaca. Se proyectan las ventas anuales de pares de zapatos de
acuerdo a la presencia de un representante de ventas dentro de 55 Km de una
ciudad (tabla 1).
La ganancia por cada par de zapato es de S/. 70. El costo anual por representante
de venta es de S/. 8 400. Flores debe determinar cuántos representantes colocar
en cada uno de sus mercados. Solo se consideran Piura, Ayabaca, Paita y
Sechura como bases para representantes de ventas, ya que en estas se
encuentran las fábricas. Se dispone de 10, 8, 6, y 9 representantes en las bases:
Piura, Ayabaca, Paita y Sechura respectivamente y se requieren 4, 5, 3 ,2 ,1 ,4
representantes de venta por mercado Piura, Ayabaca, Paita, Sechura, Morropón y
Sullana respectivamente. La tabla 2 muestra las distancias en Km.
Se necesita maximizar las ganancias anuales.
TABLA 1
REPRESENTANTE MERCADOS – VENTA
DENTRO DE Piura Ayabaca Paita Sechura Morropón Sullana
55Km
SI 130 120 130 110 110 122
NO 70 40 80 70 90 50
TABLA 2
Base- Piura Ayabaca Paita Sechura
Fábrica Mercado
Piura 0 229 60 50
Ayabaca 229 0 117 260
Paita 60 117 0 55
Sechura 50 260 55 0
Morropón 60 58 115 52
Sullana 39 40 47 239
SOLUCIÓN:
FORMULACIÓN ALGEBRAICA DEL MODELO

Definición de variables:
X i, j = Cantidad de representantes de la Fabrica j en el mercado de la ciudad i.
H i, j = Es 1 si la distancia de la fabrica i a la ciudad j es menor o igual a 55, sino 0.
T i, j = Es 1 si la distancia de la fabrica i a la ciudad j es mayor que 55.
Z i, j = matriz de variables que se filtraran con la matriz Hij.
W i, = Cantidad de ventas en el mercado i, sin representante.
Y i = Cantidad de ventas en el mercado i, con representante

Página 52
Definición de parámetros:
SI i, j = Cantidad de ventas anuales en el mercado de la ciudad i, por cada

representante.
NO i, j = Cantidad de ventas anuales en el mercado de la ciudad i, en caso no
hubiesen representantes.
REPRE i = Cantidad disponible de representantes en la fabrica i.
REPREMIN i = Cantidad mínima requerida de representantes en el mercado i.
DIST i, j = Distancia de la fabrica i, a la ciudad j
RESTRICCION DE MAXIMA CANTIDAD DE REPRESENTANTES POR

FÁBRICA Y MERCADO
4 6
∑ ∑ 𝑋𝑖,𝑗 ≤ 𝑅𝐸𝑃𝑅𝐸𝑗
𝑗 =1 𝑖 =1
RESTRICCION DE MÍNIMA CANTIDAD DE REPRESENTANTES POR FÁBRICA

Y MERCADO
𝟔 𝟒
∑ ∑ 𝑿𝒊,𝒋 ≥ 𝑹𝑬𝑷𝑹𝑬𝑴𝑰𝑵𝒊
𝒊=𝟏 𝒋=𝟏
VENTAS SIN REPRESENTANTE POR MERCADO

𝟔 𝟒
∑ ∑ 𝑵𝑶𝒊 × 𝑻𝒊,𝒋 = 𝑾𝒊
𝒊=𝟏 𝒋=𝟏
VENTAS CON REPRESENTANTE POR MERCADO

𝒁𝒊,𝒋 × 𝑯𝒊,𝒋 = 𝑿𝒊,𝒋
𝟔 𝟒
∑ ∑ 𝑺𝑰𝒊 × 𝑿𝒊,𝒋 = 𝒀𝒊
𝒊=𝟏 𝒋=𝟏
SALARIO DE REPRESENTANTES
6 4
8400 × ∑ ∑ 𝑋𝑖,𝑗 = 𝐶𝑂𝑆𝑇𝑂
𝑖=1 𝑗=1
FUNCION OBJETIVO
𝟔 𝟔
𝑴𝑨𝑿 = 𝟕𝟎 × ∑ 𝑾𝒊 + ∑ 𝒀𝒊 − 𝑪𝑶𝑺𝑻𝑶
𝒊=𝟏 𝒊=𝟏

Página 53
5.1.1 INTERPRETACIÓN E IMPLENTACIÓN EN LINGO:
INTERPRETACIÓN
FUNCION OBJETIVO:
Lo que pide el problema es maximizar las utilidades por cada año de
operación por lo cual se analizaran los ingresos y egresos.
Ingresos:
Los ingresos son proporcionales a la cantidad de pares de zapatos vendidos.
Por ejemplo la distancia de la fábrica en Paita al mercado en Piura es de 60 Km

(encerrado de rojo) por lo cual no es posible la presencia de un representante y
de acuerdo a la tabla 1 solo se venderá 70 pares de zapatos.
Ahora la distancia de la fábrica en Piura al mercado en Sechura es de 50 Km

(encerrado de verde) por lo cual hay probabilidad de asignar uno o más
representantes y de acuerdo a la tabla 1 se venderá 110 pares de zapatos por
cada representante asignado (Si fuera un representante se vendería como 110 y
si fueran dos entonces 220).

Página 54
Entonces se realiza el siguiente cuadro de acuerdo a las ventas y a las
distancias.
Total de pares de zapatos vendidos por cada mercado

CUADRO 1 Piura Ayabaca Paita Sechura
Piura 130X11 70 70 130X14
Ayabaca 40 120X22 40 40
Paita 80 80 130X33 130X34
Sechura 110X41 70 110X43 110X44
Morropón 90 90 90 110X54
Sullana 122X61 122X62 122X63 50
X i, j = Cantidad de representantes de la Fabrica j en el mercado de la ciudad i.

𝐼𝑁𝐺𝑅𝐸𝑆𝑂 = 70 ∗ (130X11 + 70 + 70 + 130X14 + 40 + 120X22 + 40 + 40 + 80 + 80
+ 130X 33 + 130X34 + 110X 41 + 70 + 110X43 + 110X44 + 90 + 90
+ 90 + 110X54 + 122X61 + 122X62 + 122X63 + 50)
Egresos:
Los egresos serian lo que se paga a cada uno de los representantes esto sería:
Costo = 8400 ∗ (X11 + X14 + X 22 + X 33 + X 34 + X 41 + X 43 + X 44 + X 54 + X 61 + X 62 + X 63 )
Ahora nuestra función objetivo quedaría:
𝑀𝐴𝑋 = 𝐼𝑁𝐺𝑅𝐸𝑆𝑂 − 𝐶𝑂𝑆𝑇𝑂
𝑀𝐴𝑋 = 70 ∗ (130X11 + 70 + 70 + 130X14 + 40 + 120X22 + 40 + 40 + 80 + 80
+ 130X33 + 130X34 + 110X41 + 70 + 110X43 + 110X44 + 90 + 90
+ 90 + 110X54 + 122X61 + 122X62 + 122X63 + 50) − 8400
∗ (X11 + X14 + X22 + X33 + X34 + X41 + X43 + X44 + X54 + X61 + X62
+ X63 )
MAX = 700 X11 + 700X14 + 700X33 + 700X34 − 700X41 − 700X43
− 700X44 44 − 700X54 + 140X61 + 140X62 + 140X63 + 56700
RESTRICCIONES:
Cantidad mínima de los representantes de cada fábrica
X11 + X41 + X61 <= 10
X22 + X62 <= 8
X33 + X43 + X 63 <= 6
X14 + X34 + X44 + X54 <= 9
Cantidad mínima de representante por mercado
X11 + X14 >= 4
X22 >= 5
X33 + X34 >= 3
X41 + X43 + X 44 >= 2
X54 >= 1
X61 + X62 + X 63 >= 4

Página 55
IMPLEMENTACIÓN EN LINGO:
En LINGO se realizan implementaciones muy largas y tediosas, pero estas
siempre siguen un formato de suma o repetición por filas y columnas.
DEFINICIÓN DE SETS:
Según lo planteado y a los datos del problema tenemos:
SETS:
MERCADOS/1..6/:SI,NO,W,Y,REPREMIN;
FABRICAS/1..4/:REPRE;
MERCAFABRI(MERCADOS,FABRICAS):DIST,X,H,T,Z;
ENDSETS
Creando Hij y Tij;
@FOR(MERCAFABRI(I,J)|DIST(I,J)#LE#55:H(I,J)=1);!REPRESENTANTES;
@FOR(MERCAFABRI(I,J)|DIST(I,J)#GT#55:H(I,J)=0);
@FOR(MERCAFABRI(I,J)|DIST(I,J)#GT#55:T(I,J)=1);!SIN
REPRESENTANTES;
@FOR(MERCAFABRI(I,J)|DIST(I,J)#LE#55:T(I,J)=0);
@FOR(MERCAFABRI(I,J):) señala que realizará una operación tantas veces

como la cantidad de elementos de MERCAFABRI, como es una matriz de 6 filas
y 4 columnas hará la operación 24 veces.
DIST(I,J)#LE#55; hará la operación si DIST(I,J)<=55.
@FOR(MERCAFABRI(I,J)|DIST(I,J)#LE#55:H(I,J)=1); toda esta

sentencia indica que si DIST(I,J)<=55 el valor H(I,J)=1.
Las demás sentencias son análogas, solo que DIST(I,J)#GT#55; indica que
solo se realizará la operación si DIST(I,J)>55.
Restricción De Máxima Cantidad De Representantes Por Fábrica

4 6
∑ ∑ 𝑋𝑖,𝑗 ≤ 𝑅𝐸𝑃𝑅𝐸𝑗
𝑗 =1 𝑖 =1
!RESTRICCION DE MAXIMA CANTIDAD DE REPRESENTANTES POR FABRICA Y

MERCADO;
@FOR(FABRICAS(J):@SUM(MERCADOS(I):X(I,J))<=REPRE(J));
Restricción De Mínima Cantidad De Representantes Por Mercado

𝟔 𝟒
∑ ∑ 𝑿𝒊,𝒋 ≥ 𝑹𝑬𝑷𝑹𝑬𝑴𝑰𝑵𝒊
𝒊=𝟏 𝒋=𝟏
!RESTRICCION DE MINIMA CANTIDAD DE REPRESENTANTES POR FABRICA Y

MERCADO;
@FOR(MERCADOS(J):@SUM(FABRICAS(I):X(J,I))>=REPREMIN(J));

Página 56
Ventas Sin Representante Por Mercado
𝟔 𝟒
∑ ∑ 𝑵𝑶𝒊 × 𝑻𝒊,𝒋 = 𝑾𝒊
𝒊=𝟏 𝒋=𝟏
!VENTAS SIN REPRESENTANTE POR MERCADO;

@FOR(MERCADOS(J):@SUM(FABRICAS(I):NO(J)*T(J,I))=W(J));
Ventas Con Representante Por Mercado

𝒁𝒊,𝒋 × 𝑯𝒊,𝒋 = 𝑿𝒊,𝒋
𝟔 𝟒
∑ ∑ 𝑺𝑰𝒊 × 𝑿𝒊,𝒋 = 𝒀𝒊
𝒊=𝟏 𝒋=𝟏
!VENTAS CON REPRESENTANTE POR MERCADO;

@FOR(MERCAFABRI(I,J):Z(I,J)*H(I,J)=X(I,J));
@FOR(MERCADOS(J):@SUM(FABRICAS(I):SI(J)*X(J,I))=Y(J));
Salario De Representantes
6 4
8400 × ∑ ∑ 𝑋𝑖,𝑗 = 𝐶𝑂𝑆𝑇𝑂
𝑖=1 𝑗=1
!SALARIO DE REPRESENTANTES;
@SUM(MERCAFABRI(I,J):X(I,J))*8400=COSTO;
Función Objetivo
𝟔 𝟔
𝑴𝑨𝑿 = 𝟕𝟎 × (∑ 𝑾𝒊 + ∑ 𝒀𝒊 ) − 𝑪𝑶𝑺𝑻𝑶
𝒊=𝟏 𝒊=𝟏
MAX=70*(@SUM(MERCADOS(I):W(I))+@SUM(MERCADOS(I):Y(I)))-COSTO;
Definición de data.
Data directa en lingo:
DATA:
DIST= 0 229 60
50
229 0 117 260
60 117 0 55
50 260 55 0
60 58 115 52
39 40 47 239;
REPRE=10 8 6 9;
REPREMIN=4 5 3 2 1 4;
SI=130 120 130 110 110
122;
NO=70 40 80 70 90 50;
ENDDATA

Página 57
Data exportada de Excel:
DATA:
DIST,REPRE,REPREMIN,SI,NO= @OLE('F:\VII
CICLO\OPE\LABO\PROBLEMA2.xlsx');
@OLE('F:\VII CICLO\OPE\LABO \DATA1.xlsx')=X;
ENDDATA
LINGO tiene una función sencilla, @OLE(),para recuperar y colocar datos de y a

una hoja de cálculo (Excel).
Un paso sencillo pero oculto que debe de realizarse antes en las hojas de cálculo
es definir los nombres de los rangos de las distintas colecciones de celdas que
contienen datos. Los nombres de los rangos se pueden definir en Excel con el
ratón y el elemento del menú Insertar, nombre, definir. Se elige los datos de la
hoja y luego click derecho luego a asignar rangos y poner el nombre con que se
llamara en LINGO.
Las primeras 5 aplicaciones mostradas en el data ilustran que esta función se

puede usar de a la derecha de una instrucción de asignación para recuperar
datos de una hoja de cálculo. La última muestra que se puede colocar a la
izquierda de una asignación para colocar los resultados en la hoja de cálculo.
PROGRAMA EN LINGO:
MODEL ASIGNACION :
!MODELO DE ASIGNACION DE REPRESENTANTES;
SETS:
MERCADOS/1..6/:SI,NO,W,Y,REPREMIN;
FABRICAS/1..4/:REPRE;
MERCAFABRI(MERCADOS,FABRICAS):DIST,X,H,T,Z;
ENDSETS
DATA:
DIST,REPRE,REPREMIN,SI,NO= @OLE('G:\VII
CICLO\OPE\LABO\DATA1.xlsx');

Página 58
@OLE('F:\VII CICLO\OPE\LABO \DATA1.xlsx','C_X')=X;
ENDDATA
MAX=70*(@SUM(MERCADOS(I):W(I))+@SUM(MERCADOS(I):Y(I)))-
COSTO;
@FOR(MERCAFABRI(I,J)|DIST(I,J)#LE#55:H(I,J)=1);!REPRESENTANT
ES;
@FOR(MERCAFABRI(I,J)|DIST(I,J)#GT#55:H(I,J)=0);
@FOR(MERCAFABRI(I,J)|DIST(I,J)#GT#55:T(I,J)=1);!SIN
REPRESENTANTES;
@FOR(MERCAFABRI(I,J)|DIST(I,J)#LE#55:T(I,J)=0);
!RESTRICCION DE MAXIMA CANTIDAD DE REPRESENTANTES POR

FABRICA Y MERCADO;
@FOR(FABRICAS(J):@SUM(MERCADOS(I):X(I,J))<=REPRE(J));
!RESTRICCION DE MINIMA CANTIDAD DE REPRESENTANTES POR

FABRICA Y MERCADO;
@FOR(MERCADOS(J):@SUM(FABRICAS(I):X(J,I))>=REPREMIN(J));
!VENTAS SIN REPRESENTANTE POR MERCADO;

@FOR(MERCADOS(J):@SUM(FABRICAS(I):NO(J)*T(J,I))=W(J));
!VENTAS CON REPRESENTANTE POR MERCADO;

@FOR(MERCAFABRI(I,J):Z(I,J)*H(I,J)=X(I,J));
@FOR(MERCADOS(J):@SUM(FABRICAS(I):SI(J)*X(J,I))=Y(J));
!SALARIO DE REPRESENTANTES;
@SUM(MERCAFABRI(I,J):X(I,J))*8400=COSTO;
END
5.1.2 REPORTE DE LA SOLUCIÓN EXPORTANDO DATOS A EXCEL:
CANT. DE PIURA AYABACA PAITA SECHURA

REPRESENTANTES
PIURA 7 0 0 0
AYABACA 0 5 0 0
PAITA 0 0 6 8
SECHURA 2 0 0 0
MORROPÓN 0 0 0 1
SULLANA 1 3 0 0
En este cuadro podemos ver las cantidades de representantes asignados para

cada mercado pertenecientes a una determinada fábrica o base. Estas
cantidades cumplen con todas las condiciones establecidas.

Página 59
5.2 MODELO DE ASIGNACIÓN DE PRESUPUESTO
La compañía constructora Molina dispone de 180 millones como presupuesto para

3 años, que se usaran en sus 3 sucursales. Se ha establecido un nivel máximo de
asignación de fondos de 20 millones para cada sucursal por año. En caso que una
sucursal no exceda el límite anual, puede usar esa diferencia para el siguiente año.
Cada sucursal tiene la oportunidad de dirigir distintos proyectos con los fondos que
recibe. Para cada proyecto se ha establecido una tasa de ganancia (como un
porcentaje de la inversión) y una inversión máxima (Tabla1). Por otra parte,
algunos de los proyectos obligan una inversión mínima como se indica en la tabla
2. Determine la política de asignación de recursos que genere el mejor beneficio.
TABLA 1
Año 1 Año 2 Año 3
Proyecto Tasa Inve Proyecto Tasa Inver Proyecto Tasa Inversi
SUCU de rsión de sión de ón
RSAL utilid máxi utilid máxi utilid máxim
ad ma ad ma ad a
(%) (m) (%) (m) (%) (m)
Trujil 1 8 10 1 9 9 1 8 8
lo 2 6 7 2 6 5 2 7 7
3 7 9 3 7 9 3 7 7
Lima 1 5 7 1 6 4 1 5 9
2 8 10 2 18 10 2 8 8
3 9 5 3 5 6 3 5 5
Tacna 1 10 6 1 11 6 1 7 6
2 6 7 2 6 10 2 6 11
3 15 5 3 15 5 3 15 6
TABLA 2
Inversión Mínima (millones)

Sucursal Proyecto Periodo Cantidad mínima
Trujillo 2 1 4
Lima 1 1 5
Tacna 2 2 9
Adicionalmente por una directiva de la alta gerencia se requiere que los proyectos
que tienen una utilidad mayores del 7% en cualquier año, por lo menos tengan una
inversión de 5 millones.
SOLUCIÓN:
A. FORMULACIÓN ALGEBRAICA DEL MODELO

Definición de variables:
X i, j, k = Cantidad asignada a la sucursal i para el proyecto j en el periodo k.
Sobrante i, k = Cantidad sobrante de dinero no asignado a la sucursal i en
periodo k.

Página 60
Máximo i, k = Nivel máximo de asignación de fondos para la sucursal i en el

periodo k.
Mínimo i, j, k = Nivel mínimo de asignación de fondos en la sucursal i, para
el proyecto j, en el periodo k.
InvMáxima i, j, k = Inversión máxima en la sucursal i para el proyecto j en el
periodo k.
InvMínima=Inversión mínima que establece la gerencia para ciertos proyectos
con tasa de utilidad mayor a 7%.
Presupuesto Total = Presupuesto total disponible.
Tasa i, j, k = Tasa de rentabilidad de la sucursal i, para el proyecto j durante el
periodo k.
RESTRICCIÓN DE USO MÁXIMO DE PRESUPUESTO POR PERIODO POR
SUCURSAL.
3
 X i, j, k + Sobrante i, k = Máximo i, k
j =1
 k=1 (Solo el primer año)
i = 1, 2, 3 (Sucursal).
3
 X i , j ,k -Sobrante i,k-1 + Sobrante i, k = Máximo i, k
j 1
k  2, 3 (Periodo)
i  1, 2, 3 (Sucursal)
RESTRICCIÓN DE INVERSIÓN MÍNIMA PARA ALGUNOS PROYECTOS
ESPECÍFICOS.
X i , j ,k ≥ Mínimo i , j ,k ; Solo para (i=1, j=2, k=1) Λ (i=2, j=1, k=1) Λ
(i=3, j=2, k=2)
RESTRICCIÓN DE INVERSIÓN MÁXIMA POR PROYECTO EN CADA
SUCURSAL.
X i , j ,k ≤ InvMáxima i , j ,k i =1, 2, 3 j =1, 2, 3 k=1, 2, 3
RESTRICCIÓN DE PRESUPUESTO DISPONIBLE.

3 3 3
    X i , j ,k ≤ Presupuesto Total
I=1 j=1 k =1
RESTRICCIÓN DE INVERSIÓN MÍNIMA POR DIRECTIVA DE ALTA GERENCIA.

X i , j ,k ≥ InvMínima
Tasai,j,k ≥ 0.07

Página 61
FUNCIÓN OBJETIVO
MODEL PRESUPUESTOS:
! MODELO DE ASIGNACION DE
PRESUPUESTO;
SETS:
SUCURSAL /TRUJILLO,LIMA,TACNA/:;
PROYECTO /1..3/:
;
PERIODO /1..3/:
;
SUCURSAL_PERIODO (SUCURSAL,PERIODO) : SOBRANTE, MAXIMO;
SUCURSAL_PROYECTO_PERIODO
(SUCURSAL,PROYECTO,PERIODO):TASA,
INVMAXIMA, ASIGNACION;
INVERSION_MINIMA (SUCURSAL,PROYECTO,PERIODO)/TRUJILLO 2 1, LIMA 1
1, TACNA 2 2 /: MINIMO;
ENDSETS
DATA:
TASA,INVMAXIMA,MINIMO,PRESUPUESTO,INVMINIMA= @OLE('G:\VII
CICLO\OPE\LABO\DATA2.xlsx','tasa','INV_MAX','mínima','presupuesto','in
v_mínima' );
MAXIMO = 20, 20, 20,
20, 20, 20,
20, 20, 20;
ENDDATA
! Funcion Objetivo;
MAX = FO;
FO=@SUM(SUCURSAL_PROYECTO_PERIODO: TASA * ASIGNACION );
! Restriccion de uso maximo de presupuesto por periodo por sucursal ;
@FOR(PERIODO(K) | K #EQ# 1:@FOR( SUCURSAL(I):@SUM( PROYECTO(J)

:ASIGNACION(I,J,K) ) + SOBRANTE(I,K) = MAXIMO(I,K) ));
@FOR(PERIODO(K) | K #NE# 1:@FOR( SUCURSAL(I):@SUM( PROYECTO(J)

:ASIGNACION(I,J,K) ) - SOBRANTE(I,K-1)+ SOBRANTE(I,K) = MAXIMO(I,K)
));
! Restriccion de inversion minima para algunos proyectos especificos ;
@FOR(INVERSION_MINIMA(I,J,K): ASIGNACION(I,J,K) >= MINIMO(I,J,K));
! Restriccion de inversion maxima por proyecto en cada sucursal ;
@FOR(SUCURSAL_PROYECTO_PERIODO(I,J,K): ASIGNACION(I,J,K) <=
INVMAXIMA(I,J,K) );
@FOR(SUCURSAL_PROYECTO_PERIODO(I,J,K)|TASA(I,J,K)#GT#0.07:
ASIGNACION(I,J,K)>= INVMINIMA);
! Restriccion de prespuesto disponible;
@SUM( SUCURSAL_PROYECTO_PERIODO(I,J,K): ASIGNACION(I,J,K)) <=
PRESUPUESTO ;
DATA:
@OLE('J:\OPE\LABO\DATA2.xlsx','FO','SOBRANTE','ASIGNACION'
)=FO,SOBRANTE,ASIGNACION;
ENDDATA
END
3 3 3
𝑀𝐴𝑋 = ∑ ∑ ∑ 𝑇𝑎𝑠𝑎𝑖,𝑗,𝑘 𝑥 𝑋𝑖,𝑗,𝑘
𝑖=1 𝑗=1 𝑘=1

Página 62
5.3 PROGRAMA EN LINGO
5.3.1 REPORTE DE LA SOLUCIÓN EXPORTANDO DATOS A EXCEL :
Utilidad en 3 años en millones de dólares
UTILIDAD EN 3 15.24 millones

AÑOS
Excedente de sucursales por años
EXCEDENTE DE SUCURSALES POR AÑOS

SUCURSAL 1 2 3
TRUJILLO 0 2 0
LIMA 0 2 0
TACNA 4 3 0
Este cuadro nos muestra los excedentes que se dieron en cada uno e los años
en las diferentes sucursales debido a que no se utilizó el máximo asignado que
era de 20 millones. Así tenemos que en la sucursal de Trujillo hubo un sobrante
de 2 millones en el segundo año, luego de haber invertido en los 3 proyectos; en
lima igualmente en el segundo año hubo un sobrante de 2 millones y en
Tacna en el primer y segundo año sobrantes de 4 y 3 millones respectivamente.
Asignaciones de presupuesto por sucursal, proyecto y año
PROYECTO 1 PROYECTO 2
1 2 3 1 2 3
TRUJILLO 10 9 8 TRUJILLO 4 0 7
LIMA 5 4 9 LIMA 10 10 8
TACNA 6 6 6 TACNA 5 10 11
PROYECTO 3
1 2 3
TRUJILLO 6 9 7
LIMA 5 4 5
TACNA 5 5 6
En estos 3 últimos cuadros podemos ver las cantidades en millones asignadas

para cada proyecto en una determinada sucursal y año. Estas cantidades
cumplen con todas las condiciones establecidas.

Página 63
5.4 Modelo de Asignación de Proyecto
Una compañía dispone de 35 millones para distribuirlos el próximo año entre sus
sucursales (Arequipa, Cuzco, Trujillo). Debido a compromisos de la estabilidad, el
nivel de empleados y por otras razones la compañía ha establecido un nivel
mínimo de asignación de fondos para cada sucursal. Estos fondos mínimos son de
8, 10 y 15 millones de dólares respectivamente. Debido a la naturaleza de su
operación, la sucursal Cuzco no puede utilizar más de 20 millones de dólares.
Cada sucursal tiene la oportunidad de dirigir distintos proyectos con los fondos que
recibe. Para cada proyecto se ha establecido una tasa de ganancia (como un
porcentaje de la inversión). Por otra parte, algunos de los proyectos permiten solo
una inversión limitada. A continuación se dan los datos para cada proyecto.
Sucursal Proyecto Tasa de Inversión

Utilidad(%) Máxima
1 8 10
Arequipa 2 6 5
3 7 9
1 5 7
Cuzco 2 8 10
3 9 4
1 10 6
Trujillo 2 6 12
3 15 6
Solución:
Dada la información del problema, lo que se debe hacer es maximizar las
utilidades de la compañía en mención, asignando de la mejor manera los fondos a
sus respectivas sucursales.
6. FORMULACIÓN DEL MODELO

6.1 DEFINICIÓN DE VARIABLES:
Xij: Cantidad asignada a la sucursal i para el proyecto j

(Siendo: i=1, 2, 3; 1: Arequipa, 2: Cuzco, 3: Trujillo) (j=1, 2, 3)
Mínimo: Nivel mínimo de asignación de fondos para la sucursal i (i=1,2,3)
Máximo: Nivel máximo de asignación de fondos para la sucursal i (i=1,2,3)
Inv.Maximaij: Inversión máxima en la sucursal i para el proyecto j.
(Siendo: i=1, 2, 3 y j=1, 2, 3)

PresupuestoTotal: Presupuesto total disponible.
Tasaij: Tasa de rentabilidad del proyecto j en sucursal i.
(Siendo: i=1, 2, 3 y j=1, 2, 3)

Página 64
6.2 FUNCIÓN OBJETIVO:
Max Z = Tasa11*X11 +Tasa12*X12+ Tasa 13*X13 + Tasa 21 *X21 + Tasa 22 *X22 +

Tasa 23 *X23 + Tasa 31 *X31 + Tasa 32 *X32 + Tasa 33*X 33
6.3 RESTRICCIONES:
6.3.1 RESTRICCIÓN DE USO MÍNIMO DE PRESUPUESTO POR SUSCURSAL

Arequipa: X11 +X12 +X13 ≥ Minimo1
Cuzco: X21 +X22 +X23 ≥ Minimo2
Trujillo: X31 +X32 +X33 ≥ Minimo3
6.3.2 RESTRICCIÓN DE USO MÁXIMO DE PRESUPÚESTO POR SUCURSAL

Cuzco: X21 +X22 +X23 ≤Máximo2
6.3.3 RESTRICCIÓN DE INVERSIÓN MÁXIMA POR PROYECTO EN CADA SUCURSAL
Arequipa:
X11 ≤ InvMaxima11
X12 ≤ InvMaxima12
X13 ≤ InvMaxima13
Cuzco:
X21 ≤ InvMaxima21
X22 ≤ InvMaxima22
X23 ≤ InvMaxima23
Trujillo:
X31 ≤ InvMaxima31
X32 ≤ InvMaxima32
X33 ≤ InvMaxima33
6.3.4 RESTRICCION DE PRESUPUESTO DISPONOBLE
X11 +X12 +X13 +X21 +X22 +X23+ X31 +X32 +X33 ≤ PresupuestoTotal

Página 65
Página 66
PROGRAMACIÓN EN LINGO
Ahora resolvamos el modelo, pulsando el ícono , con lo que obtendremos los

siguientes resultados:
De los resultados del reporte, en la parte superior se nota que la función objetivo
se optimiza cuando la rentabilidad es máxima, es decir, cuando toma el valor de
3.32 millones de dólares.
El resultado también nos da la asignación total de los recursos financieros, en el

atributo ASIGNACIÓN. El valor de ASIGNACION (Arequipa, 1), por ejemplo es 8.
Esto significa que la cantidad de dinero asignado a la sucursal Arequipa para el
proyecto 1 deberá ser 8 millones de dólares. Para ver la solución de sólo este
atributo, escoge la opción “solution” y en el cuadro de diálogo se ingresa el nombre
“ASIGNACION”. También puede seleccionar el siguiente Ícono:
Y aparecerá la siguiente ventana:
Manual de lingo con problemas resueltos Página 67

Se activa la opción que permite mostrar sólo los valores distintos de cero para que
LINGO sólo muestre los valores de la variable ASIGNACION distintos de cero, así:
Y en este último cuadro se puede ver la forma cómo tienen que ser repartidos los
fondos a las diversas sucursales de la compañía para alcanzar una máxima
utilidad. A la sucursal de Arequipa se le asigna 8 millones para invertir en el
proyecto 1, a la sucursal del Cuzco 8 millones para el proyecto 2 y 4 millones para
el proyecto 3 y finalmente para la sucursal de Trujillo 1 millón para el proyecto 1, 3
millones para el proyecto 2 y 6 millones para el proyecto 3.
6.4 Programación Lineal con 4 variables (Excel)
Graficolor, fabricante y distribuidor de papel y demás útiles escolares produce 3

tipos diferentes de papel que se pueden fabricar tanto en la fábrica A, B o C, las
cuales se encuentran ubicadas en la ciudad de Lima. La empresa busca
satisfacer la demanda establecida para las ciudades de Tacna y Cuzco en donde
se venden dichos productos. Para ello se tiene en cuenta que en estas ciudades
existen 2 tipos de centros de distribución (supermercados y librerías) los cuales
pertenecen a la corporación. Los precios de venta de los productos según donde
fueron fabricados, la ciudad y el centro de distribución donde se va a vender se
muestran en las siguientes tablas:
Tacna Cuzco
Supermercado Librería Supermercado Librería
Producto Producto Producto Producto Producto Producto Producto Producto Producto Producto Producto Producto
1 2 3 1 2 3 1 2 3 1 2 3
Fábrica
A 12 15 17 11 12 15 14 12 13 15 13 12
Fábrica
B 10 13 14 12 14 16 13 14 15 11 12 13
Fábrica
C 12 11 13 10 11 13 11 13 14 12 13 14
La corporación busca maximizar sus ventas y saber cómo va a distribuir sus

productos tomando en cuenta la capacidad de producción de las fábricas, la
demanda de las ciudades y la capacidad de los centros de distribución.

Capacidad de Producción:
Fábrica A Fábrica B Fábrica C
Producto 1 75 65 70
Producto 2 60 70 80
Producto 3 65 75 75
Demanda:
Tacna Cuzco
Producto 1 73 67
Producto 2 58 72
Producto 3 67 74
Tacna Cuzco
Supermercado 150 140
Librería 130 150
Solución:
Xijkl: cantidad de productos elaborados en la fábrica “i”, que corresponde al tipo “j”,
distribuido en “k”, en la ciudad “l”
Donde:
₪ Tipo de fábrica: i= A, B, C
₪ Tipo de producto: j= P1, P2, P3
₪ Tipo de centro de distribución: k=supermercado (S), librería (L)
₪ Ciudades: l=Tacna (T), Cuzco (Cz)
Función objetivo:
𝐶 𝑃3 𝐿 𝐶𝑧
∑ ∑ ∑ ∑ 𝑋𝑖𝑗𝑘𝑙 ∗ 𝑃𝑅𝐸𝐶𝐼𝑂𝑖𝑗𝑘𝑙
𝑖=𝐴 𝑗=𝑃1 𝑘=𝑆 𝑙=𝑇
Sujeto a:
Capacidad de producción:
𝐿 𝑃3
∑ ∑ 𝑋𝑖𝑗𝑘𝑙
𝑘=𝑆𝑀 𝑙=𝑃1
Demanda:
𝐶 𝐿
𝑖=𝐴 𝑘=𝑆

𝐶 𝑃3
𝑖=𝐴 𝑗=𝑃1
1) El ejercicio en el programa Lingo

!PROBLEMA LINGO;
MODEL:
SETS:
FABRICAS / A B C/:; !Tipo de fábrica: i= A, B, C ;
PRODUCTOS /P1 P2 P3/:; !Tipo de producto: j= P1, P2, P3 ;
CENTRO /S L/:; !Tipo de centro de distribución: k=supermercado (S), librería (L);
CIUDAD /T C/:; !Ciudades: l=Tacna (T), Cuzco (Cz);

!REQUERIMIENTO DE PRODUCTOS PARA UNA FABRICA, EN UN CENTRO DE
DISTRIBUCION, EN UNA CIUDAD,;
FPCC(FABRICAS,PRODUCTOS,CENTRO,CIUDAD):PRECIO,X;
FABPRO(FABRICAS,PRODUCTOS):CAPACIDAD;
CENCIUDAD(CENTRO,CIUDAD):CAPACIDAD2;
ENDSETS
DATA:
CAPACIDAD= 75 60 65,
65 70 75,
70 80 75;
DEMANDA= 73 67,
58 72,
67 74;
CAPACIDAD2= 150 140,
130 150;
PRECIO= 12 15 17 11 12 15 14 12 13 15 13 12,
10 13 14 12 14 16 13 14 15 11 12 13,
12 11 13 10 11 13 11 13 14 12 13 14;
ENDDATA
MAX=@SUM(FPCC:PRECIO*X);!FUNCION OBEJTIVO RESULTADO;
@FOR(FABPRO(I,J):@SUM(FPCC(I,J,K,L):X(I,J,K,L))<=CAPACIDAD(I,J));
!RESTRICCIONES DE LA CAPACIDAD DE CADA RECURSO;
!RESTRICCIONES DE LA DEMANDA DE CADA RECURSO;
@FOR(CENCIUDAD(K,L):@SUM(FPCC(I,J,K,L):X(I,J,K,L))<=CAPACIDAD2(K,L));
!RESTRICCIONES DE KA CAPACIDAD DE CADA RECURSO;

END

2) RESULTADOS
Podemos ver que la maximización de ventas es de: 8260

Para maximizar los costos:
Fabrica A:
La empresa debe de distribuir las 75 unidades del producto 1 a la librería de la
ciudad de Tacna.
También debe distribuir 5 unidades del producto 2 al supermercado de la ciudad
del Cuzco y el resto (55 unidades) será enviada a la librería de la ciudad de
Tacna.
Además debe distribuir 65 unidades del producto 3 al supermercado de la ciudad
del Cuzco.
Fabrica B:
La empresa debe distribuir 1 unidad del producto 1 al supermercado de la ciudad
del Cuzco. Además tiene que distribuir 64 unidades a la librería de la ciudad del
Cuzco.
Además debe distribuir 3 unidades del producto 2 al supermercado de la ciudad
de Tacna. También 67 unidades al supermercado de la ciudad del Cuzco.
También podemos ver que se debe distribuir 75 unidades del producto 3 al
supermercado de la ciudad de Tacna.
Fabrica C:
Se deben distribuir 6 unidades del producto 1 al supermercado de Tacna.
Además de 2 unidades al supermercado de Cuzco.
También se debe distribuir 77 unidades del producto 2 a la librería del Cuzco.
También se debe distribuir 66 unidades del producto 3 al supermercado de
Tacna. Además de 9 unidades a la librería de la ciudad de Cuzco.
Análisis de los Costos Reducidos

Por ejemplo en X(A,P1,S,T) tiene un costo reducido de 4 esto quiere decir que si
nosotros aumentamos en 4 unidades el coeficiente de la FO se convertirá en una
alternativa conveniente ya que se hará 0 el costo reducido.
X( A, P1, S, T) 0.000000 4.000000
X( A, P1, S, C) 0.000000 0.000000
X( A, P1, L, T) 75.00000 0.000000
X( A, P1, L, C) 0.000000 3.000000
Ahora el primer recurso si le aumentamos 4 unidades será 12+4=16 el nuevo

resultado sería :
X( A, P1, S, T) 3.000000 0.000000
X( A, P1, S, C) 0.000000 0.000000
X( A, P1, L, T) 72.00000 0.000000
X( A, P1, L, C) 0.000000 3.000000

Holgura o Excedente
Vemos que si la restricción es exacta satisfecha como una igualdad, la holgura o

excedente valdrá cero y como no hay ningún número negativo en nuestro reporte
diremos que ninguna restricción es violada.
Precio Dual
El precio dual se puede interpretar como el monto en que la función objetivo

mejorará si el segundo miembro de la restricción se incrementase en una unidad
en nuestro cuadro de resultados podemos ver que Row 2 =4 esto quiere decir que
si al recurso de la segunda restricción le aumentamos en 4 unidades, es decir
60+4=64 el nuevo valor de nuestra FO= 2864, aumentará en 4 unidades.
CONCLUSIONES
Primero podemos decir que una variable en la solución óptima automáticamente

tiene un costo reducido de 0.
En la interpretación del costo reducido podemos ver que si la variable tiene un
costo reducido de “a” el coeficiente objetivo de esta variable deberá incrementarse
en “a” unidades en un problema de maximización o disminuirse en “a” unidades en
un problema de minimización para convertirse en una alternativa atractiva.
En nuestro ejerció podemos ver que ninguna restricción es violada ya que en el
análisis de Holgura y Excedente no hay ninguna variable negativa.
EL PROBLEMA EN LINGO EXPORTANDO DATOS EN EXCEL
a) Los pasos que se sigue para crear una base de datos en EXCEL son:
b) Crear una carpeta en C, por ejemplo: TRABAJO DE OPE I
c) Crear un hoja de cálculo denominado PROBLEMA 1
d) Luego en la hoja de cálculo poner los datos del problema:

e) Asignar nombre a la matriz:
f) Hacer click en la barra del menú: “Formulas”
1. Hacer click en: “Administrador de nombres”
2. Luego aparecerá una nueva ventana donde colocaremos el nombre de

la matriz luego la hoja, el rango de la matriz y por último hacer click en
aceptar.

PROGRAMACION EN LINGO EXPORTANDO DATOS EN EXCEL
!PROBLEMA LINGO;
MODEL:
SETS:

FPCC(FABRICAS,PRODUCTOS,CENTRO,CIUDAD):PRECIO,X;
FABPRO(FABRICAS,PRODUCTOS):CAPACIDAD;
ENDSETS
DATA:
PRECIO,CAPACIDAD,DEMANDA,CAPACIDAD2=@OLE('C:\LINGO11\Samples\PROBLEMA
1.XLS','precio','capacidad','demanda','capacidad1');
ENDDATA
MAX=FO;
FO=@SUM(FPCC:PRECIO*X);
@FOR(FABPRO(J,I):@SUM(FPCC(I,J,K,L):X(I,J,K,L))<=CAPACIDAD(J,I));
!RESTRICCIONES DE LA CAPACIDAD DE CADA RECURSO;
!RESTRICCIONES DE LA DEMANDA DE CADA RECURSO;
@FOR(CENCIUDAD(K,L):@SUM(FPCC(I,J,K,L):X(I,J,K,L))<=CAPACIDAD2(K,L));
!RESTRICCIONES DE KA CAPACIDAD DE CADA RECURSO;

RESULTADOS EN LA TABLA DE EXCEL:
TACNA CUZCO
SUPERMERCADO LIBRERÍA SUPERMERCADO LIBRERÍA
P1 P2 P3 P1 P2 P3 P1 P2 P3 P1 P2 P3
FABRICA A 0 0 75 0 0 5 55 0 0 65 0 0
FABRICA B 0 1 0 64 3 67 0 0 75 0 0 0
FABRICA C 6 2 0 0 0 0 0 77 66 0 0 9
FO 8260
7 PROBLEMA 1 EN LINGO EXPORTANDO DATOS EN

ACCESS
En la carpeta donde se instalo LINGO, se incluyó una base de datos Microsoft
Access para el modelo de Programación Lineal con cuatro variables.
Este archivo se encuentra en el directorio con el nombre de PROBLE.MDB.
Para registrar esta base de datos como una fuente de datos ODBC para nuestro
modelo, debe iniciar el Administrador de ODBC de la siguiente manera:
1. Haga doble clic en el icono Mi PC en su escritorio.

2. Encontrar el icono del Panel de control y haga doble clic en él.
3. Haga doble clic en el icono Rendimiento y mantenimiento luego en
Herramientas administrativas.
4. Buscar el icono de Orígenes de Datos (ODBC) haga doble clic en él.
Ahora debe ver el cuadro de diálogo Administrador de orígenes de datos
ODBC se muestra a continuación:

Para instalar la base de datos PROBLE.MDB como una fuente de datos, haga lo
siguiente:
1. Haga clic en el botón Agregar en el cuadro de diálogo Administrador de datos

ODBC para mostrar el cuadro de diálogo a continuación:

2. Estamos instalando una fuente de datos de acceso, así que seleccione la opción
Microsoft Access Driver y pulse el botón Finalizar.
3. En el siguiente cuadro de diálogo:
Asignar la fuente de datos el nombre de Programación Lineal en el campo Nombre

de origen de datos. En el campo Descripción, escriba "Fuente de datos para un
modelo de Programación Lineal LINGO". Pulse el botón Seleccionar e introduzca el
nombre de la base de datos "LINGO \ SAMPLES \ PROBLE.MDB" (esto asume
LINGO se ha instalado en la LINGO-directorio de su instalación puede ser diferente).
El cuadro de diálogo que ahora se parecen a las que se muestra a continuación:

4. Pulse el botón Aceptar y podrá ver la fuente de datos de Transporte se ha añadido
a la lista de orígenes de datos ODBC:
5. Haga clic en el botón Aceptar para cerrar el Administrador de ODBC. Ahora

debe ser capaz de iniciar y resolver el modelo LINGO PROBLE.LG4.
!PROBLEMA LINGO;
MODEL:
SETS:

PRODUCTO: FABRICA_1: FABRICA_2: FABRICA_3;

PRODUCTO: TACNA : CUZCO;
CENTROS: TACNA: CUZCO;
FABRICA: PRODUCTO1: PRODUCTO2: PRODUCTO3;
ENDSETS
DATA:
PRECIO,CAPACIDAD,DEMANDA,CAPACIDAD2=@OLE('C:\Archivos de
programa\LINGO11\Samples\PROBLE.MDB','precio','capacidad','demanda','c
apacidad1');
ENDDATA
MAX=FO;
FO=@SUM(FPCC:PRECIO*X);

CONCLUSIONES
 Se ha presentado una práctica de optimización empleando LINGO. La
experiencia docente derivada de su utilización ha puesto de manifiesto la
idoneidad del empleo de dicha herramienta. En particular, su aplicación en la
resolución de problemas relacionados con el campo empresarial ha permitido
facilitar su asimilación por el alumnado, alcanzando un mejor nivel de
comprensión y un buen grado de satisfacción por su parte.
 Las herramientas matemáticas como LINGO permiten que alumnos con unos
conocimientos elementales en optimización puedan resolver una amplia gama de
problemas. En aquellas titulaciones en las cuales las matemáticas no son el fin
en sí mismas y se reducen a una herramienta de trabajo, resulta de mayor
interés la formulación de los problemas, la interpretación y el análisis de las
soluciones, en detrimento del método empleado en la obtención de dicha
solución.
 En los problemas estudiados se ha hecho una simplificación importante que

debe puntualizarse. En el problema sin restricciones de capacidad se conoce el
coste de transporte por unidad entre las plantas y los almacenes. En general,
este coste puede venir dado en función de la distancia recorrida a lo largo de
cierta red que represente las comunicaciones entre ciudades. En tal caso, habría
que resolver en primer lugar el problema de las distancias mínimas en la red de
transporte y agregar los costes a lo largo del camino mínimo. En el problema con
capacidad, se conoce c y r para cada par origen-destino, aunque en general
sobre una red de transporte habría que tener en cuenta estos parámetros a lo
largo de todas las aristas que pertenecen al camino mínimo.

REFERENCIAS
 Bazaraa, M.S., Sherali, H.D. y Shetty, C.M. (1993): Nonlinear programming.
Theory and algorithms (2ª edición). Ed. John Wiley.
 Chiang, A.C. (1.987): Métodos Fundamentales de Economía Matemática (3ª
edición).
 Ed. McGraw-Hill.
 Haeussler, E.I. y Paul, R.S. (1997): Matemáticas para la Administración,
Economía, Ciencias Sociales y de la Vida (8ª edición). Ed. Prentice-Hall.
 Manual de usuario (1996). Solver Suite: LINDO, LINGO and WHAT’S BEST,
Lindo Systems Inc.
 Suárez Vega, R., Dorta González, P., González Martel, C. , Andrada Félix, J.
y Hernández Guerra, J. (2001): Problemas de Algebra Lineal para la
Economía y la Empresa. Ejercicios resueltos, cuestiones y tratamiento con
DERIVE y LINGO. Ed. El Libro Técnico.
 Sydsaeter, K. y Hammond, P.J. (1996). Matemáticas para el Análisis
Económico. Ed. Prentice-Hall.
 Helmut Kopka and Patrick W. Dale. A Guide to LATEX. Addison-Wesley,
Harlow, England, 3rd edition, 1999.
 Gerson Lachtermacher. Pesquisa Operacional na Tomada de Decisões.
Editora Campus, Rio de Janeiro, 2002.
 Lindo Systems Inc., Chicago. LINGO: the modeling language and optmizer,
2001.
 http://books.google.com.pe/books?id=8IMSA6DEaRoC&pg=PA506&lpg=PA5
06&dq=La+Father+Domino+Company+vende+copiadoras&source=bl&ots=M
Gl20VhBRl&sig=DJKAJvZY7UKCBmkxuORYqTF3YqY&hl=es&ei=-
ad6S_r2LqiTtgeaz5HrCw&sa=X&oi=book_result&ct=result&resnum=1&ved=0
CAcQ6AEwAA#v=onepage&q=La%20Father%20Domino%20Company%20v
ende%20copiadoras&f=false

Lingo para la resolución de problemas de optimización

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Lingo para la resolución de problemas de optimización

Загружено:

Авторское право:

Доступные форматы

Contenido

1. LENGUAJE DE MODELADO LINGO ................................................................... 5

Manual de lingo con problemas resueltos

Manual de lingo con problemas resueltos

Cuando se busca que las empresas alcancen el máximo de ganancias o beneficios,

En el trabajo mostrado a continuación, se muestra una práctica de laboratorio

Manual de lingo con problemas resueltos

LINGO es una herramienta simple para utilizar la potencialidad de la optimización

¿Cómo Instalar LINGO?

Instalar el software de LINGO es directo. A LINGO de disposición para Windows,

Nota: Si existe una versión previa de LINGO instalada en su máquina, entonces

Manual de lingo con problemas resueltos

Nota: Si recibió su licencia teclee por correo electrónico, entonces

1.1 SINTAXIS DE LINGO

Con respecto a las sentencias:

• Todas las sentencias deben terminar en un punto y coma.

Una formulación en LINGO, tiene tres secciones:

Manual de lingo con problemas resueltos

Cada conjunto tiene la sintaxis siguiente:

NOMBRE/ LOS MIEMBROS/: LOS ATRIBUTOS;

Los conjuntos, FABRICAS y CENTROS se denominan conjuntos primitivos y el

SECCION DEL MODELO

@SUM (set: expresión)

Manual de lingo con problemas resueltos

La formulación completa es como sigue:

! 2 FABRICAS, 3 CENTROS, problema de transporte;

Manual de lingo con problemas resueltos

[_1] MIN= 2 * X_1_1 + 4 * X_1_2 + 6 * X_1_3 + 7 * X_2_1 + 10 * X_2_2 + X_2_3;

[_2] X_1_1 + X_2_1 >= 10;

[_3] X_1_2 + X_2_2 >= 25;

[_4] X_1_3 + X_2_3 >= 15;

[_5] X_1_1 + X_1_2 + X_1_3 <= 30;

[_6] X_2_1 + X_2_2 + X_2_3 <= 20;

Variable Value Reduced Cost

Manual de lingo con problemas resueltos

@GIN Limita la variable sólo a valores enteros

@BIN Hace una variable binaria (0 ó 1)

 Ejemplos de uso de variables enteras:

 Ejemplos de uso de variables binarias:

 Ejemplos de uso de variables libres:

Manual de lingo con problemas resueltos

2.1 COMANDOS DE LOS MENÚS Y FUNCIONES DE LINGO

El menú principal comprende 5 submenús acomodados en la parte superior de la

2.1.1 MENÚ FILE:

Manual de lingo con problemas resueltos

2.1.2 MENÚ EDIT:

Manual de lingo con problemas resueltos

2.1.3 MENU LINGO:

Manual de lingo con problemas resueltos

LINGO tiene siete funciones principales: operador estándar, importación de

2.2.1 OPERADORES ESTANDAR

Entre estos operadores se encuentran los aritméticos (^,*,/,+ y - ) , operadores

2.2.2 FUNCIONES DE IMPORTACIÓN DE ARCHIVOS:

Estas funciones le permiten importar el texto y datos de fuentes externas. La

2.2.3 FUNCIONES DE FINANZAS:

Manual de lingo con problemas resueltos

Comprenden las funciones generales y trigonométricas siguientes: @ABS(X),

2.2.5 FUNCIONES DE ITERACIONES EN CONJUNTOS:

Comprenden @FOR (set_name: constraint_expression), @MAX (set name:

2.2.6 FUNCIONES DEL DOMINIO DE LA VARIABLE:

Estas funciones fijan restricciones adicionales sobre variables y atributos.

2.2.7 FUNCIONES DE PROBABILIDAD:

LINGO posee capacidades estadísticas comunes con sus funciones de

Entonces: MAX Z = 7X1 + 7X2 + 6*X3

Por lo tanto: X6 – X15000 – 5000X2 – 7900X3 – 3000X4 – 14300*X5=0

MIN=1( estudiantes 111+ estudiantes 121)+2( estudiantes 211+2* estudiantes