INVESTIGACION OPERATIVA II

CONCEPTOS DE INVESTIGACION OPERATIVA

La investigacin operativa es la aplicacin de mtodos cientficos a problemas

complejos que surgen en la direccin de sistemas de gran tamao compuestos
por hombres, maquinas, materiales, dinero etc. En la industria, los negocios, el
gobierno o la defensa. Su caracterstica distintiva es la de construir modelos de
los sistemas que incorporen factores tales como oportunidades y riesgos, con
los que comparar los resultados de decisiones alternativas, estrategias o
mtodos de control.
La Investigacin Operativa es una disciplina moderna que utiliza modelos
matemticos, estadsticos y algoritmos para modelar y resolver problemas
complejos, determinando la solucin ptima y mejorando la toma de
decisiones. Esta materia tambin recibe el nombre de Investigacin de
Operaciones, Investigacin Operacional o Ciencias de la Administracin.
Actualmente la Investigacin Operativa incluye gran cantidad de ramas como
la Programacin Lineal, Programacin No Lineal, Programacin Dinmica,
Simulacin, Teora de Colas, Teora de Inventarios, Teora de Grafos, etc.

CONCEPTOS DE SISTEMA

Es un conjunto de partes o elementos organizados y relacionados que

interactan entre s para lograr un objetivo. Los sistemas reciben (entrada)
datos, energa o materia del ambiente y proveen (salida) informacin, energa o
materia. Un sistema puede ser fsico o concreto (una computadora, un televisor,
un humano) o puede ser abstracto o conceptual (un software).

Estructurado de elementos, interrelacionados entre s, organizados por la

especie humana con el fin de lograr unos objetivos. Cualquier cambio o
variacin de cualquiera de los elementos puede determinar cambios en todo el
sistema. El dinamismo sistmico contempla los procesos de intercambio entre
el propio sistema y su medio, que pueden as modificar al sistema o mantener
una forma, organizacin o estado dado del mismo. Los sistemas en los que
interviene la especie humana como elemento constitutivo, sociedad, educacin,
comunicacin, etc., suelen considerarse sistemas abiertos. Son sistemas
cerrados aquellos en los que fundamentalmente los elementos son mecnicos,
electrnicos o cibernticos.

pg. 1
 INVESTIGACION OPERATIVA II

CONCEPTOS DE MODELOS
Modelo Matemtico: Un modelo es producto de una abstraccin de un
sistema real: eliminando las complejidades y haciendo suposiciones pertinentes,
se aplica una tcnica matemtica y se obtiene una representacin simblica del
mismo. Un modelo matemtico consta al menos de tres conjuntos bsicos de
elementos:

Variables de decisin y parmetros

Las variables de decisin son incgnitas que deben ser determinadas a partir de
la solucin del modelo. Los parmetros representan los valores conocidos del
sistema o bien que se pueden controlar.

Restricciones
Las restricciones son relaciones entre las variables de decisin y magnitudes que
dan sentido a la solucin del problema y las acotan a valores factibles. Por ejemplo
si una de las variables de decisin representa el nmero de empleados de un taller,
es evidente que el valor de esa variable no puede ser negativo.

Funcin Objetivo
La funcin objetivo es una relacin matemtica entre las variables de decisin,
parmetros y una magnitud que representa el objetivo o producto del sistema. Por
ejemplo si el objetivo del sistema es minimizar los costos de operacin, la funcin
objetivo debe expresar la relacin entre el costo y las variables de decisin. La
solucin PTIMA se obtiene cuando el valor del costo sea mnimo para un
conjunto de valores factibles de las variables. Es decir hay que determinar las
variables x1, x2,..., xn que optimicen el valor de Z = f(x1, x2,..., xn) sujeto a
restricciones de la forma g(x1, x2,..., xn) ? b. Donde x1, x2,..., xn son las variables
de decisin Z es la funcin objetivo, f es una funcin matemtica.

EJEMPLO:
Sean X1 y X2 la cantidad a producirse de dos productos 1 y 2, los parmetros son
los costos de produccin de ambos productos, $3 para el producto 1 y $5 para el
producto 2. Si el tiempo total de produccin est restringido a 500 horas y el
tiempo de produccin es de 8 horas por unidad para el producto 1 y de 7 horas por
unidad para el producto 2, entonces podemos representar el modelo como:
MinZ = 3X1 + 5X2 (Costo total de Produccin)
Sujeto a (S.A):
8X1 + 7X2? 500 (Tiempo total de produccin)
X1, X2>= 0 (Restricciones de no negatividad)
EJEMPLO 1.2.2: En una empresa se fabrican dos productos, cada producto
debe pasar por una mquina de ensamblaje A y otra de terminado B, antes de
salir a la venta. El producto 1 se vende a $60 y el otro a $50 por unidad. La
siguiente tabla muestra el tiempo requerido por cada producto:

pg. 2
 INVESTIGACION OPERATIVA II

Producto Maquina A Maquina B

1 2H 3H
2 4H 2H
Total 48 H 36 H
disponible

Para representar el modelo de este problema primero se debe determinar las

variables de decisin: Sea Xi: La cantidad a fabricar del producto 1 y 2 (i=1,2),
entonces X1: cantidad a fabricar del producto 1, X2: cantidad a fabricar del
producto2, luego el modelo quedara de la siguiente manera:
Max Z = 60X1+ 50X2 (mximo ingreso por ventas)
S.A: 2X1+ 4X2 <= 48 (disponibilidad horas _maquina A)
3X1+ 2X2 <= 36 (disponibilidad horas _maquina B)
X1, X2 >= 0 (Restricciones de no negatividad).

Modelo de Fisico: Javier Cutipe es un exitoso vendedor de la distribuidora de

gaseosas Gerconsa y tiene que decidir como asignar sus esfuerzos entre los
diferentes tipos de clientes de las zonas de Moquegua que le han dado (san
Antonio, san francisco, la villa los ngeles, samegua, y chen chen).Puede visitar
comerciantes y clientes que compran al menudeo. Una visita a un comerciante
usualmente le produce S/.400 en ventas, pero la visita en promedio dura 2horas y
debe manejar tambin en promedio, 10 kilmetros. En una visita a un comprador al
menudeo le vende S/.500 y requiere de unas 3horas y 20 kilmetros manejando el
carro aproximadamente. Javier viaja trabajando como mximo, 600kilometros por
semana en su propio carro y prefiere trabajar noms de 36 horas por semana.
Construya un modelo de programacin lineal para Javier Cutipe Mamani
SOLUCION:
Sea: X1: Numero de comerciantes
X2: Numero de clientes al menudeo
El modelo resultante es:
Max Z= 400X1+500X2 (Ingreso por ventas brutas)
S.A: 2X1+3X2 <= 36 (restriccin de horas semanales) (1)
10X1+20X2<=600 (restriccin de distancia recorrida) (2)
X1,X2>=0 (Restriccin de no negatividad)

pg. 3
 INVESTIGACION OPERATIVA II

Modelo de Descriptivo:
Descriptivos y de optimizacin Cuando un modelo constituye sencillamente una descripcin
matemtica de una condicin real del sistema se llama descriptivo. Algunos de estos modelos
se emplean para mostrar geogrficamente una situacin y ayudan al observador a evaluar
resultados por secciones una sobre otra. Puede obtenerse una solucin, sin embargo, en este
modelo solo se intenta describir la situacin y no escoger una alternativa.
Cuando con la aplicacin del modelo se llega a una solucin ptima de acuerdo con los
criterios de entrada se trata de un modelo de optimizacin.

pg. 4
 INVESTIGACION OPERATIVA II

SISTEMAS DE PROCESOS O PRODUCCION

Un sistema de produccin es aquel sistema que proporciona una estructura que
agiliza la descripcin, la ejecucin y el planteamiento de un proceso industrial. Estos
sistemas son los responsables de la produccin de bienes y servicios en las
organizaciones. Los administradores de operaciones toman decisiones que se
relacionan con la funcin de operaciones y los sistemas de transformacin que se
emplean. De la misma manera los sistemas de produccin tienen la capacidad de
involucrar las actividades y tareas diarias de adquisicin y consumo de recursos.
Estos son sistemas que utilizan los gerentes de primera lnea dada la relevancia
que tienen como factor de decisin empresarial. El anlisis de este sistema permite
familiarizarse de una forma ms eficiente con las condiciones en que se encuentra
la empresa en referencia al sistema productivo que se emplea.
Para el diagnstico del entorno ecologista, esta no lleva junto con esto, es decir,
este tipo de sistema de produccin, no va con el tema que se lleve a cabo en este
tipo de trabajo.

Diagramas

pg. 5
INVESTIGACION OPERATIVA II

pg. 6
 INVESTIGACION OPERATIVA II

MODELO DE TRANPORTE
El problema del transporte o distribucin es un problema de redes especial
en programacin lineal que se funda en la necesidad de llevar unidades de un punto
especfico llamado Fuente u Origen hacia otro punto especfico llamado Destino.
Los principales objetivos de un modelo de transporte son la satisfaccin de todos
los requerimientos establecidos por los destinos y claro est la minimizacin de los
costos relacionados con el plan determinado por las rutas escogidas.
El contexto en el que se aplica el modelo de transporte es amplio y puede generar
soluciones atinentes al rea de operaciones, inventario y asignacin de elementos.
El procedimiento de resolucin de un modelo de transporte se puede llevar a cabo
mediante programacin lineal comn, sin embargo su estructura permite la creacin
de mltiples alternativas de solucin tales como la estructura de asignacin o los
mtodos heursticos ms populares como Vogel, Esquina Noroeste o Mnimos
Costos.

FORMULA MATEMATICA
Supongamos que hay m centros de oferta (orgenes) y n centros de demanda
(destinos) asimismo, supongamos que Ej es el nmero de unidades de mercanca
disponibles en cada centro de oferta, y Dj el nmero requerido de unidades de
mercanca en el centro de demanda. Si consideramos Cij como el costo unitario de
transporte en la ruta de un centro de oferta a uno de demanda. El objetivo es
determinar el nmero de unidades de mercanca que debe transportarse de las
fuentes (i) a los destinos (j) de tal forma que se minimice el costo total del
transporte. Si Xijes la cantidad transportada del centro de oferta (i) al centro de
demanda (j) Entonces nuestro modelo ser:

Una forma agradable de visualizar un problema de transporte en forma grfica es

usar su representacin de red. Esta representacin ignora la disposicin
geogrfica de los orgenes y destinos. En su lugar, simplemente alinea todos los
orgenes en una columna a la izquierda (donde E1 es el smbolo del origen 1,
etc.)y todos los destinos en una columna a la derecha (donde Dj es el smbolo del
destino 1, etc).

pg. 7
 INVESTIGACION OPERATIVA II

Para problemas muy grandes no es muy conveniente trazar la red completa y

desplegar todos los datos. En consecuencia, la representacin de red en realidad
es un medio de visualizacin.

La formulacin del modelo de PL correspondiente a la figura es:

PROBLEMA
Una empresa energtica colombiana dispone de cuatro plantas de generacin para
satisfacer la demanda diaria elctrica en cuatro ciudades, Cali, Bogot, Medelln y
Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW
al da respectivamente. Las necesidades de las ciudades de Cali, Bogot, Medelln
y Barranquilla son de 70, 40, 70 y 35 millones de Kw al da respectivamente.

Los costos asociados al envo de suministro energtico por cada milln de KW entre
cada planta y cada ciudad son los registrados en la siguiente tabla.

pg. 8
 INVESTIGACION OPERATIVA II

Formule un modelo de programacin lineal que permita satisfacer las necesidades

de todas las ciudades al tiempo que minimice los costos asociados al transporte.

SOLUCIN MEDIANTE PL

El modelo bsico de transporte es el modelo en el cual la cantidad ofertada es igual

a la cantidad demandada, como es el caso de este ejercicio, sin embargo trasladar
esta suposicin a la realidad es casi imposible por lo cual hace falta crear orgenes
y/o destinos ficticios con el excedente de oferta y/o demanda.

Como ya lo hemos planteado en mdulos anteriores el primer paso corresponde a

la definicin de las variables, regularmente se le denomina a las variables de
manera algebraica Xi,j donde i simboliza a la fuente y j simboliza al destino. En este
caso i define el conjunto {Planta 1, Planta 2, Planta 3 y Planta 4}, y j define el
conjunto {Cali, Bogot, Medelln y Barranquilla}. Sin embargo es prctico renombrar
cada fuente y destino por un nmero respectivo, por ende la variable
X1,2 corresponde a la cantidad de millones de KW enviados diariamente de la Planta
1 a la ciudad de Bogot.

El segundo paso corresponde a la formulacin de las restricciones de oferta y

demanda, cuya cantidad se encuentra determinada por el factor entre fuentes y
destinos, en este caso 16 restricciones.

Restricciones de oferta o disponibilidad, las cuales son de signo :

X1,1 + X1,2 + X1,3 + X1,4 80

X2,1 + X2,2 + X2,3 + X2,4 30
pg. 9
 INVESTIGACION OPERATIVA II

X3,1 + X3,2 + X3,3 + X3,4 60

X4,1 + X4,2 + X4,3 + X4,4 45

Restricciones de demanda, las cuales son de signo :

X1,1 + X2,1 + X3,1 + X4,1 70

X1,2 + X2,2 + X3,2 + X4,2 40
X1,3 + X2,3 + X3,3 + X4,3 70
X1,4 + X2,4 + X3,4 + X4,4 35

Luego se procede a formular la funcin objetivo, en la cual se relaciona el costo

correspondiente a cada ruta.

ZMIN = 5X1,1 + 2X1,2 + 7X1,3 + 3X1,4 + 3X2,1 + 6X2,2 + 6X2,3 + 1X2,4 + 6X3,1 + 1X3,2 +
2X3,3 + 4X3,4 + 4X4,1 + 3X4,2 + 6X4,3 + 6X4,4

Luego se puede proceder al uso de la herramienta WinQSB para resolver el modelo

realizado, aqu estn los resultados.

pg. 10
 INVESTIGACION OPERATIVA II

Este problema presenta una solucin ptima alternativa, aqu los resultados.

pg. 11
 INVESTIGACION OPERATIVA II

MODELO DE ASIGNACIN
El problema de asignacin es una variacin del problema original de
transporte, variacin en la cual las variables de decisin X(i,j) solo pueden tomar
valores binarios, es decir ser cero (0) o uno (1) en la solucin ptima, lo que supone
que la oferta y la demanda estn perfectamente alineadas, de hecho ambas son
iguales a uno (1).
Mltiples son los casos en los que como ingenieros industriales podemos hacer uso
del problema de asignacin para resolver diversas situaciones, entre los que cabe
mencionar se encuentran la asignacin de personal a maquinas, herramientas a
puestos de trabajos, horarios a maestros, candidatos a vacantes, huspedes a
habitaciones, comensales a mesas, vendedores a zonas territoriales etc.

En el modelo de asignacin la idea fundamental de resolucin es qu fuente

satisface mejor el destino?, y dado que hemos asociado el modelo a una gran
diversidad de circunstancias esta pregunta puede plantearse en mltiples contextos,
como qu candidato es el idneo para la vacante?, o qu personal es el indicado
para la lnea productiva?, o qu personal es el mejor para ejecutar determinada
tarea?. Una caracterstica particular del modelo de asignacin es que para su
resolucin no se hace necesario que el nmero de fuentes sea igual al nmero de
destinos, lo cual es muy comn en la vida real teniendo en cuenta su aplicacin,
pues generalmente la cantidad de aspirantes es exageradamente superior al
nmero de vacantes (lgicamente haciendo referencia a la aplicacin del modelo al
contexto de oferta y demanda laboral).

FORMULA MATEMATICA

MTODO HNGARO

Apartndonos un poco de la idea expresada en mdulos anteriores respecto a la

facilidad de resolver problemas atinentes a la investigacin operativa en especial
aquellos de transporte mediante el uso de herramientas tecnolgicas como lo son
WinQSB, LINGO, TORA, STORM, Excel etc.. vale la pena ya sea para fines
acadmicos o de cultura ingenieril realizar la resolucin del problema de asignacin
mediante el algoritmo que se cre para tal fin, como lo es el Mtodo Hngaro.

El mtodo Hngaro es un mtodo de optimizacin de problemas de asignacin,

conocido como tal gracias a que los primeros aportes al mtodo clsico definitivo
fueron de Dnes Knig y Jen Egervry dos matemticos hngaros. El algoritmo tal
como se detallar a continuacin est diseado para la resolucin de problemas
de minimizacin nicamente, ser entonces cuestin de agregar un paso adicional
para abordar ejercicios de maximizacin.

pg. 12
 INVESTIGACION OPERATIVA II

ALGORITMO HNGARO, PASO 1

Antes que nada cabe recordar que el mtodo hngaro trabaja en una matriz de
costos n*m (en este caso conocida como matriz m*m, dado que el nmero de filas
es igual al nmero de columnas n = m), una vez construida esta se debe encontrar
el elemento ms pequeo en cada fila de la matriz.

ALGORITMO HNGARO, PASO 2

Una vez se cumple el procedimiento anterior se debe construir una nueva matriz
n*m, en la cual se consignarn los valores resultantes de la diferencia entre cada
costo y el valor mnimo de la fila a la cual cada costo corresponde (valor mnimo
hallado en el primer paso).

ALGORITMO HNGARO, PASO 3

Este paso consiste en realizar el mismo procedimiento de los dos pasos anteriores
referidos ahora a las columnas, es decir, se halla el valor mnimo de cada columna,
con la diferencia que este se halla de la matriz resultante en el segundo paso, luego
se construir una nueva matriz en la cual se consignarn los valores resultantes de
la diferencia entre cada costo y el valor mnimo de la columna a la cual cada costo
corresponde, matriz llamada "Matriz de Costos Reducidos".

ALGORITMO HNGARO, PASO 4

A continuacin se deben de trazar lneas horizontales o verticales o ambas
(nicamente de esos tipos) con el objetivo de cubrir todos los ceros de la matriz de
costos reducidos con el menor nmero de lneas posibles, si el nmero de lineas es
igual al nmero de filas o columnas se ha logrado obtener la solucin ptima (la
mejor asignacin segn el contexto de optimizacin), si el nmero de lneas es
inferior al nmero de filas o columnas se debe de proceder con el paso 5.

ALGORITMO HNGARO, PASO 5

Este paso consiste en encontrar el menor elemento de aquellos valores que no se
encuentran cubiertos por las lineas del paso 4, ahora se restar del restante de
elementos que no se encuentran cubiertos por las lneas; a continuacin este mismo
valor se sumar a los valores que se encuentren en las intersecciones de las lineas
horizontales y verticales, una vez finalizado este paso se debe volver al paso 4.

pg. 13
 INVESTIGACION OPERATIVA II

RESOLUCIN DE UN PROBLEMA DE ASIGNACIN

MEDIANTE EL MTODO HNGARO
La compaa de manufactura "Jimnez y Asociados" desea realizar una jornada
de mantenimiento preventivo a sus tres mquinas principales A, B y C. El tiempo
que demanda realizar el mantenimiento de cada mquina es de 1 da, sin embargo
la jornada de mantenimiento no puede durar ms de un da, teniendo en cuenta
que la compaa cuenta con tres proveedores de servicios de mantenimiento debe
de asignarse un equipo de mantenimiento a cada mquina para poder cumplir con
la realizacin del mantenimiento preventivo. Teniendo en cuenta que segn el
grado de especializacin de cada equipo prestador de servicios de mantenimiento
el costo de la tarea vara para cada mquina en particular, debe de asignarse el
equipo correcto a la mquina indicada con el objetivo de minimizar el costo total de
la jornada. Los costos asociados se pueden observar en la siguiente tabla:

PASO 1
Encontramos el menor elemento de cada fila

PASO 2
Construimos una nueva matriz con las diferencias entre los valores de la matriz
original y el elemento menor de la fila a la cual corresponde.

pg. 14
 INVESTIGACION OPERATIVA II

PASO 3
En la matriz construida en el paso anterior se procede a efectuar el paso 1 esta vez
en relacin a las columnas, por ende escogemos el elemento menor de cada
columna. Igualmente construimos una nueva matriz con la diferencia entre los
valores de la matriz 2 y el elemento menor de la columna a la cual corresponde cada
valor.

PASO 4
En este paso trazaremos la menor cantidad de combinaciones de lneas
horizontales y verticales con el objetivo de cubrir todos los ceros de la matriz de
costos reducidos.

Como se puede observar el menor nmero de lneas horizontales y/o verticales

necesarias para cubrir los ceros de la matriz de costos reducidos es igual a 2, por

pg. 15
 INVESTIGACION OPERATIVA II

ende al ser menor que el nmero de filas o columnas es necesario recurrir al paso
5.

PASO 5
En este paso seleccionamos el menor elemento de los elementos no subrayados.

Luego se procede a restarse de los elementos no subrayados y a adicionarse a los

elementos ubicados en las intersecciones de las lneas, en este caso existe una
nica interseccin (3).

Ahora ya efectuado este paso pasamos al paso 4.

pg. 16
 INVESTIGACION OPERATIVA II

Ahora observamos cmo se hace necesario trazar tres lneas (la misma cantidad de
filas o columnas de la matriz) por ende se ha llegado al tabulado final, en el que por
simple observacin se determina las asignaciones ptimas.

Por ende la asignacin que representa el menor costo para la jornada de

mantenimiento preventivo determina que el Equipo 1 realice el mantenimiento de la
Mquina 1, el Equipo 2 realice el mantenimiento de la Mquina 3 y el Equipo 3
realice el mantenimiento de la Mquina 2, jornada que tendr un costo total de 17
unidades monetarias.

DIFERENCIA ENTRE UN PROGRAMA LINEAL Y UN

PROGRAMA ENTERA LINEAL
PROGRAMACIN LINEAL
Sin entrar en muchos detalles ni pompa matemtica, la programacin
lineal consiste en modelar un problema de optimizacin utilizando, nicamente,
inecuaciones lineales. No te asustes! es ms fcil de lo que parece.

Desgranemos la definicin anterior:

Modelar: consiste en transformar el problema a resolver en un conjunto de

ecuaciones o frmulas que lo definen exactamente o lo aproximan. Por
ejemplo, podemos modelar la aguja de una balanza con la ecuacin aguja =
plato1 plato2 donde platoN es el peso que soporta cada plato.
Problema de optimizacin: son aquellos en los que se barajan varias
soluciones y la forma de optar entre una u otra solucin es indicando que
queremos optimizar algn recurso. Por ejemplo, un coche puede hacerse
rpido, potente o de bajo consumo, sin embargo, aumentar uno de los tres
supone reducir los otros dos (eg. ms veloz implica menos potente y con ms
consumo).
Inecuacin: como cualquier ecuacin, pero adems de la identidad (igualdad o
equivalencia), pueden aparecer las relaciones mayor y menor que, es decir
cualquiera de: =, <, >, <= y >=. Por ejemplo, una inecuacin es 3 x < 1 + yx.

pg. 17
 INVESTIGACION OPERATIVA II

Lineal: informalmente, existe una relacin lineal entre dos elementos cuando
hay una constante que multiplicada a uno da como resultado el otro.
Toscamente podramos decir que son las ecuaciones ms simples que
podemos encontrarnos. Por ejemplo, la siguiente es un ejemplo de ecuacin
lineal: 3 x + 2 y = 1 + 4z.
Lo fantstico del caso es que no hace falta saber nada ms, slo con estos
ingredientes podemos utilizar toda la potencia de la programacin lineal.

PROGRAMACIN LINEAL ENTERA

La programacin lineal entera es aquella en la que alguna de las incgnitas slo
puede tomar valores enteros.

Aunque pueda parecer una pequea diferencia sin importancia, en realidad lo

cambia todo. Mientras que para la programacin lineal existen algoritmos que
corren en tiempo polinmico, la programacin lineal entera es NP-completo y por
tanto, nadie ha sido capaz (ni se cree que se pueda) de encontrar ninguna forma
eficiente de resolverlos.

En la prctica, existen muy buenos algoritmos que encuentran soluciones muy

rpidamente. De hecho, el probablemente ms usado algoritmo para
programacin lineal (el Simplex de Danzig) tiene coste exponencial (como en LPI)
sin embargo en la prctica da muy buenos resultados.

Modelando problemas

Hay problemas en los que, aplicar programacin lineal, es directo, puesto que el
propio problema est planteado en trminos de inecuaciones y alguna condicin
de optimizacin. Un ejemplo tpico sera hacer un programa que maximice el
nmero de prendas de vestir que podemos hacer en una fbrica, nos diran
cuanta tela, botones, etc precisa cada prenda y listo.

Lo realmente interesante de la programacin lineal es que podemos aplicarla en

situaciones en las que, aparentemente, es preciso codificar el tpico algoritmo a
medida

DIFERENCIA:
Mientras que para la programacin lineal existen algoritmos que corren en tiempo
polinmico, la programacin lineal entera es NP-completo y por tanto, nadie ha
sido capaz (ni se cree que se pueda) de encontrar ninguna forma eficiente de
resolverlos.

pg. 18
 INVESTIGACION OPERATIVA II

BIBLIOGRAFIA

https://www.gestiopolis.com/modelo-asignacion-caso-modelo-
transporte/
https://es.wikipedia.org/wiki/Problema_de_la_asignaci%C3%B3n
https://www.ingenieriaindustrialonline.com/herramientas-para-el-
ingeniero-industrial/investigaci%C3%B3n-de-
operaciones/problemas-de-asignaci%C3%B3n/
https://www.genbetadev.com/herramientas/programacion-lineal-
y-entera
https://www.uoc.edu/in3/emath/docs/PL_PLE_Excel_Lindo.pdf
https://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal
https://es.wikipedia.org/wiki/Investigaci%C3%B3n_de_operacion
es
http://www.investigaciondeoperaciones.net/
http://www.gestiondeoperaciones.net/programacion_lineal/que-
es-la-investigacion-de-operaciones/

pg. 19