FACULTAD DE INGENIERA INDUSTRIAL, SISTEMAS E INFORMTICA

ESCUELA ACADMICA PROFESIONAL DE INGENIERA DE SISTEMAS

TEMA DE INVESTIGACIN
PROGRAMACION ENTERA

INTEGRANTES:
IPANAQU ROMN, SAMIR.
ARROYO, CARLOS
TOLENTINO PANTOJA, JONATHAN E.
VALDERRAMA GASTIABURU, LUIS

DOCENTE:
ING.
BRUNO ROMERO, CARLOS ALBERTO
HUACHO, PER
2017
 Contenido

Introduccin ....................................................................................................................................... 3
1. Definicin ................................................................................................................................... 4
2. Tipos de Programacin Entera ................................................................................................... 4
2.1. Programacin Entera Mixta (PEM) ..................................................................................... 4
2.1.1. Ejemplo de modelo de Incorporacin de Costos Fijos ............................................... 5
2.1.2. Ejemplo de Modelo de Problemas de localizacin y transporte ................................ 6
2.1.3. Ejemplo de Modelo de Problemas de generacin Elctrica ...................................... 8
2.2. Programacin Entera Pura (PEP) ...................................................................................... 10
2.2.1. Ejemplo de Modelo de un Problema de Asignacin ................................................ 11
2.2.2. Ejemplo de un Modelo de optimizacin de recursos en Corte de Rollos ................ 13
2.2.3. Ejemplo de Modelo de eleccin de invitados a una boda ....................................... 15
2.3.- Programacin Entera Binaria (PEB). ..................................................................................... 17
2.3.1. Ejercicio de PEB. .......................................................................................................... 17
3. Conclusiones............................................................................................................................. 21
4. Anexos ...................................................................................................................................... 22
5. Bibliografa ............................................................................................................................... 23
 Introduccin

Este trabajo de investigacin tiene como objetivo proporcionar a nuestros compaeros de clase de
Investigacin Operativa, ciertas definiciones, as como los tipos de aplicacin que podrn tenerse,
y mtodos que podran aplicarse para resolver los problemas que ms adelante mostraremos.
Esperamos poder dejarles una idea clara y un buen aprendizaje a todos nuestros compaeros sobre
la Programacin Entera.

Debemos saber que en algunos problemas que pueden representarse con modelos lineales, nos
damos cuenta que slo tienen sentido aquellas soluciones de la regin factible que son enteras; por
ese motivo se representa mediante modelos matemticos con ligeras diferencias a los de
programacin lineal. Para resumir si todas las variables son enteras tenemos un problema de
programacin lineal entera, si slo algunas lo son se trata de un problema de programacin lineal
mixta.

Para entender el tema de la mejor manera, la programacin entera es un trmino general para los
modelos de programacin matemtica que presentan condiciones de integridad (condiciones que
estipulan algunas o todas las variables de decisin deben tener valores enteros).

La programacin lineal entera (PLE) se ocupa bsicamente de programas lineales en los que algunas
o todas las variables suponen enteros discretos. Se dice que la PLE es mixta o pura si alguna o todas
las variables estn restringidas a tomar solo valores enteros.

Aunque se han creado varios algoritmos para PLE, ninguno de ellos es totalmente confiable desde
el punto de vista del clculo, sobre todo, cuando el nmero de variables enteras se incrementa. A
diferenciar de la PL, donde problemas con miles de variables y miles de restricciones se pueden
resolver en un tiempo razonable, la experiencia de clculo de PLE, despus de ms de 30 aos de
haberse creado permanece imprecisa.
 Programacin Entera

1. Definicin

Los modelos de Programacin Entera son aquellos donde la totalidad o un subconjunto de las
variables de decisin toman valores enteros. En este sentido la forma estndar de un modelo de
Programacin Entera queda definido de la siguiente forma:

Los modelos de programacin entera se pueden dividir en dos tipos:

Programacion
Entera

Mixta(PEM) Pura(PEP) Binaria(PEB)

2. Tipos de Programacin Entera

2.1. Programacin Entera Mixta (PEM)

A esta categora pertenecen aquellos problemas de optimizacin que consideran variables de

decisin enteras o binarias pero no de forma exclusiva. De esta forma un problema de PEM
puede considerarse como un hbrido entre distintas categoras de modelamiento, siendo un
caso tpico aquel que considera la mezcla de variables enteras y variables continuas (estas
ltimas caractersticas de los modelos de Programacin Lineal).

Algunos ejemplos de modelos de programacin mixta:

2.1.1. Ejemplo de modelo de Incorporacin de Costos Fijos
La estructura de cobro utilizado en general por las compaas de servicios donde el cliente
debe pagar un valor fijo slo por su utilizacin (independiente del nivel de consumo y/o
eventualmente acotado a un mximo permitido) y un valor variable proporcional al
consumo, son una prctica comn en el esquema de fijacin de precios. Esto suele ser el
caso de las compaas de luz, agua, gas, telfono, entre otras, donde el slo hecho de
tener una red operativa genera costos para la empresa los cuales son traspasados en
parte o en su totalidad a los usuarios en un cargo fijo o de mantencin ms un cargo
variable por consumo.

Ejemplo de incorporacin de Costos Fijos en Programacin Entera:

Tres empresas telefnicas pidieron que me suscribiera a su servicio de larga distancia

dentro del pas. MaBell cobra US$16 fijos por mes, ms US$0,25 por minuto. PaBell cobra
US$25 por mes, pero el costo por minuto se reduce a US$0,21. Y con PhoneBell, la tarifa
fija es de US$18 y el costo por minuto de US$0,22. Suelo hacer un promedio de 200
minutos de llamadas de larga distancia al mes. Suponiendo que no pague el cargo fijo si
no hago llamadas y que puedo repartir a voluntad mis llamadas entre las tres empresas,
Cmo debo repartir las llamadas entre las tres empresas para minimizar la cuenta
telefnica mensual?

Variables de decisin

Funcin Objetivo

Donde representa el costo fijo mensual asociado a la compaa i y el costo variable

por minuto de larga distancia nacional correspondiente a la compaa i. Para mayor
claridad se ha marcado con color amarillo y verde los elementos de costos fijos y variables
(respectivamente) en la funcin objetivo.
 Restricciones

(1) garantiza que se satisfaga el consumo mensual

de llamadas.

(2) representa las llamadas que se realizan slo a

travs de la(s) compaa(s) donde se asume el cargo
fijo mensual.

(3) impone las condiciones de no negatividad para

las variables continuas.

2.1.2. Ejemplo de Modelo de Problemas de localizacin y transporte

Un modelo de Programacin Entera Mixta (PEM) es un hbrido entre la Programacin

Lineal (PL) y la Programacin Entera (PE), es decir, corresponde a una categora
particular de modelamiento matemtico con caractersticas similares a la
Programacin Lineal pero donde un subconjunto de las variables de decisin deben
adoptar valores enteros o binarios. Este caracterstica de la Programacin Entera
Mixta permite representar situaciones de naturaleza real como los problemas que
consideran la inclusin de costos fijos.

Ejemplo de un problema de localizacin y transporte en Programacin Entera:

Una ciudad tiene 10 zonas o reas urbanas cada una de los cuales genera una
determinada cantidad de basura (en toneladas) durante el periodo de planificacin
segn se describe a continuacin:

La basura generada debe ser transportada a centros de depsitos o vertederos entre

un total de 5 candidatos posibles, cada uno de los cuales tiene un costo fijo de
construccin en dlares.

Adicionalmente se ha estimado el costo de transportar una tonelada de basura desde

una zona a cada uno de los potenciales centros de depsito, el cual depende
bsicamente de la distancia a recorrer y el tipo de transporte seleccionado.
 Variables de Decisin.

Sea i=1,,10 las Zonas y j=1,,5 los Depsitos:

Funcin Objetivo

Con el propsito de trabajar con una notacin compacta podemos definir el

siguiente conjunto de parmetros para el modelo de optimizacin:

Tij: Costo de transportar una tonelada de basura desde la Zona i al Depsito j

Fj: Costo fijo de construccin del Depsito

La funcin objetivo en consecuencia se puede representar a travs de la siguiente

expresin:

Restricciones

Se debe despachar (transportar) la totalidad de la basura que genera cada Zona

(definimos para ello el parmetro Ai como la cantidad de basura en toneladas que
genera la Zona i).
 Se debe respetar la capacidad de almacenamiento de basura para cada Depsito,
utilizndolo slo en caso que se decida su construccin. Para ello definimos el
parmetro Cj como la capacidad de almacenamiento de basura en toneladas del
Depsito j. Lo anteriormente expuesto explica la ponderacin de la capacidad por
la variable binaria para cada j.

Finalmente establecemos condiciones de no negatividad para Xij>=0 Para todo i,j

y Yj{0,1} para todo j.

2.1.3. Ejemplo de Modelo de Problemas de generacin Elctrica

Una de las particularidades de los modelos de Programacin Entera es que permiten
incorporar en la representacin matemtica costos fijos que no son proporcionales al
nivel de actividad en un sistema. Tal sera el caso, por ejemplo, de una empresa que desea
determinar lotes de compra de un producto dado, en los que incurre en costos fijos
asociados a la gestin de compra (independiente del volumen de unidades compradas
dentro de los lmites mximos impuestos por el proveedor) y costos variables
(proporcionales) a la cantidad de unidades compradas. En este contexto se presenta a
continuacin un problema de generacin de energa elctrica donde se debe determinar
la utilizacin y actividad de generadores que busca satisfacer requerimientos proyectados
de energa de un da particular.

EGE abastece de electricidad a tres ciudades. La compaa dispone de cuatro generadores

que son utilizados para proporcionar la potencia elctrica requerida. El generador
principal es empleado las 24 horas del da y no es materia de planificacin en este
problema.

Los otros tres generadores (que llamaremos 1, 2 y 3) estn disponibles para generar la
potencia adicional cuando se requiera. Considerar que se incurre en un costo de arranque
cada vez que uno de estos generadores comienza a operar.

Los costos de arranque son de $6.000 para el generador 1, de $5.000 para el generador 2
y de $4.000 para el generador 3. Estos generadores se utilizan (por separado) nicamente
de la siguiente manera: se puede poner en operacin a las 6am y funcionar 8 horas (hasta
las 2pm) o 16 horas (hasta las 10pm), o puede ponerse en funcionamiento a las 2pm y
funcionar 8 horas (hasta las 10pm).
 Los pronsticos para maana indican la necesidad de contar con 3.200 MW adicionales
entre las 6am y las 2pm, necesidad que se eleva a 5.700 MW entre las 2pm y las 10pm. El
generador 1 puede proporcionar hasta 2.400 MW, el 2 hasta 2.100 MW y el 3 hasta
3.300MW. El costo por MW utilizado durante un periodo de 8 horas es de $8 en el caso
del generador 1, $9 en el de el generador 2 y $7 en el caso del generador 3.

Variables de Decisin.

Si bien se podra considerar cierta similitud en la definicin de Y_{it} y Z_{it}, su utilizacin

se justifica dado que el costo fijo de arranque se debe asociar precisamente a dicho
concepto (puesta en marcha de un generador) el cual se produce (en caso de ser
utilizado) slo una vez durante el perodo de planificacin.

Funcin Objetivo

Se busca minimizar los costos fijos asociados al arranque de los generadores ms el

costo variable que resulte de la cantidad de MW aportados por stos al sistema en los 2
tramos o perodos de planificacin.

Restricciones

Capacidad Generadores

La cantidad de MW que aporta cada generador al sistema no puede superar su

capacidad mxima disponible (en caso que se emplee) en cada uno de los perodos
de planificacin.
 Demanda MW:

En conjunto los generadores deben aportar la cantidad de MW adicionales para

cada tramo horario, es decir, de 6am a 2pm y de 2pm a 10pm.

Relacin Arranque Funcionamiento

Un generador slo podr ser empleado si arranco en el perodo de planificacin

actual o inmediatamente anterior, en caso contrario el generador no arranca (y por
tanto no funciona en ninguno de los 2 perodos).

No Negatividad

La cantidad que aporta cada generador en los 2 tramos horarios de 8 horas debe
ser mayor o igual a 0 (MW).

2.2. Programacin Entera Pura (PEP)

Los modelos de Programacin Entera resultan de mucha utilidad para la toma de decisiones.
En este contexto los problemas de asignacin de personal a determinadas tareas es una
aplicacin tpica de la Programacin Entera, cuando necesitamos asignar recursos escasos a
determinadas funciones o dichos no son fraccionales.
2.2.1. Modelo de un Problema de Asignacin

Historia

El problema de asignacin tuvo su origen en la revolucin industrial, ya que el

surgimiento de las mquinas hizo que fuera necesario asignar una tarea a un
trabajador.

Thomas Jefferson en 1792 lo sugiri para asignar un representante a cada estado,

pero formalmente aparece este problema en 1941, cuando F.L. Hitchcook publica una
solucin analtica del problema. Pero no es hasta 1955 cuando Harold W. Kuhn
plantea el mtodo hngaro, que fue posteriormente revisado por James Munkres en
1957. Dicho mtodo est basado fundamentalmente en los primeros trabajos de otros
dos matemticos hngaros: Dnes Kning y Jen Egervary.

Hoy en da en pleno apogeo de la globalizacin surge cada vez con mayor frecuencia
el uso de este problema en la rama de la investigacin de operaciones. Podemos decir
que es la aplicacin del mtodo cientfico para asignar los recursos o actividades de
forma eficaz, en la gestin y organizacin de sistemas complejos. Su objetivo es
ayudar a la toma de decisiones.

Caractersticas

Debe estar equilibrado, es decir, que las ofertas y las demandas sean igual a 1.
Un elemento importante para el problema de asignacin es la matriz de
costos. Si el nmero de renglones o columnas no son iguales el problema est
desbalanceado y se puede obtener una solucin incorrecta. Para obtener una
solucin correcta la matriz debe ser cuadrada.
Si el nmero de agentes y tareas son iguales y el coste total de la asignacin
para todas las tareas es igual a la suma de los costes de cada agente (o la
suma de los costes de cada tarea, que es lo mismo en este caso), entonces el
problema es llamado problema de asignacin lineal. Normalmente, cuando
hablamos de problema de asignacin sin ninguna matizacin adicional, nos
referimos al problema de asignacin lineal.

Ejemplo

Consideremos una empresa que dispone de 5 ingenieros que deben desarrollar 7

proyectos. La tabla a continuacin resume el tiempo que demora cada ingeniero (en
horas) en completar un determinado proyecto. El problema consiste en determinar una
asignacin ptima que permita realizar cada uno de los proyectos con la limitante que por
motivos estratgicos cada ingeniero debe desarrollar al menos un proyecto y en ningn
caso hacer ms de 2 proyectos. Por supuesto se busca que el tiempo requerido para
realizar los 7 proyectos sea el menor posible.
 Una alternativa sera buscar intuitivamente una asignacin que cumpla con los requisitos
de la empresa y tenga un bajo tiempo asociado. Sin embargo, este tipo de estrategias de
resolucin queda claramente acotada a problemas de tamao menor y ni siquiera en ese
tipo de situaciones nos asegura la mejor solucin posible.

Por ello definiremos el siguiente modelo de optimizacin de Programacin Entera:

Variables de Decisin.

Utilizamos las siguientes variables de decisin binarias.

Funcin Objetivo

Minimizar el tiempo total requerido para completar los proyectos

Donde Tij (parmetros) es el tiempo (en horas) requerido por el ingeniero i

en realizar el proyecto j. Por ejemplo T(A,P5)=7.

Restricciones

Cada proyecto debe ser realizado por un solo ingeniero:

Cada ingeniero debe ser al menos un proyecto y no puede hacer ms de 2:

2.2.2. Ejemplo de un Modelo de optimizacin de recursos en Corte de Rollos

El Problema de Corte de Rollos (conocido tambin por Cutting Stock Problem) es una de
las aplicaciones clsicas de la Programacin Entera que consiste en determinar cmo
cortar un rollo de papel en dimensiones ms pequeas, de modo de satisfacer las
demandas u rdenes de los clientes y al mismo tiempo minimizar la prdida de material.

En este contexto, el Problema de Corte de Rollos se puede extender fcilmente a otra

serie de aplicaciones prcticas como la industria textil, muebles, acero, etc, donde se
dispone de un insumo que se debe cortar para poder utilizarlo como materia prima o
venderlo directamente a los clientes y en donde en dicho proceso se incurre
necesariamente en una prdida de material.

Un ejemplo del problema de corte de rollos de papel, donde se dispone de rollos de

100[cm], 80[cm] y 55[cm] y los clientes demandan rollos ms pequeos de 45[cm], 30[cm]
y 18[cm]. Notar que dependiendo el esquema o patrn de corte a utilizar existe una
prdida de papel (en [cm]) asociada. Por ejemplo, el esquema de corte 1 representado en
la imagen a continuacin considera cortar un rollo de 100[cm] en 2 rollos ms pequeos
con una prdida de 10[cm].

Al resumir las posibles

combinaciones de cortes para los rollos se identifican 15 patrones. Adicionalmente los
clientes demandan 150[u], 200[u] y 175[u] de los rollos de 45[cm], 30[cm] y 18[cm],
respectivamente.
 Formulacin del Modelo de Programacin Entera:

Variables de Decisin.

Xi: Nmero de Rollos cortados bajo el esquema o patrn de corte i (con i=1,,15 que
representa las distintas combinaciones posibles)

Funcin Objetivo

Minimizar la prdida de material total que esta dada por la ponderacin de la prdida en
centmetros asociada a cada esquema de corte por la cantidad de veces que se utiliza el
esquema respectivo.

Minimizar
10X1+7X2+X3+10X4+4X5+16X6+10X7+5X8+17X9+2X10+14X11+8X12+10X13+7X14+X15

La notacin anterior se puede expresar de forma equivalente y compacta definir el

conjunto de parmetros Pi que indica la prdida en centmetros asociada al patrn de corte
i. La funcin objetivo en este caso sera:
 Restricciones

Se debe satisfacer la demanda de rollos de 45[cm], 30[cm] y 18[cm]. En este contexto las
restricciones son:

Rollos de 45[cm]: 2X1+X2+X3+X8+X9+X13>=150

Rollos de 30[cm]: X2+3X4+2X5+X6+X8+2X10+X11+X14>=200

Rollos de 18[cm]: X2+3X3+2X5+3X6+5X7+X9+X10+2X11+4X12+X14+3X15>=175

Por ejemplo en el caso de los rollos de 45[cm] se puede satisfacer la demanda de 150[u]
slo con el esquema de corte 1, 2, 3, 8, 9 y 13. En el lado izquierdo de la respectiva
restriccin se pondera la variable por la cantidad de rollos de la dimensin requerida
obtenidos al utilizar el esquema de corte seleccionado.

Finalmente definimos condiciones de no negatividad e integralidad para las variables de

decisin: Xi>=0 Enteros. Para i=1,,15. En este tipo de aplicaciones es natural requerir un
nmero entero para el valor que adopten las variables de decisin dada la naturaleza del
problema formulado.

2.2.3. Ejemplo de Modelo de eleccin de invitados a una boda

Elegir los invitados a una boda (matrimonio) no es asunto fcil. Se debe respetar un
presupuesto, cumplir compromisos familiares, compatibilizar los invitados de las distintas
familias, incluir amigos y compaeros de trabajo y evitar incompatibilidades entre los
invitados. El siguiente problema corresponde a una aproximacin simplificada a la
situacin anterior a travs de un modelo de Programacin Entera. Por cierto las
condiciones a incorporar en un problema de esta naturaleza pueden considerar aspectos
adicionales como los comentados anteriormente.

Asuma que usted trabaja en una consultora matrimonial y su tarea es seleccionar los
invitados para una boda. Tanto la novia como el novio estn muy complicados porque
tienen amigos que no pueden estar juntos. Los novios han asignado a cada invitado un
valor en unidades matrimoniales (u.m) segn lo siguiente:
 Existen ciertas incompatibilidades que se deben considerar en la planificacin que usted
como consultor propondr:

Juan Prez no asistir al menos que Luis Toro asista.

Juan Prez no asistir si tanto Pedro Soto y Mara Gonzlez asisten.
Pedro Soto no asistir si Gloria Prez asiste.
Pedro Soto slo asistir si Mara Gonzlez y Luis Toro asisten.

Formulacin del modelo de Programacin Entera que permita determinar a qu personas

invitar de modo de lograr la mayor puntuacin en unidades matrimoniales.

Variables de Decisin.

Con i=1,2,3,4,5 que representan a Juan Prez, Pedro Soto, Mara Gonzlez, Luis Toro y
Gloria Prez, respectivamente.

Funcin Objetivo

Se desea encontrar la seleccin de invitados a la boda que permita maximizar la

puntuacin en u.m.

Restricciones

Se debe satisfacer la demanda de rollos de 45[cm], 30[cm] y 18[cm]. En este contexto las
restricciones son:

Juan Prez no asistir al menos que Luis Toro asista:

Juan Prez no asistir si tanto Pedro Soto y Mara Gonzlez asisten:

Pedro Soto no asistir si Gloria Prez asiste:

Pedro Soto slo asistir si Mara Gonzlez y Luis Toro asisten:

y En este conjunto de restricciones se entiende que si
Mara Gonzlez y Luis Toro asisten, Pedro Soto podra asistir. Si al menos uno de
los 2 falta (Mara o Luis) entonces Pedro no asiste.
2.3.- Programacin Entera Binaria (PEB).

La programacin binara hace referencia a aquella cuyo conjunto de soluciones slo puede
tomar uno de dos posibles valores: 1 0. Es un caso especial de la Programacin Entera. Esta
herramienta matemtica es especialmente til para enfrentar problemas de tipo de toma de
decisiones Si o No. El Problema de la asignacin, es un caso particular de esta metodologa,
dnde se debe asignar unos recursos limitados a unas tareas especficas de manera ptima.

2.3.1. Ejercicio de PEB.

Una empresa est estudiando la posibilidad de construir ya sea en la ciudad 1 o en la ciudad
2 o en ambas ciudades. Si construye una fbrica en la ciudad x, se puede construir un
almacn en dicha ciudad, pero solo se construir uno.

La siguiente tabla muestra el beneficio aportado por la inversin y los costes. El capital total
disponible es de 10 um.

Decisin Si/No? Beneficio Coste

1 Fbrica Ciudad 1 9 6
2 Fbrica Ciudad 2 5 3
3 Almacn Ciudad 1 6 5
4 Almacn Ciudad 2 4 2

Se pide encontrar la solucin que maximiza el beneficio total.

Solucin:
Primero vamos a estudias todas las combinaciones posibles 2 (n= numero de variables, en
nuestro caso tenemos 24 = 16 casos posibles) y elegir la que sea ms conveniente:

Casos Fbrica 1 Fbrica 2 Almacn 1 Almacn 2 Beneficio Coste Admisible?

1 SI SI SI SI
2 SI SI SI NO 20 14 NO
3 SI SI NO SI 18 11 NO
4 SI NO SI SI
5 NO SI SI SI
6 SI SI NO NO 14 9 SI
7 SI NO SI NO 15 11 NO
8 NO SI SI NO
9 SI NO NO SI
10 NO SI NO SI 9 5 SI
11 NO NO SI SI
12 SI NO NO NO 9 6 SI
13 NO SI NO NO 5 3 SI
14 NO NO SI NO
15 NO NO NO SI
16 NO NO NO NO 0 0 SI
 Variables de decisin.
X1=Construir fbrica en la ciudad 1, X2=Construir fbrica en la ciudad 2

X3= Construir almacn en la ciudad 1, X2= Construir almacn en la ciudad 2

Donde: i=1, 2, 3, 4

Son variables binarias (0 1) segn que la decisin sea afirmativa (Xi=1) negativa (Xi=0)

Funcin objetivo:
Maximizar 91+52+63+44

Restricciones:
Limitaciones de capital: 6X1+3X2+5X3+2X410

Solo se construye un almacn: X3+X41

Se construye un almacn solo si se construye la fbrica: X3X1, X4X2

Luego el modelo es:

Maximizar: 91+52+63+44

Restricciones: 6X1+3X2+5X3+2X410

X3+X41

X3X1

X4X2

Todas las variables son enteras: 1, 2, 3, 4

Pueden tomar solo valores: 1, 2, 3, 4 [0,1]

Lo resolvemos con Software Matemtica versin 7:

Primero se escribe $VersionNumber, luego ?Maximize y por ultimo se copia casi todo el
modelo:
Y posteriormente se ejecuta y sale estos valores:

Donde nos indica que el beneficio se maximiza construyendo las fbricas 1 y 2, y ningn
almacn.

Tambin se puede decir en otro caso cambiar los datos y si puede afectar:

Si desarrollamos con software nos aparece asi:

Donde nos indica que el beneficio se maximiza construyendo la fbrica 2 y el almacn 2 y no

la fbrica 1 ni el almacn 1.

Tambin se puede cambiar el capital total que es 10 um a 11 um.

Si desarrollamos con software y ejecutramos nos muestra:

Donde nos indica que el beneficio se maximiza construyendo las fbricas 1 y 2 y el almacn
2 y no el almacn 1.
3. Conclusiones

En este trabajo de investigacin hemos aclarado el tema de que la programacin entera

tiene que ver con la solucin de problemas de programacin matemtica en donde las
variables podran ser enteras completamente o solo algunas, un programa entero recibe el
nombre de mixto o puro, pero esto depende de que si algunas o todas las variables estn
confinadas a valores enteros, si en ausencia de las condiciones de integridad o totalidad las
funciones de objetivo y de restricciones son lineales, el modo resultante recibe el nombre
de programacin lineal entera.

La programacin entera tiene algunas dificultades, la cual una de las principales en los
procedimientos de clculo es el efecto que tiene de redondeo que se genera por el uso de
la computadora para resolverlos. Los modelos de Programacin entera nos sirven para la
toma de decisiones, gracias a la programacin entera se pueden crear modelos que pueden
ser de gran utilidad para reducir minimizar los costos fijos, existentes en las empresas.

La programacin entera tiene que ver con la solucin de problemas de programacin

matemtica en los cuales algunas o todas las variables solo pueden tomar valores enteros
o negativos .un programa entero recibe el nombre de mixto o puro, dependiendo de si
alunas o todas la variables estn confinadas a valores enteros .si en ausencia de las
condiciones de integridad o totalidad las funciones de objetivo y de restricciones son
lineales , el modo resultante recibe el nombre de programacin lineal entero.
Aunque varios algoritmos finitos se han desarrollado par l programa de enteros, ninguno
de esto mtodos es uniformemente eficiente desde el punto de vista computacional,
particularmente en cuanto aumenta el tamao del problema. por consiguiente, a diferencia
de los programas lineales donde problemas muy graves se han resuelto en un tiempo
razonable, los algoritmos enteros han sido errticos en el comportamiento de resolucin.
4. Anexos

Programacion
Matematica

Asignacion Eficinete Recursos

Limitados(Restricciones
)

Progrmacion
Entera

Limitacion a valores Objetivo(Funcion

enteros Onjetivo)

Actividades
Conocidas(variables de
decision)
5. Bibliografa

Tutoriales, G. (2016). Qu es la Programacin Entera. Gestin de Operaciones.

Recuperado de https://www.gestiondeoperaciones.net/programacion-entera/que-es-la-
programacion-entera/
Tutoriales, G. (2015). Problema de Inclusin de Costos Fijos en Programacin Entera.
Gestin de Operaciones. Recuperado de
https://www.gestiondeoperaciones.net/programacion-entera/problema-de-inclusion-de-
costos-fijos-en-programacion-entera/
Tutoriales, G. (2013). Problema de Localizacin y Transporte. Gestin de Operaciones.
Recuperado de https://www.gestiondeoperaciones.net/programacion-
entera/formulacion-de-un-problema-de-localizacion-y-transporte-programacion-entera-
mixta/
Tutoriales, G. (2015). Problema de Generacin Elctrica mediante Programacin Entera
Mixta. Gestin de Operaciones. Recuperado de
https://www.gestiondeoperaciones.net/programacion-entera/problema-de-generacion-
electrica-mediante-programacion-entera-mixta/
Tutoriales, G. (2011). Problema de Asignacin en Programacin Entera resuelto con
Solver. Gestin de Operaciones. Recuperado de
https://www.gestiondeoperaciones.net/programacion-entera/problema-de-asignacion-
en-programacion-entera-resuelto-con-solver-de-excel/
Tutoriales, G. (2013). Formulacin del Problema de Corte de Rollos en Programacin
Entera. Gestin de Operaciones. Recuperado de
https://www.gestiondeoperaciones.net/programacion-entera/formulacion-del-problema-
de-corte-de-rollos-en-programacion-entera/
Tutoriales, G. (2015). Cmo elegir los invitados de una Boda o Matrimonio con un
modelo de Programacin Entera?. Gestin de Operaciones. Recuperado de
https://www.gestiondeoperaciones.net/programacion-entera/como-elegir-los-invitados-
de-una-boda-o-matrimonio-con-un-modelo-de-programacion-entera/
Problema de la asignacin. (2017). Es.wikipedia.org. Recuperado de
https://es.wikipedia.org/wiki/Problema_de_la_asignaci%C3%B3n
Gonzlez, M. (2002). El modelo de asignacin. Caso del modelo de transporte. GestioPolis
- Conocimiento en Negocios. Recuperado de https://www.gestiopolis.com/modelo-
asignacion-caso-modelo-transporte/