CAP 5.

Apunte Optimizacin
Prof: Jorge Amaya
Captulo 5

Modelos y algoritmos para flujos en

redes

Esta area de la Optimizacion es muy importante ya que existen muchos problemas de es-
tructura particular que se pueden expresar mediante la nocion de grafo o red. Muchos de
estos problemas ya estaban planteados y concitaban el interes de los mamaticos e ingenieros
antes de la aparicion formal de la Programacion Lineal.

5.1. Motivacion y descripcion de problemas clasicos

En este captulo introduciremos el problema de flujo de costo mnimo (FCM), a traves de
cuatro problemas especficos que son casos particulares de el:

a) Problema de asignacion
b) Problema de transporte
c) Problema de flujo maximo
d) Problema del camino mas corto

Definicion 5.1.1 Un grafo es un par (N , A), donde N es un conjunto finito y A N N .

A los elementos en N se les llama nodos y a los pares ordenados en A se les llama arcos.

Notemos que los arcos son dirigidos, es decir, el par (i, j) A es distinguible del par
(j, i) A, que representa un arco en el sentido contrario. En el grafo de la figura la cantidad

97
 nodo destino

(4,2)
2 4 (-5)

(15,4) (10,6)
(20)
(15,1)
1
(,2)

nodo origen
(8,4)
(5,2)
3 5 (-15)

nodo destino
(4,1)

(x,y)=(capacidad,costo)

Figura 5.1: Ejemplo de un grafo

entre parentesis (b) representa la oferta en cada nodo (si b 0 el nodo ofrece la cantidad
b, si b 0 el nodo demanda la cantidad b). La notacion (u, c) indica la capacidad del arco
(u) y el costo unitario del arco (c).

El problema general corresponde a encontrar un flujo factible, de costo mnimo: si xij es

la cantidad enviada de i a j, entonces el problema es:
P
(F CM ) mn cij xij
(i,j)A
P P
xij xki = bi i N
j/(i,j)A k/(k,i)A

lij xij uij (i, j) A

La primera restriccion dice que la oferta en el nodo i es igual a lo que entrega, menos lo que
recibe. La segunda, que el flujo sobre un arco debe respetar entre las cotas del mismo.

Los datos de un grafo se pueden resumir en una matriz A = (apq ), cuyas filas son los

98
nodos del grafo y cuyas columnas son los arcos, de manera que p N , q A.

1 si el arco q sale del nodo p
apq = 1 si el arco q llega al nodo p
0 si no

Notemos que cada arco aparece solo en dos restricciones ya que un arco participa solamente
en dos nodos, en uno como arco entrante y en otro como arco saliente. Cabe destacar que
la matriz A resultante es de rango incompleto (igual a n 1, en que n es la cardinalidad
de N ). En efecto, la suma de las filas es cero, es decir son linealmente dependientes. Como
haremos en lo que sigue el supuesto (esencial en todo este captulo) que
n
X
bi = 0,
i=1

es decir que la oferta iguala a la demanda, entonces el sistema de ecuaciones del problema
(F CM ) tiene una ecuacion redundante. En todo caso, ese supuesto no hace perder genera-
lidad al tratamiento de los problemas que veremos mas adelante.

As , el problema general de flujo de costo mnimo puede escribirse de la forma:

P
(F CM ) mn cij xij
(i,j)A

Ax = b
lij xij uij (i, j) A

Los datos del problema del ejemplo de la figura pueden entonces resumirse en la siguiente
tabla:
x12 x13 x23 x24 x25 x34 x35 x45 x53
nodo/costo 4 4 2 2 6 1 3 2 1 oferta
1 1 1 0 0 0 0 0 0 0 20
2 1 0 1 1 1 0 0 0 0 0
3 0 1 1 0 0 1 1 0 1 0
4 0 0 0 1 0 1 0 1 0 5
5 0 0 0 0 1 0 1 1 1 15
capacidad 15 8 4 10 15 15 4

En lo que sigue del captulo describiremos los 4 problemas antes mencionados, para luego
entregar un metodo de resolucion del problema de transporte y su generalizacion al problema
mas general (F CM ).

99
5.1.1. Problema de asignacion
Supongamos que el gerente de algun gran supermercado, que consta de 50 cajas, desean sa-
ber como asignar 50 cajeras a estas cajas, de manera que el rendimiento sea el mejor posible
(medido segun algun criterio). Si hicieramos esta asignacion probando cada configuracion de
cajeras y cajas, entonces el tiempo para encontrar la mejor sera simplemente prohibitivo,
aun para los computadores mas rapidos disponibles. Un buen ejercicio para mejor compren-
der esta complejidad es estimar el tiempo de ejecucion si el computador pudiese realizar
un millon de estas evaluaciones por segundo, sabiendo que son 50! configuraciones a eva-
luar. Es aqu donde entra a jugar un papel importante la Programacion Lineal, como una
forma cienfica de eliminar muchos millones de configuaciones mediante simples criterios de
comparacion y una sucesion de calculos relativamente mas sencillos.
CAJERAS CAJAS

1 1

2 2

3 3

. .
. .
. .
n2 n2

n1 n1

n n

Figura 5.2: Problema de Asignacion

Las variables en este caso son:

1 si al nodo (cajera) i le corresponde el nodo (caja) j
xij =
0 si no

100
Este problema se escribe:
n P
P n
max cij xij
i=1 j=1
n
P
xij = 1 i (a cada cajera, una sola caja)
j=1
n
P
xij = 1 j (a cada caja, una sola cajera)
i=1

xij {0, 1}

Los coeficientes cij representan los rendimientos de las cajeras en cada caja y la funcion
objetivo persigue maximizar el rendimiento total.

Este problema de asignacion es claramente un caso particular del problema (F CM ) plan-

teado al inicio del captulo. En este caso, los nodos-cajera tienen oferta igual a 1 (pueden
realizar un servicio) y los nodos-caja tienen demanda igual a 1 (solicitan ser servidos por
una cajera). Lo nodos-cajera no tienen arcos entrantes pues no demandan y, similarmente,
los nodos-caja no tienen arcos salientes, pues no ofrecen. Las variables son enteras, con cotas
0 y 1.

5.1.2. Problema de transporte

Consideremos un grafo con un conjunto de m nodos de partida, con ofertas ai 0 i =
1, . . . , m y n nodos de llegada con demandas bj 0 j = 1, . . . , n. Cada arco tiene asociado
un costo unitario de transporte cij .
Pm Pn
Supongamos, por ahora, que i=1 ai = j=1 bj , aunque si esta hipotesis no se cumple,
el problema tiene sentido de todas maneras, pero debemos interpretarlo de manera ligera-
mente diferente.

Se conoce el problema de transporte como el de minimizacion de los costos de transporte de

los flujos, de manera de satisfacer la demanda en cada nodo de llegada, sujeto a restricciones
en la oferta de cada nodo de partida.

Podemos notar que el problema de asignacion es un caso particular del problema de trans-
porte, donde cada oferta y cada demanda consta de una sola unidad.

101
El problema de transporte se escribe:
m P
P n
mn cij xij
i=1 j=1
n
P
xij = ai i = 1, . . . , m (of erta)
j=1
m
P
xij = bj j = 1, . . . , n (demanda)
i=1

xij 0 i = 1, . . . n, j = 1, . . . m

n m
1 1

2 2

3 3

. .
. .
. .
n2 m2

n1 m1

n m

Figura 5.3: Ejemplo de un problema de transporte

Las restricciones quedan definidas de esa forma ya que, para los nodos-origen, las ecuaciones
son del tipo (flujo saliente menos flujo entrante, igual a la demanda):
X X
xij xki = ai ,
j/(i,j)A k/(i,j)A

y en este caso X
xki = 0
k/(i,j)A

102
Analogamente, en el caso de la demanda se tiene que
X X
xij xki = bj
j/(i,j)A k/(i,j)A

y X
xij = 0.
j/(i,j)A

5.1.3. Problema de flujo maximo

Este problema es el de determinar el flujo maximal posible de un nodo origen o fuente (s)
dado a un nodo destino o sumidero (t) con restricciones de capacidad en los arcos.
Si denotamos v al flujo correspondiente a transportar la cantidad final en t, desde t a s,
notaremos que max v es equivalente a maximizar el flujo total transportado por el resto del
grafo ya que dado que todo lo que sale de s llega t, entonces en el sistema se mantiene un
equilibrio que permite que los problemas sean analogos.

s t

Figura 5.4: Problema de flujo maximo

103
Luego, el problema se escribe de la siguiente manera

max vP P
s.a. xsj xks v = 0 sale de s
j k
P P
xtj xkt + v = 0 llega a s
j k
P P
xij xki = 0 i 6= s, t (balance entre nodos intermedios)
jN kN

0 xij uij (i, j) A {(t, s)}

notemos que el problema original es de la forma min(v) donde el problema es de flujo de

costo mnimo, en el cual el vector c es de la forma cT = (1, 0, .., 0).

5.1.4. Problema de camino mas corto

Este problema tiene como objetivo encontrar el camino mas corto entre el nodo s y el nodo
t en un grafo dado, es decir, una secuencia de arcos dirigidos y adyacentes entre s y t.
La longitud del arco puede ser expresada en terminos de costo, tiempo, distancia, etc. El
problema del camino mas corto se caracteriza por el siguiente grafico:

1 .......
1 1 1

1
1 .......
1
1
1
.......

Figura 5.5: Ejemplo problema camino mas corto

El problema se escribe

104
 PP
mn cij xij
i Pj
s.a. xsj = 1 (ofrece una unidad)
j/(i,j)A
P
xkt = 1 (demanda una unidad)
kN
P P
xij xki = 0 i 6= s, t (balance entre nodos intermedios)
jN kN

xij {0, 1} (i, j) A

5.2. Solucion del problema de transporte

5.2.1. Solucion basica factible inicial (Fase I)

El proceso de saturacion es, en realidad, la busqueda de una solucion basica factible del
sistema, es decir, la determinacion de una base factible.

Definicion 5.2.1 Un arbol es un grafo conexo, es decir, existe una cadena entre dos nodos
cualesquiera (todos los nodos estan conectados por una secuencia de arcos, sin considerar la
orientacion), que no contiene ciclos, es decir, partiendo de un nodo no se puede volver a el
por una secuencia de arcos adyacentes (sin importar la direccion de los arcos).

Procedimiento de saturacion: Sea m + n el numero de arcos del grafo. En la solucion

factible deberan haber m + n 1 arcos con flujos positivos en la solucion (los demas estan
en cero, es decir, mn (m + n 1) arcos nulos)

El metodo de saturacion empieza cuando se satura el primer arco (elejido arbitrariamen-

te), esto es, se elige un arco al cual se le asigna el maximo flujo posible, satisfaciendo as la
demanda de los nodos demandantes, luego se prosigue de la misma manera con el resto de
los arcos, hasta satisfacer la demanda de todos los nodos.

El sistema de ecuaciones del problema de transporte tiene m+n ecuaciones, pero recordemos
que una es redundante. Luego, cuando saturo en orden arbitario, la solucion propuesta es
basica.

Las bases del problema de transporte son arboles.

105
 ORIGENES DESTINOS

35 1 45
35 1

10

40 2 40

50 2

0
3 10
10

40 3
30

4 30

Figura 5.6: Procedimiento de saturacion

Procedimiento de saturacion a Costo Mnimo Ahora saturemos guiados por el costo

mnimo, es decir, comenzamos saturando desde el arco que posee el menor costo al de mayor
costo. Este procedimiento tambien produce un arbol (solucion basica factible).

Observacion 5.2.1 Si los datos ai , bj son enteros, entonces los flujos xij son enteros (de
acuerdo a los procedimientos que hemos descrito), pues se trata de diferencias de numeros
enteros (dados por la oferta y demanda en cuestion). Esto muestra que todos los puntos
extremos del problema de transporte con datos enteros, tienen coordenadas enteras.

5.2.2. Mejoramiento de una solucion en curso (Fase II)

En esta etapa se supone ya conocida una solucion basica factible, a partir de la cual se
construye el problema dual del original y se procede segun se explica a continuacion.
Recordemos que este problema de transporte (P) y su dual (D) son de la forma

(P ) mn cT x (D) max bT y

Sx =b ST y c
xij 0

El dual del problema de transporte est dado por:

106
ORIGENES DESTINOS

1 45
(8)
35 1
(6)

(9) (10)

(9) (12) 2 40

(13)
50 2
(7)

(14) 3 10
(9)

(16)

40 3 (5)

4 30

(c): Costo de transporte

Figura 5.7: Procedimiento de saturacion a costo mnimo

ORIGENES DESTINOS

15 1 45
35 1

20

30
2 40

50 2

20

3 10

10
40 3
30 0

4 30

Figura 5.8: Base factible

107
 ORIGENES DESTINOS

35 1 45
35 1

10

2 40
10

50 2

10 3 10

30

40 3

30
4 30

Figura 5.9: Nueva base factible

P P
(D) max a i ui + bj vj
i j
ui + vj cij i, j
ui , vj IRn

Supongamos que tenemos una solucion basica factible. Los costos reducidos para las variables
basicas son
() cij = cij ui vj = 0

Los costos reducidos para las variables no basicas son

() cij = cij ui vj

Los ui corresponden a los nodos de oferta y los vj a los de demanda.

El conjunto de ecuaciones () representa un sistema de m + n 1 ecuaciones y m + n

incognitas, de rango m + n 1. Entonces podemos fijar una variable dual en un valor arbi-
trario y usar () para encontrar todas las restantes variables duales.
Usemos las ecuaciones () para determinar los costos reducidos de los demas arcos (no
basicos)
Se ingresa a la base un arco de costo reducido negativo. Si todos los costos reducidos son
positivos, llegamos al optimo.

108
 C11=8 1 V 1=8
U 1=0 1
C12=6

C =9
21
2 V =6
2

U 2=1 2

C23=13

3 V 3=12

C =16
33

U =4 3
3
C34=5
4 V 4=1

Figura 5.10:
COSTOS COSTOS REDUCIDOS

1 V 1=8
U 1=0 1 10 2

9
5

12 2 V =6
2
-1
U 2=1 2 7

-2

3 V 3=12
14

5
9
U 3=4 3

8 4 V 4=1

Figura 5.11:

En el caso del ejemplo, elegimos el arco (1,3)

Si se agrega un arco (i, j) al conjunto de arcos basicos, se genera un ciclo en el grafo.
Se asigna un flujo 0 a ese arco. Los flujos son positivos.

109
 X ij

15 1
1
20

2
30

20

10
3
30

Figura 5.12:

15 0

0

= 0 15
30 + 0

20 0

Se elije el maximo posible y el arco que se anula sale de la base.

En este caso, = 15 y el arco (1, 1) sale de la base. Notar que las modificaciones solo
afectan al ciclo.
Reiterar hasta que todos los costos reducidos sean positivos.

Ejercicio 5.2.1 Resolver el problema de transporte para los datos

6
10 9 3 6 8 4
a = 17 , b =
3 , c =
2 7 3 11
3 12 3 4 6
12

110
 X ij

1
1
20

2
40

2 15
5

10
3
30

Figura 5.13:
X ij

1
1
10

2
45

2 25
5

10
3
30

Figura 5.14:

5.3. Flujo de costo mnimo: mejoramiento de una so-

lucion en curso (Fase II)
Si n es el numero de nodos de la red y m el numero de arcos, la matriz de incidencia del
grafo es de n m y las bases estan compuestas por n 1 arcos.
111
No hay un metodo facil para encontrar soluciones basicas factibles, por lo tanto, es necesario
usar Fase I de simplex.
Consideremos el siguiente ejemplo:
Si tenemos la siguiente base {(1, 2), (2, 4), (2, 3), (3, 4)}. Los arcos (1, 3) y (3, 5) no son basicas,
pero tampoco son nulas (se debe extender el concepto de base).

Extension del concepto de base Una variable no basica es fijada en alguna de sus
cotas. Las variables basicas se determinan resolviendo el sistema de ecuaciones (respetando
sus cotas)
Consideremos el problema escrito en la forma canonica:

mn cT x
s.a. Ax = b
lxu

donde l, u IRn y A de rango completo (si es necesario, eliminando filas)

xB
Tomemos la particion A = [B, N ] y supongamos que x = donde [xN ]j = lj uj
xN
Se dice que xB es la base si y solamente si xB = B 1 (b N xN ) (6= 0 en este caso).
[xB ]j debe satisfacer lj [xB ]j uj
En el caso del ejemplo, (2, 3) y (, 2) son no basicas y estan en su cota inferior, cero en este
caso.
Para el problema de transporte, la degenerancia se traduce en que un arco basico este en
alguna de sus cotas.
Veamos el cuadro resumen del problema planteado:
Restricciones: sale-entra=oferta

x12 x13 x23 x24 x25 x34 x35 x45 x53 var.duales
1 1 1 0 0 0 0 0 0 0 20 1
2 1 0 1 1 1 0 0 0 0 0 2
3 0 1 1 0 0 1 1 0 1 0 3
4 0 0 0 1 0 1 0 1 0 5 4
5 0 0 0 0 1 0 1 1 1 15 5

La formula general de un costo reducido es cT = cT T N

112
cij = cij i + j
Condicion de optimalidad:
cij 0 si lij = xij (cota inferior)
cij = 0 si lij < xij < uij
cij 0 si xij = uij (cota superior)
Las ecuaciones cij = cij i + j = 0 para las variables basicas, permiten determinar los
valores de las variables duales. Dado que hay n nodos y n 1 arcos basicos, basta fijar
arbitrariamente el valor de una variable dual.
Para el caso del ejemplo, fijemos 2 = 0
c12 = 1 2 1 = 4

4

0

As se obtiene que =
1

2
6
Luego, se calculan los costos reducidos de los arcos no basicos: cij = cij i + j
Para el ejemplo:

c13 = c13 (1 3 ) = 4 4 1 = 1
c23 = c23 (2 3 ) = 2 0 1 = 1
c35 = c35 (3 5 ) = 3 + 1 6 = 2
c45 = c45 (4 5 ) = 2 + 2 6 = 2
c53 = c53 (5 3 ) = 1 + 6 1 = 6

Regla de entrada a la base Son candidatos para ingresar a la base los siguientes arcos:

a) Un arco de costo reducido negativo que esta en su cota inferior.

b) Un arco de costo reducido positivo que esta en su cota superior.

Con cada nuevo grafo se tiene una nueva base. Se recalculan las variables duales y los
costos reducidos, para llegar al optimo.

113
 2+
2 4 -5

12 10

20 1

3
8

3 5 -15
5

Figura 5.15: primero

4
2 4 -5

12 8

2
20 1

3
8

3 5 -15
5

Figura 5.16: segundo

Observacion 5.3.1 Se asume que los arcos que no se dibujan estan en cero.

114
 Profesores: Daniel Espinosa, Roberto
Cominetti.
Auxiliares: Victor Bucarey, Pablo Lemus,
Paz Obrecht.
Coordinador: Matas Siebert.
IN3701 - Modelamiento y Optimizacin
Auxiliar 2
22 de Marzo de 2012
P1. Considere una comuna cualquiera con vecindarios, escuelas, y niveles en cada escuela. Cada
escuela tiene una capacidad de para algn nivel . En cada vecindario , la cantidad de
estudiantes de un nivel es . Finalmente, la distancia de la escuela al vecindario es .
Modelar este problema como uno de programacin lineal que tiene como objetivo asignar a todos
los estudiantes a las escuelas, minimizando el total de la distancia recorrida por todos los
estudiantes. (Puede ignorar el hecho de que el nmero de estudiantes debe ser entero.)

P2. Una empresa constructora de circuitos elctricos ha comprado un brazo mecnico de modo de
automatizar su produccin. La construccin de cada circuito requiere hacer conexiones, las
cuales estn separadas entre s. Dada esta separacin el brazo demora segundos en ir desde la
conexin a la conexin . Por ltimo, se sabe que al analizar la construccin de un circuito, el brazo
vuelve a una posicin inicial para permitir sacar el circuito de la lnea productiva. Formule el
modelo que permita encontrar el menor tiempo de construccin de cada circuito a fin de aumentar
el nivel productivo de la empresa.

P3. Un problema fundamental en el diseo urbano es la localizacin de servicios bsicos como colegios,
hospitales y reas recreacionales. En este problema formularemos un modelo simplificado para
decidir la localizacin de estaciones de bomberos en una ciudad.

La ciudad se puede dividir en distritos, en que cada uno contiene habitantes. Anlisis
preliminares (estudios de terrenos, factores polticos, etc.) han establecido que las estaciones de
bomberos solo pueden ser ubicadas en sitios predeterminados dentro de la ciudad. Sea la
distancia desde el centro del distrito hasta el sitio . Se deben seleccionar los sitios en los cuales
construir una estacin (en un sitio cabe a lo ms una) y adems se debe asignar una estacin a cada
distrito. Es decir, cada distrito de la ciudad debe tener una (y solo una) estacin de bomberos
asociada. Una estacin puede tener ms de un distrito asociado. Construir una estacin en el sitio
tiene un costo fijo asociado igual a . Adems, existe un costo variable que es linealmente
proporcional (constante de proporcionalidad es ) a la cantidad total de gente que debe servir la
estacin. O sea, si se construye una estacin en el sitio , entonces el costo asociado es , en
que es la poblacin total que debe servir la estacin ubicada en (es la suma de las poblaciones
de todos los distritos asociados a esa estacin). El presupuesto total destinado para construir las
estaciones de bomberos es igual a y no debe ser sobrepasado.

Formule un modelo de programacin lineal binaria que minimice la distancia mxima entre un
distrito y su respectiva estacin.

P4. Suponga que usted que trabaja en la Gerencia de Marketing de una empresa y que le han pedido
que defina las promociones que se realizarn durante los distintos meses del ao para el producto
estrella de la empresa. Estas promociones pueden ser, por ejemplo, distintas reducciones de precio
(10%, 20%, etc.) por perodos breves, concursos y sorteos, regalos por la compra del producto,
entre otros. Para esta planificacin, la siguiente informacin es relevante:
Cuenta con un presupuesto de pesos para todo el ao.

1
 En cada mes cuenta con horas hombre de personal (por ejemplo, promotoras y
vendedores).
Existe un conjunto de promociones posibles del cual usted puede seleccionar hasta
promociones para realizar en cada mes (este conjunto es el mismo para los distintos meses
del ao).
Una promocin ( ) en el mes necesitar un presupuesto de pesos. Adems
si se realiza una promocin en el mes , las ventas aumentarn en pesos en dicho
mes adems de por cada hora hombre de personal de ventas incluido. (NOTA: Si no
se realiza ninguna promocin durante todo el ao las ventas sern iguales a ).

Formule un problema de programacin lineal que al resolverlo le permita determinar el calendario

ptimo de promociones, es decir, cul es el conjunto de promociones que se deben llevar a cabo en
cada mes y con qu dotacin de personal asignado que le permite a usted maximizar las ventas
totales del ao.

P5. Una empresa de mudanzas dispone de camiones, donde la capacidad del camin es . Para un
da determinado esta empresa ha contratado mudanzas con clientes distintos. La carga a
transportar del cliente es .
Cada mudanza debe realizarse mediante un nico flete y en cada flete no puede llevarse ms de una
mudanza. Un mismo camin puede hacer varios fletes en el da, siendo el nmero mximo de
fletes diarios que puede hacer el camin . Si el camin hace la mudanza del cliente se tiene un
beneficio .
Adems, debe tomarse en cuenta que los clientes y deben ser atendidos por camiones diferentes
y los clientes y deben ser atendidos por un mismo camin en viajes diferentes.
Por ltimo, debe considerarse que si el camin no fuera asignado a mudanza alguna en este da,
entonces puede contratarse para l un flete interurbano si as conviniera, cuyo destino puede ser
La Calera, Valparaso o Rancagua. El beneficio del camin al efectuar este nico flete del da est
dado por la expresin , donde y son constantes y representa la distancia a recorrer en
el viaje. La distancia a La Calera, Valparaso y Rancagua es , y respectivamente.
Con estos antecedentes construya un modelo matemtico de programacin lineal que asegure
atender a todos los clientes y que maximice el beneficio diario de esta empresa.

P6. La empresa de zapatos MEDIAHORA desea planificar su produccin e inventarios para los
prximos perodos de modo de cumplir con la demanda esperada de sus clientes. Para esto, ha
agregado sus productos en familias y dispone de un estudio que predice que la demanda
esperada por productos de la familia en el perodo ser . La empresa sabe que el cuello de
botella en el proceso productivo es la cantidad de horas de artesanos, siendo la cantidad de
horas de artesanos disponibles en el perodo . Esta cantidad por temas de capacitacin, no puede
aumentar ni disminuir en el horizonte. Se sabe adems que cada unidad de los productos
pertenecientes a la familia consume horas de artesano.

La empresa posee una bodega con capacidad para almacenar unidades en cada perodo. El costo
de almacenar cada unidad de productos pertenecientes a la familia en el perodo es . Sin
embargo, tambin existe la posibilidad de almacenar en bodegas de terceros, sin lmite, pero a un
costo por unidad para los productos pertenecientes a la familia en el perodo igual a .

(a) Plantee un modelo de programacin lineal que permita encontrar la estrategia ptima para
el problema de MEDIAHORA. Qu tipo de modelo de programacin lineal obtuvo?

(b) Comente la validez del modelo si fuese menor que ., pero asumiendo que por poltica
de la empresa la bodega de terceros solo se puede ocupar cuando se ha copado la bodega
propia. Qu tipo de modelo estima necesario en este caso? Por qu?

2
 Profesores: Daniel Espinosa, Roberto
Cominetti.
Auxiliares: Victor Bucarey, Pablo Lemus,
Paz Obrecht.
Coordinador: Matas Siebert.
IN3701 - Modelamiento y Optimizacin
Auxiliar 2
22 de Marzo de 2012

3
4
5
6
 IN3701: Modelamiento y Optimizacin
Gua de problemas resueltos de Programacin Lineal

Recopilado por Andr Carboni E.1

Versin final, Agosto 2010

1
Cualquier comentario sobre esta gua o posibles errores de ortografa/resolucin encontrados, por favor
enviarlos a para su correccin en versiones futuras.
Palabras iniciales

Esta gua tiene como propsito entregar una serie de problemas resueltos de
programacin lineal (PPL), con el fin de que puedan estudiar y preparar de mejor
forma sus controles de Modelamiento y Optimizacin (IN3701).

Se han seleccionado problemas de distinto nivel de dificultad, y se han tratado de

ordenar segn su nivel de dificultad, bajo el criterio totalmente subjetivo de quien
escribe. Es indispensable para ustedes que resuelvan esta gua y entiendan cada
uno de los problemas para estar bien preparados a la hora de resolver un control.

Noten que se han mantenido en varios problemas las notas y criterios de

correccin, para que puedan hacerse una idea de cmo se corrigen. Adems, en
algunos problemas se han incluidos notas que explican los trucos ms tpicos a la
hora de resolver un PPL.

Recuerden que cada control del curso contempla un problema de programacin

lineal, por lo que esta compilacin de problemas les ser til a lo largo de todo el
semestre. Si tienen consultas con respecto a la resolucin de alguno de ellos, no
duden en preguntarnos a travs del foro del curso.

xito!

2
ndice

Problema 1: Problema del azucarero ............................................................. 4

Problema 2: Agencia de citas........................................................................ 5

Problema 3: El legendario asado optimizador.................................................. 7

Problema 4: Pigmentos Lillo ......................................................................... 9

Problema 5: El magnate Nelsn Divo ............................................................11

Problema 6: Los colegios de Baraki Obamu ...................................................13

Problema 7: Compaa de Cervezas Carboni..................................................15

Problema 8 Ganando luquitas extra ..............................................................18

Problema 9: Asignacin de espacio de productos en gndolas..........................20

Problema 10: Equipo de Handball Real Mandril ..............................................22

Problema 11: Ruteo del bus para el asado optimizador 2.0..............................24

Problema 12: Carboni-Cola Company ...........................................................27

Problema 13: Banda de rock Los Brontosaurios de Bucarey (versin full) ..........29

Problema 14: Fbrica de televisores LCD.......................................................33

Problema 15: Firma de arriendo de automviles ............................................36

Problema 16: Set covering, set packing y set partitioning ...............................39

3
Problema 1: Problema del azucarero

Un comerciante compra azcar a granel y vende al detalle. Para venderla tiene dos
alternativas: envases de 1 kg y envases de 5 kg. El precio de venta es $300 y $250
por kg respectivamente, y en el mercado del azcar al detalle se pueden vender
20.000 kg en envases de 1 kg y 17.000 en envases de 5 kg.

Debido a un contrato anterior se deben entregar 5.000 kg en envases de 5 kg a un

determinado cliente.

El comerciante se puede abastecer de azcar desde dos proveedores. El primero le

puede vender hasta 15.000 kg a un precio de $90 por kg, y el segundo le ofrece la
cantidad de azcar que el comerciante desee, pero a un precio de $110 por kg y
debido a requerimientos de sus distribuidores el comerciante debe vender menos
del tercio del azcar en envases de 1 kg.

Adems, suponga que el precio de los envases y el proceso de envasado son nulos,
y que el comerciante no tiene azcar almacenada y vende todo el azcar que
compra.

Formule un problema de programacin lineal que permita al comerciante decidir

cual es el plan de abastecimiento y ventas de modo de obtener el mayor beneficio
en su negocio.

Solucin problema 1

Variables de Decisin

X1 = Cantidad de envases de un 1 kg que vende el comerciante.

X2 = Cantidad de envases de un 5 kg que vende el comerciante.

Y1 = Cantidad de azcar que compra el comerciante al proveedor 1.

Y2 = Cantidad de azcar que compra el comerciante al proveedor 2.

Restricciones

1. Limite superior de la demanda:

Azcar en envases de 1 kg:

X 1 20.000

22.000
X2
Azcar en envases de 5 kg: 5

2. Satisfacer compromisos previos

5.000
X2
5

3. Venta mxima del proveedor 1

Y1 15.000

4
4. Requerimientos de los distribuidores

Y1 + Y2
X1
3

5. No existe almacenamiento (o todo lo que se envasa se vende)

X 1 + 5 X 2 Y1 + Y2

6. No negatividad

X 1 , X 2 , Y1 , Y2 0

Funcin Objetivo

max z = 300 X 1 + 1250 X 2 90 Y1 110 Y2

Problema 2: Agencia de citas

Los auxiliares de un curso de optimizacin de una universidad de gran prestigio,

han decidido, para hacer un bien a los alumnos de su facultad, abrir una agencia de
citas.

La cantidad de inscritos en la agencia es de M+N siendo M la cantidad de mujeres y

N la cantidad de hombres. Se tiene, dadas las caractersticas demogrficas de la
facultad, que N>M.

Todos los inscritos se ubican entre ellos (solo de vista) y han informado
confidencialmente a la agencia que la preferencia de una mujer m por emparejarse
con un hombre n es de PMmn y la preferencia de un hombre n por emparejarse con
una mujer m es de PHnm.

Adicionalmente a cada inscrito se le hace un test te personalidad y mediante un

estudio, profundo y 100% certero, se determina si existir compatibilidad entre
cada combinacin de parejas, obteniendo valores Cmn que sern 1 si la pareja del
hombre n con la mujer m es compatible y 0 si la pareja no es compatible. Cada
persona es compatible con al menos una pareja.

La agencia debe decidir a qu actividades enviar a cada pareja durante su cita (ej:
ir al cine, a comer, etc) para esto la agencia cuenta con una variedad de A
actividades y con un presupuesto fijo dado por PSPTO y se sabe que en cada
actividad a la mujer m gastar Gma dependiendo del nivel de gasto al que est
habituado la mujer y se sabe que un hombre gasta Ka si realiza la actividad a, este
gasto es igual para todos los hombres. Se tiene adems que cada pareja no puede
realizar ms de tres actividades en su cita.

La preferencia de un hombre n por hacer la actividad a est dada por SHna y la

preferencia de una mujer m por hacer la actividad a est dada por SMma.

Se sabe que una persona solo puede ser asignada una sola vez y que todas las
mujeres deben tener pareja.

5
Los auxiliares del curso han decidido solicitar ayuda a sus alumnos pidindole a
cada uno que formule un modelo de programacin lineal entera para la primera
ronda de citas, que maximice el nivel de satisfaccin de preferencias.

Solucin problema 2

Variables de Decisin:

1 Si se asigna la pareja del hombre n y la mujer m

Xmn =
0 Si no

1 Si se asigna la actividad " a" a la pareja formada por el hombre n y la mujer m

Ymna =
0 Si no

Restricciones:

1.- A cada hombre se le asigna a lo ms una mujer.

X
m =1
mn 1
n = 1,..., N

2.- A cada mujer se le asigna exactamente un hombre.

X
n =1
mn =1
m = 1,..., M

3.- No se asigna si no hay compatibilidad.

X mn C mn n = 1,..., N ; m = 1,..., M

4.- Solo se puede tener actividades si se sale en la cita y las actividades no son
ms de tres.

Y
a =1
mna 3 X mn
n = 1,..., N ; m = 1,..., M

Esta restriccin tambin se puede separa en estas dos restricciones:

Ymna X mn n = 1,..., N ; m = 1,..., M ; a = 1,..., A

Y
a =1
mna 3
n = 1,..., N ; m = 1,..., M

5.- No se pueden pasar del presupuesto para citas

N M A

[(G
n =1 m =1 a =1
ma + K a ) Ymna ] PSPTO

6
6.- Naturaleza de las variables.

X mn , Ymna {0,1} n = 1,..., N ; m = 1,..., M ; a = 1,..., A

Funcin Objetivo:

M N N M A
max z = [( PM mn + PH mn ) X mn ] + [( SH ma + SM ma ) Ymna ]
m =1 n =1 n =1 m =1 a =1

Problema 3: El legendario asado optimizador

Nuestra amiga Thiarja Reca, reconocida coordinadora de un ramo de Optimizacin

de una prestigiosa universidad, ha decidido al fin, tras largos aos de expectacin,
historias y rumores, organizar el ya mtico Asado optimizador. Thiarja cuenta con
una lista de N posibles invitados a la fiesta, entre profesores, auxiliares, ayudantes
y amigos varios del equipo

El centro de eventos donde se realizar el asado (la casa de uno de los ayudantes)
le ha propuesto M posibles mens. Thiarja debe seleccionar el men a servir en el
asado (por ejemplo, choripanes, hamburguesas, etc), considerando que el mismo
men ser servido a cada uno de los invitados, es decir, no habr privilegios
especiales para profesores o auxiliares, y que el costo de cada cena servida del
men m es PMm. Si la persona i es invitada y el men seleccionado es el m, ste
consumir LCim litros de cerveza y LBim litros de bebida. Se sabe que el litro de
cerveza y bebida cuestan PLC y PLB respectivamente.

Adicionalmente, Thiarja cuenta con una reserva de RLC litros de cerveza y RLB
litros de bebida que le han sobrado de su fiesta de cumpleaos, los cuales est
dispuesta a donar para el asado, y cuenta con un presupuesto de P destinado a la
realizacin del evento, dinero que fue otorgado por los generosos profesores.

Thiarja no invitar necesariamente a todos las personas de la lista para prevenir

posibles problemas, incluso si esta persona es miembro del equipo de optimizacin.
Por ello, debe considerar que:

Un integrante que reciba una invitacin asistir con total seguridad al asado.

En el caso de invitar a la persona i de la lista de posibles invitados, no ser

posible invitar a ninguna de sus antiguas parejas, con las cuales se
mantienen diferencias irreconciliables. Este conjunto esta dado por Ei.

En el caso de invitar a la persona i de la lista de posibles invitados, se

deber invitar forzosamente a cada una de las personas que el invitado i
considera como mejores amigos. Este conjunto esta dado por Ai.

Dentro de la lista de posibles invitados existe un conjunto de H parejas,

razn por la cual, en el caso de extender una invitacin a una persona
casada, obligatoriamente la invitacin debe ser extendida a su pareja.
Considere que la pareja h esta formado por las personas h1 y h2 de la lista
de invitados (es decir, las 2*H personas que estn emparejadas estn
incluidas en la lista de potenciales invitados).

Tomando en cuenta todas estas consideraciones, ayude a Thiarja a formular el

modelo de programacin lineal mixto que le ayude a seleccionar el men a servir

7
en el asado y que le indique a qu personas invitar. Para esto, asuma que Thiarja
desea invitar a la mayor cantidad de gente posible.

Solucin problema 3

Variables:

1 Si eleg men m para persona i

Wm = ~
0

1 Si persona i es invitada cuando eleg men m

Z im = ~
0

X b = Litros de cerveza a comprar

X c = Litros de bebida a comprar

Nota: que se podra eliminar el ndice m de la variable Zim, ajustando las

restricciones apropiadamente.

Restricciones:

1. Slo escoge un men:

W
m
m =1

2. Relacin entre variables (slo invito a una persona bajo el men m si eleg el
men m):

Z im Wm i, m

3. Compro bebida y cerveza slo si me falta:

X b Z im * LBim RLB
i ,m

X c Z im * LC im RLC
i ,m

4. No sobrepasar el presupuesto:

Z
i,m
im * PM m + X b * PLB + X c * PLC P

5. Si invito a persona i, no invito a sus ex parejas:

Z im (1 Z jm ) j E i i, m

8
6. Si invito a i, debo invitar a sus mejores amigos:

Z im Z jm j Ai i, m

7. Si invito a un casado, invito a su pareja:

Z im = Z jm (i, j ) (h1 , h2 ) i, m

8. Naturaleza de las variables:

Z im {0,1}, Wm {0,1} i, m
X b 0, Xc 0 b, c

Funcin objetivo:

max Z im
i ,m

Problema 4: Pigmentos Lillo

La empresa de pigmentos LILLO & Co. debe decidir cada da qu pigmento producir
en su nica mquina, eligiendo dentro del conjunto de I pigmentos que
comercializa.

Por razones tcnicas puede producir como mximo un tipo de pigmento por da, en
cada uno de los t das de su horizonte de planificacin modelado por el conjunto T,
ya que slo se puede hacer un set-up diariamente. El set-up consiste en ajustar la
mquina para producir un pigmento especifico, si se sigue produciendo el mismo
pigmento que el da anterior no es necesario realizar el set-up nuevamente.

Adems, debe mantener la mquina funcionando todos los das en el horizonte de

planificacin para evitar fallas de funcionamiento. Para efectos de modelamiento se
puede considerar el caso en que no est produciendo ningn pigmento diciendo que
est produciendo el producto ficticio 0. La capacidad de produccin de la mquina
es muy superior a la demanda estimada para cualquier pigmento, por lo que no es
considerada una restriccin relevante.

Para cambiar de pigmento se debe pagar un costo de set-up cij que depende de los
pigmentos i y j involucrados, ya que no es lo mismo cambiar entre pigmentos
claros, oscuros, etc. Para efectos de modelamiento puede considerar que existe el
costo cii = 0 , y que en el periodo ficticio 0 del horizonte de evaluacin la
mquina estaba funcionando sin producir ningn pigmento. La demanda diaria para
el pigmento i en el da t del horizonte de planificacin ha sido estimada por el
departamento de marketing en dit, y debe ser satisfecha durante el horizonte de
planificacin T, es decir, se permiten atrasos en la satisfaccin de la demanda as
como producir con anticipacin algn pigmento en caso de ser necesario.

Los costos asociados a cada una de estas situaciones son bi por unidad y da de
atraso del pigmento i, costo definido por las penalizaciones por atrasos fijadas por
contrato con los clientes ms una estimacin del costo asociado a la prdida de
confianza de parte de los clientes. Y un costo hi por cada da y unidad de inventario
almacenada del pigmento i (bi >> hi ), costo definido por los costos de
almacenamiento y de operacin de la bodega.

9
Considere que el stock inicial y la demanda adeudada inicial de todos los pigmentos
son nulos. Para efectos de modelamiento considere que la demanda diaria y
atrasada de cada pigmento se satisface instantneamente, y sin costo de
distribucin relevante, al final de cada da en funcin de la cantidad producida y
almacenada hasta el momento.

Modele el problema de produccin de la empresa como un problema de

programacin lineal mixto, donde se asegura la satisfaccin de la demanda a lo
largo del horizonte de planificacin minimizando los costos de set-up, y los costos
por atrasos y por almacenamiento de productos en bodega.

Solucin problema 4

Variables de decisin (1 pto.):

xit: Cantidad que se produce del pigmento i en el periodo t.

sit: Cantidad que se almacena del pigmento i al final del periodo t.

rit: Demanda adeudada del pigmento i al final del periodo t.

yit: Toma valor 1 si se produce el pigmento i en el periodo t. 0 en otro caso.

wijt: Toma valor 1 si se cambia del pigmento i al pigmento j al comienzo del

periodo t.

Restricciones:

1. (0.6 ptos.) Naturaleza de las variables:

yit , wijt {0,1} i, j I , t T

xit , s it , rit 0 i I , t T

2. (0.6 ptos.) Siempre mantener la mquina funcionando y slo utilizar un

pigmento por da

y
i
it =1 t T

3. (0.6 ptos.) El stock y deuda inicial es cero

si 0 = 0 i I
ri 0 = 0 i I

4. (0.6 ptos.) Relacin entre las variables

xit y it d it i I , t T
t

xi 0 = 0 i I

5. (0.6 ptos.) Definicin de wijt

wijt y i ( t 1) + y jt 1 i, j I , i j t T , t {0}

10
6. (0.5 ptos.) Conservacin del flujo

s i ( t 1) + xit + rit = d it + ri (t 1) + s it i I , t T , t {0}

7. (0.5 ptos.) Satisfacer de la demanda a lo largo del horizonte de planificacin

riT = 0 i I

Funcin Objetivo (1 pto.)

min hi s it + bi rit + cij wijt

i ,t i ,t i , j ,t

Problema 5: El magnate Nelsn Divo

El conocido magnate Nelsn Divo ha decidido mostrar al mundo su talento musical,

y para ello, va a presentarse en un prestigioso certamen internacional. Lo ms
importante para l es la admiracin del pblico, la cual se mide en aplausos.

Para su presentacin, el seor Divo debe decidir qu instrumentos usar y por

cunto tiempo tocar cada uno, ya que slo tiene T minutos para estar sobre el
escenario. En su mansin posee N instrumentos y sabe que para cada instrumento
i tiene un talento d i [u.t.] (unidades de talento) del mismo. Adems, debe tocar al
menos K instrumentos distintos, dada su auto-denominacin de hombre orquesta.
El multimillonario tambin tiene la opcin de cantar, aunque para ello no tiene
talento.

El pblico se divide en J sectores, cada uno de los cuales tiene distintas

preferencias musicales. Lo anterior se traduce en que cada sector j se deleita en
g ij [u.s.] (unidades de satisfaccin) por or tocar el instrumento i, y en g j [u.s.]
por or cantar. Sin embargo, en cada sector hay personas impacientes que
generarn p ij pifias por cada minuto que oigan el instrumento i y p j pifias por
cada minuto que oigan cantar. Suponga que cada pifia descuenta un aplauso, es
decir, se miden en las mismas unidades. Nelsn no puede permitir que el total de
pifias supere el nivel P, ya que esto afectara irremediablemente su popularidad.

Cada sector j del pblico emitir una cantidad de aplausos equivalente a su deleite
por or tocar cada instrumento (o el canto), independiente de su duracin, y una
cantidad equivalente al talento del artista en tal instrumento (o el canto) por cada
minuto que dure.

Como a Nelsn Divo le interesa su popularidad en cada sector del pblico, l desea
maximizar la mnima cantidad de aplausos obtenida entre todos los sectores.
Plantee un modelo de programacin lineal que permita al acaudalado personaje
tomar las mejores decisiones para lograr su objetivo.

Solucin problema 5

Variables de Decisin

1 si toca el instrumento i
xi =
0 si no

11
 yi = min utos que toca instrumento i

1 si canta
x=
0 si no

y = min utos que canta

A = cantidad mnima de aplausos entre todos los sec tores del pblico

Restricciones:

1. No sobrepasar el tiempo:

yi
i + y T

2. Hombre orquesta:

x i
i K

3. Relacin entre variables:

y i xi T i
y x T

4. Mximo de pifias:

( p yi ) + p j y P

ij
j i

5. Definicin de A:

A (g ij xi + (d i pij ) yi ) + g j x p j y j
i

6. Naturaleza de las Variables:

yi 0 i
y0
xi {0,1} i
x {0,1}
A R

Funcin Objetivo:

Max A

12
Nota: En este problema se pide maximizar el mnimo de algo. Sin embargo, en
un PPL no podemos poner max{min{...}} en la funcin objetivo, pues esto no es
lineal. Para solucionar esto, se agrega la restriccin 5, que minimiza el valor de A
y luego se maximiza A (truco tpico!).

En la restriccin 5, la variable "A" es menor o igual que los aplausos en cada uno de
los sectores (para todo j). En otras palabras, "A" es menor o igual que el sector
que dio la MENOR cantidad de aplausos. Luego, al maximizar A, estamos
maximizando la cantidad de aplausos que da el sector que da menos aplausos, que
es lo que nos piden. Este es un truco tpico que se usa siempre que tengan un
problema de minmax o maxmin.

Problema 6: Los colegios de Baraki Obamu

El recin electo presidente de Estados Juntos, Baraki Obamu, ha decidido

reestructurar la localizacin de los colegios en el estado de Mazachuset.

N es el conjunto de ciudades que hay que considerar; el subconjunto C de N

contiene las ciudades donde puede haber un colegio (en una ciudad puede haber
mximo un colegio).

C1 es el subconjunto de C donde ya existe un colegio.

En la ciudad i hay Ei estudiantes que tienen que ir a un colegio. Ningn estudiante

puede viajar ms de L kms. Dij es la distancia en kms entre las ciudades i y j;
i,j N (se puede asumir Dii=0).

Los colegios existentes (colegio tipo 1) tienen una capacidad para E estudiantes.
Hay un nuevo tipo de colegio (colegio tipo 2) que tiene capacidad para EM
estudiantes (E<EM).

El costo para construir un colegio del tipo t es de Ct UM (unidades monetarias),

t=1,2. Se pueden construir colegios tipo 1 2. El costo para cerrar un colegio
existente es de CE UM.

Para la reestructuracin de los colegios hay un presupuesto de PPTO UM.

Plantee un PPL que determine dnde cerrar y dnde construir colegios y que
adems asigne a los estudiantes a un colegio.

Suponga como funcin objetivo la minimizacin del costo total de la

reestructuracin.

Cmo cambia el modelo si en vez de minimizar el costo total se quiere minimizar

la distancia total que tienen que viajar todos los alumnos?

Solucin problema 6

Variables de decisin:

xi =
1 si mantengo el colegio i abierto i C1

0 caso contario

13
yit = 1 si construyo colegio del tipo t en i i C

0 caso contario

z ij = 1 si asigno alumnos de i al colegio ubicado en j i N j C

0 caso contario

wij = nmero de alumnos de i que asigno a colegio ubicado en j i N j C

Restricciones

1. Naturaleza de las variables

xi , y it , z ij {0,1}

wij

2. Asigno si la distancia lo permite

L i , j
z ij
D ij

3. Relaciones entre variables de asignacin

wij z ij M i, j , M >> 0, por ejemplo Ei

4. Todos los estudiantes son asignados

wj
ij = Ei i

5. Para asignar el colegio, debe existir

z ij y j1 + y j 2 + x j i , j C1

z ij y j1 + y j 2 i , j C / C1

NOTA: hay distintas formas de trabajar el hecho de que slo se pueden cerrar
colegios que ya existen, por ejemplo, tambin se puede definir la variable
xi i C y hacer xi = 0 i C1 y luego tener cuidado con las sumatorias que
involucran costos. (si se hace esto ltimo hay restricciones que no son necesarias
de escribir 2 veces)

14
6. Capacidad de los colegios

w
i
ij y j1 E + y j 2 EM + x j E i , j C1

w
i
ij y j1 E + y j 2 EM i , j C / C1

7. Colegios

y j1 + y j 2 + x j 1 i , j C1

y j1 + y j 2 1 i , j C / C1

8. Presupuesto

y
jtC
jt Ct + (1 x
jC 1
j )CE PPTO

Funcin Objetivo

min{ y jt Ct + (1 x j )CE}
jtC jC1

Funcin Objetivo alternativa

min w
iN , jC
ij Dij

Problema 7: Compaa de Cervezas Carboni

La reconocida empresa CCC (Compaa de Cervezas Carboni), debido al aumento

sostenido de la demanda de cerveza en los ltimos aos, desea evaluar la
instalacin de nuevas plantas de malta. Para ello, el gerente de operaciones de la
compaa le explica a usted, brevemente, el proceso productivo de la cerveza.

Existen en la regin una serie de plantaciones de cebada, propiedad de la

compaa, de las que se extrae y transporta cebada a alguna de las plantas de
malta de la empresa. Adems, existe una pequea fraccin de cebada que es
importada y llevada directamente a las plantas. La cebada es procesada en esta
planta, produciendo la malta. sta es luego transportada desde la planta a la
cervecera, donde se termina de producir la cerveza, o bien es exportada.

Existe un conjunto J de posibles localizaciones para las plantas, de las cuales un

subconjunto JA ya est ocupado por las plantas actuales. Considere que, como
mximo, puede instalarse slo una planta de malta por ao y que el horizonte de
tiempo para el problema es de T aos (|J\JA|>T).

Considere que existe un conjunto I de proveedores de cebada (donde i=1

corresponde a las importaciones y el resto a las plantaciones) y un conjunto K de
puntos de demanda de malta (donde k=1 corresponde a las exportaciones y el
resto a cerveceras). Cada uno de estos puntos demanda una cantidad Dkt de malta
en el ao t.

15
Cada proveedor de cebada (incluyendo importaciones) puede ofertar como mximo
Ait toneladas de cebada en el ao t y la capacidad de produccin de la planta de
malta en la ubicacin j es Cj cada ao. Es importante considerar que no toda la
cebada es utilizable para producir malta, debido a los altos estndares de calidad
de la compaa. Estudios preliminares han identificado la calidad de la cebada en
las distintas plantaciones, por lo que se ha estimado el parmetro ri, que
corresponde a la cantidad de malta que se puede producir con una tonelada de
cebada de la plantacin i.

Los costos se han estimado previamente, siendo aijt el costo de transporte de

cebada de la plantacin i a la planta de malta j en el ao t, mjkt el costo de
transportar malta de la planta j al punto de demanda k en el ao t y sjt el costo fijo
por instalar una planta de malta en j en el ao t.

Por ltimo, por polticas de la empresa, considere que la cantidad de cebada

importada debe corresponder a una proporcin fija de la cantidad de malta
exportada. As, las toneladas de cebada importada no pueden ser menores al 80%
ni mayores al 120% de las toneladas de malta exportada.

Plantee un modelo de programacin lineal mixta, que permita decidir dnde instalar
las nuevas plantas de malta y en qu ao hacerlo, de modo de minimizar los costos
totales en el horizonte de tiempo especificado y satisfaciendo la demanda en cada
perodo. Para simplificar, considere que los efectos inflacionarios ya estn
considerados en los costos entregados.

Solucin Problema 7

Variables:

1 Si est instalada la planta de malta en la ubicacin j en el ao t

Z jt =
~
0

X ijt = Toneladas de cebada transportadas desde la plantacin i a la planta j en el ao t.

Y jkt = Toneladas de malta transportadas desde la plantacin j al punto de demanda k

en el ao t.

OJO! La variable Zjt Vale 1 desde el momento en que se construye la fbrica hasta
el final (es decir, si construyo en t=3, Zij={0,0,1,1,1,1,1....}). Esto se logra definir
as gracias a la restriccin 4. Por qu se defini as? Pues simplemente porque
facilita un par de restricciones. Tambin se podra definir de la forma tpica (vale 1
slo en el momento en que se construye), pero habra que modificar las
restricciones. Est resuelto de esta forma slo para mostrar una forma distinta de
resolver un problema como este :).

Restricciones:

1) Satisfacer demanda:

Y
j
jkt Dkt k , t

16
2) Cebada necesaria para producir malta:

Yk
jkt ri * X ijt
i
j, t

3) Capacidad de las plantas:

Yk
jkt Cj j J A , t

Y
k
jkt C j * Z jt j J \ J A , t

Nota: Es esta restriccin la que nos obliga a definir Zjt de la forma antes
mencionada, ya que si no valiera 1 desde que se construye hasta el final,
tendramos problemas en los perodos posteriores a la construccin de la planta
(por ejemplo, si construyo en t=3 entonces Zj3=1, pero si estamos ahora en t=4,
Zj4 valdra cero y obligaramos a que Yjkt=0). Igual existen formas de arreglar este
problema (mediante el uso apropiado de sumatorias), pero prefer modelar el ppl
de esta forma porque es un truco til de saber ;).

4) Una vez que se abre la planta, esta permanece abierta:

Z jt Z jt+1 j J \ J A , t < T

5) Capacidad de produccin de cebada:

X
j
ijt Ait i, t

6) Una planta de malta por ao como mximo:

(Z
jJ \ J A
jt Z jt 1 ) 1 t

Nota: Como Zjt vale 1 desde que constru hasta el final, al escribir de esta forma la
restriccin estamos considerando slo 1 vez la construccin de la planta. Si no lo
escribiramos as y pusiramos slo la sumatoria de Zjt, tendramos la suma de
muchos 1s... Prueben con nmeros para la variable Z y vean que funciona! Por
ejemplo si j=1, y Z1t={0,0,1,1,1} para t={1,...,5}, entonces (Zjt-Zjt-1) = (0-0) +
(0-0) + (1-0) + (1-1) + (1-1) = 1. Se considera una sola vez la construccin de la
planta ;).

7) Cebada importada proporcional a malta exportada:

0,8 * Y j1t X 1 jt 1,2 * Y j1t j, t

j j j

8) Condicin de borde:

Z j0 = 0 j J \ J A

9) Naturaleza variables:

X ijt , Y jkt , Z jt {0,1} i, j, t

17
Fn. Objetivo:

min{ aijt * X ijt + m jkt * Y jkt + s jt * (Z jt Z jt 1 )}

i , j ,t j , k ,t t , jJ \ J A

Problema 8 Ganando luquitas extra

Usted est tratando de ganarse una luquitas extras y es por ello que est con 2
trabajos. El primero es de repartidor y el segundo es de garzn. Sobre el primero,
este tiene las siguientes caractersticas.

Cada maana usted llega a la bodega central a buscar los paquetes que debe
repartir a lo largo de S sitios. Al final de la jornada usted debe volver a la bodega
central. Para poder llevar a cabo de buena forma todas sus actividades, dispone de
H unidades de tiempo para hacer este trabajo. El tiempo que demora en ir de un
sitio a otro o desde la bodega a un sitio o de un sitio a la bodega es tij (considere la
bodega como el sitio 0).

Es posible que usted no alcance a llegar a todos los sitios dentro de las H horas, en
tal caso usted posee 2 alternativas. La primera es no ir a ese (esos) lugar(es), lo
que le significa una disminucin en su sueldo. Dicha disminucin depende del sitio
que no visit, si no fue al sitio s (s S) la merma de sueldo equivale a Ps. O bien,
usted puede visitarlos, pero cada unidad de tiempo que sigue trabajando como
repartidor le significa una disminucin de P unidades de su sueldo como garzn.
Adems, usted sabe que si llega muy tarde a la pega de garzn lo pueden
despedir y como usted no quiere que esto ocurra, como mximo seguir trabajando
como repartidos HH unidades de tiempo por sobre las H establecidas.

Su misin ahora es realizar un PPL que le permita decidir su recorrido a travs de

los sitios, respetando las restricciones antes planteadas. No est dems decir que
usted desea que sus ingresos se vean penalizados de la menor forma posible.
Recuerde que usted no va a visitar necesariamente todos los sitios.

Solucin problema 8

Variables de decisin

xij: 1 si va de sitio i a sitio j. 0 en caso contrario

T: unidades de tiempo extra que trabaja como repartidor

Restricciones

1. Naturaleza de las variables

xij {0,1}; T
+

2. Sale de la bodega

X j
0j =1

3. Regresa a la bodega

X j
i0 =1

18
4. Tiempo de trabajo

X
i, j
t H +T
ij ij

5. Si se entra a un lugar se sale de l. Si no se entra no se debe poder salir porque

nunca se entro.

X = X
i
ij
i
ji j

6. Entro a un lugar mximo una vez

Xi
ij 1 j

7. Salgo a lo ms una vez de un lugar

Xj
ij 1 i

(Esta ltima restriccin no es necesaria porque se tiene implcita con las otras 2 de
ms arriba (restricciones 5 y 6). Tambin se podra omitir la restriccin 6 si se
escribe la 5 y la 7.

8. No se puede entrar al mismo lugar que donde uno esta

X ii = 0 i

(Esta restriccin se podra omitir trabajando los sumandos de las sumatorias

apropiadamente, usando i distinto de j).

9. Lmite de tiempo extra que se sigue trabajando como repartidor

T HH

11. Evitar Sub-tours

X
i , jU
ij | U | 1 U tal que 2|U|S-2, U sitios que no incluye la bodega.

o bien:

X
i , jU
ij | U | 1 U tal que 2|U|S-2, con U sitios + la bodega.

Funcin Objetivo

min{ Pi (1 X ij ) + PT }
i j

19
Problema 9: Asignacin de espacio de productos en gndolas

Considere que debe definir el contenido diario de las gndolas de un supermercado

decidiendo los productos que debe incluir en ella. Para ello usted sabe que la
gndola tiene 2 niveles (ver figura), cada uno de un alto a y b centmetros,
respectivamente. Adems, ambos niveles tienen un ancho de L cm. y una distancia
de fondo de P cm.

Por otro lado usted cuenta con I tipos de productos distintos, los cuales tienen cada
uno un cierto alto, ancho y fondo, los que se denotan por hi, ai y pi con ,
respectivamente. Cada producto puede estar presente slo en uno de los dos
niveles, y por razones de exposicin de la marca slo se pueden exponer apoyados
en el ancho como se muestra en la figura. Obviamente existen productos ms
rentables que otros, por lo cual cada producto tiene un beneficio neto unitario Bi >
0, el cual incluye todos los beneficios y costos asociados a la venta de una unidad
de producto i.

Adicionalmente se requiere que exista un mnimo de MINi unidades de cada

producto en las gndolas de modo de garantizar una variedad y disponibilidad
adecuada hacia los clientes, y se debe considerar que la cantidad que existe en la
bodega del supermercado de cada producto es BODi. Considere que por tratarse del
problema diario de ubicacin de productos en la gndola, no se alcanza a solicitar y
recibir productos adicionales a las existencias en bodega, y para efectos de
modelamiento suponga que no hay reposicin de productos durante el da.

Suponga que todo lo que se coloca en la gndola se vende, hasta un lmite que ha
sido estimado por el departamento de marketing para cada producto en DMAXi, y
que no se puede poner un producto distinto detrs de otro ni tampoco sobre otro.
Por acuerdos comerciales con dos de los grandes productores de alimentos de lujo
del pas, los productos 1 y 2 deben estar en niveles distintos de la gndola en caso
de exhibirse. Por otro lado, los productos 3 y 4 se venden en una oferta de pack,
por lo que deben exponerse en el mismo nivel de la gndola.

Por acuerdos comerciales con la multinacional LG, al considerar tres productos

cualquiera del conjunto LG de sus productos al menos uno de ellos debe estar
expuesto en el nivel superior. Plantee un modelo de programacin lineal entero
mixto que permita encontrar la asignacin de mximo beneficio de los distintos
productos a la gndola teniendo en cuenta las caractersticas fsicas de cada
producto y de la gndola.

20
Solucin problema 9

Variables de decisin (0.8 ptos):

Xij := Unidades del producto i incluidas en el nivel j

Zij := Corridas del producto i incluidas en el nivel j

1 Si el producto i se expone en el nivel j

Yij := Sino
0
Restricciones (0.4 ptos c/u):

1. Naturaleza de las variables

X N + , Z N + , Y {0,1}
2. Cada producto puede estar ijpresente
0 ij 0
solamente ij
en un nivel de la gndola:

Y ij 1 i {1,..., n}
3. Definicin de zij y ancho de
j la gndola no debe ser superado:

pi
Z ij X ij i {1,..., n}, j {1,2}
P
Z ij ai L
i
j {1,2}
4. Altura de cada nivel de la gndola no debe ser superada por la altura de ninguno
de los productos asignados a ese nivel:

hi a + M (1 yi1 ) i {1,..., n}, M >> 1

hi b + M (1 yi 2 ) i {1,..., n}, M >> 1
Nota: A esto se le conoce como el truco de la gran M y es muy habitual. Notar
que si Yi2 vale 1 (el producto se expone en el nivel 2), hi es menor o igual que b
(la altura del nivel 2). En cambio, si Yi2 vale cero (el producto no se expone en el
nivel 2), hi es menor o igual que b+M con M tan grande como se quiera, por lo que
es como si esta restriccin no existiera. Es decir, M se elije tal que no afecte al
valor de hi para este caso, lo que tiene sentido pues si el producto no se pone en el
nivel 2, no importa el tamao del producto.

5. Consistencia en la definicin de yij :

X ij M Yij i {1,..., n}, j {1,2} , M >> 1

6. Respetar la cantidad en bodega:

X
j
ij BODi i {1,..., n}

7. Cantidad mxima que se puede vender:

21
 Xj
ij DMAX i i {1,..., n}

8. Satisfaccin de variedad y disponibilidad mnima:

X j
ij MIN i i {1,..., n}

9. Los productos 1 y 2 deben exponerse en distintos niveles, en caso de exhibirse:

Y1 j + Y2 j 1 j {1,2}
10. Los productos 3 y 4 deben exhibirse en el mismo nivel de la gndola:

Y3 j = Y4 j j {1,2}

11. De cada tres productos en LG al menos uno debe exponerse en el nivel

superior:

X
iS
i1 1 S LG , | S |= 3
Funcin Objetivo (0.8 ptos):

max xij Bi

Problema 10: Equipo de Handball Real Mandril

El exitoso director tcnico nacional, Miguel Tenderini, ha sido contratado por el

prestigioso equipo de hndbol Real Mandril, el cual cuenta con un conjunto N de
jugadores, todos estelares. Se le ha encomendado la misin de escoger las
contrataciones para la prxima temporada de entre un conjunto M de posibles
jugadores, cada uno de los cuales tiene un precio con , y para
ello se le ha otorgado un presupuesto de PPTO euros.

La temporada se compone de J partidos, en cada uno de los cuales, Tenderini debe

decidir el conjunto jugadores que participar de l, tanto como titular o como
suplente, suponga que debe haber T titulares y B suplentes por partido. Se sabe
que es la cantidad de goles que anotar el jugador i en el partido j si entra
como k (con ). Suponga que todos los suplentes entran al
partido en algn momento.

Tenderini recibir un bono al final de la temporada segn la cantidad total de goles

anotados, consistente en si este total queda en el intervalo y
por cada gol adicional a G, menos un porcentaje del monto
gastado en nuevos jugadores, es decir, su bono ser:

s1 g pi xi si g G
iM
Bono = con .
s1G + s 2 ( g G ) pi xi si g > G
iM

22
Suponga que ya se contrat al famossimo jugador Kak , y que se le prometi
que sera titular en al menos el 75% de los partidos. Adems, se sabe que si a
mitad de temporada, (partido J/2) se han hecho menos de goles, Tenderini ser
despedido. Por ltimo, cada jugador tiene una resistencia fsica que le permite
jugar a lo ms partidos como titular y partidos como suplente.

Plantee un modelo de programacin lineal que le permita a Miguel Tenderini

maximizar el monto del bono que recibir al final de la temporada.

Solucin problema 10

Variables

1 Si se contrata el jugador i
Xi = Sino
0

1 Si jugador i juega el partido j como k

YKij =
0 Sino

Z = Cantidad de goles totales

Z1 = Cantidad de goles en [0,G]

Z2 = Cantidad de goles en (G,+infinito)

Restricciones

1. Naturaleza

X i , Yijk {0,1}
Z , Z 1 , Z 2 Z 0+

2. Presupuesto

X P PPTO
iM
i i

3. No juega si no se contrata

Yijk X i i, j , k

4. No juega de titular y de suplente al mismo tiempo

YijTTT + YijSUP 1 i, j

23
5. Cantidad de jugadores titulares y suplentes por partido

Y
i
TTT
ij =T j

Y
i
SUP
ij =B j

6. Definicin de z, z1 y z2

Z1 G

Z Z1 + Z 2

7. Calcular z

Z= Y
i , j ,k
k
ij g ijk

8. Kak 75%

Y i
TTT
KAKU , j 0.75 J

9. Kak contratado

X kaku = 1

10. No ser despedido

Y J
k
i, j g ijk G
i , j ,k
2

11. Capacidad Fsica

Y j
TIT
ij ti i

Y
j
SUP
ij bi i

Funcin Objetivo

max Z1 S1 + Z 2 S 2 pi xi
i

Problema 11: Ruteo del bus para el asado optimizador 2.0

El profesor de un curso de optimizacin, alias El Lobo, ha prometido arrendar un

bus para el prximo asado del curso, al cual sern invitados todos los alumnos del
semestre junto al equipo docente. Pero El Lobo no slo arrendar el bus, sino
tambin ha prometido a los estudiantes que el bus pasar a buscarlos a un punto

24
cercano a sus hogares. El Lobo cuenta con P posibles paraderos del bus y debe
establecer cuales de estos paraderos visitar. Dado lo lejano del lugar del asado, un
invitado no podr llegar si el bus no pasa por su paradero. Si el bus decide parar en
el paradero p una cantidad Dp de alumnos se subir al bus y El Lobo quiere tener
por lo menos una cantidad I de invitados (ya que sufre de depresin si ve que
llegan menos).

Por otra parte, La Fea, su jefa directa, exige que el bus pase por su paradero
para poder asistir (suponga que el ndice p=1 corresponde al paradero de La Fea)
y exige una distribucin relativamente equitativa de los paraderos a visitar. Para
esto se ha dividido el territorio en 4 zonas t={norte, sur, este,oeste}, sabiendo que
los paraderos de la zona t pertenecen al conjunto Zt y se ha exigido que si en cada
zona t se visita un nmero n de paraderos, en las otras zonas no puedan visitarse
ms del doble ni menos de un tercio de paraderos. Suponga que el bus parte en la
casa de El Lobo (paradero p=0), luego visita los distintos paraderos seleccionados y
finalmente se dirige hasta el punto del asado (paradero p=9). Suponga, por
simplicidad, que una vez que llega al paradero 9, el bus regresa vaco a la casa de
El Lobo (p=0).

Adems, El Lobo cuenta con un monto de dinero DIN que es lo mximo que se
puede gastar en gasolina para el bus. Se sabe que el bus gasta L litros de gasolina
por kilmetro, que el precio de la gasolina es de GAS pesos por litro y que la
distancia entre los paraderos p y q es dpq kilmetros. Por otro lado, es sabido que
los paraderos ubicados en la zona sur son considerados de mayor peligro, por lo
que el conductor debe ir ms rpido. Debido a ello, se gastar W litros adicionales
de gasolina por cada kilmetro recorrido entre paraderos de esta zona.

Por ltimo, El Lobo sabe que en el paradero p=3 viven slo gente de un importante
equipo de ftbol nacional, mientras que en el paradero p=7 vive slo gente del
equipo rival. Para evitarse problemas, se ha decidido que si se visita uno de estos
paraderos primero, el otro debe visitarse al final (para minimizar el contacto entre
estos alumnos y ahorrarse posibles problemas).

Se busca minimizar el costo de arriendo del bus el cual es directamente

proporcional al nmero de personas que es capaz de transportar, por lo que en
realidad busca minimizar la capacidad mxima de personas que puede llevar el bus,
pero cumpliendo las restricciones expuestas anteriormente.

Ayude a El Lobo a resolver el problema anterior, modelando el problema como un

problema de programacin lineal entera.

Solucin problema 11

Variables:

1 Si el bus va del paradero p al paradero q

Xpq = 0 Sino.

Y = Capacidad mxima del bus

Restricciones:

1.- Naturaleza de las variables.

X pq , {0,1} Y

25
2.- Respetar mnima cantidad de invitados.

P P

X
p =1 q =1
pq Dp I ( p q)

3.- Ir a buscar a la Fea.

X p1 =1 ( p q)
p =1

4.- Distribucin equitativa.

t , u = {norte, sur , este, oeste}, t u

P P P
1
X pq X pq 2 X pq
3 pZu q =1 pZt q =1 pZu q =1

5.- Presupuesto.

P P P

X pq Ld pq GAS +
p =1 q =1
X
pZsur q =1
pq W d pq GAS DIN

Nota: Por simplicidad, suponemos que si un paradero est en la zona sur, se

gastan los W litros adicionales solo para el tramo posterior a este paradero.

6.- Capacidad.

P P
Y X pq D p
p =1 q =1

7. Paraderos equipos de ftbol.

X 3q X 79 q 9
X 7 q X 39 q 9

8. Si llego a un paradero, tengo que salir de el.

P P

X pq = X qr
p =1 r =1
q P

9. No hay subciclos.

X
pS qS
pq | S | 1 S subconjunto de paraderos P tal que 2 |S| P-2
{0}S {0}S

Nota: Esta es la tpica restriccin del vendedor viajero donde no hay subciclos (o
subtours). Sin embargo, en este caso tiene una salvedad: Debemos excluir el ndice
0, que representa el punto de partida del bus. Esto porque en este problema el
ptimo es, en efecto, un subciclo, ya que NO es necesario pasar por todos los
paraderos. De no excluir el cero, el programa encontrara, obligatoriamente, un
ptimo donde el bus pasa por todos los paraderos posibles y no es eso lo que

26
buscamos. Siempre que no haya que pasar por todos los nodos y se use la
restriccin de los subtours, es necesario hacer esta restriccin tal que no incluya al
origen/destino. Les sugiero que le den una vuelta a esto para entenderlo, pueden
hacer un dibujo pequeo con algunos nodos y ver qu pasa si agregan o no el cero
en este caso.

10. Condiciones iniciales.

P P

X 0q = 1 ,
q =1
X
p =1
p9 = 1 , X 09 = 1

Funcin objetivo:

min{Y }

Problema 12: Carboni-Cola Company

La multinacional lder en el mercado de bebidas de fantasa, Carboni-Cola

Company, quiere mejorar la planificacin de la produccin de sus I marcas y el
posterior embotellado en distintos formatos, el que genera J productos diferentes2.
Para efectos de modelamiento considere conocido el parmetro Sij que vale 1 si el
producto final j se produce con el producto genrico i, y 0 si no.

El proceso productivo comienza con M maquinas capaces de producir cualquiera de

las I marcas, a una tasa PMmi por hora para la maquina m y la marca i. Luego, la
produccin se pasa a uno de los I estanques, uno para cada marca, donde puede
almacenarse o traspasarse a una de las L lneas de embotellado.

Las lneas de embotellado son capaces de producir cualquiera de los J productos

finales, y trabajan a una tasa PLlj por hora para la lnea l y el producto final j. Cada
mquina puede producir slo una de las I marcas cada da y cada lnea slo puede
embotellar un producto final por da. La jornada de produccin diaria dura NH
horas, y cuando se produce un cambio de marca en una maquina entre un da y el
anterior es necesario dedicar TCG horas para realizarlo, anlogamente cuando se
produce un cambio de producto final entre un da y el anterior es necesario dedicar
TCF hora para realizarlo.

El horizonte de planificacin es de T das, y se conocen las demandas Djt para cada

producto final j en el da t, las que deben ser satisfechas en algn momento
durante los T das considerados. El inventario inicial de cada marca es conocido y
son Si unidades, mientras que el inventario inicial de productos finales es nulo.
Dado que el horizonte de planificacin no es muy largo, se considera que los costos
de produccin son fijos una vez conocida la demanda, por lo que el inters de la
empresa es minimizar el inventario de productos finales y de productos genricos
en los estanques. Adems, se sabe que se puede dejar demanda insatisfecha en un
periodo, satisfacindola en alguno de los siguientes das. Sin embargo, ejecutivos
de la empresa estiman que el costo de no satisfacer una unidad de demanda por un
periodo es igual a W veces el costo de mantener una unidad de inventario un
periodo (W>>1).

Desarrolle un modelo de programacin lineal mixto que permita resolver el

problema de Carboni-Cola Company, es decir decidir cunto producir y almacenar

2
Por ejemplo, algunas de las I marcas pueden ser Carboni-Cola, Fantiego, Bucareite, etc, mientras que
algunos de los J productos finales pueden ser Carboni-Cola de 500cc, Carboni-Cola de 1000cc, Fantiego
de 500cc, etc. (marca + tamao/tipo envase).

27
de cada producto genrico y final en cada periodo, de modo de satisfacer la
demanda durante el horizonte de planificacin minimizando los inventarios y la
demanda insatisfecha segn sus costos relativos.

Solucin problema 12

Variables:

1 Si el producto genrico i se produce en mquina m el perodo t

Gmit = Sino
0
GXmit = Produccin del producto genrico i en mquina m el perodo t

GIit = Inventario del producto genrico i (en estanque i) al final del da t

1 Si el producto final j se envasa en lnea l el da t

Fljt = Sino
0
FXjt = Produccin del producto final j en la lnea l el da t

FIjt = Inventario del producto final j al final del da t

Bjt = Demanda insatisfecha del producto final j al final del da t

Nota: Siempre que hay un problema de inventario necesitarn una variable de

produccin y otra que lleve el inventario en stock para todo t. Adems, si se
permite demanda insatisfecha, siempre habr una variable que lleva la cuenta de
cuntas unidades estamos debiendo en cada perodo. Con este razonamiento, se
deduce gran parte de las variables anteriores.

Restricciones:

1. Naturaleza de las variables:

Gmit ,Fljt {0,1}

GX mit , GI it , FI jt , B jt , E jt

2.Slo se puede producir un producto genrico por da en cada mquina:

G
i
mit 1 m, t 1

3. Slo se puede embotellar un producto final por da en cada lnea:

F j
ljt 1 l , t 1

4. Capacidad de produccin de mquina m para producto genrico i el da t:

GX mit NH * PM mi * Gmit m, i, t 1

28
5. Capacidad de mquina m si se cambia de producto genrico:

GX mit NH * PM mi TCG * PM mi * (G mit G mi (t 1) ) m, i, t 2

Obs: Hasta aqu se supone implcitamente que el primer da no se paga el tiempo

de cambio.

6. Capacidad de envasado de la lnea l para el producto genrico k el da t:

FX ljt NH * PLlj * Fljt l , j , t 1

7. Capacidad de lnea l si se cambia de producto final:

FX ljt NH * PLlj TCF * PLlj * ( Fljt Flj ( t 1) l , j , t 2

8. Conservacin de flujo en inventario de producto genrico:

GI it = GI i (t 1) + GX mit FX ljt * S ij i, t 1
m l, j

Nota: Esta restriccin siempre va (parecida) en todo problema de inventario.

9. . Conservacin de flujo en inventario de producto final:

FI j (t 1) B j (t 1) + FX ljt = D jt + FI jt B jt j , t 1
l

10. Satisfacer demanda total al final del horizonte de tiempo T:

B jT = 0 j

11. Condiciones de borde:

GI io = S i i
FI j 0 = 0 j
B j0 = 0 j

Funcin objetivo:

min Z = { GI it + ( FI jt + B jt * W )}
j ,t

Problema 13: Banda de rock Los Brontosaurios de Bucarey (versin full)

La legendaria banda de rock nacional los BRONTOSAURIOS est planeando su Tour

Mundial. El lder de la banda, alias Bronto Bucarey, lo ha contratado a usted para
que maneje esta gira, que es sin duda una de la ms esperada por todos sus fans a
lo largo del planeta. Ellos tienen N ciudades disponibles donde tocar, y deben elegir
en que ciudades tocar, y por contrato con la discogrfica deben tocar en a lo menos
Nmin ciudades. Para cada par de ciudades, usted tiene el precio Pij de desplazarse de
una a la otra y adems tiene Ri recintos en cada ciudad disponible para tocar. Sabe
que tocar en el recinto i tiene un costo fijo de CFr(i) por arriendo, y tiene un costo

29
CVr(i) por llenar el recinto, por costos de seguridad extra (slo se incurre en este
ltimo si el recinto se llena). La banda slo realizar un concierto por ciudad.

Como los BRONTOSAURIOS son una banda con gran trayectoria, deben decidir qu
y cuntos temas tocar. Ellos saben que si tocan un tracklist cargado a los temas
clsicos, en la prxima ciudad que visiten ira ms gente a verlos. Se estima que si
la fraccin de temas clsicos es mayor al D%, entonces se llenar el prximo recital
de seguro. Por el contrario, si se toca un recital cargado a los nuevos temas, saben
que se har de mala fama la gira y le costar mucho ms vender las entradas para
el prximo concierto. Se estima que si toca menos de E% de temas clsicos,
entonces incurrir en un costo CEi por tener que realizar ms publicidad en la venta
de boletos. Adems, saben que deben tocar a lo largo de su tour ms de Nc veces
un repertorio con menos del E% de clsicos, para poder as promocionar sus
ltimas producciones ( Nc N min ).

La banda, por cuestiones de contrato, debe tocar a lo menos Lmin temas y, por
tiempo disponible, debe tocar a lo ms Lmaxri en cada recinto donde decida tocar.
Adems, si de una ciudad a otra quieren disminuir el porcentaje de temas clsicos,
debern aumentar el nmero de canciones a tocar en el prximo tracklist.

Por ltimo, usted sabe que el ltimo concierto de la gira lo debern hacer en
Santiago (que lo puede pensar como la ciudad 0), y para cerrar la gira de forma
gloriosa los BRONTOSAURIOS debern tocar ms de F% de temas clsicos y ms
canciones que en cualquier otra ciudad de la gira. Suponga por simplicidad que el
concierto parte tambin en Santiago.

Construya un modelo de programacin lineal que ayude a la banda a realizar su

gira, abaratando costos.

Solucin problema 13

Nota: Esta es la versin extendida de un problema de control. Algunas de las

restricciones fueron eliminadas del problema en dicha prueba (y al eliminar
restricciones indirectamente se eliminan variables tambin), debido a su extensin.
Dejamos aqu el problema completo para que lo puedan ver.

Variables:

1 Si voy de la ciudad i a la ciudad j

Xij = Sino
0

1 Si realizo el concierto en el recinto r de la ciudad i

Zri = Sino
0
Ui = Cantidad de temas tocados en i

Ki = Fraccin de temas clsicos tocados en i

1 Si se llena el recinto r de la ciudad i

Vri = Sino
0

1 Si debo incurrir en costo de marketing adicional

ti =
0 Sino

30
 1 Si Kj <= Ki
hij =
0 Sino

Nota: Posiblemente se poda trabajar con menos variables. Quizs bastaba con
crear una variable Xikjr que reemplaza a las primeras 3 y que vale 1 si voy de la
ciudad i recinto k a la ciudad j recinto r, aunque esto no necesariamente facilita la
resolucin del problema, normalmente separar en varias variables hace ms fcil la
modelacion, al costo de aumentar el nmero de restricciones.

Las ltimas 3 variables se agregan por temas muy especficos. Por ejemplo, la
variable Vri es necesaria para la funcin objetivo (si se llena el recinto incurro en un
costo), al igual que la variable ti (si no toco suficientes temas clsicos, incurro en el
costo de marketing adicional). La variable hij es para lograr una restriccin que se
pide al final del enunciado.

Restricciones:

1. Visitar al menos Nmin ciudades

Z i ,r
ir N min

2. Conservacin de flujo (si llego a una ciudad debo salir de ella):

N N

X ij = X ji
i =1 i =1
j = {0,..., N }

3. No se permiten subtours:

X
i , jU
ij | U | 1 U tal que 2|U|U-2, U {1,...,N}.

Nota: Sin el cero, pues en efecto el tour ptimo es un subtour (no

necesariamente pasamos por todas las ciudades).

4. Relacin entre variables:

N
i. Slo puedo ir de i a j si pas por i: X
i =1
ij = Z
rRi
ir i

ii. Slo hay fraccin de temas si paso por i: Ki Z

rRi
ri i

iii. El recinto se puede llenar solo si se toca ahi: Vrj Z rj i, r

iv. Slo puede haber costo de marketing si pas por i: ti Z

rRi
ir i

(notar que con 2 y 6.i logramos que Z

rRi
ir 1 , por lo que no hace falta esa restr.)

5. Limite de temas a tocar:

31
 Lmin * Z ri U i L max
ri Z ri i = {1,..., N }
rRi rRi

6. Si toco ms de D% de clsicos entonces el prximo concierto se llena

D
(k i ) Vrj + (1 X ij ) i, j = {1,..., N }
100

Nota: D es un porcentaje, lo pasamos a fraccin al dividir por 100. Si ki-D/100 es

mayor que cero, entonces tocaron ms de D% de temas y Vrj >=fraccin
positiva, con lo cual Vrj obligatoriamente valdr 1 (por ser binaria). Si ki-D/100 es
negativo, vrj >= fraccin negativa, con lo que puede valer 0 o 1. Sine embargo,
valdr cero siempre, pues es lo que minimiza los costos (mirar funcin objetivo) y
con esto queda bien definida. Notar que para el caso en que NO vamos de i a j,
Xij=0 y queda que ki-D/100 <=Vrj+1, y con ello da lo mismo si se tocan o no el
D% de temas, la variable Vri valdr siempre cero gracias al 1 que se agrega
(recordar que ki es una fraccin entre 0 y 1).

7. Incurro en costo de marketing si toco menos de E% temas clsicos:

E
k i ti
100

8. Tocar al menos Nc veces temas clsicos (i.e. incurro en costo MKT al menos Nc
veces):

N
Nc t i
i =1

9. Definicin de h vale 1 cuando kj <=ki:

K i K j + M * hij i, j = {1,..., N }, M >> 0

Nota: Si Ki <= Kj, entonces hij valdr cero, pues la restriccin se cumple sin
necesidad de la M. En cambio, si Kj<=Ki, la desigualdad no se cumplira, por lo que
hij debe ser obligatoriamente 1. Con esto se logr definir hij (NO basta con decir
que la variable vale 1 si Kj<=Ki, ES NECESARIO definirlo con esta restriccin). La
variable hij se define para poder plantear la restriccin 11.

11. Si disminuyo cantidad de temas clsicos entre i y j, aumento n de canciones:

U j U i M * (1 hij ) i, j = {1,..., N }, M >> 0

10. Gran final en Santiago:

F
K0
100

U0 Ui i = {1,..., N }

32
11. Naturaleza de las variables:

X ij , Z ri ,Vri , t i , hij {0.1}

U i ; K i

Funcin objetivo:

min{ X ij Pij + Z ri * CFr ( i ) + V ri * CVr (i ) + CRi * t i }

i, j r ,i r ,i i

Problema 14: Fbrica de televisores LCD

Una fbrica de televisores LCD, dado el xito en ventas de sus televisores producto
del mundial, ha decido optimizar el uso de sus recursos para reducir los tiempos de
produccin y as generar una ventaja competitiva.
La empresa produce I modelos de televisores distintos, los cuales se deben
procesar en M mquinas. Cada uno de los N modelos debe ser procesado en todas
las mquinas, pasando siempre primero por la mquina 1, luego por la mquina 2,
y as sucesivamente hasta terminar con la mquina M (todos los modelos pasan por
las M mquinas en el mismo orden, dadas las similitudes entre ellos), tal como se
muestra a continuacin:

1 2 3 ... M

Sin embargo, algunos modelos de TV tardan ms tiempo que otros en las

mquinas, debido a sus caractersticas especiales. Suponga que el tiempo de
proceso en la mquina m del modelo de TV i est dado por Tim.
1. Plantee un modelo de programacin lineal entera para determinar el orden
en que debe procesar los distintos modelos de televisores en las mquinas,
de modo de minimizar el tiempo de trnsito total.
2. Suponga ahora que cada mquina es controlada por un operario. Suponga
adems que al departamento de operaciones se le ha asignado un
presupuesto adicional PPTO para reducir los tiempos de produccin. Usted
ha decidido destinar este presupuesto para capacitar a sus trabajadores, con
lo cul reducir en Kim el tiempo de proceso de un modelo de televisor i en la
mquina m. La capacitacin para el operario de la mquina m cuesta Wm.
Cmo modificara su modelo de la parte anterior para incorporar la decisin
de a qu operarios capacitar?

Solucin problema 14
Variables: (1 pto.)

X ij = 1 si se produce modelo de TV j despus de modelo i

0 sino

t im = Tiempo de comienzo del proceso del modelo i en la mquina m

tFINAL = Tiempo en que se termina de procesar el ltimo modelo en la ltima
mquina.

33
Restricciones:

1. Definicin de tFINAL: (0,4 ptos.)

tFINAL t iM + TiM i

Nota: tFINAL es mayor o igual que todos los tiempos de proceso que llevan
acumulados los trabajos en la mquina M. As, el modelo i que tenga el mayor
tiM+TiM es el que le dar valor a la variable tFINAL, es decir, el ltimo trabajo que
pas por esa mquina (pues es el que tiene mayor tiempo).

2. Se debe pasar por las mquinas en orden: (0,4 ptos.)

t i ,m +1 t i ,m + Ti , m i, m {1,..., M 1}

3. Slo se puede usar la mquina cuando est desocupada: (0,4 ptos.)

t jm t im + Tim (1 X ij ) * M i, m, M >> 0

Nota: Las restricciones siguientes son para definir la ruta, i.e. asegurarse de que
se produzcan todos los modelos de televisores. Es necesario agregar los nodos
artificiales 0 e I+1, despus se mostrar por qu. Las restricciones 4,5,6 y 7 son
tpicas restricciones de flujo en redes!

4. De cada nodo sale un arco: (0,4 ptos.)

I +1

X
j =0
ij =1 i
i j

5. A cada nodo llega un arco: (0,4 ptos.)

I +1

X
i =0
ij =1 j
i j

6. Evitar subtours: (0,4 ptos.)

X
i , jU
ij | U | 1 U {0,1,...,I,I+1} t.q. 2|U|I-2

Nota: Ojo con el conjunto U, subconjunto de los nodos del 0 al I+1.

7. Condicin de borde para que funcione bien la restriccin 6 (existe el arco entre
nodos I+1 y 0): (0,4 ptos.)

X I +1, 0 = 1

Ejemplo: La idea es crear una ruta desde el trabajo que se realiza primero hasta el
trabajo que se realiza al final, pero esta ruta no regresa al origen como en
problemas de transporte o flujo en redes tpicos (ej: vendedor viajero). Una vez
que llegamos al ltimo nodo nos quedamos ah, por lo que hay que crear los nodos
artificiales 0 e I+1 y obligar a que exista el arco de I+1 a 0. Con el dibujo a
continuacin se muestra por qu esto funciona:

34
Configuracin inicial, donde se realizan I=4 modelos de TV distintos Los nodos
artificiales 0 e I+1=5 fueron agregados junto con el arco:

0 I+1

Ahora se muestra una posible configuracin final factible de acuerdo a las

restricciones que hemos puesto:

0 I+1

Se encontr una ruta entre los 4 nodos originales de la red, y NO existe un camino
entre el ltimo nodo revisado y el primero, que es lo que se quera evitar con los
nodos artificiales. Los tiempos en los nodos artificiales no nos afectan en nada dado
los lmites de la restriccin 3, para i de 1 hasta I (sin considerar los nodos
artificiales).

8. Naturaleza de las variables: (0,2 ptos.)

X ij {0,1}; t im 0, tFINAL 0 i, m

Funcin objetivo:

min{tFINAL}

Nota: Ver restriccin 1

2.

Agrego variable: (0.3 ptos.)

Ym = 1 si capacito al operario de la mquina m

0 sino

Cambio las siguientes restricciones: (0,2 ptos. c/u)

Agrego el trmino Kim*Ym que representa ahorro en tiempo si capacito a m

1. tFINAL t iM + TiM K iM * YM

2. t i ,m +1 t i , m + Ti ,m K im * Ym

35
 3. t jm t im + Tim K im * Ym (1 Xij ) * M

El resto de las restricciones queda igual.

Agrego restricciones:

7. Naturaleza de la variable nueva: (0,2 ptos.)

Ym {0,1} m

8. Respetar presupuesto: (0,4 ptos.)

Y
m =1
m * Wm PPTO

Funcin objetivo queda igual.

Problema 15: Firma de arriendo de automviles

Una firma de arriendo de automviles desea planificar su inventario de vehculos

para los siguientes T das. La firma posee una flota fija en el horizonte de
planificacin compuesta de dos tipos de vehculos: econmicos ( e ) y lujosos ( l ). La
firma posee I sucursales y ofrece el servicio rent-it-here and leave-it-there, lo
que permite a sus clientes retirar un vehculo en una sucursal y devolverlo en
cualquier otra. Se ha definido que cada arriendo puede durar desde 1 da hasta K
das. Por lo tanto, para efectuar un arriendo cada cliente debe especificar: la
sucursal de retiro, la sucursal de entrega, el da de comienzo del arriendo, la
cantidad de das de arriendo y el tipo de vehculo que desea arrendar. Al inicio del
Riht
horizonte de planificacin hay vehculos tipo h {e, l} que ya estn arrendados
Riht
y que deben ser devueltos el da t {1,..., T } (para t > K =0) considere en la

sucursal i {1,..., I } . Adems, tambin al inicio del horizonte, la sucursal i {1,..., I }

W
cuenta con un inventario de ih vehculos del tipo h {e, l} .

El departamento de estudios de la firma ha determinado que el precio y la demanda

por arriendos con retiro en la sucursal i {1,..., I } , entrega en la sucursal

j {1,..., I } , a partir del da t {1,..., T } , de un vehculo del tipo h {e, l} y con una
duracin de k {1,..., K } das, es de pijthk pesos y ijthk unidades respectivamente. Si
no existe disponibilidad de vehculos tipo econmico, la firma puede actualizar a los
clientes que los demandan entregndoles un vehculo tipo lujoso al precio de uno
econmico. Un cliente que demanda un vehculo tipo lujoso por ningn motivo
aceptar que se le entregue un vehculo tipo econmico. El costo de no satisfacer la
demanda de un cliente que solicita un arriendo de un vehculo tipo h {e, l} por
k {1,..., K } das es de CDhk , independiente del periodo y de las sucursales de
retiro y devolucin.

La firma ha establecido que en cada periodo debe ofrecer un nivel de servicio del
98% a los clientes que demandan vehculos lujosos. Es decir, en cada periodo a lo
ms un 2% de este tipo de clientes puede quedar con su demanda insatisfecha.

36
Para que esto sea posible, la firma puede aumentar su disponibilidad de vehculos
lujosos arrendando vehculos externos o realizar traslados de vehculos entre
algunas sucursales para aumentar la capacidad de las sucursales que enfrentan
mayor demanda. El costo para la firma de arrendar un vehculo externo para
satisfacer la demanda en
t {1,..., T } de un cliente lujoso que retirar el vehculo en
la sucursal i {1,..., I } y que luego de
k {1,..., K } das lo devolver en la sucursal
j {1,..., I } , es de CAijtk . Suponga para el caso anterior, que el vehculo externo es
llevado a la sucursal i en t , inmediatamente es entregado al cliente quien lo
devuelve en la sucursal
j en t + k , e inmediatamente el vehculo es devuelto al
f ij
proveedor de ste. El parmetro es uno si es factible realizar traslados entre las
sucursales i {1,..., I } y la j {1,..., I } y cero en caso contrario. El costo de

trasladar un vehculo tipo h {e, l} desde la sucursal i {1,..., I } a la j {1,..., I } en

el periodo t {1,..., T } es de CTijt . Existe un presupuesto de B destinado para este
h

fin a lo largo del horizonte.

En la sucursal i {1,..., I } existe una capacidad de almacenar hasta H i vehculos

cada noche. Cada sucursal i {1,..., I } tiene la posibilidad de aumentar su
capacidad de almacenamiento en Ei unidades pagando un costo fijo de CFit en el

periodo
t {1,..., T } , este aumento de capacidad dura slo 1 periodo. El costo de
almacenar cada noche un vehculo en la sucursal i {1,..., I } es de CI i .

Plantee un modelo de programacin lineal que permita que la firma planifique de

forma centralizada su inventario de vehculos de forma de maximizar sus utilidades.

Comentarios: Suponga que CAijtk es tal que CAijtk > pijtlk k {1,..., K } ,
i, j {1,..., I } , t {1,..., T } . Es decir, el costo al que puede arrendar la firma un
vehculo lujoso externo es superior al beneficio que ste genera al arrendarlo al
cliente que lo demanda. Suponga tambin que en cada t {1,..., T } puede suceder o
no que CDlk < CAijtk pijtlk . Por lo tanto, en algunos periodos puede convenir a priori
dejar demanda insatisfecha que arrendar un vehculo externo (aunque la firma
podra verse obligada a arrendar para cumplir con el nivel de servicio), pero en
otros no.

Solucin Problema 15

Variables de decisin:

X ijthk
= Autos tipo h destinados para arriendos, de i a j en t, por k das.

Yijth
= Envos de autos tipo h, de i a j, en t.

S ijthk
= Demanda insatisfecha por autos tipo h, de i a j en t, por k das.

37
I ith = Inventario de autos tipo h disponibles en t, en la sucursal i (al final del
da).

Vijtk
= Autos lujosos destinados a satisfacer demanda econmica, de i a j en t,
por k das.

Aijtk
= Autos lujosos extra, arrendados para satisfacer la demanda de i a j en t,

1
Zit =
0
por k das.
Si aumenta capacidad de sucursal i en t.

Sino
Restricciones:

1. Inventario autos econmicos:

min{ t 1, K } min{T t , K }
I =I
h
it
h
i , t 1 + Riht + X hk
,i , t k X hk
i , ,t k + (Yhit Yiht )
I k =1 I k =1 I
( t > 1, h=e)

min{T t , K }
I = Wih + Riht
h
it X + (Y hk
i t
h
it Yiht )
I k =1 I
( t=1, h=e)

2. Inventario autos lujosos:

t 1 min{T t , K }
I =I
h
it
h
i ,t 1 + Riht + ( X hk
,i ,t k +V k
i , t k ) X hk
i , , t k + Vkit ) + (Yhit Yiht )
I k =1 I k =1 I
( t>1, h=l)

min{T t , K }
I = Wih + Riht
h
it (X hk
i t + Vikt ) + (Yhit Yiht )
I k =1 I

( t=1, h=l)

Nota: Tambin podan definir esta ltima como I ih0 = Wih y dejar la anterior para
todo t.

3. Demanda econmicos:

X ijtek + Vijtk = ijtek S ijtek

(
i, j I , k {1,..., K }, t {1,..., T } )

38
4. Demanda lujosos:

X ijtlk + Aijtk = ijtlk S ijtlk

(
i, j I , k {1,..., K }, t {1,..., T } )

5. Nivel de servicio:

S
i, j ,k
lk
ijt 0,02 * ijtlk
i , j ,k

(
t {1,..., T } )

6. Factibilidad de envos:

Yijth M * f ij

i, j I , h {e, l}, t {1,..., T }, M >> 0

7. Capacidad almacenaje:

I h
h
it H i + E i * Z it

i I , t {1,..., T }

8. Presupuesto:

CT
i , j ,t , h
h
ijt * Yijth B

Funcin objetivo:

max{ ( X ijtek + Vijtk ) pijtek + (X lk

ijt + Aijtk ) pijtlk S ijthk CD Aijtk CAijtk
i , j ,k ,t i , j ,k ,t ijkth ijkt

Yijth CTijth I ith CI i Z it CFit }

ijkt ith it

Problema 16: Set covering, set packing y set partitioning

1) Consideremos M = {1,...,m}, N = {1,...,n}, y sean Mj M para j N. Decimos

que F N cubre (covers) M si M= Mi. Decimos que F N es un empaquetamiento
iF

(packing) con respecto a M si Mi Mj = i j F. Finalmente, decimos que F N

es una particin (partition) de M si es un covering y un packing al mismo tiempo.
Supongamos que escoger el conjunto Mj tiene un costo/beneficio de cj.

39
Formule el problema de obtener un cover, un packing y un partition F de
costo/beneficio mnimo como un problema lineal entero, suponiendo:

M = {1,2,3,4,5}; N = {1,2,3,4}

M1 = {1,2,3} c1 = 1

M2 = {3,4} c2 = -6

M3 = {3,4,5} c3 = -5

M4 = {1,2} c4 = 2

y encuentre el ptimo en cada caso.

Hint: Para la formulacin, arme una matriz A que utilice de manera apropiada en
las columnas la composicin de los conjuntos Mj y elija el vector b conveniente.

bi , x d } para i=1,...,m. Definimos Yk:={ x n :

2) Considere Pi:={ x + : Ai x
n

existen al menos k conjuntos Pi tales que x Pi}.

Formule el espacio de soluciones factibles de Yk como un problema entero mixto.

Nota: Para cada Pi existe wi tal que 0 x d se tiene que Ai x bi +wi.

Hint: Utilice una variable binaria que valga 0 si x no est en Pi.

Solucin Problema 16

1) Se deben plantear 3 ppl, uno para set covering, uno para set packing y otro para
set partitioning. El planteamiento general de estos problemas es el siguiente:

Set Covering:

Parmetros:

1 si i Mj, i = 1,..., m ; j = 1,..., n

aij =
0 ~

Variable:

1 si j F , j = 1,..., n
xj =
0 ~

Restricciones:

1.- Cada elemento de M debe estar contenido al menos una vez en alguno de los
Mj:

a
j
ij *xj 1 i = 1,..., m

2.- Naturaleza de las variables:

40
 x j {0,1}

Funcin objetivo:

min z = c j * x j
j

(Tambin era valido poner maximizacin de acuerdo al enunciado)

Set Packing:

Parmetros:

1 si i Mj, i = 1,..., m ; j = 1,..., n

aij =
0 ~

Variable:

1 si j F , j = 1,..., n
xj =
0 ~

Restricciones:

1.- Cada elemento de M puede estar a lo ms una vez en alguno de los Mj (no
puede estar en 2 Mj diferentes, pues sino la interseccin de estos no sera vaca):

aj
ij * x j 1 i = 1,..., m

2.- Naturaleza de las variables:

x j {0,1}

Funcin objetivo:

min z = c j * x j
j

(Tambin era valido poner maximizacin de acuerdo al enunciado)

Set Partitioning:

Parmetros:

1 si i Mj, i = 1,..., m ; j = 1,..., n

aij =
0 ~

Variable:
1 si j F , j = 1,..., n
xj =
0 ~

41
Restricciones:

1.- Cada elemento de M debe estar en alguno de los Mj, y slo en uno de ellos
(covering + packing):

a
j
ij *xj =1 i = 1,..., m

2.- Naturaleza de las variables:

x j {0,1}

Funcin objetivo:

min z = c j * x j
j

Nota de correccin: En el enunciado no se pide escribir el problema general, por

lo que es vlido si el alumno plantea estos problemas para el caso particular dado.
En ese caso, se debe escribir la matriz A del caso particular:

1 0 1
0

1 0 1
0
A = 1 1 0
1

0 1 0
1

0 0 1 0

Y el modelo queda igual al anterior, slo que la restriccin 1 queda:

A* x = e

siendo A la matriz anteriormente definida y e un vector de 1s. (ojo que este es el

caso para el set partitioning, en el set packing y set covering va con la desigualdad
respectiva).

Los ptimos para cada caso son:

Set covering: x1 = x2 = x3 = 1, x4 = 0. Con esto, z = -10

Set packing: x2 = 1, x1 = x3 = x4 = 0. Con esto, z = -6

Set partitioning: x3 = x4 = 1, x1 = x2 = 0. Con esto, z = -3

Criterio de correccin: Encontrar el ptimo para cada caso no debe valer ms de

0,1 pto por caso, esto se pide slo para facilitar la visualizacin del problema. Lo
importante aqu es plantear el modelo, por lo tanto, cada modelo vale 0,9 pts (0,3
por crear la variable correctamente, 0,5 por escribir bien la restriccin 1 y 0,1 por
la naturaleza de las variables -> Escribir solo la matriz A no da puntaje).

42
2)

Variables:

X = Puntos en el espacio
1 si x P i , i = 1,..., m
ti =
0 ~

Nota: En estricto rigor, ti puede valer tanto 1 como 0 cuando x est en Pi (analizar
restriccin 1 para ver que esto es cierto). El alumno debe sealar esto para tener
todo el puntaje de la segunda variable.

Restricciones:

1.- Si x pertenece al poliedro i, debe cumplirse que Aix bi:

Ai * x bi + wi * (1 t i ) i = 1,..., m

2.- x debe estar en al menos k poliedros

ti
i k

3.- X acotado entre 0 y d

0 xd

4.- Naturaleza de las variables:

t i {0,1} ; x n

Nota: Este problema no tiene funcin objetivo, se peda un espacio de soluciones..

Criterio de correccin: 0,4 cada variable. 0,7 restriccin 1. 0,6 restricciones 2 y

3. 0,3 naturaleza de las variables.

43