Ing.

Luis Mantilla Rodriguez

alfredo.mantilla@upn.edu.pe
Recordemos Programación Lineal …
 Recordemos Programación Lineal
Un paciente requiere una dieta estricta con 2 alimentos : A y B. Cada unidad de
alimento A contiene 120 calorías y 2 gramos de proteínas. La unidad del Alimento
B contiene 100 calorías y 5 gramos de proteínas. La dieta requiere un mínimo de
1,000 calorías y 30 gramos de proteínas. Si el precio de cada unidad del alimento
A es S/. 60, y de cada unidad del alimento B es S/. 80 ¿Cuántas unidades de cada
alimento se deben comprar para minimizar el costo de preparar la dieta
cumpliendo con los requisitos nutricionales de calorías y proteínas ?

Elabore el Modelo de Programación

Lineal y resuélvalo con el METODO
GRAFICO.
 Recordemos Programación Lineal
Un agricultor debe decidir la manera de distribuir la siembra de sus cultivos de maiz
y frijol de tal forma que maximice su utilidad por la venta de ambos cereales. Para
ello cuenta con 200 Ha disponibles para la siembra. Los datos de producción
revelan que sembrar 1 Ha de maíz rinde 5 Tm, mientras que sembrar 1 Ha de Frijol
rinde 2 Tm. El agricultor debe sembrar al menos 100 Ha de maíz para alimentar a
los animales de su propia granja. El agricultor dispone también de 1,000 Hr de MO
para los trabajos de cultivo. Cada Ha de maiz requiere 8 Hr de MO para su cultivo,
mientras que, cada Ha de Frijol requiere 4 Hr. El maíz se vende $1,000/Tm, mientras
que el frijol se vende a $2,000/Tm.

Elabore el Modelo de Programación Lineal

y resuélvalo con SOLVER.
 Recordemos Programación Lineal
Dos productos A y B se procesan en 3 máquinas. Ambos productos pueden elaborarse
en 2 rutas (ó líneas de producción) : X e Y. La ruta X procesa el producto en las
máquinas 1 y 2, mientras que la ruta Y procesa el producto en las máquinas 1 y 3. Los
tiempos de proceso se indican en el siguiente cuadro :

Los costos por hora en las máquinas 1, 2 y 3 son de $20, $30 y $18 respectivamente.
Se dispone de 160 hr a la semana para la máquina 2 y de 140 hr para c/u de las otras 2
máquinas. Los pronósticos de venta indican que del producto A no deben producirse
menos de 5 und y de B no menos de 12 und. Los productos A y B se venden a $210 y
$300 respectivamente.
Elabore el Modelo de Programación Lineal y resuélvalo con LINDO.
Programación Lineal Entera PLE
 Que es Programación Entera (PE) .. ?

Un modelo de Programación Entera es aquel cuya solución óptima (resultados de

las variables de decisión) toman Valores Enteros, permitiendo incorporar en el
modelo matemático algunos aspectos que quedan fuera del alcance de los
modelos de Programación Lineal.

En este sentido los algoritmos de solución de los modelos de PE difieren a los

utilizados en los modelos de PL, destacándose entre ellos el Algoritmo de
Ramificación y Acotamiento (ó Branch & Bound)
 Que es Programación Entera .. ?
A primera vista parece más fácil resolver problemas enteros, ya que transforman
un problema continuo en un problema discreto, pero esto no siempre es así.

Los modelos de PE se pueden clasificar en:

Modelo de PLE Tipos de Variables de Decisión

Completamente entero Todas las variables son enteras

Mixto Solo algunas variables son enteras

Binario Las variables son binarias (0 ó 1)

 Aplicaciones de la Programación Entera

 Cajeros a asignar en turnos de atención

 Camiones a comprar para reparto de mercadería

 Escritorios a fabricar para surtir un pedido

 Computadoras a reparar en una semana

 Acciones a comprar con fines de inversión

 Desición de construir ó no un centro de distribución

PLANTEAMIENTO DE PROBLEMAS DE PE
Problemas Generales
CONFECCION DE UNA MOCHILA

¿Qué necesitamos?

Poliester rayón tejido Cierres Mano de Obra Hilo

¿Son abundantes o escasos?

 TIPOS DE MOCHILAS

Universitario Escolar Junior

Poliester rayón tejido Cierres Mano de Obra

Caso 1 :
Una empresa confecciona tres modelos de Mochilas : Universitario, Escolar y Junior;
las que vende a 200, 155 y 130 soles c/u, respectivamente. Una mochila mod.
Universitario requiere 4 m de Poliester, 4 hr de MO, 4 Cierres Metálicos y 12 Cierres
Plásticos. El modelo Escolar requiere 2.5 m de poliéster, 3 hr de MO, 4 cierres
metálicos y 12 cierres plásticos. El modelo Junior requiere 1.8 m de poliéster, 3.2 hr
MO, 3 cierres metálicos, 6 cierres plásticos y 1 Sticker de caricatura. Cada semana se
dispone de 500 m de poliester, 230 cierres metálicos, 400 cierres plásticos y 15
stickers. Además se cuenta con 4 operarios que trabajan 8 hr/dia durante 6 días a la
semana. Semanalmente se debe producir al menos 10 mochilas modelo Junior; se
sabe también que la demanda semanal de mochilas modelo Escolar es como máximo
el doble de la demanda del modelo Universitario. Elabore un modelo de PE que
permita maximizar las ganancias y establecer el número de mochilas optimo que se
deben producir.

Universitario Escolar Junior

Solución
Datos:

Variables:
X1 : Cantidad Mochilas mod. Universitario a producir y vender por semana
X2 : Cantidad Mochilas mod. Escolar a producir y vender por semana
X3 : Cantidad Mochilas mod. Junior a producir y vender por semana
Solución
Datos:

Función Objetivo:
Max Z = 200X1 + 155X2 + 130X3 (Maximizar Ingresos por Ventas)

Tener en cuenta que :

Se maximizan Ganancias o Utilidades y se minimizan Costos ó Perdidas
Solución
Datos:

Restricciones :
4X1 + 2.5X2 + 1.8X3 ≤ 500 (Disponib. Semanal de Poliester) ……….... mt
4X1 + 3X2 + 3.2X3 ≤ 192 (Disponib. Semanal de MO) …………..…… hr
4X1 + 4X2 + 3X3 ≤ 230 (Disponib. Semanal de Cierres Metal) ….. und
12X1 + 12X2 + 6X3 ≤ 400 (Disponib. Semanal de Cierres Plast) …... und
X3 ≤ 15 (Disponib. Semanal de Stickers) ….……... und
2X1 - X2 ≥ 0 (Demanda de Mochilas tipo Escolar) ……. und
X3 ≥ 10 (Demanda de Mochilas Junior) ………….. und
X1; X2; X3 ≥ 0 y Enteros (Condición de No Negatividad y Enteros)
Caso 2 :
Preparándose para la temporada de invierno, una compañía fabricante de ropa está produciendo :
Abrigos de piel con capucha, Chamarras con relleno de plumas de ganso, Pantalones con
aislamiento y Guantes. Todos los productos se elaboran en 4 departamentos diferentes : Corte,
Aislamiento, Costura y Empaque. La compañía recibió pedidos en firme de sus productos. El
contrato estipula una penalización por los artículos no surtidos.
Formule un modelo de PE que permita obtener un plan de producción óptimo para la compañía en
base a los datos de la siguiente tabla :
Solución
Variables :
X1 : Cantidad de ABRIGOS a producir y vender
X2 : Cantidad de CHAMARRAS a producir y vender
X3 : Cantidad de PANTALONES a producir y vender
X4 : Cantidad de GUANTES a producir y vender
Sj : Cantidad de unidades NO ATENDIDAS del producto “j” (j = 1,2,3,4)

Función Objetivo :
 Se penaliza a la compañía si no cumple con atender la demanda
 El objetivo es maximizar la utilidad neta, la cual estaría dada por :

Utilidad Neta = Utilidad Total – Penalización Total

Utilidad Total = 30X1 + 40X2 + 20X3 + 10X4
Penalización Total = 15S1 + 20S2 + 10S3 + 8S4

Max. Z = (Utilidad Total) – (Penalización Total)

Max. Z = (30X1 + 40X2 + 20X3 + 10X4) – (15S1 + 20S2 + 10S3 + 8S4)

Solución

Restricciones :

o Tiempo disp. en CORTE : 0.30X1 + 0.30X2 + 0.25X3 + 0.15X4 ≤ 1,000

o Tiempo disp. en AISLAM : 0.25X1 + 0.35X2 + 0.30X3 + 0.10X4 ≤ 1,000
o Tiempo disp. en COSTURA : 0.45X1 + 0.50X2 + 0.40X3 + 0.22X4 ≤ 1,000
o Tiempo disp. en EMPAQUE : 0.15X1 + 0.15X2 + 0.10X3 + 0.05X4 ≤ 1,000
o Demanda Producto 1 : X1 + S1 = 800
o Demanda Producto 2 : X2 + S2 = 750
o Demanda Producto 3 : X3 + S3 = 600
o Demanda Producto 4 : X4 + S4 = 500
o Rango de Existencia : Xj, Sj, ≥ 0, y Enteros
Caso 3 :
La compañia TODO SPORT fabrica y vende 3 modelos de raquetas de tenis : A, B y
C. El proceso de manufactura de las raquetas requiere dos etapas de fabricación,
donde todas las raquetas pasan a través de ambas etapas. Cada etapa se realiza en
una estación de trabajo diferente. Cada raqueta requiere 3 horas de tiempo de
fabricación en la estación de trabajo 1. En la estación de trabajo 2, la raqueta A
requiere 2 horas de tiempo de fabricación, la raqueta B requiere 4 horas, y la raqueta
C requiere 5 horas. La estación de trabajo 1 tiene 50 horas de tiempo disponible por
semana, y la estación de trabajo 2 tiene 80 horas. El departamento de mercadotecnia
a proyectado que la demanda máxima de la raqueta A será de 25 und por semana.
Debido a que las raquetas B y C son de calidad similar, se ha pronosticado que la
demanda combinada para éstas variará entre 10 y 30 und por semana. La venta de la
raqueta A proporciona $7 de utilidad, en tanto que las raquetas B y C proporcionan
utilidades de $8 y $8.5 respectivamente. Formule un modelo de PE adecuado para la
situación presentada.
Solución
Variables :
X1 : Cantidad raquetas modelo A, a producir y vender cada semana
X2 : Cantidad raquetas modelo B, a producir y vender cada semana
X3 : Cantidad raquetas modelo C, a producir y vender cada semana

Función Objetivo :
Maximizar Z = 7X1 + 8X2 + 8.5X3

Restricciones :
Tiempo dispon. etapa 1
Tiempo dispon. etapa 2
Demanda max. raquetas A
Demanda min. raquetas B y C
Demanda max. raquetas B y C
Rango de Existencia
: 3X1 + 3X2 + 3X3 ≤ 50
: 2X1 + 4X2 + 5X3 ≤ 80
: X1 ≤ 25
: X2 + X3 ≥ 10
: X2 + X3 ≤ 30
: X1, X2, X3 ≥ 0 y Enteros
Caso 4 :
La joyería Zales utiliza rubíes y zafiros para fabricar 2 tipos de anillos. Un anillo
tipo 1 requiere 2 rubíes, 3 zafiros y 1 hora de MO de un joyero. Un anillo tipo 2
necesita 3 rubíes, 2 zafiros y 2 horas de MO del joyero. Cada anillo tipo 1 se
vende en $400, y cada anillo tipo 2 en $500. Todos los anillos que fabrica Zales
se pueden vender. En la actualidad, Zales tiene 100 rubíes, 120 zafiros y 70 horas
de mano de obra de joyería. Es posible comprar rubíes adicionales a un precio de
$100 por rubí. La demanda del mercado requiere que la compañía produzca por
lo menos 20 anillos tipo 1 y por lo menos 25 anillos tipo 2. Elabore y resuelva el
modelo de PE acorde con el enunciado, teniendo en cuenta que Zales desea
maximizar ganancias por la venta de los anillos.
PLANTEAMIENTO DE PROBLEMAS DE PE
Problemas Binarios
 Programación Entera Binaria (PEB)

La PEB es aquella cuya solución sólo puede tomar los valores : 0 ó 1. Es un caso
especial de la Programación Entera, y es, especialmente útil, para enfrentar
problemas de toma de decisiones : Si ó No.
Casos como : Problema de Asignación, Presupuesto de Capital, Cargo Fijo,
Problema de la Mochila, etc, son situaciones particulares de esta metodología,
dónde se debe asignar recursos limitados a tareas ó actividades específicas de
manera óptima.
Caso 5 :
El entrenador del equipo de Basketboll de la UPN
trata de escoger una alineación inicial para el partido
final. El equipo consta de 7 jugadores, cuyas
habilidades han sido evaluadas según una escala de :
1 = Regular, 2 = Bueno, 3 = Excelente, de acuerdo a
su manejo de la pelota, sus tiros, su rebote y sus
destrezas defensivas. La tabla muestra las posiciones
que cada jugador puede ocupar y sus habilidades :

La alineación inicial de 5 jugadores debe satisfacer las siguientes condiciones :

1. Al menos 4 jugadores del equipo inicial deben poder jugar en la Defensa (D), por lo menos 2 en ataque (A),
y por lo menos 1 debe poder jugar en el Centro (C).
2. El nivel medio del manejo de pelota, tiros y rebote, del equipo inicial, debe ser por lo menos igual a 10.
3. Si inicia el jugador 3, entonces el jugador 6 no podrá iniciar.
4. Si el jugador 1 inicia, entonces los jugadores 4 y 5 deben iniciar al mismo tiempo.
5. Ya sea el jugador 2 ó el jugador 3 debe iniciar.

Bajo éstas condiciones, el entrenador quiere Maximizar la Habilidad Total Defensiva

del equipo inicial. Formule un modelo de PE adecuado para ésta situación.
Caso 6 :
GLORIA S.A tiene 4 camiones disponibles para entregar leche a 5 tiendas. En los cuadros inferiores se muestra
la Demanda diaria de cada tienda, la capacidad y los costos operativos por día de cada camion. Por cuestiones
de Itinerario, la demanda de cada tienda es atendida por un solo camion, pero un camion podría entregar a más
de 1 tienda.

a. Formule un modelo de PE adecuada a ésta situación

b. Encuentre la Solución Optima utilizando el SOLVER de excel
Caso 7 :
JoShop debe asignar 4 tareas a 4 trabajadores. El costo de realizar un trabajo es
función de los conocimientos de los trabajadores. La tabla inferior resume el costo
de las asignaciones. El trabajador 1 no puede realizar el trabajo 3, y el trabajador 3
no puede realizar el trabajo 4. Determine la asignación optima.
Caso 8 :
En el problema anterior suponga que aparece disponible un quinto trabajador para
desempeñar cualquiera de los 4 puestos de trabajo con costos respectivos de $60, $45,
$30 y $80. Sería económico reemplazar a uno de los 4 trabajadores actuales con éste
nuevo ?
Caso 9 : Presupuesto de Capital
Stockco proyecta cuatro inversiones. La inversión 1 genera un Valor Neto Actual
(VNA) de $16,000; la inversión 2, un VNA de $22,000; la inversión 3, un VNA de
$12,000, y la inversión 4, una VNA de $8,000. Para cada inversión se requiere una
cierta salida de efectivo en el tiempo presente; la inversión 1, $5,000; la inversión
2, $7,000; la inversión 3, $4,000, y la inversión 4, $3,000. La compañía dispone en
la actualidad de $14,000 para invertir. Plantee un modelo de PE cuya solución le
indique a Stockco el modo de maximizar el VNA obtenido de las inversiones 1 a 4.
 Modifique el modelo de PE para Stockco, teniendo en cuenta las siguientes
condiciones adicionales :
1. Stockco puede invertir a lo mucho en dos inversiones.
2. Si Stockco invierte en la alternativa 2, entonces también debe invertir en 1
3. Si Stockco invierte en la alternativa 2, no puede invertir en 4
PLANTEAMIENTO DE PROBLEMAS DE PE
Problemas Mixtos
Caso 10 : Problema de Cargo Fijo
Gandhi Cloth Company fabrica 3 tipos de prendas de vestir : Camisetas, Shorts y
Pantalones. La elaboración de cada tipo de prenda requiere que Gandhi tenga disponible
el tipo de maquinaria apropiada. La maquinaria necesaria para elaborar cada tipo de
prenda se tiene que rentar a las siguientes tarifas : Maquinaria para Camisetas $200
semana, maquinaria para Shorts $150 semana y maquinaria para Pantalones $100
semana. La confección de cada tipo de prenda también requiere las cantidades de Tela y
MO que se indican en cuadro inferior. Cada semana se dispone de 150 horas de MO y 160
Yardas2 de Tela. En el cuadro también se muestra el costo unitario variable y el precio de
venta para cada tipo de prenda. Formule un PLE cuya solución maximice la utilidad
semanal de Gandhi.
 Solución
o Gandhi tiene que decidir cuantas prendas de cada tipo debe elaborar cada
semana.
VARIABLES (Enteras Puras)
X1 : Cantidad de Camisetas a fabricar y vender a la semana
X2 : Cantidad de Shorts a fabricar y vender a la semana
X3 : Cantidad de Pantalones a fabricar y vender a la semana
o El costo de Rentar maquinaria depende del tipo de prenda que se elabore, más
no de la cantidad a producir de cada tipo de prenda, por lo tanto usaremos
Variables Binarias para expresar la desición de Rentar ó no la maquinaria :

VARIABLES (Binarias)
Y1 : Desición de fabricar ó nó Camisetas (Y1 = 0 : No, Y1 = 1 : Si)
Y2 : Desición de fabricar ó nó Shorts (Y2 = 0 : No, Y2 = 1 : Si)
Y3 : Desición de fabricar ó nó Pantalones (Y3 = 0 : No, Y3 = 1 : Si)
Solución

o Lo anterior implica que : Si Xj > 0 entonces Yj = 1, y Si Xj = 0 entonces Yj = 0

o Entonces la Utilidad Semanal de Gandhi será :

Z = (ingresos ventas) – (costos variables) – (costo rentar maquinaria)

o El costo semanal por Rentar maquinaria es : 200Y1 + 150Y2 + 100Y3

o Como el costo de Rentar maquinaria no depende de la cantidad fabricada de
las prendas, dicho costo se conoce como CARGO FIJO.

Un CARGO FIJO para una actividad es un costo que se evalúa cada

vez que la actividad se emprenda a un nivel mayor que cero.
Entonces, la presencia de cargos fijos hará mucho mas difícil el
planteamiento del problema de Gandhi.
Solución
FUNCION OBJETIVO :
o Por lo expuesto, la utilidad semanal de Gandhi, estará dada por :

Z = (12X1 + 8X2 + 15X3) – (6X1 + 4X2 + 8X3) – (200Y1 + 150Y2 + 100Y3)

o Por lo tanto Gandhi desea MAXIMIZAR la FO siguiente :

Max Z = 6X1 + 4X2 + 7X3 – 200Y1 - 150Y2 - 100Y3

 Solución
RESTRICCIONES :
o Los RECURSOS son LIMITADOS, por lo que Gandhi afronta 2 restricciones :

 R1 : Disponib. Semanal de MO : 3X1 + 2X2 + 6X3 ≤ 150 Horas

 R2 : Disponib. Semanal de Tela : 4X1 + 3X2 + 4X3 ≤ 160 Yardas

Solución
MODELO COMPLETO

o El modelo completo quedaría expresado de ésta forma :

Max Z = 6X1 + 4X2 + 7X3 – 200Y1 - 150Y2 - 100Y3

Sujeto a :
3X1 + 2X2 + 6X3 ≤ 150
4X1 + 3X2 + 4X3 ≤ 160
X1, X2, X3 ≥ 0, y Enteros
Y1, Y2, Y3 = 0 ó 1
Solución
Introducimos el Modelo a LINDO
Solución
Respuesta de LINDO
 Solución
o La solución anterior NO ES LA OPTIMA porque indica que la compañía es capaz
de fabricar camisetas (X1) y pantalones (X3) sin incurrir en el costo de rentar la
maquinaria necesaria.

o Entonces el modelo anterior que hemos determinado es INCORRECTO porque

las variables Y1, Y2 y Y3, No están representadas en las restricciones.

o Esto quiere decir que no hay nada que impida establecer : Y1 = Y2 = Y3 = 0

o Tenemos que modificar el modelo anterior de modo que cada vez que :

Xj > 0 se cumpla que Yj = 1

o Esto se logra con el siguiente ARTIFICIO que sigue a continuación :

 Solución
o Considere que M1, M2 y M3 son 3 números positivos grandes, y ADICIONEMOS
las siguientes RESTRICCIONES al modelo anterior :
X1 ≤ M1.Y1
X2 ≤ M2.Y2
X3 ≤ M3.Y3
o Al añadir éstas 3 restricciones al modelo original, tenemos la CERTEZA de que
si Xj > 0 entonces Yj = 1. Veámolos con un ejm :
o En la primera de éstas restricciones : Si X1 > 0 entonces Y1 no puede ser 0. Pero
si Y1 = 0 implicaría que X1 ≤ 0

o Por lo tanto si X1 > 0, debe cumplirse que Y1 = 1. Si se fabricaran camisetas

(oséa X1 > 0), la 1ra. restricción asegura que Y1 = 1, y la Función Objetivo
activará el costo de la maquinaria necesaria para producir camisetas.
 Solución
o En general, Mj debería ser igual al valor máximo que Xj puede alcanzar.

o En éste problema por ejm. se pueden elaborar como máximo 40 camisetas (no
se puede hacer más porque solo se dispone 160 Yardas de Tela), por eso
podemos elegir con toda seguridad M1 = 40; verifique Ud. que los otros valores
serían M2 = 53, M3 = 25.

o Por lo tanto las nuevas restricciones que debemos adicionar al modelo serian :

X1 ≤ 40Y1 X1 - 40Y1 ≤ 0
X2 ≤ 53Y2 ó X2 - 53Y2 ≤ 0
X3 ≤ 25Y3 X3 - 25Y3 ≤ 0
Solución

o Ahora el modelo completo quedaría expresado de ésta forma :

Max Z = 6X1 + 4X2 + 7X3 – 200Y1 - 150Y2 - 100Y3

Sujeto a :
3X1 + 2X2 + 6X3 ≤ 150
4X1 + 3X2 + 4X3 ≤ 160
X1 - 40Y1 ≤ 0
X2 - 53Y2 ≤ 0
X3 - 25Y3 ≤ 0
X1, X2, X3 ≥ 0, y Enteros
Y1, Y2, Y3 = 0 ó 1
 Solución
o Aplicamos LINDO al nuevo modelo :
 Solución
o Encontrando los siguientes resultados :
Solución

o Finalmente la Solución Optima para el problema de Gandhi es :

o Fabricar X3 = 25 Pantalones, Y1 = 1 (Fabricar pantalones), obteniendo una
utilidad máxima de : Z = $75
o Cuando use LINDO para Modelos con Variables Puramente Enteras, Solo
Binarias ó Mixtas debe usar la siguiente terminología :

 Después de END escribir INTE Yi, para cada variable BINARIA

 Después de END escribir GIN Xi, para cada variable ENTERA

Caso 11 : Compra de Computadoras
Una universidad estatal tiene que comprar 1,100 computadoras a 3 proveedores.
El proveedor 1 cobra $500 por computadora más un cargo por la entrega de
$5,000. El proveedor 2 cobra $350 por computadora más un cargo por la entrega
de $4,000. El proveedor 3 cobra $250 por computadora mas un cargo por la
entrega de $6,000. El proveedor 1 venderá a la universidad a lo más 500
computadoras, el proveedor 2 cuando mucho 900 y el proveedor 3 cuando más
400. Plantee un modelo de PLE para minimizar el costo de la compra de las
computadoras necesarias.
Caso 12 : Programa de Producción Hallco
Hallco tiene un turno diurno y un turno nocturno. No importa cuantas unidades se
producen, el único costo de producción durante un turno es un costo de
preparación. Cuesta $8000 la corrida del día y $4500 la corrida de la noche. La
demanda para los dos días siguientes es como se indica: Día 1, 2000; noche 1,
3000; Día 2, 2000; noche 2, 3000. Cuesta $1 por unidad conservar una unidad en
inventario durante un turno. Determine un programa de producción que minimice la
suma de los costos de preparación y de inventario. se debe cumplir con la
demanda justo a tiempo.
SOLUCION DE MODELOS DE PLE
Método de Ramificación y Acotamiento
 Algoritmo Ramificación y Acotamiento (Branch & Bound)

Variables como cantidad de artefactos a fabricar ó la desición de asistir a cierto

evento, se consideran variables enteras; enteras puras en el primer caso y
binarias en el segundo caso.

Modelos de PLE donde las variables no pueden ser fracciones ó decimales

deben resolverse con algoritmos como Branch & Bound ó Método de
Ramificación y Acotamiento.

El algoritmo genera en forma recursiva cotas (o restricciones adicionales) que

favorecen la obtención de valores enteros para las variables de decisión. En este
contexto resolver el modelo lineal asociado a un modelo de Programación Entera
se conoce frecuentemente como resolver la Relajación Continua del modelo
entero.
 Algoritmo Ramificación y Acotamiento (Branch & Bound)

1. El primer paso consiste en considerar al problema de PLE como un problema

de PL, oséa resolver el PLE como si se tratara de un PL, sin tener en cuenta la
restricción de que las variables deben ser enteras; esto se conoce como la
“RELAJACION DEL PLE”. Podemos utilizar cualquier método para resolver la
relajación del PLE, como el Método Gráfico ó el Algoritmo Simplex.

2. Una vez que obtenemos la solución del PLE relajado, se comienza a realizar la
RAMIFICACION (proceso de agregar restricciones) , en primer lugar se
escoge una de las variables del problema cuya solución no sea entera y se
ramifica.
 Algoritmo Ramificación y Acotamiento (Branch & Bound)

Veamos un ejemplo de aplicación del Método de Ramificación y acotamiento :

Max Z = 3X1 + 4X2

Sujeto a :

2X1 + X2 ≤ 6
2X1 + 3X2 ≤ 9
X1, X2 ≥ 0, y Enteras

La solución del problema relajado, es decir sin considerar que las variables deben
ser enteras es : X1 = 9/4, X2 = 3/2 (aplique método Simplex ó método Grafico
para comprobar éstos resultados)
 Algoritmo Ramificación y Acotamiento (Branch & Bound)
Tenemos entonces una primera solución la cual NO ES ENTERA :

Max Z = 3X1 + 4X2 X1 ≤ 2 X1 ≥ 3 Max Z = 3X1 + 4X2

Sujeto a : Sujeto a :
2X1 + X2 ≤ 6 1ra. Solución P1 2da. Solucion P2 2X1 + X2 ≤ 6
2X1 + 3X2 ≤ 9 2X1 + 3X2 ≤ 9
X1 ≤ 2 X1 ≥ 3
X1, X2 ≥ 0 X1, X2 ≥ 0
Hacemos X1 = 2, reemplaz.en las Hacemos X1 = 3, reemplazamos
restricciones y obtenemos : en las restricciones y obtenemos :
X2 ≤ 2 X2 ≤ 0
X2 ≤ 5/3 La FO disminuye. X2 ≤ 1
Se escoge el intervalo que cumpla SOLUCION Se escoge el intervalo que
ambas restricciones, osea X2 ≤ 5/3 ENTERA cumpla ambas restricciones,
osea X2 ≤ 0
En P2 hemos encontrado una Solución Entera (variables con valores enteros), pero no
podemos utilizarla porque el valor de la FO es menor que el encontrado en la Ramificación
P1, por lo tanto, debemos seguir Ramificando por P1.
Algoritmo Ramificación y Acotamiento (Branch & Bound)
Cada ramificación significa
una restricción extra al
problema, independiente a
la otra rama

X2 ≤ 1 X2 ≥ 2
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2
Sujeto a : Solucion P3 Solucion P4
Sujeto a :
2X1 + X2 ≤ 6 2X1 + X2 ≤ 6
2X1 + 3X2 ≤ 9 2X1 + 3X2 ≤ 9
X1 ≤ 2 X1 ≤ 2
X2 ≤ 1 X2 ≥ 2
X1, X2 ≥ 0 X1, X2 ≥ 0
Hacemos X2 = 1 : FO mejor que P3,
Mejor valor que Hacemos X2 = 2
X1 ≤ 5/2 la FO de P2 pero no es Entera
X1 ≤ 2
X1 ≤ 3
X1 ≤ 3/2
X1 ≤ 2
X1 ≤ 2
El intervalo que SOLUCION SOLUCION
Mejor intervalo
NO ENTERA
cumpla las 3 ENTERA X1 ≤ 3/2
restricciones es :
X1 ≤ 2
Debemos seguir ramificando por P4
Algoritmo Ramificación y Acotamiento (Branch & Bound)

Al ser X1 la variable NO ENTERA

debemos RAMIFICAR por ella

X1 ≤ 1 X1 ≥ 2
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2
Sujeto a : Sujeto a :
Solucion P5 Solucion P6 2X1 + X2 ≤ 6
2X1 + X2 ≤ 6
2X1 + 3X2 ≤ 9 2X1 + 3X2 ≤ 9
X1 ≤ 2 X1 ≤ 2
X2 ≥ 2 X2 ≥ 2
X1 ≤ 1 X1 ≥ 2
X1, X2 ≥ 0 X1, X2 ≥ 0
Hacemos X1 = 1 : No es No es Hacemos X1 = 2 :
SOLUCION SOLUCION
X2 ≤ 4 ENTERA, X2 ≤ 2
FACTIBLE, ya no
X2 ≤ 7/3 verificar la otra X2 ≤ 5/3
se ramifica
X2 ≥ 2 rama X2 ≥ 2
Mejor intervalo : NO se puede
X2 ≤ 7/3 determinar el valor
para X2, puesto que
Debemos seguir ramificando por P5 no cumple las 3
restriciones :
Algoritmo Ramificación y Acotamiento (Branch & Bound)

X2 ≤ 2
X2 ≥ 3
Max Z = 3X1 + 4X2 Max Z = 3X1 + 4X2
Sujeto a : Sujeto a :
Solucion P7 Solucion P8
2X1 + X2 ≤ 6 2X1 + X2 ≤ 6
2X1 + 3X2 ≤ 9 2X1 + 3X2 ≤ 9
X1 ≤ 2 X1 ≤ 2
X2 ≥ 2 X2 ≥ 2
X1 ≤ 1 X1 ≤ 1
X2 ≤ 2 X2 ≥ 3
X1, X2 ≥ 0 X1, X2 ≥ 0

Hacemos X2 = 2 : Hacemos X2 = 3 :
X1 ≤ 2 SOLUCION SOLUCION X1 ≤ 3/2
X1 ≤ 3/2 ENTERA ENTERA Y FINAL X1 ≤ 0
X1 ≤ 2 X1 ≤ 2
X1 ≤ 1 X1 ≤ 1
Mejor intervalo : Mejor intervalo :
X2 ≤ 1 Es la mejor SOLUCION ENTERA que X1 ≤ 0
hemos encontrado y como ya no se puede
seguir ramificando es la SOLUCION FINAL.
 Algoritmo Ramificación y Acotamiento (Branch & Bound)

Resolver el siguiente caso de aplicación

Max Z = 8X1 + 5X2

Sujeto a :

X1 + X2 ≤ 6
9X1 + 5X2 ≤ 45
X1, X2 ≥ 0, y Enteros

Al ser un modelo de 2 variables, busque la Solución Relajada del PE

aplicando el Método Gráfico.
GRACIAS POR SU ATENCION