NDICE

NDICE........................................................................................................................................................................1

UNIDAD 4 PROGRAMACIN ENTERA................................................................................................2

4.1. INTRODUCCIN Y CASOS DE APLICACIN.............................................................................2

4.1.1. INTRODUCCIN.................................................................................................................................2

4.1.2. CASOS DE APLICACIN................................................................................................................5

4.2. DEFINICIN Y MODELOS DE PROGRAMACIN ENTERA Y BINARIA.......................9

4.2.1. DEFINICIN...........................................................................................................................................9

4.2.2. DESCRIPCIN DEL MTODO..................................................................................................10

4.2.3. EL MODELO PEB.............................................................................................................................11

4.3. MTODO DE GOMORY........................................................................................................................16

4.4. MTODO DE BIFURCACIN Y ACOTAMIENTO.....................................................................25

CONCLUSIN......................................................................................................................................................32

BIBLIOGRAFA.....................................................................................................................................................33

PROGRAMACIN ENTERA 1
 UNIDAD 4 PROGRAMACIN ENTERA
4.1. INTRODUCCIN Y CASOS DE APLICACIN.

4.1.1. INTRODUCCIN.
Es frecuente al tener que resolver problemas en los cuales las soluciones tienen que ser
valores enteros como por ejemplo: nmeros de unidades a producir por mquina, nmero
de mquinas necesarias, etc. Parte del problema de la programacin entera radica en la
diferencia esencial que existe la programacin lineal y la entera, en la programacin lineal
se maximiza o minimiza una funcin sobre una regin de factibilidad convexa, mientras que
al usar los mtodos de programacin entera se maximiza una funcin sobre una regin de
factibilidad que generalmente no es convexa. De tal manera que la programacin entera
tiene ms complicaciones que la programacin lineal. En este tema se presenta un tipo de
problemas formalmente similares a los problemas de Programacin Lineal, ya que en su
descripcin solo se establecen expresiones lineales. Sin embargo no responden a
problemas lineales ya que algunas (o todas) las variables del problema toman valores que
no estn en un conjunto continuo. Por ejemplo, pueden ser variables que toman valores 0 o
1(binarias), o variables que toman valores enteros no negativos (0, 1,2,...), etc. Tras
introducir el tipo de problemas se dedica un importante apartado para presentar las
posibilidades de modelado que esta herramienta proporciona: problemas binarios,
problemas de carga, problemas con restricciones condicionales o con dicotomas, etc. Tras
dedicar una parte importante del tema a presentar estas herramientas de modelado y a
plantear numerosos problemas con ellas se procede a mostrar dos mtodos de resolucin.
Uno de ellos dedicado a problemas en los que todas las variables son binarias y otro para
problemas generales. Ambos mtodos tienen en comn que desarrollan un proceso de
enumeracin que permite comprobar explcita o implcitamente todas las soluciones del
problema hasta encontrar la ptima, y entran dentro del tipo de mtodos de ramificacin y
acotacin.

En algunos casos se requiere que la solucin ptima se componga de valores enteros

para algunas de las variables. La resolucin de este problema se obtiene analizando las

PROGRAMACIN ENTERA 2
posibles alternativas de valores enteros de esas variables en un entorno alrededor de la
solucin obtenida considerando las variables reales. Muchas veces la solucin del
programa lineal truncado est lejos de ser el ptimo entero, por lo que se hace
necesario usar algn algoritmo para hallar esta solucin de forma exacta. El ms
famoso es el mtodo de Ramificacin y Acotacin o Branch and Bound por su
nombre en ingls. El mtodo de Ramificacin y Acotacin, parte de la adicin de nuevas
restricciones para cada variable de decisin (acotar) que al ser evaluado
independientemente (ramificar) lleva al ptimo entero.

La programacin entera se divide en 3 tipos de modelos:

Programacin Entera Pura: Todas las variables de decisin tienen valores enteros.
Programacin Entera Mixta (PEM): Algunas de las variables de decisin tienen
valores enteros. Las dems cumplen con la suposicin de divisibilidad.
Programacin Entera Binaria (PEB): Utiliza variables binarias.

PROGRAMACIN ENTERA 3
 Mtodo grfico.
Mtodo de plano de corte.
Mtodos de Lang-Doing.
Mtodos de solucin Enumeracin implcita.

Lingo/Lindo
Excel
Herramientas computacio-nales
Mpl/Cplex
TORA

Puro
Tipos de
Binario
modelos
Mixto

Wagner
Origen Manner
Gomory

PROGRAMACIN ENTERA 4
4.1.2. CASOS DE APLICACIN.
A continuacin se presenta la variedad de problemas que caen dentro de la
programacin entera y binaria:

a) Todos los problemas de programacin lineal, donde las actividades, por su

estructura deben ser no-divisibles, son programas enteros. Por ejemplo
problemas de produccin de automviles, prendas de vestir, etc. Qu
significado tendra la produccin de 577.83 automviles?

b) Todos los problemas de transporte, asignacin y redes de optimizacin. Este tipo

de problemas son enteros y dada la estructura tan especial de estos problemas,
tienen mtodos de solucin propios.

c) Problemas de secuenciacin. Este tipo de problemas aunque son fciles de formular,

resultan bastantes difciles de resolver. Se supone por ejemplo en el caso de un
taller que puede efectuar un solo tipo de trabajo a la vez (orden i ), el que se
Tiene contratado a entregar en das, a partir de una >0 cierta fecha base, y que
adems tiene una gran duracin de trabajo de ( ) das y al cuales asocian una
multa de pesos por da de retrasos despus de los das estipulados. Se supone
que el taller recibe n rdenes de trabajo en la fecha base. Cul debe ser el orden
de secuenciacin de trabajos que minimice el costo penal total?

d) El problema del agente viajero. Este problema concierne en un agente viajero que
saliendo de una terminal de ciudad debe visitar una sola vez n-1 ciudades

diferentes, y regresar al punto de partida. Si el costo de dirigirse a la ciudad j desde

la ciudad i es ( ), se debe terminar la secuencia de visita de ciudades, tal

que el costo total asociado sea el mnimo. Este problema se present por

PROGRAMACIN ENTERA 5
 primera vez en 1960, en un artculo de Miller, Tucker, Zemling, pero hay una
variedad de mtodos que resuelven el problema dependiendo del tamao de n,
el nmero de ciudades.

e) Problema tipo mochila. Este tipo de problemas de optimizacin de carcter entero

puede darse en dos versiones. En la primera se proporciona un cierto espacio con
determinado volumen o capacidad, y este debe ser llenado con objetos de valor y
volumen o capacidades especificados. El problema consiste en llenar ese espacio
con el conjunto de objetos ms valioso, sin exceder los lmites fsicos de dicho
espacio. La segunda versin consiste en dividir a un objeto en varias porciones de
diferente valor, el problema consiste en encontrar la divisin de mayor valor.

f) Problemas de inversin. Se supone por ejemplo que el organismo Nacional

Financiera S.A., tiene que escoger una alternativa en cada uno de tres proyectos de
inversin. El primer proyecto est relacionado con la construccin de partes de
generadores elctricos. El segundo proyecto con el ensamblado de esas partes de
generadores elctricos y el tercer proyecto con la distribucin y venta de los
generadores elctricos incluyendo a su posible exportacin. Cada proyecto tiene una
serie de alternativas. Asociadas a cada alternativa se tiene calculado el valor
presente del retorno total de la inversin (en millones de pesos), el nmero de
empleos que se generan y el flujo de inversin (en millones de pesos) que se
necesitan para los prximos 5 aos. Las restricciones del sistema son que no hay
capacidad econmica para generar ms de 10 mil empleos y que los flujos mximos
de capital son 700 millones en el ao 1, 300 millones en el ao 2, 150 millones
respectivamente en los aos 3,4 y 5. Qu alternativas conviene seleccionar de los
proyectos I, II y III a fin de maximizar el ingreso total neto anual?

PROGRAMACIN ENTERA 6
 g) Problemas con costos fijos. Todos los problemas que en su funcin de costo
influyen un costo fijo del siguiente tipo
0 , si ,

, j=1,2,

Costo total para la variable = f ( )= 0 n

+ , si >0

pertenece al grupo de problemas enteros. Este tipo de costos aparecen

frecuentemente en problemas de transportes, inventarios, localizacin de plantas,
distribucin geogrfica de electores, etc.

h) Problemas de cubrimiento y particin de un conjunto. Este tipo de modelos de

carcter entero se ha utilizado en problemas de acceso de informacin,
programacin de entrega de paquetera por transporte terrestre, distribucin
poltica electoral, problemas matemticos de coloracin y programacin de
horarios de tripulacin areos, ferrocarrileros, terrestres y martimos.

i) Dicotomas y problemas de aproximacin. Una dicotoma ocurre en un programa

matemtico cuando se tienen condiciones de tipo esta restriccin o la otra
restriccin, pero no ambas. Este tipo de condiciones se pueden representar por
medio de una estructura entera.

j) Balance de lneas de produccin. Este tipo de problemas consisten en decidir

qu actividades deben se desempeadas por cada trabajador, a medida que un
producto se desplaza por una lnea de produccin. El objetivo consiste en

PROGRAMACIN ENTERA 7
 Minimizar el nmero de trabajadores (o estaciones de trabajo o actividades) en
funcin de una tasa de produccin.

k) Asignacin cuadrtica. Este tipo de problemas apareci en los problemas de

localizacin, existe un conjunto de n posibles lugares en donde se piensa construir n

plantas industriales m<n. sea el costo unitario de transporte de lugar i al lugar

j y sea el volumen que se debe transferir de la planta industrial k a la planta

industrial p.

PROGRAMACIN ENTERA 8
 4.2. DEFINICIN Y MODELOS DE PROGRAMACIN ENTERA Y
BINARIA

4.2.1. DEFINICIN
El modelo de programacin entera es sencillamente la programacin lineal solo que con
la caracterstica de que la programacin entera tiene una restriccin de que todas las
variables sean valores enteros a este tipo de modelos se les llama programacin entera
pura.

Esto nos quiere decir que la metodologa para resolver los problemas de programacin
entera es prcticamente el mismo que para hacer la programacin lineal.

La programacin entera mixta (PEM) se ocupa solo cuando algunas de las variables
deben ser enteros y la suposicin de divisibilidad se cumple para el resto.

Esto se da cuando algunos datos deben ser enteros como la cantidad de personal
dentro de una empresa ya que no se pueden asignar 2.5 empleados se deben
redondear a 3 pero dentro del mismo modelo se asigna el salario ya que puede ser
$2000.50 a estos modelos se les reconoce por (PEM).

Las programaciones enteras binarias son aquellas donde incluyen decisiones de si o no

que estn interrelacionadas. En las decisiones de este tipo solo hay 2 posibles
respuestas a este tipo de decisiones se les puede representar mediante variables de
decisin restringidas a 2 valores, por ejemplo 0 y 1, as la j-sima decisin si o no se
puede representar por , tal que:

1 si la decisin j es si o 0 si la decisin j es no.

A este tipo de problemas de programacin entera binaria tambin se les conoce como
problemas 0-1 de programacin entera.

PROGRAMACIN ENTERA 9
4.2.2. DESCRIPCIN DEL MTODO
Lo primero que se debe saber, es que al ser las decisiones de Si o No, todas las
variables de decisin tienen la forma binaria. La representacin de lo anterior queda as:

Cuando al escoger una opcin, no se nos permite escoger otra, se dice que ambas son
mutuamente excluyentes, esta restriccin se representa como la sumatoria de ambas 1,
ya que eso indica que entre ambas puede haber solo 1 (solo una de las 2) o 0 (ninguna
de ellas).

+ 1
En el caso en que una opcin solo se pueda escoger habiendo elegido otra con
anterioridad, se dice que son contingentes o condicionales, esta restriccin se representa
poniendo que la variable dependiente es a la variable independiente, de la siguiente
manera:

=

=
Pero para colocar lo anterior como restriccin vlida para modelacin, se debe igualar a
0.
0
Como paso final para modelar se ponen las restricciones 1 y 0 para indicar que solo
entre esos valores pueda estar la optimizacin.

1
0

PROGRAMACIN ENTERA 10
 Donde:

j= Nmero de variables de decisin.

Ejemplo:

A continuacin se presenta un problema del cual se har el modelaje y se darn los

pasos para desarrollarlo en programacin entera binaria.

La CALIFORNIA MANUFACTURING COMPANY analiza la posibilidad de llevar a cabo una

expansin mediante la construccin de una nueva fbrica ya sea en Los ngeles o en San
Francisco, o tal vez en ambas ciudades. Tambin piensa en construir, a lo sumo, un nuevo
almacn, pero la decisin sobre el lugar en donde lo instalar est restringida a la ciudad
donde se construya la nueva fbrica. En la cuarta columna de la tabla 1 se muestra el valor
presente neto rendimiento total que toma en cuenta el valor del dinero en el tiempo de
cada alternativa. En la ltima columna se proporciona el capital que se requiere incluido
el valor presente neto para las respectivas inversiones, donde el capital total disponible
es de 10 millones de dlares. El objetivo es encontrar la combinacin factible de
alternativas que maximice el valor presente neto total.

4.2.3. EL MODELO PEB

Aun cuando este problema se puede resolver con un simple razonamiento - construir
fbricas en ambas ciudades, pero ningn almacn, se formular como ejemplo.

Sea:

Z= valor neto de estas decisiones.

Si se hace la inversin para construir una instalacin dada de manera que la variable
de decisin correspondiente tenga valor de 1, el valor neto estimado de estas
inversiones aparece en la cuarta columna de la tabla. Si la inversin no se hace y, por
tanto, la variable de decisin es igual a 0, el valor presente neto es 0.

PROGRAMACIN ENTERA 11
TABLA 1 Datos del ejemplo de la California Manufacturing Co.

Variable de Valor
Nmero de Pregunta Si o No decisin presente Capital
decisin neto requerido
1 Construir la fbrica $9 millones $6 millones
en Los ngeles?
2 Construir la fbrica $5 millones $3 millones
en San Francisco?
3 Construir el $6 millones $5 millones
almacn en Los
ngeles?
4 Construir el $4 millones $2 millones
almacn en San
Francisco?

Entonces, con unidades de millones de dlares, la F.O queda:

Z=9x1 +5x2 +6x3 +4x4.

La ltima columna de la tabla indica el capital que se gastar en las cuatro

instalaciones, y dice que no puede exceder a 10 millones de dlares. Entonces, la
primera restriccin sera:

6x1 +3x2 +5x3 +2x4 10.

Como las ltimas dos decisiones representan alternativas mutuamente excluyentes

la compaa quiere construir cuando mucho un almacn nuevo, se necesita la
restriccin

+ 1

PROGRAMACIN ENTERA 12
An ms, las decisiones 3 y 4 son contingentes o condicionales porque
dependen
de las decisiones 1 y 2, respectivamente (la compaa considerara la
construccin de
un almacn en determinada ciudad slo si la nueva fbrica va a estar ah).
Por tanto, en
caso de tomar la decisin 3, se requiere que x3 = 0 si x1 = 0. Esta restriccin sobre x3
(cuando x1 = 0) se impone al agregar la restriccin

De manera similar, el requerimiento de que x = 0 si x = 0 se impone con la restriccin:

4
2

Por tanto, despus de escribir de nuevo estas dos restricciones para que todas las
variables queden en el lado izquierdo, el modelo completo de PEB es

Maximizar Z= 9 +5 +6 + 4

s.a

6 +3 +5 + 2 10

+ 1

- + + 0

- + 0

es entera , para j = 1, 2 ,3 ,4.

De manera equivalente las 3 ltimas lneas de este modelo se puede sustituir por una
sola restriccin.

es binaria para j= 1, 2 ,3 ,4

Excepto por su tamao pequeo, este ejemplo representa muchas aplicaciones reales
de programacin entera en las que las decisiones bsicas que se toman son del tipo s
o no.

Al igual que el segundo par de decisiones de este ejemplo, muchos grupos de

decisiones s o no son mutuamente excluyentes, tales que slo una decisin de ese
grupo puede ser s. Cada grupo requiere una restriccin que obligue a la suma de las
variables binarias correspondientes a ser igual a 1 si exactamente una decisin de ese
grupo debe ser s, o menor o igual a 1 (si cuando mucho una decisin de ese grupo
puede ser s).

En ocasiones, las decisiones del tipo s o no son decisiones contingentes, es decir,

dependen de decisiones anteriores. Se dice que una decisin es contingente respecto a
otra si se permite que sea si slo si la otra es s. Esta situacin ocurre cuando una
decisin contingente implica una accin que sigue a otra y que se vuelve irrelevante, o
imposible, si la otra decisin es no. La forma de la restriccin que se obtiene se ilustra
en la cuarta y quinta restricciones del ejemplo.

Punto ptimo

=1

=0

=0

=0

PROGRAMACIN ENTERA 14
 X1 X2 X3 X4 S1 S2 S3 S4 S5 BFS
Z(max
) 0 4 3 5 0 0 0 0 9 9
S1 0 -3 -1 -4 1 0 0 0 -6 4
S2 0 0 1 1 0 1 0 0 0 1
S3 0 1 2 1 0 0 1 0 1 1
S4 0 -1 0 1 0 0 0 1 0 0
X1 1 1 1 1 0 0 0 0 1 1

Funcin objetivo en el punto ptimo 9.

Igual que en el ejemplo de la California Manufacturing Co., con frecuencia los

administradores enfrentan decisiones de s o no. Por tanto, la programacin entera
binaria (PEB) se usa de manera considerable como ayuda para tomar estas decisiones.

PROGRAMACIN ENTERA 15
 4.3. MTODO DE GOMORY
Publicado en 1958 por Ralph Gomory, el mtodo de Gomory mejor conocido como
Algoritmo de Plano de Corte, es un mtodo que permite encontrar soluciones ptimas
enteras en aquellos problemas de programacin lineal que tienen soluciones
fraccionarias o con decimales. Se basa con los planos cortantes (o corte) que es una
nueva restriccin funcional que reduce la regin factible del relajamiento de PL sin
eliminar soluciones factibles del problema de PE original. Podemos decir que este
mtodo es una base de nuevas tcnicas que permiten de igual manera encontrar una
solucin ptima entera de un problema de PL, un ejemplo, el mtodo de ramificacin y
acotamiento que lo veremos ms adelante.

El mtodo de Gomory se inicia en la solucin ptima continua. Se agregan restricciones

especiales (los cortes) al espacio de soluciones para que produzcan un punto extremo
ptimo entero. La desventaja de este mtodo, es que resulta muy ineficiente para
resolver problemas enteros de tamao medio. Estos mtodos generan en cada iteracin
una restriccin y una variable extra. Sin embargo, su ventaja es que ilustran lo que se
pretende hacer con la regin de factibilidad de problemas entero, para lograr la solucin
del mismo. Comenzaremos con un ejemplo prctico para su mejor entendimiento.
Ejemplo:
Maximizar Z = 7 + 10
Sujeto a
6
+3
35

7
+
, 0 y enteros.
Lo resolveremos directamente por el mtodo SIMPLEX. Por lo tanto:
Maximizar Z = 7
Maximizar Z = 7
+ 10 + + + +
+ 10
Sujeto a
Sujeto a
+ = 6

++ 3
+ = 6
3
+
+ = 35
7 + + = 35

7
, , , 0 y enteros.
PROGRAMACIN ENTERA 16
Tablas SIMPLEX

10 Solucin

-1 3 1 0 6

7 1 0 1 35

0 0 0 0

- 7 10 0 0

Pivoteamos el rengln , hacemos el cambio de 10 por y nos queda:

10 Solucin

1 0 2

0 1 33

10 0

- 0 0

PROGRAMACIN ENTERA 17
 y nos queda:
Pivoteamos el rengln , hacemos el cambio de 7 por
Solucin
10 =
2
=
2
0 1 =
2

1 0

7 10

- 0 0

La solucin ptima es Z= , = , = , = 0, = 0.

Grfica:

Observamos que nuestras soluciones ptimas no son nmeros enteros, para esto, si
bien es donde proseguimos con el mtodo de Gomory. En base a la informacin que
nos arroja nuestra tabla ptima, podemos reescribirla de la siguiente manera.

1
Z+ + = (ecuacin Z)
6 31
22
+ 3 22 + = 66 2 (ecuacin )
32
- 7 22 + 1 22 = 1
(ecuacin )

1 22 3 22 4 21
PROGRAMACIN ENTERA 18
Una vez que tenemos la informacin de la tabla ordenada en las ecuaciones anteriores,
debemos escoger una de estas ecuaciones, con la condicin de que siempre el lado
derecho sea fraccionario. En caso del ejemplo, las 3 ecuaciones cumplen con la
condicin.
La ecuacin de restriccin que elijamos, ser nuestra fila origen (o rengln de
fuente), con la cual generaremos un corte.

Paso 1: Factorizamos todos los coeficientes no enteros de la ecuacin en un valor

entero y un componente fraccionario, siempre y cuando el componente fraccionario sea
estrictamente positivo.
De la ecuacin Z, nos queda como resultado
(2 + ) 1+
9
)
1
(66 + )

Z+ +( 22 = 2
Paso 2: Los componentes enteros los moveremos al lado izquierdo y los componentes
fraccionarios al lado derecho. Obtenemos:

19 9 1
Z + 2 + 1 66 = 22 22 + 2
(1)
Como y son no negativas y todas las fracciones son positivas por construccin, el
lado derecho debe satisfacer la siguiente desigualdad:
+ (2)
19 9 1 22 22 2
Paso 3: Ahora, como el lado izquierdo de la ecuacin (1), es un valor entero por
construccin, el lado derecho tambin debe de ser entero. Por lo tanto deducimos que
(2) puede ser reemplazada con una desigualdad:
19 9

+ 0
22 22

PROGRAMACIN ENTERA 19

INSTITUTO TECNOLGICO DE LA PAZ 4

Semestre
INVESTIGACIN DE OPERACIONES I
A

Este resultado de justifica porque un valor entero menor que una fraccin positiva
necesariamente debe ser 0.
La ltima desigualdad es el corte deseado, y representa una condicin necesaria
(ms no suficiente) para obtener una solucin entera. Esta desigualdad se conoce como
corte fraccionario porque todos sus coeficientes son fracciones.
Antes de demostrar cmo se implementa el corte fraccionario en la tabla ptima,
se demostrar como tambin podremos construir los cortes a partir de las otras 2
ecuacio nes de restric cin.

1
=42
Ecuacin : 1 22 + 3 22
Factorizando la ecuacin se obtiene:

21 3 1
+ (1 + 22 ) + (0 + 22 ) = (4 + 2 )

Por lo tanto, nuestro corte asociado es:

21 3 1

22 22 2
+ 0

Ecuacin : + 7 22 + 1 22 =3
Factorizando la ecuacin se obtiene:

7 1
+ (0 + 22 ) + (0 + 22 ) = (3 +

1
2 )

PROGRAMACIN ENTERA 20

INSTITUTO TECNOLGICO DE LA PAZ 4

Semestre
INVESTIGACIN DE OPERACIONES I A

7 1 1

Por lo tanto, nuestro corte asociado es:

 +
22 22 2
0
Cualquiera de estos tres cortes puede usarse en la primera iteracin del
mtodo de Gomory. Seleccionando arbitrariamente el corte generado con
la ecuacin , podemos
rescribir en forma de ecuacin como:
7 1 1

+ =2; 0
22 22

Paso 4: Esta restriccin se agrega a la tabla ptima de PL, como se muestra:

10 Solucin

0 1 0

1 0 0

0 0 1

- 0 0 0 =

Paso 5: La tabla es ptima pero no factible. Para esto, aplicamos el

mtodo simplex dual, para recuperar la factibilidad.
Para encontrar que columna es la que entra y que fila sale, dividiremos el
rengln
- entre el rengln , y tomaremos el valor absoluto ms pequeo y esa ser
nuestra

PROGRAMACIN ENTERA 21
 fila que entra. Despus, tomaremos el rengln que acabamos de agregar y ser
nuestro rengln pivote.

10 Solucin

0 1 0

1 0 0

0 0 1

- 0 0 0 =

*Resultado 0 0 9 31 0
de la divisin
*valor ms
pequeo.

Paso 6: Ahora que ya tenemos nuestra fila que sale y columna que entra, comenzamos
a pivotear por el mtodo SIMPLEX, y obtenemos la siguiente tabla de optimidad:

10 Solucin

0 1 0 1

1 0

0 0

- 0 0 0

PROGRAMACIN ENTERA 22
Observamos que nuestras soluciones siguen siendo fraccionarias con excepcin de la
primera, pero esto no significa que el problema est terminado, puesto que todas
nuestras soluciones deben de ser enteras. Grfica de la tabla con el primer corte:

Paso 7: Regresamos al paso 4, agregando un segundo corte a esta ltima tabla ptima,
de la misma manera que agregamos el primer corte, slo que en este caso, como ya
elegimos la ecuacin , podemos elegir la ecuacin como nuestro corte.
Nuestra tabla quedara de la siguiente manera:

10 Solucin

0 1 0 1 0

1 0 0

0 0 0

0 0

- 0 0
1 1

0 0

PROGRAMACIN ENTERA 23
Resolvemos de la misma manera que cuando agregamos el primer corte, y nos
quedara la siguiente tabla:

10 Solucin

0 1 0 0 1 0

1 0 0 -1 1 4

0 0 0 -4 1 1

0 0 0 1 6 -7 4

0 0 0 0 3 7 58

Observamos en nuestra tabla y todas nuestras soluciones as como nuestro punto

ptimo, nos arroja nmeros enteros. Por lo tanto el Mtodo de Gomory se detiene y el
problema estar terminado.

Grfica de la tabla ptima anterior.

PROGRAMACIN ENTERA 24
 4.4. MTODO DE BIFURCACIN Y ACOTAMIENTO
En 1960, Ailsa H. Land y Alison G. Doig, presentan el algoritmo Land-Doig. El nombre
de bifurcacin y acotamiento (o bien, ramificacin y acotamiento y en ingls Branch
and Bound) se lo dan posteriormente Little, Murty, Sweeney, Karel. Ms tarde, el
algoritmo fue modificado por Dakin, hacindolo de manera ms general.

El mtodo de bifurcacin y acotacin que es muy elegante y simple, redondea y acota

variables enteras, resultantes de la solucin de los problemas lineales
correspondientes. Este proceso de acotamiento y redondeo se hace de una manera
secuencial lgica heurstica que permite eliminar con anticipacin un buen nmero de
soluciones factibles alejadas del optimo a medida que se intera. De tal suerte que si una
variable entera , j=1, , n est acotada entre un lmite inferior entero , j=1,n y un
lmite superior entero , j=1,,n el proceso de bifurcacin y acotacin solo analiza un
nmero muy pequeo de todas las posibles soluciones.

El mtodo de bifurcacin y acotamiento, se presenta a continuacin con una serie de

pasos, que despus sern demostradas por medio de un ejemplo.

Paso 1: Resulvase el problema entero por medio del mtodo simplex de la

programacin lineal. Si la solucin es entera, pare, se ha conseguido la solucin ptima.
Si no, contine en el paso 2.

Paso 2: Escjase arbitrariamente una variable entera cuyo resultado en el paso 1 sea

fraccional e igual a .

Paso 3: Resulvase un par de nuevos de problemas, similares al problema anterior,

pero uno con la restriccin adicional , mientras que el otro tendr la restriccin
adicional

Paso 4: De los programas lineales resueltos en el paso 3, inclyase en el anlisis a seguir,

solo aquellos programas cuya solucin (entera o fraccional) sea mejor (mayor en el caso

PROGRAMACIN ENTERA 25
de maximizacin y menos en el caso de minimizacin) a cualquiera de las soluciones
enteras conocidas.

Paso 5: Seleccinese aquel programa lineal que tenga el mximo (en el caso de
minimizacin el mnimo) valor de la funcin objetivo. Si las variables enteras tienen
valor entero, se ha convertido en la solucin ptima. Si no, regresa al paso 2 con la
estructura del problema lineal resuelto en este paso.

Ejemplo:

Problema (0). Max Z=

+ = 9
2 +2

Max Z= Sujeto a
9 3 + + = 11
2 +2

5
Sujeto a +2

3 + 11
, , , 0

, 0

Paso 1: Resolvemos por mtodo SIMPLEX, y obtendremos la siguiente tabla.

-Iteracin 1 del problema (0).

Solucin
0 1 0.75 -0.5 1.25
1 0 -0.25 0.5 3.25
0 0 0.25 1.5 18.75

PROGRAMACIN ENTERA 26
INSTITUTO TECNOLGICO DE LA PAZ 4
Semestre
INVESTIGACIN DE OPERACIONES I A
 y . =

Tenemos nuestras soluciones ptimas con valores todos decimales, por lo tanto,
. = .

nuestro problema no esta resuelto. Los valores como nos indica la tabla son

Paso 2: Se escoge arbitrariamente el valor de y con este valor crearemos dos

subproblemas del problema principal (0). A esto es

nuevas restricciones para dos nuevos = .

lo que llamamos ramificacin, puesto que en nuestro rbol (red conectada que no
tiene ciclos), por cada problema tendremos dos subproblemas y estos a su vez otros
dos subproblemas hasta que encontremos nuestra solucin ptima entera.

Para crear los subproblemas, notemos que el valor se encuentra entre los
valores son los que tendrn cada

valores enteros 1 y 2. Por lo tanto, estos nuevos = .

restriccin en los subproblemas. Nos quedaran de la siguiente manera.

Subproblema (1)

Max Z= Max Z=
2 +2 + =9

Sujeto a
2 +2 + = 9

Sujeto a

3 + + = 11 3 + + + = 11

1 =1

, , , 0
, , , , 0

PROGRAMACIN ENTERA 27
Subproblema (2)

Max Z= Max Z= =9
2 +2 + = 9 2 +2 +

Sujeto a Sujeto a

3 + + = 11 3 + + 11

2 =2

, , , 0
, , , , 0
Paso 3: Resolvemos por mtodo SIMPLEX los subproblemas (1) y (2), y obtendremos
las siguientes tablas ptimas.

Subproblema (1)

Solucin
0 -1.33 1 -0.67 0.33
1 -0.33 0 0.33 3.33
0 0.33 0 1.67 18.67

Subproblema (2)

Solucin
0 -2 -1.5 1 1.5
1 1 0.5 0 2.5
0 3 2.5 0 16.5

Paso 4: Como no ha habido ninguna solucin entera en todo el proceso, se incluyen

ambas tablas ptimas en el anlisis.
PROGRAMACIN ENTERA 28
Paso 5: Debido a que nuestro problema es maximizacin, la mejor funcin=. objetivo= hasta.
el momento corresponde a la tabla del subproblema (1) (Z= 18.67, , ) y como
son soluciones no enteras regresamos al paso 2. La estructura seleccionada es el
subproblema (1).

Paso 2: De manera arbitraria, de la estructura (1) se escoge la variable = . y de este

se obtienen dos nuevas restricciones para para los nuevos subproblemas. Lo realizamos de

-Iteracin 2.

la misma manera que utilizamos anteriormente, y nuestros subproblemas quedaran de esta

manera:

Del subproblema (1), se ramifica el subproblema (3):

9
Max Z= Max Z= +
Sujeto a
2 +2 + =

2 +2 + =9
3 + + = 11

Sujeto a

1 3 + + = 11
+
3 =1

, , , 0 0 + =3
, , , , ,

PROGRAMACIN ENTERA 29
Y EL SUB PROBLEMA 4:
Max Z= Max Z=
Sujeto a + +2 + =9

Sujeto a
3 + + = 11 2

2 +2 + = 9

1 3 + + 11
+
4 =1

, , , 0 0 =4
, , , , ,

Paso 3: Aplicando de nuevo el mtodo SIMPLEX a cada programa, se obtienen las

soluciones ptimas al problema lineal correspondiente al subproblema (3). La estructura
del subproblema (4) no tiene solucin factible y por lo tanto no se incluye en las tablas
ptimas a analizar.

Subproblema (3):

Solucin
-2 -2 1 0 1
-3 -1 0 1 1
5 2 0 0 17
Paso 4: Por ser una solucin entera se incluye en el anlisis.

Paso 5: Por ser el mejor valor de la funcin objetivo y adems, ser entero, es la solucin
ptima, por lo tanto:
Z= 17, = , = , = , =

PROGRAMACIN ENTERA 30
Por ltimo, para poder visualizar de mejor manera el proceso, como se mencionaba con
anterioridad, utilizaremos una representacin grfica constituida por una red con
estructura de rbol.

Z=
18.
75, , ,

= =

0 0

Z=
18.
67,
=

= 0.33
, 1,

0
Z
=
1
6.
, , ,

1
 .

Z= Problema inconsistente
Z= =17,1 , ,
Solucin ptima

PROGRAMACIN ENTERA 31
 CONCLUSIN

En este trabajo hemos abarcado los distintos tipos de metodologas que se

requieren para dar solucin a los mtodos de programacin entera,
programacin entera binaria, programacin mixta, mtodo de Gomory, as como
mtodo de ramificacin y acotacin.

Dentro de las definiciones de cada uno de los mtodos se muestran de manera

clara y concisa, as como el sistema que se debe llevar a cabo para resolverlos
de una manera eficiente y ptima.

Se obtuvieron las ideas precisas de como poder modelar los distintos tipos de
problemas que se dan en industrias, transportes y cualquier problema donde se
requiera una optimizacin de los recursos o disminucin de costos.

Se muestran distintos ejemplos de cada uno de estos mtodos y se da una serie

de caractersticas nicas de estos que diferencian a uno de otro, as, como un
paso a paso de cada ejemplo en su ejecucin para dar como resultado la
optimizacin de estos casos muestras. Si bien, el presente trabajo muestra las
herramientas necesarias para dar solucin a los problemas PEB y PE para poder
identificar el mejor mtodo para solucionarlos.

PROGRAMACIN ENTERA 32
 BIBLIOGRAFA

Hillier Frederick S., Lieberman Gerald J., INVESTIGACION DE OPERACIONES, 7

edicin, McGRAW-HILL, Mxico, 2002.

Taha Hamdy A, INVESTIGACION DE OPERACIONES, 9 edicin, Pearson Educacin,

Mxico, 2012.

Prawda Witenberg Juan, MTODOS Y MODELOS DE INVESTIGACION DE

OPERACIONES Vol. 1 Modelos determinsticos, Limusa Noriega Editores, Mxico, 1999.

Gallagher Charles A., Watson Hugh J., MTODOS CUANTITATIVOS PARA LA TOMA
DE DECISIONES EN ADMINISTRACIN, McGRAW-HILL,

Winston Wayne L., INVESTIGACION DE OPERACIONES, Aplicaciones y Algoritmos, 4

edicin, Cengage Learning Editores, Mxico, 2005.

PROGRAMACIN ENTERA 33