Sie sind auf Seite 1von 140

Modelacin en Optimizacin

Juan Carlos Ferrer O.

, Pedro Gazmuri Sch.

, Juan Carlos Muoz A.

Ponticia Universidad Catlica de Chile


Escuela de Ingeniera
Marzo 2006
Contents
1 Introduccin 5
2 Modelos de Programacin Lineal 6
2.1 Produccin ptima de una Fbrica de Telas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Produccin de Evento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Concurso de Belleza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4 Presupuesto Comunal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.5 Habilitacin de un Avin Comercial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.6 Fabricacin de un Cohete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.7 Instalacin de Central de Telecomunicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.8 Agua Puricada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.9 Confeccin de Ropa Femenina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.10 Diseo Automotriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.11 El Curanto ms Grande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.12 FAMAE: Produccin de Tiros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.13 Crisis del Gas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.14 Fbrica de Ladrillos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.15 Decisin de Produccin Agrcola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.16 Proceso Productivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.17 Itinerario Empresa Pesquera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.18 Sistema de Atencin Telefnico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.19 Fbrica de Papel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.20 Empresa Qumica de Aditivos Lquidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.21 School Board . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.22 Central Hidroelctrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.23 Planicacin de Produccin y Ventas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.24 Endesa y Operacin de Central Hidroelctrica . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.25 Administracin de Fundo Familiar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.26 Venta de Acciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.27 Procesamiento de Carbn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.28 Iluminacin de Plazas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.29 Carga en Avin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.30 Mantencin de Equipos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.31 Planicacin de Produccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

Profesor Auxiliar del Departamento de Ingeniera Industrial y de Sistemas. e-mail: jferrer@ing.puc.cl

Profesor Titular Asociado del Departamento de Ingeniera Industrial y de Sistemas. e-mail: pgazmuri@ing.puc.cl

Profesor Auxiliar del Departamento de Ingeniera de Transporte. e-mail: jcm@ing.puc.cl


1
3 Modelos de Programacin No-lineal 48
3.1 Polticas de Produccin y de Precios en una Panadera . . . . . . . . . . . . . . . . . . . . . . 48
3.2 Distribucin de Especies en un Predio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3 Semaforizacin de una Rotonda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.4 Diseo de un Edicio Sujeto a las Normativas Vigentes . . . . . . . . . . . . . . . . . . . . . . 50
3.5 Elaboracin de un Helado de Gusto Masivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.6 Ubicacin de una Zona de Camping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.7 Diseo ptimo de Caja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.8 Campo Elctrico al Interior de una Esfera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.9 Estrategia de Escape de la Prisin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.10 Negociacin Colectiva en Empresa de Armado de Lnea Blanca . . . . . . . . . . . . . . . . . 61
3.11 Planicacin de Produccin Agrcola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.12 Explanada en el Monte de Masada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.13 Planta de Revisin Tcnica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.14 Crculo de Mayor rea Inscrito en Polgono . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.15 Instalacin de Pozo en Granja Agrcola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.16 Publicidad en Televisin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.17 Prevencin de Accidentes Viales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4 Modelos de Programacin Entera 79
4.1 Publicidad en Televisin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.2 Fiesta de Matrimonio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.3 Tareas Semanales en Matrimonio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.4 Decisin de Inversin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.5 Planicacin de Estudio para Exmenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.6 Lanzamiento de Proyectiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.7 Consurso Revista "Don Baln" . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.8 Aumento de Capacidad de Plantas de CMPC . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.9 Empresa Constructora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.10 Instalacin de Estaciones de Bomberos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.11 Localizacin de Fbricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.12 Instalacin de Tiendas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.13 Ubicacin de Grifos de Incendio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.14 Planicacin de Vuelos Areos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.15 Asignacin de Becas Universitarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.16 Despacho de Pedidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.17 Problema del Cartero Chino . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
4.18 Sistema de Distribucin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.19 Planicacin de Produccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.20 Planicacin de Produccin y Almacenamiento . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.21 Empresa de Alimentos de Gatos y Perros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.22 Planicacin de Abastecimiento en Botillera . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.23 Programacin de Trabajos en Mquinas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.24 Calendario de Trabajos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
4.25 Turnos de Enfermeras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
4.26 Planicacin de Tareas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.27 Cadena de Abastecimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.28 Programacin de Partidos de Ftbol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5 Modelos de Flujo en Redes 107
5.1 Ruta a Costo Mnimo en Red de Nodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.2 Arriendo de Casa de Verano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.3 Transporte de Carga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.4 Empresa de Trompos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
2
5.5 Empresa de Banquetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.6 Fiesta de Solteros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.7 Asignacin de Salas de Clases en Escuela de Ingeniera . . . . . . . . . . . . . . . . . . . . . . 122
5.8 Flota Mnima en Sistema de Transporte Pblico . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.9 Asignar Colores a Sistema de Transporte Pblico . . . . . . . . . . . . . . . . . . . . . . . . . 126
5.10 Sistema de Transporte Pblico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.11 Re-Ruteo de Pasajeros en Lnea Area . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.12 El cartero y el semaforero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
5.13 Sistema de Seguridad Policial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
5.14 Almacenamiento de Productos en Contenedores (Bin Packing Problem) . . . . . . . . . . . . 133
5.15 Equipo de Trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5.16 Preparacin de Paseo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5.17 Explotacin Forestal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
5.18 Explotacin en Zona Minera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
5.19 Tablero de Ajedrez . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
5.20 Sistema Monetario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
5.21 Empresa de Telecomunicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
5.22 Encuentro Internacional de Jvenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
5.23 Distribucin de Productos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
3
4
1 Introduccin
Muy frecuentemente, los individuos y organizaciones deben tomar decisiones de distinto orden de comple-
jidad. Estas decisiones consisten tpicamente en escoger una opcin de entre varias disponibles. Muchas
veces esta decisin no es trivial y se hace necesario contar con herramientas de apoyo que permitan vislum-
brar todas las alternativas disponibles y claricar un mecanismo de seleccin entre dichas alternativas. Este
texto pretende colaborar con este proceso de decisin, por medio de ensear el desarrollo de una valiosa
herramienta de apoyo: los modelos matemticos de optimizacin.
Cuando alguien est interesado en analizar un determinado problema real que observa, es natural que
intente denirlo formalmente, simplicarlo de modo de conservar slo aquello que es medular en el fenmeno
que le interesa y, ojal convertir sus partes integrantes y las relaciones que las vinculan en una nueva
estructura que le permita operar en el problema con libertad. Esta estructura puede tener forma fsica o
abstracta. Por ejemplo en el plano fsico los arquitectos construyen maquetas, los ingenieros aeronuticos
construyen aeromodelos o la compaa de telfonos disea un plano de calles de la ciudad. Si se observa, cada
uno de estas reducciones del problema original conserva slo lo esencial de la situacin que se representa,
simplicando aquello que no entrega informacin til. Es a este procedimiento que le denominamos modelar.
Si se quiere una denicin de lo que signica modelar, diremos que un modelo es una estructura que se ha
construido que exhibe caractersticas de un sistema. Es una simplicacin orientada a nuestros propsitos
de una realidad concreta.
En ciencias, muchos de los problemas que se abordan, interesa modelarlos en forma abstracta usando un
lenguaje matemtico. As, se representan los fenmenos haciendo uso de la variedad de representaciones que
esta ciencia ha desarrollado. Los modelos de optimizacin representan una de las familias de estos modelos
matemticos. Esta familia comparte una estructura comn la cual consiste en determinar el (o los) punto
que maximiza (o minimiza) una funcin objetivo sujeto a que satisfaga un cierto conjunto de restricciones.
Dada la importancia que tiene la creacin de modelos (fsicos o abstractos) para el buen desempeo de
varias profesiones, es normal que las escuelas que preparan a estos profesionales destinen muchos esfuerzos
en procurar que sus alumnos modelen adecuadamente. Esto es, que sean capaces de convertir realidades que
observan o imaginan en modelos que permitan a un tercero interactuar con ellas.
Por otra parte, en las escuelas de ciencias se realizan escasos esfuerzos para ensear a los alumnos a
traducir una realidad concreta, escrita en palabras, en un lenguaje matemtico que les permita a ellos
mismos desprender conclusiones y soluciones. Normalmente se da por entendido que modelar es sencillo y
que el mejor modo de aprender es mediante ejercitar esta habilidad. Si bien compartimos la segunda parte,
creemos que esta ejercitacin debiera tener una estructura y una variedad adecuadas. Lamentablemente no
existe (o al menos no conocemos) un texto que presente una abundante, variada y estructurada coleccin de
problemas modelados de optimizacin. Este texto pretende llenar este vaco.
El texto se nutre de problemas desarrollados por los autores y por otros profesores de la escuela de
Ingeniera de la Ponticia Universidad Catlica de Chile. Estos problemas han sido pensados en el espritu
de ensear a modelar mediante ejercicios que signiquen un esfuerzo en trminos de ingenio y abstraccin.
Los ejercicios han sido resueltos por los autores de modo que esta traduccin desde el lenguaje oral al lenguaje
matemtico trasluzca una metodologa.
5
2 Modelos de Programacin Lineal
En esta seccin queremos presentar las principales herramientas de modelamiento continuo, es decir, aquellas
para modelar problemas cuyas variables de decisin pertenezcan a un espacio continuo. Se presentan diversas
tcnicas para abordar ciertas dicultades de modelacin y/o de posterior resolucin, como por ejemplo, cmo
representar en forma lineal un problema de naturaleza no lineal.
Comenzamos con problemas lineales ya que en la prctica stos juegan un rol fundamental dentro de
investigacin de operaciones. Esto se debe a que las personas piensan y razonan en forma lineal lo cual
facilita la aceptacin de este tipo de modelos para apoyar la toma de decisiones. Esto tambin se reeja
en los principales libros de investigacin operativa, por la extensin y el detalle con que tratan el tema de
problemas lineales.
Como veremos a lo largo de este libro en cada esfuerzo de modelacin, una aplicacin efectiva de pro-
gramacin lineal requiere: (i) entender muy bien los supuestos que hay detrs, y (ii) saber interpretar las
soluciones obtenidas.
La formulacin general de un problema de programacin lineal es de la siguiente forma. La funcin
objetivo:
Max/Min f(x
1
, x
2
, ..., x
n
) = c
1
x
1
+c
2
x
2
+... +c
n
x
n
est sujeta a las siguientes restricciones tcnicas
a
i1
x
1
+a
i2
x
2
+... +a
in
x
n
_
_

=

_
_
b
i
i = 1, ..., m
y a las siguientes restricciones de signo
(x
j
0) (x
j
0) (x
j
libre) j = 1, ..., n
donde libre signica que la variable no tiene restriccin de signo.
Como podemos ver, tanto la funcin objetivo como el lado izquierdo de las restricciones tcnicas cor-
responden a funciones lineales. De esta forma el supuesto que implica la linealidad es lo que determina la
aplicabilidad en problemas del mundo real.
Para tener una mejor idea del concepto de linealidad, asumamos que las variables x
1
, ..., x
n
corresponden
varias actividades, y los valores que se les asignen (soluciones) corresponden al nivel de cada actividad.
Teniendo esta interpretacin en mente, la propiedad de linealidad implica los siguientes dos supuestos:
Aditividad: El consumo total de cada recurso (restriccin) as como el valor total del objetivo son el
resultado de la agregacin de los consumos de recursos y contribuciones luego de llevar a cabo cada
actividad en forma independiente.
Proporcionalidad: Los consumos de recursos y contribuciones para cada actividad son proporcionales
al nivel de actividad actual.
A continuacin se presentan una serie de problemas de Programacin Lineal.
2.1 Produccin ptima de una Fbrica de Telas
Una fbrica textil, se dedica a la produccin de 5 tipos de telas (i): Seda, Viscosa, Gabardina, Lycra
y Franela. Cada una genera distintas utilidades (u
i
) y tiene una demanda diaria promedio (d
i
), datos
conocidos a travs de un estudio de mercado. Por otra parte, cada tipo de tela (i) est compuesta por
cuatro tipos de materia prima (j): algodn (a
i
), polyester (p
i
), lycra (l
i
) y seda (s
i
) en distinta proporcin.
La fbrica dispone diariamente de un stock limitado de estos productos (m
j
). El objetivo del problema es
calcular la cantidad (x
i
) a producir de cada tipo de tela para que la utilidad diaria de la fbrica sea mxima.
Asumiendo para esto, que tanto la mano de obra como la maquinaria podrn adaptarse sin inconvenientes
a los valores obtenidos.
6
SOLUCIN
1
Ya que el objetivo del problema es determinar la cantidad a producir de cada tipo de tela, emplearemos
la variable de decisin:
x
i
= Cantidad a producir de la tela i
i = {1 = seda, 2 = viscosa, 3 = gabardina, 4 = lycra, 5 = franela}
Se debe maximizar la utilidad de la fbrica sujeta a las restricciones de satisfacer la demanda y no
sobrepasar el stock mximo de materia prima. Adems, por tratarse de cantidad de tela, las variables de
decisin deben ser no negativas.
Considerando que:
u
i
= Utilidad generada por la tela i.
d
i
= Demanda diaria promedio de la tela i.
a
i
, p
i
, l
i
, s
i
= Materia prima empleada en cada tela i.
m
j
= Stock de materia prima, j = {1 =algodn, 2 =polyester, 3 =lycra, 4 =seda}
son datos del modelo, el problema de optimizacin se puede expresar como:
P) Max
5

i=1
x
i
u
i
sujeto a:
x
i
d
i
i

5
i=1
a
i
x
i
m
1
i

5
i=1
p
i
x
i
m
2
i

5
i=1
l
i
x
i
m
3
i

5
i=1
s
i
x
i
m
4
i
x
i
0 i
Problemas Propuestos:
1. Replantee el modelo para una fbrica que produce ntipos de tela, a partir de m materias primas.
2. En poca de crisis, la fbrica se da cuenta que ya no puede seguir fabricando los 5 tipos de tela, ya
que la gente est invirtiendo cada vez menos en este rubro, y decide reducir su variedad a slo 3 tipos.
Cmo se puede adaptar este modelo para que la fbrica sepa cules son los 3 tipos que le conviene
seguir fabricando? Para esto, considere que las materias primas tienen un costo de c
j
.
2.2 Produccin de Evento
Una persona que acaba de ganar un premio decide celebrarlo y hacer una esta con sus amigos. Para esto
ha decidido invertir $1.300.000, los cuales se dividen en $1.000.000 para el arriendo del local y $300.000 para
insumos. El objetivo del evento es que todos lo pasen lo mejor posible, y para medir esto se utilizar una
funcin que llamaremos funcin felicidad, la cual depende de 7 variables (x
i
): donde x
1
corresponde al
nmero de personas, x
2
a la duracin (en horas), x
3
a los litros de cerveza (con un costo unitario de c
3
),
x
4
corresponde a los litros de otros tragos (con un costo unitario de c
4
), x
5
a los litros de bebida (con un
costo unitario de c
5
), x
6
a los paquetes de picadillo (con un costo unitario de c
6
) y x
7
corresponde a la
ambientacin. El valor de esta funcin se mide en unidades de felicidad (f). Luego de una encuesta entre
1
Gonzalo Bustos X. Csar Momares A. Optimizacin 1
er
Semestre, 2003.
7
los amigos se concluy que por cada 50 personas que asistan a la esta, se alegran 15 (15f) y que por cada
hora de duracin se alegran 100 personas (100f). Por el lado de los bebestibles, se obtuvo que por cada litro
de cerveza se alegran 2 personas (2f), por cada litro de otros tragos se alegran 4 personas (4f) y por cada
litro de bebida se alegra slo 1 (1f). Finalmente por cada paquete de picadillo se alegra 1 persona (1f) y
por cada $10.000 que se gasten en ambientacin se alegran 15 (15f). Adems, se sabe que para que la esta
resulte no se podr gastar menos de $80.000 en ambientacin. Para la organizacin del evento habr que
considerar varios aspectos: primero que nada, la cantidad de cada tipo de bebestible y picadillo, deber ser
mayor o igual a 1; el arriendo del local parte de un precio base de $100.000 y aumenta en $150.000 por
cada hora de arriendo, con una disponibilidad mxima de 8 horas; por otra parte, el local cuenta con un
sistema de refrigeracin con una capacidad mxima de 800 litros. Tambin, por seguridad se pide que el
grado alcohlico no supere en promedio los 20

por persona, considerando que cada litro de cerveza tiene 5

y cada litro de otro trago tiene 35

. Por ltimo, existe una capacidad del local, donde el nmero mximo de
personas es de 800.
SOLUCIN
2
El objetivo del problema es determinar qu cantidad de cada recurso utlizar, de tal manera que la variable
de decisin viene dada por:
x
i
= Cantidad a emplear de cada uno de los recursos, i = 1, ..., 7
Se debe maximizar la funcin felicidad considerando como restricciones la capacidad de refrigeracin
de 800 lts para los bebestibles (cervezas, tragos y bebidas), la suma mxima de $1.000.000 destinada para
el arriendo del local que considera un costo jo y un costo variable dependiente de las horas de duracin
de la esta, la cantidad mxima de $300.000 destinada a bebestibles, picadillos y ambientacin, el mayor
grado alcohlico por persona (20
o
) permitido por seguridad, el gasto mnimo de $80.000 en ambientacin,
la duracin mxima de 8 horas de la esta y la cantidad mxima de personas. Se debe considerar adems,
que cada una de las variables debe ser no negativa, y en particular la cantidad de cervezas, bebidas, tragos
y picadillo debe ser mayor o igual a 1.
Por lo tanto, el problema de optimizacin es:
P) Max 0.3x
1
+ 100x
2
+ 2x
3
+ 4x
4
+x
5
+x
6
+ 0.015x
7
x
3
+x
4
+x
5
800
100.000 + 15.000x
2
1.000.000
c
3
x
3
+c
4
x
4
+c
5
x
5
+c
6
x
6
+x
7
300.000
5x
3
+ 35x
4
20x
1
80.000 x
7
x
2
8
x
1
800
x
i
0 i = 1, 2, 7
x
i
1 i = 3, 4, 5, 6
Problemas Propuestos:
1. Analice como cambia el problema si en lugar de existir 3 tipos de bebestibles hay slo 1. Se man-
tendr la cantidad total de bebestibles? Realice el anlisis para cada uno de los tipos de bebestible,
considerando primero, que cada uno alegra a distinto nmero de personas (tal como lo indica el enun-
ciado); y luego, que cada uno alegra a un nmero igual al promedio de la felicidad que cada uno
produce por separado.
2
Diego Gallardo A. Jos Luis Noguer. Optimizacin 1996.
8
Caracterstica Costo (millones)
Belleza (cirujas, gimnasio, etc.) $ 25
Inteligencia (cursos de capacitacin) $ 7
Personalidad (cursos de desarrollo) $ 7
Simpata (cursos de desarrollo y manejo) $ 7
Traje tpico (diseo y confeccin) $ 8
Traje de noche (diseo y confeccin) $ 12
Table 1: Concurso de Belleza
2. Suponga que al local pueden ingresar todas las personas que lo deseen, i.e., la restriccin de capacidad
mxima del local ya no existe. Cambia el resultado del problema?
2.3 Concurso de Belleza
Con el n de reposicionar la belleza de la mujer chilena en el mundo, una organizacin que dispone de un
capital de $40.000.000 decide buscar a la mujer ideal para que gane el concurso internacional. Para esto
deciden contratar una agencia, con personas muy capacitadas, para que realize un estudio que indique cules
son las caractersticas que esta mujer debe tener para que la posibilidad de ganar sea mxima. Las bases del
concurso indican que el puntaje que asigna el jurado se distribuye en las diferentes caractersticas (x
i
) de la
siguiente manera: de 0 a 20 puntos por belleza (x
1
) (por ejemplo, si x
1
= 1 hay 20 puntos, si x
1
= 0.5 hay
10 puntos y si x
1
= 0 hay 0 puntos); de 0 a 20 puntos por intelecto (x
2
), de 0 a 5 por personalidad (x
3
),
de 0 a 15 puntos por simpata (x
4
), de 0 a 10 puntos por presentacin en traje tpico (x
5
), y lo mismo para
la presentacin en traje de noche (x
6
); y nalmente de 0 a 10 puntos extra (x
7
), a criterio del jurado para
favorecer a la candidata si es que ella lo amerita. La agencia, con bastante experiencia en mujeres y en este
tipo de eventos, tiene sus propias estadsticas a priori, las cules indican que el porcentaje de belleza ms
inteligencia, es menor o igual al 100% (x
1
+x
2
1), que la relacin entre simpata e inteligencia, se da de
dos formas: x
4
+3x
2
3 y x
4
+
x
2
3
1; que la relacin entre el carcter y los posibles puntos extras ganados
puede ser: 3x
3
+x
7
3 x
3
+ 2x
7
2; y que la relacin entre belleza y puntos extras es x
1
+2x
7
2. Por
otra parte, la agencia cuenta con personas especializadas para reforzar las reas ms dbiles (y
i
) de cada
candidata, asegurando xito total y cobrando segn sea el caso. La lista de precios se presenta en la Tabla
1.
Cmo tendr que ser la candidata para obtener un puntaje mximo en la competencia internacional?
SOLUCIN
3
Se desea maximizar el resultado obtenido por la candidata en el concurso de belleza, para ello se debe
determinar el porcentaje de cada caracterstica que posee y el porcentaje de cada caracterstica que puede
obtener con ayuda de la agencia, para esto se consideran las siguientes variables de decisin:
x
i
= Porcentaje de la caracterstica i en la candidata, i = 1, ...7.
y
i
= Porcentaje de la caracterstica i a cargo de la agencia, i = 1, ...6.
El objetivo del modelo es maximar la cantidad de puntos obtenidos por la candidata, sujeto a las restric-
ciones de que la suma de la caracterstica intrnseca de la candidata ms la caracterstica reforzada por la
agencia no puede ser mayor a 1,de cumplir las relaciones obtenidas segn estudios de la agencia, y de que el
capital mximo a invertir para reforzar a la candidata no puede superar los $40 millones, adems de la no
negatividad de las variables. Por lo tanto, el problema de optimizacin es:
P) Max 20(x
1
+y
1
) + 20(x
2
+y
2
) + 5(x
3
+y
3
) + 15(x
4
+y
4
) + 10(x
5
+x
6
+x
7
+y
5
+y
6
)
3
Felipe Mera, Juan Guiresse, Optimizacin 1996.
9
1. Personal de carabineros 18 %
2. Implementos para carabineros 10 %
3. Recintos penales 2 %
4. Personal de seguridad en recintos penales 3 %
5. Recintos hospitalarios 24 %
6. Personal mdico 20 %
7. Proyectos de investigacin en salud 8 %
8. Aseo y ornato 4 %
9. Areas verdes 7 %
10. Eventos 4 %
Table 2: Presupuesto Comunal
x
i
+y
i
1 i = 1, ..., 6
x
1
+x
2
1
x
1
+ 3x
4
3
3x
1
+x
4
3
3x
3
+x
7
3
x
3
+ 2x
7
2
x
1
+ 2x
7
2
25y
1
+7y
2
+7y
3
+7y
4
+8y
5
+12y
6
40
x
i
, y
i
0 i = 1, ..., 7
Problemas Propuestos:
1. Si la agencia a modo de oferta decide rebajar en un 50% todos sus precios, cambian las caractersticas
de la mujer que se debe encontrar?
2. Analice que ocurre si el descuento se aplica a un slo item de la lista.
3. Suponga usted que el presidente del jurado fuera chileno, y que por su sentimiento patriota asegure
10 puntos extras (el mximo) a favor para la candidata. Replantee el modelo considerando este nuevo
dato e indique como varan (si es que lo hacen) las caractersticas que debe tener la candidata.
2.4 Presupuesto Comunal
Un alcalde con planes de reeleccin desea demostrar preocupacin extrema por su comuna, por lo que realiza
una encuesta con el n de conocer las prioridades de los habitantes de ella, para as distribuir de una forma
ms eciente los fondos municipales, que ascienden a $100.000.000. Con esto dejar ms contenta a la gente
y asegurar tambin votos para la eleccin. La encuesta constaba de 10 puntos, a cada uno de los cuales
haba que asignarle un porcentaje de preferencia que indicara el benecio que les gustara entregarle a las
diferentes reas, cuidando que la suma total fuera de un 100%. Los resultados obtenidos se presentan en la
Tabla 2.
Ahora, en conocimiento de los porcentajes (p
i
) de preferencia, el alcalde necesita conocer el monto (x
i
)
que deber destinar a cada una de las reas para poder cumplir su objetivo de reeleccin. La experiencia
seala que existe una directa relacin entre la obtencin de votos y el desempeo del alcalde, de la forma

10
i=1
x
i
c
i
, es decir, mientras mayor sea esta cifra, mayor ser la cantidad de votos obtenida por el alcalde.
Por otra parte, las exigencias mnimas impuestas por el consejo municipal indican que el gasto en el rea
de seguridad (los primeros cuatro items) no debe ser menor a $37.000.000, mientras que los montos asignados
al desarrollo de la salud (items 5 ,6 y 7), deben ser al menos $52.000.000. Finalmente, en los ltimos 3 items,
10
la inversin no debe ser superior a los $25.000.000, y en particular, en ningn item se podr invertir menos
de $1.000.000.
SOLUCIN
4
El alcalde desea conocer la cantidad de dinero que debe destinar a cada una de las areas para cumplir su
objetivo de reeleccin, luego emplearemos la variable de decisin:
x
i
= Cantidad en dinero destinada al desarrollo del punto i, i = 1, ..., 10.
El objetivo del problema es que el alcalde obtenga la mayor cantidad de votos, considerando las restric-
ciones de capital total disponible, inversin mnima en seguridad y salud, inversin mxima en las otros reas
y que en cada rea se deben invertir al menos $1.000.000.
Por lo tanto, el problema de optimizacin es:
P) Max
10

i=1
c
i
x
i

10
i=1
x
i
100.000.000

4
i=1
x
i
37.000.000

7
i=5
x
i
52.000.000

10
i=8
x
i
25.000.000
x
i
1.000.000 i
Problemas Propuestos:
1. Si por cada $500.000 adicionales que se inviertan en salud el alcalde se asegura 10 votos en la eleccin,
y se sabe que con 400 votos sale reelegido. Como afectar esto las decisiones del alcalde?
2. Si un nuevo estudio seala que por cada $100.000 invertidos en el rea seguridad el alcalde se asegura
2 votos, en el rea de salud 3 votos y en las otras reas 1 voto. Plantee un nuevo modelo considerando
que el objetivo del alcalde es ser reelegido, lo que se consigue con un mnimo de 400 votos.
2.5 Habilitacin de un Avin Comercial
Una lnea area decide incorporar un nuevo avin para vuelos comerciales a su ota. Para habilitarlo
necesita conocer cul es el nmero ptimo de asientos por clase (x
i
), la cantidad requerida de azafatas (y
1
)
y auxiliares de vuelo (y
2
), de tal manera que la utilidad sea mxima. Existen 3 tipos de clases: Primera,
Ejecutiva y Econmica. Por polticas internas se debe ofrecer un mnimo de asientos por clase de 25, 80 y
120 respectivamente. Adems un estudio de mercado indic que la demanda mxima para cada clase es de
45, 100 y 210, por lo que tener un nmero superior de asientos por clase no tendr ningn sentido. Por otra
parte, el nmero de azafatas y auxiliares tambin est acotado. Por un lado, el avin no puede funcionar
con menos de 8 azafatas y 2 auxiliares de vuelo; y por lmite de espacio no podrn ser ms de 18 azafatas y 5
auxiliares de vuelo. Adems, para entregar un buen servicio en cada clase, deber haber al menos 1 azafata
por cada 10 pasajeros de Primera, por cada 20 de Ejecutiva y por cada 40 de Econmica. Tambin deber
haber un auxiliar de vuelo por cada 100 pasajeros del avin. El sueldo de cada azafata es de $200 dlares y
el de un auxiliar de $120 dlares. El avin dispone de 420 m
2
para distribuir los asientos (el espacio para
pasillos, cabinas y baos no esta includo), y habr que considerar que un asiento de Primera ocupa 1, 8
m
2
, uno de Ejecutiva 1, 4 m
2
y uno de Econmica 1 m
2
. El valor de un pasaje en cada una de las clases es de
$2.000, $1.300 y $900 dlares respectivamente, mientras que el costo de la comida para cada una de las clases
es de $80, $60 y $50 dlares. El costo de mantencin del avin es de $75.000 dlares. Finalmente, tras un
4
Yamille Del Valle K.Marcos Orchard C. Optimizacin 1
er
Semestre 1996.
11
cuidadoso estudio de servicio e imagen, la lnea area concluy que por cada azafata que tuviera por sobre
el mnimo, recibira un benecio total equivalente a $100 dlares, y por cada auxiliar de vuelo adicional el
benecio sera de $50 dlares; esto debido a que entregaran un mejor servicio y los clientes preferiran viajar
en su lnea.
SOLUCIN
5
Para plantear el modelo es necesario identicar dos grupos de variables, un grupo que identique la
cantidad de asientos a instalar en cada clase y otro grupo que permita decidir la cantidad de personal
(azafatas y auxiliares de vuelo) que debe ser asignado a cada avin.
x
i
= Nmero de asientos en la clase i, i = {1 =Primera, 2 =Ejecutiva, 3 =Econmica}
y
i
= Cantidad de personal i, i = {1 =Azafatas, 2 =Auxiliares de vuelo}
El objetivo del problema es maximizar la utilidad de la lnea area, esto es la diferencia entre ingresos
(pasajes vendidos y benecios por servicio) y costos (costo de comida y costo de mantencin). El modelo
debe considerar las restricciones del problema, las que incluyen un nmero mximo y mnimo de asientos
por cada clase, adems del espacio disponible para su instalacin; y un nivel mnimo de servicio reejado en
la cantidad de azafatas y auxiliares de vuelo por clase.
Por lo tanto, el problema de optimizacin se puede expresar como sigue:
P) Max [1.920x
1
+ 1.240x
2
+ 840x
3
+ (y
1
8)100 + (y
2
2)50] [200y
1
+ 120y
2
+ 75.000]
1, 8x
1
+ 1, 4x
2
+x
3
420
0.1x
1
+ 02x
2
+ 0.4x
3
y
1

3
i=1
x
i
100 y
2
25 x
1
45
80 x
2
100
120 x
3
210
8 y
1
18
2 y
2
5
Es importante destacar que ste corresponde al problema relajado del modelo original, ya que no se est
considerando que el nmero de azafatas y de auxiliares de vuelo (y
i
) debe ser un nmero entero.
Problemas Propuestos:
1. Cmo cambia el problema si el sueldo de los auxiliares de vuelo fuera el mismo que el de las azafatas?
Plantee el nuevo modelo.
2. Si no existiera la restricciones de mximo y mnimo para el personal del avin, cuntas azafatas y
auxiliares convendr llevar abordo?
3. Por reformas internas, la lnea rea decide fusionar sus dos primeras clases a una sola, promediando
todas las especicaciones que cada una tiene por separado, para tener las nuevas especicaciones de
esta clase. Replantee el modelo y analice su resultado. La cantidad de asientos que debe tener esta
nueva clase, es un promedio de la cantidad de asientos ptima encontrada en el modelo original de
las clases Primera y Ejecutiva?
5
Andrs Flores M. Michael Ridell H. Optimizacin 1
er
Semestre 1996.
12
2.6 Fabricacin de un Cohete
Una fbrica de cohetes, desea conocer la cantidad y tipo ptimo de combustible (x
ijk
) que debe tener cada
cohete con el n de que recorra la mayor cantidad de kilmetros por litro. La fbrica tiene asignado un
valor mximo (M) para gastar en combustible por cada viaje del cohete. Se cuenta con 3 proveedores (i),
los cules a su vez ofrecen gasolina con y sin plomo (j), de 3 octanajes diferentes (k): 93, 95 y 97 octnos.
Cada litro de combustible tiene asociado un rendimiento (r
ijk
) km/l, distinto para cada proveedor, como
tambin un costo (c
ijk
) y un peso (p
ijk
) por litro. Como los cohetes ya estn diseados, ya tienen un peso y
volumen especco, y por lo tanto estos datos no afectarn el problema. Lo que s es importante, y por eso
se mencion, es el peso del litro de combustible, ya que limitar la cantidad que podr llevar el cohete para
que no incida en la distancia recorrida por ste, este peso no podr ser mayor a P kilos.
SOLUCIN
6
El objetivo del problema es determinar la cantidad y tipo de combustible que se debe adquirir para
maximizar el rendimiento del cohete, para esto consideraremos las siguientes variables de decisin:
x
ijk
= Cantidad de combustible que se debe comprar al proveedor i, del tipo j, con k octnos;
i = {1, 2, 3}, j = {1 = con plomo, 2 = sin plomo}
k = {1 = 93 octnos, 2 = 95 octnos, 3 = 97 octnos}
El modelo debe considerar, adems, las restricciones de capital asignado a cada viaje del cohete y el peso
mximo de combustible que puede transportar. Obtenindose el siguiente problema de optimizacin:
P) Max
3

i=1
2

j=1
3

k=1
x
ijk
r
ijk
3

i=1
2

j=1
3

k=1
x
ijk
c
ijk
M
3

i=1
2

j=1
3

k=1
x
ijk
p
ijk
P
x
ijk
0 i, j, k
Problemas Propuestos:
1. Uno de los proveedores decide igualar sus precios a otro de los proveedores. Cmo se puede modicar
el modelo para que se vea representada esta situacin?.
2. Nuevamente, uno de los proveedores decide, a modo de oferta, bajar sus precios, igualndolos todos al
de la gasolina ms barata. Cmo sera el nuevo modelo?
2.7 Instalacin de Central de Telecomunicaciones
Se quiere evaluar la instalacin de una central de telecomunicaciones en una zona austral, optimizando la
cantidad de servicios que se presten con el n de maximizar las ganancias. Esta empresa ofrece 3 tipos de
servicios: telefona, TV cable e Internet, los cules pueden ser contratados individualmente o en combos de
2 o 3 servicios, en los cules se les hace un descuento a los clientes. Por lo tanto, consideraremos que la
empresa ofrece 7 servicios (x
i
) (los 3 individuales, 3 combinaciones de a 2 y 1 con los 3 servicios juntos),
cada uno con un valor (y
i
) y un costo para la empresa (c
i
). El valor de cada servicio depende exclusivamente
de la empresa, ya que no existe competencia en la zona. Adems, estos valores son tarifas planas, y en el
6
Mariangel Arratia L. Pedro Asencio H. Optimizacin 1
er
Semestre 2003.
13
caso de la telefona que se cobra tambin por el uso, se le agreg un valor adicional promedio para poder
evaluar el problema. Para evaluar si el proyecto es o no rentable, habr que considerar que la empresa tiene
una imagen enfocada principalmente a entregar servicios de televisin por cable, por lo que el proyecto no
les interesar si no entregan un mnimo de 100 servicios en esta rea. Por otra parte, la municipalidad de la
zona slo le dar permiso para instalarse si logran satisfacer una demanda mnima de 180 telfonos. Adems,
el servicio de internet que sera llevado a la zona, puede soportar un mximo de 200 abonados para asegurar
la buena calidad del servicio. Tambin, para justicar sus combos de servicio, cada uno deber tener por
lo menos 10 clientes. Finalmente, se tiene un capital de $5.000.000 para cubrir los gastos del primer mes
(antes de recibir el pago de los abonados).
SOLUCIN
7
El objetivo de la empresa es maximizar sus utilidades y para ello debe decidir la cantidad a ofrecer de
cada tipo de servicio, de esta manera la variable de decisin a emplear en el modelo resulta ser:
x
i
=Cantidad de servicio del tipo i a ofrecer
i = {1 =TV cable, 2 =telfono , 3 = internet, 4 = TV cable, Internet y Telfono,
5 = TV cable e Internet, 6 = Telfono e Internet, 7 = TV cable y Telfono}
La funcin objetivo debe considerar la maximizacin de la utilidad, expresada como la diferencia entre las
ganacias obtenidas y los costos incurridos por la entrega de cada tipo de servicio. El modelo debe considerar
las restricciones de un mnimo de servicio en TV cable y telfonos, un mximo de clientes de Internet y
un mnimo de clientes para la entrega de servicios conjuntos, adems de las restricciones de capital para la
inversin. Considerando esto el problema de optimizacin queda expresado por:
P) Max
7

i=1
x
i
(y
i
c
i
)
x
1
+x
4
+x
5
+x
7
100
x
2
+x
4
+x
6
+x
7
180
x
3
+x
4
+x
5
+x
6
200
7

i=1
x
i
c
i
5.000.000
x
i
10 i = 1, ..., 7
Problemas Propuestos:
1. Analice qu ocurre si no existiera requerimiento de parte de la empresa en cuanto al nmero mnimo
de contratos de TV cable. Haga lo mismo para el requerimiento de la municipalidad y luego para el
nmero mximo de abonados a Internet.
2. Suponga que la empresa llega a una zona donde ya existe una empresa de condiciones similares pero
que no ofrece combos o descuentos por contratar ms de un servicio. Esta empresa cuenta con 120
contratos de telfono, 50 de Internet y 70 de TV cable. La nueva empresa decide comprarle sus clientes,
pagando un monto de $20.000.000 ms un bono de 2c
i
por cada cliente (donde c
i
sigue siendo el costo
que tiene para la empresa entregar el servicio). Toda esta gestin se realiza antes de que la empresa
se instale, i.e. la empresa sigue teniendo los mismos $5.000.000 para gastar durante el primer mes. En
esta zona tambin existen requerimientos; para telfonos el mnimo debe ser de 150, para Internet de
100 y para TV cable de un mximo de 200. Plantee un nuevo modelo que maximice las utilidades de
la empresa.
7
Cristian Andrs Salazar Huln, Optimizacin 1
er
Semestre 2003.
14
2.8 Agua Puricada
Un comerciante compra agua puricada en grandes cantidades para luego venderla al detalle, en dos tipos de
envases (x
i
): botella de 1 lt y bidn de 5 lt. El precio de venta es de $350 y $300 por litro respectivamente.
Se abastece a partir de dos proveedores (y
i
); el primero, puede venderle como mximo 10.000 lt a un valor
de $100 por litro; y el segundo le ofrece la cantidad que l desee pero a un precio de $120 por litro. En
total, el comerciante puede vender a lo ms 15.000 botellas de 1 lt y 10.000 bidones de 5 lt. al mes en el
mercado, en base a un estudio de demanda realizado Por otro lado, el comerciante tiene un contrato seguro
con una clnica a la cual debe entregarle adicionalmente 600 bidones de 5 lt. Por otra parte, en los lugares
a los cuales el comerciante abastece, compran ms botellas que bidones, pero igualmente, se cumple que la
cantidad de litros de agua vendida en botellas es menos de
1
3
del total de agua comprada. El comerciante
necesita decidir de qu forma abastecerse, de manera de maximizar su utilidad. Para simplicar el problema,
considere que los costos de envasado son nulos, y que el comerciante vende todo lo que envasa.
SOLUCIN
El comerciante debe tomar dos decisiones, por un lado la cantidad de envases de cada tipo (botella y
bidn) a vender, y por otro lado el modo de abastecerse de manera de satisfacer la demanda y maximizar
su utilidad, de esta manera las variables de decisin para el modelo pueden ser:
x
i
= Cantidad de envases tipo i que vende el comerciante,
i = {1 = botellas de 1lt, 2 = bidones de 5lt}
y
i
= Cantidad de agua que el comerciante compra al proveedor i.
El problema consiste en maximizar la utilidad del comerciante, como la diferencia entre los ingresos
percibidos por la venta del agua, y los costos de abastecimiento. El modelo debe considerar como restricciones,
la satisfaccin de la demanda total, la satisfaccin de la demanda adicional de la clnica, el mximo de litros
que se le puede comprar al proveedor 1, la proporcin de agua vendida en botellas de 1 lt y el hecho de que
el comerciante vende todo lo que envasa, adems de las restricciones de no negatividad de las variables.
El modelo de optimzacin para este problema queda expresado por:
P) Max 350x
1
+ 1500x
2
100y
1
120y
2
x
1
15.000
x
2
10.600
x
2
600
y
1
10.000
3x
1
y
1
+y
2
x
1
+ 5x
2
= y
1
+y
2
x
i
, y
i
0 i = 1, 2
Problemas Propuestos:
1. Qu pasa si se elimina la restriccin de que el comerciante vende todo lo que envasa?
2. Analice como cambia el problema si el segundo proveedor:
a) iguala los precios del primero, b) vende agua a un menor precio, pero con un mximo de 5.000 litros.
3. Replantee el problema para el caso en que el comerciante decide vender adems botellas individuales
de 500cc, a un valor de $200 (es decir, a un valor de $400 por litro).
15
2.9 Confeccin de Ropa Femenina
Cada ao, la moda tiene nuevos exponentes. Los diseos son cada vez ms exclusivos e irreverentes, en
especial la ropa femenina. Las mujeres quieren lucir mejor con cada prenda, quieren comodidad, estilo y
vanguardia. Cada vez hay ms competencia en el rubro de la moda, las empresas desean vender ms para
tener ms prestigio, estampar su nombre en la vestimenta femenina a largo plazo, para as obtener mayores
ganancias.
Para la confeccin de ropa femenina, hay que elegir muy bien las telas a usar para cada prenda, por sus
distintos usos, su textura, grosor, cada y calidad. Cada empresa manufacturera tiene distintos estndares
de calidad y comodidad, segn el estilo que quiere imponer en una poca determinada, adems, los diseos
estn enfocados a un pblico de una edad determinada. Adems se cuenta, con el gusto generalizado del
pblico juvenil, dado por encuestas y estadsticas realizadas por socilogos que estudian el comportamiento
de la juventud en cuanto a su manera de vestir.
Las diseadoras de ropa femenina, Mara Paz y Cristina, quieren sacar a la competencia en ropa femenina,
su coleccin otoo-invierno, enfocada a las jvenes. Para lograr mayores ventas, han realizado un minucioso
estudio de mercado, que les permita lograr su objetivo. Para esto, cuentan con diseos nicos y novedosos
que se vendern con seguridad. Buscaron telas apropiadas para la confeccin de cada prenda: poleras, faldas,
chaquetas, vestidos, abrigos, pantalones y chales.
Por sus distintas cualidades, eligieron las siguientes telas: algodn, lino, raso, lycra, falla, y encaje. Todas
las telas de excelente calidad y usadas en distintas cantidades (en metros cuadrados) en la confeccin de
cada prenda.
El objetivo de las diseadoras es maximizar las ventas de ropa femenina para as tener ms prestigio y
mayores ganancias. Para esto se tiene una cantidad limitada d
j
de tela (en metros cuadrados), cada prenda
tiene un precio p
i
determinado por el mercado, y se usar una cantidad a
ij
de tela j en la confeccin de la
ropa i. Se quiere encontrar la cantidad de unidades de cada prenda a confeccionar de modo de maximizar
las ventas.
SOLUCION
8
Debido a que se desea encontrar la cantidad de unidades de cada prenda a confeccionar de modo de
maximizar las ventas, las variables de decisin del modelo corresponden a:
x
i
= Cantidad de prenda i a confeccionar, i = 1, ..., M
Adems, dada la gran cantidad de prendas a confeccionar, no es necesario tomar en consideracin el
hecho de que las variables de decisin deben ser enteras.
Luego el modelo debe considerar como funcin objetivo la maximizacin de las ventas (precio por cantidad
vendida), adems de la restriccin de que cada prenda requiere de una cierta cantidad de los distintos tipos
de tela, existiendo un stock limitado de esta ltimas. Lo que queda expresado matemticamente por:
P) Max
M

i=1
p
i
x
i
M

i=0
a
ij
x
i
d
j
j = 1, 2..., N
x
i
0 i = 1, 2..., M
8
Mara Paz Arriaza y Mara Cristina Manterola. Optimizacin 1
er
Semestre 2004.
16
Estruct. Mecnicos Elctricos Diseadores Transp.
Esttica 2 1 0 2 0
Estructura 2 1 1 1 1
Mecnica 1 3 0 1 1
Confort 1 1 0 2 0
Tecnologa 0 0 2 2 1
Seguridad 1 1 1 1 1
Medio Ambiente 0 0 1 1 2
Costo Semanal $15.500.000 $ 16.500.000 $ 17.200.000 $ 14.350.000 $ 14.750.000
Table 3: Equipos Necesarios para cada Faceta del Automvil
2.10 Diseo Automotriz
Suponga que usted es un magnate y, aburrido con los negocios convencionales, se ha decidido por empezar un
negocio automotriz cumpliendo el sueo que ha tenido desde pequeo: fabricar su propio vehculo. Para esto,
luego de construir su propia empresa automotriz, ha contratado un equipo de ingenieros que se encargarn
de disear cada faceta del nuevo vehculo, las cuales se han desglosado en:
Esttica (Diseo de la carrocera)
Estructura (Diseo de amortiguacin)
Mecnica (Diseo del motor, transmisin, etc.)
Confort (Diseo del interior, aislamiento sonoro, etc)
Tecnologa (Implementacin de adelantos tecnolgicos, GPS, etc)
Seguridad (Diseo de dispositivos de seguridad, air-bags, etc)
Integracin con el medio ambiente (Baja emisin de contaminantes, reutilizacin de los componentes)
El equipo de ingenieros que ha contratado para realizar semejante hazaa est dividido, segn la espe-
cialidad de los profesionales que integran cada uno de stos, en los siguientes departamentos:
Equipo de Ingenieros Estructurales
Equipo de Ingenieros Mecnicos
Equipo de Ingenieros Elctricos
Equipo de Diseadores
Equipo de Ingenieros de Transporte
Para lograr una total penetracin en el mercado usted ha decidido contratar a una empresa externa
especialista en la clasicacin de los automviles, la que est encargada de cuanticar el logro alcanzado
por este nuevo vehculo en trminos de puntaje. As, para cada una de los distintos aspectos del automvil
se le ha asignado un puntaje de 1 a 10, donde 1 sera un aspecto logrado psimamente y un 10 sera un
aspecto alcanzado a la perfeccin. Su objetivo sera entonces lograr la mayor suma de puntos en total, pero
existe un inconveniente. . . todo tiene su precio y la empresa externa especialista que lo asesora ha estimado
que se necesitan determinadas semanas de trabajo en cada aspecto para subir un punto. Adems, cada
aspecto debe ser atendido por ms de un equipo de desarrollo. Lo anterior se resume en la Tabla 3, donde
se presentan adems, los costos semanales por equipo de trabajo.
Por otra parte, el automvil contra el cual desea competir en el mercado ha sido evaluado por diversas
revistas especializadas y a usted le interesa que este nuevo vehculo salga eventualmente mejor evaluado en
todas estas pruebas. Pero lamentablemente ninguna revista ha efectuado un desglose tan minucioso de las
caractersticas de los automviles y se dispone de la siguiente informacin:
17
Aspecto Costo por Punto
Esttica $ 76.200.000
Estructura $ 93.800.000
Mecnica $ 94.100.000
Confort $ 60.700.000
Tecnologa $ 77.850.000
Seguridad $ 78.300.000
Medio Ambiente $ 61.050.000
Table 4: Costo de Aumentar un Punto cada Variable
Revista N
o
1: Esttica, Mecnica y Confort: 22 puntos
Revista N
o
2: Confort, Tecnologa, Seguridad y Mecnica: 21 puntos
Revista N
o
3: Esttica, Estructura Tecnologa y Seguridad: 28 puntos
Revista N
o
4: Medio Ambiente, Esttica y Mecnica: 24 puntos
Por ltimo, un estudio de marketing indica que el vehculo no debe tener ningn aspecto con puntuacin
menor que 5 y a su vez el auto debe promediar una nota 7 como mnimo, para evitar una identicacin
negativa con la marca desde su lanzamiento.
Su objetivo es crear un automvil que cumpla con todas estos requerimientos y, a la vez, sea lo mas barato
posible, es decir, que el dinero invertido sea el menor posible. El capital disponible es de US$6 millones,
aproximadamente $3.810 millones.
SOLUCION
9
El problema consiste en decidir que cantidad de dinero invertir en cada uno de los tems o facetas del
vehculo, de esta manera la variable de decisin para el modelo resulta ser:
x
i
= Cantidad de dinero a invertir en cada tem i, i = 1, ..., 7
Analizando el problema, se aprecia que aumentar un punto en cada faceta del automvil tiene diferentes
costos, dependiendo de los equipos involucrados. As, se debe determinar el precio que tiene aumentar en
un punto cada variable, lo que se obtiene multiplicando el costo semanal de cada equipo por las semanas
necesarias para cada faceta. Los valores obtenidos (C
i
, i = 1, ..., 7) se presentan en la Tabla 4.
El objetivo del problema es minimizar el costo total, considerando las restricciones de que la puntuacin
del automvil debe ser mayor o igual a 7, que ningn item puede tener una puntuacin menor a 5 ni mayor
que 10 y que se deben superar las evaluaciones publicadas del otro vehculo. De esta manera, el modelo
resulta ser:
P) Min
7

i=1
x
i
9
Jos Toms Cumsille y Camilo Flores. Optimizacin 1
er
Semestre 2004.
18
7

i=1
x
i
C
i
49
5C
i
x
i
x
i
10C
i
x
1
C
1
+
x
3
C
3
+
x
4
C
4
22
x
3
C
3
+
x
4
C
4
+
x
5
C
5
+
x
6
C
6
21
x
1
C
1
+
x
2
C
2
+
x
5
C
5
+
x
6
C
6
28.
x
1
C
1
+
x
3
C
3
+
x
7
C
7
24
x
i
0 i = 1, ..., 7
2.11 El Curanto ms Grande
La comunidad de Castro, con motivo de su semana de aniversario, ha decidido preparar el curanto ms grande
jams hecho por alguna islea. Con este motivo, realiz diversas encuestas de opinin entre los mejores
cocineros de la zona. La idea es poder determinar los ingredientes a utilizar, adems de sus cantidades
respectivas, para lograr la mejor combinacin de sabores.
El objetivo del estudio consiste en maximizar la calidad del curanto, calidad que se ver reejada en
una funcin de sabor, por ende, se requerir maximizar el sabor del plato. El estudio realizado incluy en
su desarrollo siete ingredientes, determinados como posibles por la encuesta hecha a los cocineros. Estos
ingredientes son: mariscos (x
1
), arroz (x
2
), pescado (x
3
), chorizo (x
4
), caldo (x
5
), verduras (x
6
), y pollo
(x
7
).
Como se sabe, el curanto es un plato que se prepara introduciendo todos los ingredientes en un hoyo
hecho en la tierra con brasas en el fondo. Por razones de sanidad (para poder asegurar la correcta coccin
de todos los ingredientes), el volumen del hoyo no debe ser superior a los 1.000 lts. Cada ingrediente aporta,
segn su cantidad, un cierto volumen al total. Por ejemplo, se ha estimado que un kilogramo de mariscos,
ocupa 1, 5 lts de espacio (recordar que los mariscos van con concha), el volumen ocupado por los mariscos y
los restantes ingredientes se resumen en la Tabla 5.
Por otro lado, la Municipalidad de Castro cuenta con un presupuesto de $500.000 para la realizacin del
curanto. Cada ingrediente tiene un costo asociado. Por ejemplo, un kilo de verduras tiene un costo de $400,
mientras que el kilo de chorizo tiene un costo de $1.300 el kilo; los restantes costos se presentan en la Tabla
5.
La correcta consistencia del curanto, se debe en parte, a la cantidad de productos vegetales utilizados en
su preparacin. De esta forma, la cantidad de arroz y verduras a utilizar no debe superar los 200 kilos.
En cuanto al modelo de calidad para determinar la funcin objetivo se consider lo siguiente: segn los
datos registrados por la Municipalidad, los diferentes ingredientes tienen distintos grados de aceptacin
entre el pblico, por ejemplo, gusta ms una mayor cantidad de mariscos a una mayor cantidad de caldo. De
esta forma, cada ingrediente fue evaluado en una escala de 1 a 10, siendo 10 el mximo, los valores obtenidos
se presentan en la Tabla 5.
SOLUCION
10
El problema consiste en determinar la cantidad de cada ingrediente a utilizar de modo de lograr la mejor
combinacin de sabores, de modo que el modelo quedar bien expresado a travs de la variable de decisin:
x
i
= Kilos de ingrediente i a utilizar en el curanto, i = 1, ..., 7
Para expresar el objetivo del problema, que es maximizar la calidad del curanto, se debe hacer uso del
estudio de aceptacin elaborado por la Municipalidad, adems de considerar las restricciones de volumen y
10
Javier Egaa. Optimizacin 1
er
Semestre 2004.
19
Ingrediente Volumen Costo Aceptacin
Mariscos 1.5 1500 10
Arroz 1.2 300 7
Pescado 1.1 1000 7
Chorizo 1.4 1300 9
Caldo 1 500 5
Verduras 1.3 400 6
Pollo 1.6 1150 9
Table 5: Volumen, Costo y Aceptacin de Ingredientes
de costo asociadas, y la restriccin que asegura la correcta consistencia del curanto. Esto permite plantear
el siguiente modelo:
P) Max 10x
1
+ 7x
2
+ 7x
3
+ 9x
4
+ 5x
5
+ 6x
6
+ 9x
7
1.5x
1
+ 1.2x
2
+ 1.1x
3
+ 1.4x
4
+x
5
+ 1.3x
6
+ 1.6x
7
1000
1500x
1
+ 300x
2
+ 1000x
3
+ 1300x
4
+ 500x
5
+ 400x
6
+ 1150x
7
500000
x
2
+x
6
200
x
i
0 i
2.12 FAMAE: Produccin de Tiros
FAMAE, Fbrica de Maestranzas del Ejrcito, es una empresa dependiente del Ejrcito de Chile que cuenta
con una larga trayectoria en la historia de Chile y el mundo. Fundada en 1810, es la fbrica militar ms
antigua de Amrica y naci para dar solucin principalmente a los problemas de mantenimiento y provisin
de los sistemas de armas nacionales. Su importancia recibi un gran empuje en la dcada de los 70 debido al
efecto de la Enmienda Kennedy, que impeda el acceso a repuestos e insumos del mercado internacional de
armas, cuyo efecto ms crtico se alcanz en 1978, para la cuasi-guerra con Argentina. Luego de la crisis de
la deuda del ao 1982, el empuje liberalizador de la Economa no slo alcanz a las empresas privadas, sino
tambin a las militares. De esta forma FAMAE dio un gran paso al incorporarse al rubro de la maquinaria
agrcola y sistemas de riego. Dentro de la misma dcada y especialmente en los aos 90, esta empresa se ha
modernizado hasta el punto de empezar la produccin de armas de diseo nacional: SAF, Mini-SAF, etc.
que se suman a la fabricacin de fusiles de asalto ocial, SIG 542 y SIG 540. Adems, se compr la
licencia a Suiza para la fabricacin de los Carros de Transporte 88 y 1010 Mowag Piranha. Este auge de
la empresa ha sido adems acompaado por una mejora en la eciencia, tanto en los costos de produccin y
educacin del personal como en la mecanizacin de la fbrica. En especial, se han implementado laboratorios
muy sosticados de balstica, resistencia al impacto de materiales, vidrios antibalsticos, qumica, etc. ste
ltimo se benecia de la planta de qumicos del Ejrcito en Talagante, muy moderna y eciente.
Actualmente se est llevando a cabo la segunda fase del gran proceso modernizador del Ejrcito (que
es parte de un proceso que afecta a todas las FF.AA), que se expresa en hechos como: reduccin del per-
sonal, cambio de planes de formacin en las Escuelas Matrices, adquisicin de equipo sosticado, exigencias
mayores para el personal de planta y Especializaciones en el extranjero, etc. Un aspecto muy importante
en este proceso es el de uniformar el armamento con el n de reducir costos de operacin. En particular,
la Comandancia en Jefe ha solicitado al Director de FAMAE un plan de trabajo para municin estndar
NATO, con el orden de produccin respectivo:
Tiros Pistola 9 19 mm. Parabellum (entre 710 y 850 mil)
Tiros 5, 56 45 mm. NATO (entre 2,4 y 4 millones)
Tiros 7, 62 51 mm. NATO (entre 4,6 y 5,4 millones)
Tiros 12, 7 99 mm. NATO (entre 1,9 y 2,7 millones)
Tiros 20 110 mm. (entre 1,5 y 1,9 millones)
20
X
i
Tiro Polvora Cobre Plomo Madera Precio
1 9 mm. Parabellum 4.17 3.7 8.03 15 332
2 5.56 NATO 1.9 3.04 3.56 14 266
3 7.62 NATO 9.37 5.3 9.33 36 310
4 12.7 NATO 5.9 12.05 11.3 37 381
5 20 x 110 mm. 2.9 9.9 12.3 35 422
6 7.62 x 39 mm. 5.1 4.7 7.9 23 342
7 20 x 102 mm. 3.9 12.1 9.9 32 453
Costo (US$/Kg) 5.25 0.81 12.95 0.25
Table 6: Famae Produccin de Tiros
Sin embargo, FAMAE enfrenta simultneamente otra demanda por parte de Brasil, quien no ocupa el
estndar NATO, sino que el oriental:
Tiros 7, 62 39 mm. (hasta 870 mil)
Tiros 20 102 mm. (hasta 540 mil)
Todos estos productos necesitan de insumos que se adquieren de proveedores nacionales y tambin de
divisiones internas del Ejrcito, como el complejo qumico ya sealado. Adems, los tiros de bajo calibre
(desde 5, 56 a 7, 62 mm.) se distribuyen nicamente en cajas de madera de 1.000 cartuchos; los de 12, 7 mm.
en cajas de 250, mientras que los ms pesados de 20 mm. se venden en cajas de 100. En la Tabla 6 se
presentan todos los datos (en Kg/caja) concernientes a unidades de componente por cada caja, precio de
venta, etc.
Es necesario aclarar que FAMAE dispone de un presupuesto para este proyecto de US$6, 78 millones,
por lo que probablemente no cuenta con el dinero suciente para cumplir todos los pedidos. Adems, los
stocks en el mercado de plvora y plomo son limitados. En el caso de la plvora, el Complejo Qumico de
Talagante se ha comprometido a entregar hasta 198 toneladas de plvora. Por otra parte, la cantidad de
plomo disponible est limitada por parte de la minera a 419 toneladas.
El objetivo de nuestro taller es maximizar las utilidades por concepto de ventas.
SOLUCION
11
Con este modelo se pretende determinar la cantidad de cada tipo de tiro a fabricar, de manera de
maximizar la utilidad de la empresa. Por esta razn la variable de decisin para el modelo puede ser:
x
i
= Cantidad de cajas de cada tipo de tiro i a fabricar. i = 1, ..., 7
La funcin objetivo debe maximizar las utilidades por concepto de ventas, esto es la diferencia entre los
ingresos por ventas y los costos de materias primas. La Tabla 6 presenta el valor que se obtiene por la venta
de cada tiro, el costo de cada materia prima y la cantidad de cada materia prima a emplear en los diferentes
tiros, de modo que la funcin objetivo resulta ser:
Max 332x
1
+ 266x
2
+ 310x
3
+ 381x
4
+ 422x
5
+ 342x
6
+ 453x
7

[5.25 (4.17x
1
+ 4.9x
2
+ 9.37x
3
+ 5.9x
4
+ 2.9x
5
+ 5.1x
6
+ 3.9x
7
) +
0.81 (3.7x
1
+ 3.04x
2
+ 5.3x
3
+ 12.05x
4
+ 9.9x
5
+ 4.7x
6
+ 12.1x
7
) +
12.95 (8.03x
1
+ 3.56x
2
+ 9.33x
3
+ 11.3x
4
+ 12.3x
5
+ 7.9x
6
+ 9.9x
7
) +
0.25 (15x
1
+ 14x
2
+ 36x
3
+ 37x
4
+ 35x
5
+ 23x
6
+ 32x
7
)]
Lo que simplicado es equivalente a:
Max 199.37x
1
+ 188.21x
2
+ 126.69x
3
+ 184.68x
4
+ 230.72x
5
+ 203.36x
6
+ 286.52x
7
11
Oscar Isler. Optimizacin 1
er
Semestre 2004.
21
Gas Licuado Carbn Petroleo
Pas 1 0.52 0.2 0.55
Pas 2 0.58 0.26 0.5
Pas 3 0.6 0.19 0.57
Table 7: Costos Asociados a Importacin de Combustibles
Tiempo Base (das) Gas Licuado Carbn Petroleo
Pas 1 75 0.07 0.06 0.072
Pas 2 60 0.056 0.045 0.075
Pas 3 60 0.061 0.07 0.062
Table 8: Tiempo Adicional de Llegada de Combustible
Este modelo se debe completar con las restricciones del problema, las que incluyen la restriccin de
presupuesto y de stock de materias primas (plvora y plomo), adems de los intervalos de produccin. El
modelo completo se presenta a continuacin:
P) Max 199.37x
1
+ 188.21x
2
+ 126.69x
3
+ 184.68x
4
+ 230.72x
5
+ 203.36x
6
+ 286.52x
7
132.63x
1
+ 77.79x
2
+ 183.31x
3
+ 196.32x
4
+ 191.28x
5
+ 138.637x
6
+ 166.48x
7
6.78 10
6
4.17x
1
+ 4.9x
2
+ 9.37x
3
+ 5.9x
4
+ 2.9x
5
+ 5.1x
6
+ 3.9x
7
198.000
8.03x
1
+ 3.56x
2
+ 9.33x
3
+ 11.3x
4
+ 12.3x
5
+ 7.9x
6
+ 9.9x
7
419.000
710.000 x
1
850.000
2.400.000 x
2
4.000.000
4.600.000 x
3
5.400.000
1.900.000 x
4
2.700.000
1.500.000 x
5
1.900.000
0 x
6
870
0 x
7
540
2.13 Crisis del Gas
Debido a la reduccin de las importaciones de gas natural desde Argentina, el gobierno chileno ha solicitado
a un grupo de expertos idear una poltica energtica que asegure de antemano los requerimientos mnimos
del pas para el ao 2005. De este modo, se requiere importar la materia prima suciente para generar
exactamente 5.000 GWh de energa. Las plantas generadoras de energa se modicarn para operar con tres
alternativas al gas natural: carbn, petrleo y gas licuado. Por otro lado, hay tres pases que poseen estos
recursos y estn dispuestos a exportarlos a Chile. Para poder comparar los tres combustibles entre s, nos
concentraremos slo en su capacidad de producir energa. O sea, el enfoque estar basado en decidir cuantos
de los 5000 GWh necesarios se debern generar a partir de cada combustible.
La Tabla 7 presenta los costos (en millones de dlares) asociados a la importacin de la cantidad suciente
de cada combustible para generar 1 GWh.
Es substancial que los combustibles importados lleguen al pas en un perodo no mayor a 180 das. La
importacin total desde cada pas tarda cierto tiempo base en llegar, a lo que se debe agregar una demora
adicional variable en das (Tabla 8) que depende de la cantidad de cada combustible que se importe de ese
pas.
Tambin se deben tomar en cuenta ciertas medidas relacionadas con el medio ambiente. El total de CO
2
emitido por las plantas energticas en Chile no podr superar las 1.300 toneladas al momento de generar los
22
CO
2
Emitido (Toneladas)
Gas Licuado 0.16
Carbn 0.4
Petrleo 0.19
Table 9: Emisin de CO2 de cada Combustible
5.000 GWh. Evidencias experimentales muestran que por cada GWh generado a partir de cada combustible
se emite la cantidad de CO
2
especicada en la Tabla 9
Por ltimo, se han rmado dos acuerdos con los pases exportadores. Se deber adquirir la cantidad
suciente de petrleo del pas 3 para generar al menos 500 GWh. Adems, entre los tres tipos de combustible,
se deber importar del pas 1 la cantidad suciente para producir 1.500 GWh.
SOLUCIN
12
El objetivo del modelo es determinar una poltica energtica que asegure los requerimientos del pas para
el ao 2005. Para ello debe generar 5.000 GWh a partir de tres tipos de combustibles, abastecindose desde
3 pases; por lo tanto la decisin se basa en determinar la cantidad de cada tipo de combustible a importar
de cada pas, en funcin de la energa que generar cada combustible, lo que es equivalente a emplear la
variable de decisin:
x
ij
= Cantidad de energa que generar el combustible i importado desde el pas j
De acuerdo a los datos expresados en las Tablas 7,??,8 y 9, cosideraremos conocidos los siguientes
parmetros:
c
ij
= Costo asociado a importar la cantidad necesaria para generar 1 GWh a partir del combustible i
proveniente del pas j.
t
ij
= Demora adicional por importar la cantidad necesaria para generar 1 GWh a partir del combustible
i proveniente del pas j.
a
i
= Toneladas de CO
2
emitidas al generar 1 GWh a partir del combustible i.
Ntese que esto se emplea solo para simplicar la presentacin del problema, usando una notacin agre-
gada en lugar de usar cada uno de los datos dados por separado, como se ha hecho en problemas anteriores.
Ahora bien, el objetivo del modelo es minimizar los costos asociados a importar los combustibles nece-
sarios, considerando como restricciones cumplir con la poltica energtica de 5.000 GWh, el hecho de que
los combustibles no pueden demorar ms de 180 das en llegar al pas, que en el proceso de generacin de
energa no se pueden emitir ms de 1300 toneladas de CO
2
y que se deben cumplir los acuerdos establecidos
con los pases exportadores.
De acuerdo a lo anterior, el modelo de optimizacin se puede expresar por:
P) Min
3

i=1
3

i=1
c
ij
x
ij
12
Christian Araya. Optimizacin 1
er
Semestre 2004.
23

3
i=1

3
i=1
x
ij
= 5000

3
i=1
t
i1
x
i1
+ 75 180

3
i=1
t
i2
x
i2
+ 60 180

3
i=1
t
i3
x
i3
+ 60 180

3
i=1
x
i1
1500

3
i=1

3
i=1
a
i
x
ij
1300
x
13
500
x
ij
0 i, j
2.14 Fbrica de Ladrillos
Una fbrica produce tres tipos de ladrillos: de primera, segunda y tercera calidad. Para un metro cbico de
ladrillos, se requiere un metro cbico de material base y aditivos adicionales. La calidad de los ladrillos se
distingue en los aditivos que cada uno requiere. En este momento la planta tiene 2.000 m
3
de material base
y se debe decidir cunto producir de modo de maximizar el ingreso por ventas. Los precios de los ladrillos
son $2.000, $1.800 y $1.500 el m
3
respectivamente segn la calidad.
Existen dos tipos de aditivos, clase A y B.
Cada metro cbico de ladrillo de primera calidad requiere 500 ml del aditivo A.
Cada metro cbico de ladrillo de segunda calidad requiere 250 ml del aditivo A y 350 ml del aditivo B.
Cada metro cbico de ladrillo de tercera calidad requiere 800 ml del aditivo B.
La fbrica maneja un stock de 200 lts del aditivo A y 1.000 lts del aditivo B. Se le pide generar un modelo
de programacin que reeje las caractersticas del problema descrito.
SOLUCION
El objetivo del problema es decidir cunto producir de cada tipo de ladrillo de manera de maximizar el
ingreso por ventas, por lo que resulta conveniente emplear la variable:
x
i
= Cantidad a producir del ladrillo tipo i,
i = {1: Primera calidad, 2: Segunda calidad, 3: Tercera calidad}
Como dato del problema se nos da la cantidad a emplear de cada aditivo para producir un metro cbico
de cada ladrillo, as como el precio de venta de cada uno de ellos.
El objetivo del problema es maximizar los ingresos por concepto de ventas, sujeto a las restriccciones
de stock de cada una de las materias primas (material base y aditivos), adems de las restricciones de no
negatividad exigidas por la implementacin del modelo Con esto en consideracin, el modelo de optimizacin
queda expresado por:
P) Max 2.000x
1
+ 1.800x
2
+ 1.500x
3
0.5x
1
+ 0.25x
2
200
0.35x
2
+ 0.8x
3
1.000
x
1
+x
2
+x
3
2.000
x
1
, x
2,
x
3
0
Problemas Propuestos
24
Descripcin Choclo Alfalfa Porotos Trigo
Produccin por hectreas (unidades) 50 40 40 15
Precio de venta por unidad 2.75 1 2.5 3
Costo de plantacin por hectrea 25 10 25 22
Trabajo requerido en hrs-hombre en Septiembre 0 1.5 0 1
Trabajo requerido en hrs-hombre en Diciembre 1.5 0 2.5 0.5
Table 10: Datos del Problema Decisin de Produccin Agrcola
1. Replantee el modelo para el caso en que, aadiendo un aditivo C a los ladrillos de primera, segunda y
tercera, se obtiene un ladrillo de superprimera, supersegunda o supertercera. Considere que los precios
de estos ladrillos son el doble de los normales, y que las cantidades necesarias de aditivo por ladrillo
son 150 ml, 95 ml y 80 ml, respectivamente. El precio por litro del aditivo C es de $10.000. Cuanto
se producira ahora de cada uno de los seis tipos de ladrillo?.
2. Como modicara el modelo si es que le ofrecen una nueva tecnologa, para la cual se requieren tres
mquinas, una para el proceso con el material base, otra para la aplicacin del aditivo A, y otra para la
aplicacin del aditivo B, cuyos precios son $10.000, $120.000 y $8.000, respectivamente. Al utilizar esta
nueva tecnologa, los ladrillos pasan a requerir: el ladrillo de primera, 200 ml de aditivo A y 800 cm
3
de
material base; el ladrillo de segunda, 100 ml de aditivo A, 200 ml de aditivo B y 900 cm
3
de material
base; y el ladrillo de tercera, 250 ml de aditivo B y 850 cm
3
de material base. Considere el caso en que
la tecnologa debe instalarse completa y el caso en que se pueden instalar independientemente cada
uno de los procesos, esto es, se pude instalar la maquinara correspondiente a la aplicacin del aditivo
A independientemente de la que modela el material base.
2.15 Decisin de Produccin Agrcola
Un agricultor tiene 300 hectreas de tierra, 200 horas-hombre disponibles en Septiembre y 300 horas-hombre
disponibles en Diciembre. Puede plantar cualquier combinacin de los siguientes productos: choclo, alfalfa,
porotos y trigo.
Formule un modelo de programacin lineal que, considerando los datos dados en la Tabla 10, permita
determinar cundo y cunto debe plantar el agricultor de cada producto de modo de maximizar sus ganancias.
El modelo debe considerar, adems, los siguientes supuestos:
La tierra plantada en septiembre no se puede utilizar en diciembre.
Considere que lo plantado en septiembre y diciembre se cosecha en el mismo tiempo (en el futuro).
Se vende todo lo que se produce.
El trabajo requerido en horas-hombres por hectreas durante septiembre y diciembre, se incurr slo
si plant o est plantado el cereal respectivo.
Los meses que el trabajo necesario por hectrea es cero son interpretados como que en esos meses no
se puede plantar ese producto, o no es necesario dedicarle tiempo a la plantacin, una vez hecha.
SOLUCION
El objetivo del problema es determinar la poltica de cultivo que debe seguir el agricultor, de manera
de maximizar su utilidad. Esta poltica incluye la opcin de plantar cualquier combinacin de productos,
considerando incluso la de no plantar. Para poder responder a la pregunta de cunto y cundo debe plantar
el agricultor, emplearemos la variable de decisin:
x
ij
= Nmero de hectreas del producto i que el agricultor debe plantar en el mes j.
i = {1 : choclo, 2 : alfalfa, 3 : porotos, 4 : trigo} j = {A : Septiembre, B : Diciembre}
25
Descripcin Choclo Alfalfa Porotos Trigo
Benecio por Hectrea 112.5 30 75 23
Table 11: Benecio de cada Producto Cultivado
De acuerdo a los datos entregados en la Tabla 10 podemos obtener el benecio por hectrea de cada tipo
de cultivo, empleando la relacin dada por la expresin en (1). Los valores obtenidos se presentan en la
Tabla 11
Benecio por hectrea = Produccin por hectreaPrecio unitario - Costo por hectrea (1)
De esta manera, el objetivo del problema es maximizar el benecio total para el agricultor, considerando
las restricciones de terreno de cultivo (mximo de 300 hectreas) y de mano de obra disponible durante cada
mes. Por otro lado, se debe considerar que las variables son no negativas, y que x
1A
, x
3A
y x
2B
siempre son
cero, ya que no es posible realizar ese tipo de cultivo en el mes correspondiente. Esto permite formular el
siguiente problema de optimizacin:
P) Max 112.5x
1B
+ 30x
2A
+ 75x
3B
+ 23(x
4A
+x
4B
)
x
1B
+x
2A
+x
3B
+x
4A
+x
4B
300
1.5x
2A
+x
4A
200
1.5x
1B
+ 2.5x
3B
+ 0.5x
4B
300
x
1B
, x
2A
, x
3B
, x
4A
, x
4B
0
Problemas Propuestos
1. Suponga que un vecino ofrece al agricultor arrendarle hectreas para cultivar, a un precio de $15 la
hectrea al ao. Considere que esta tierra cuenta con caractersticas diferentes a la propia cmo
incluira esta nueva posibilidad en el modelo?
2. Ahora considere que un vecino ofrece arrendarle sus tierras por $20 la hectrea anual de qu manera
incluira esta nueva condicin en el modelo?
3. Que ocurrira si ahora se ofrecen para ser contratados obreros, que le cobrarn $0,2 por hora trabajada?
Implemente esta nueva condicin en el modelo. Considere el caso opuesto, en que a Ud. le ofrecen
contratarlo para labrar otra tierra a $0,3 la hora.
4. Cmo modicara el problema si le informan que pueden transportarle a otro mercado, donde le pagan
$5.5, $2, $5 y $6 por unidad de choclos, alfalfa, porotos y trigo, pero que para llegar a l debe pagar
un costo por transporte que le cuesta $500 el viaje y que en cada viaje puede llevar o 200 choclos o
150 alfalfas o 150 porotos o 75 unidades de trigo, o una combinacin que mantenga esta proporcin,
por ejemplo 100 choclos y 75 alfalfas? Aada esta nueva condicin al modelo primitivo.
2.16 Proceso Productivo
Una empresa produce tres productos: A, B, y C. Para esto dispone de tres mquinas: 1, 2 y 3, adems de
3 tipos de personal: a, b y c y 2 insumos base e y f. El proceso de produccin de cada uno de estos tres
productos es el siguiente:
Para producir una unidad de A, un funcionario tipo a toma 100 gramos de e y los procesa por 20 minutos.
Luego, lo deja en la mquina 1 por 40 minutos. A continuacin lo toma nuevamente el funcionario tipo a y
lo entrega en la sala donde trabajan los hombres tipo b, esto le toma 5 minutos. All, se procesa el producto
en la mquina 2 y se le agregan 20 cm
3
de insumo f, demorando el paso por el taller 45 minutos (de uso
26
intensivo de hombre y mquina), trabajando en una unidad 2 funcionarios simultneamente todo el tiempo.
As, se obtiene una unidad de tipo A que se vende en el mercado a $150 cada una.
Para producir una unidad de B, un funcionario tipo a toma 100 gramos de e, 50 cm
3
de insumo f y dos
unidades de A. Los mezcla bien durante 25 minutos y lo pasa a la sala donde trabajan los individuos tipo
c. All, estos hombres mediante 50 minutos de la mquina 3 dejan listo una unidad de tipo B que se vende
en el mercado a $400 cada una.
Para producir una unidad de C, un funcionario tipo a junto a uno de tipo c toman tres unidades de A y
una unidad de B, agregan 25 cm
3
de insumo f y lo trabajan por 40 minutos en una mquina 2. De este
modo se obtiene una unidad de tipo C que se vende en el mercado a $2.500 cada una.
En este momento en la empresa trabajan 10 operarios de cada tipo, trabajando cada uno de ellos 40
horas semanales (una semana se considera de cinco das hbiles y un mes de 20 das hbiles). Supondremos
que en el corto plazo estos funcionarios no son modicables. Actualmente existe disposicin ilimitada de
insumo e, pero slo 25.000 cm
3
diarios de insumo f.
El sueldo de los operarios es M$250, M$400 y M$450 al mes para los tipos a, b y c respectivamente.
El costo del insumo e es $30 cada 100 gramos y del insumo f es $50 el litro. Suponga que por efectos de
arriendo de las mquinas la empresa debe pagar $1.000, $1.200 y $1.500 diarios respectivamente. En el corto
plazo, la estructura de las mquinas no puede modicarse, es decir no se puede devolver una mquina ni
arrendar ms de una adicional.
Adems la empresa tiene otros costos en administracin, ventas, marketing, arriendo y otros equivalente
a $12.000 diarios.
Cree un modelo de optimizacin que maximice las utilidades de esta empresa en el corto plazo con-
siderando las caractersticas aqu expuestas.
SOLUCION
Dada la forma en que se presenta el problema, el primer paso ser identicar y organizar los datos
entregados. Note que la siguiente informacin es conocida:
Cantidades especcas para la produccin de cada producto en cuanto a insumos (e y f), mquinas
(1, 2 y 3) y personal (a, b y c).
Sueldos de cada funcionario (a, b y c) y costos de mantencin de maquinaria (costos jos).
Precio de los insumos e y f, y precio de venta de los productos A, B y C.
Detalles relacionados con la forma de trabajo de los obreros a, b y c.
Gasto jo por otros conceptos,de 12.000 diarios.
Esta informacin se presenta organizada y resumida en las Tablas 12 y 13.
Notemos que lo nico que vara son aquellos parmetros que dependen de la produccin. Es decir, nuestra
variable de decisin debe ser la cantidad a producir de cada uno de los productos, el problema es que el
sistema se retroalimenta, esto es para producir B utiliza A y para producir C utiliza A y B. Una primera
formulacin del problema considera la cantidad que la empresa produce de cada elemento, incluidos aquellos
que se utilizan para la produccin de otro. Se podra hacer un modelo alternativo utilizando como variable
la cantidad de producto que sale desde la fbrica, esto requiere slo un cambio de variable al primer modelo,
el cual especicaremos posteriormente.
Luego, las variables de decisin a emplear son:
A = Cantidad producida del elemento A
B = Cantidad producida del elemento B
C = Cantidad producida del elemento C
Como notacin consideraremos:
27
A B C
a (minutos) 25 25 40
b (minutos) 2*45
c (minutos) 50 40
e (gramos) 100 100
f (cm
3
) 20 50 25
1 (minutos) 40
2 (minutos) 45 40
3 (minutos) 50
A (unidades) 2 3
B (unidades) 1
C (unidades)
Precio ($) 150 400 2500
Table 12: Datos del Problema Proceso Productivo
Costo ($) Tiempo Disponible (minutos) Cantidad Mensual
a
250000
mesfuncionario
40460
mesfuncionario
10
b
400000
mesfuncionario
40460
mesfuncionario
10
c
450000
mesfuncionario
40460
mesfuncionario
10
e
0.3
gr

f
0.05
cm
3
250000 20 cm
3
1
201000
mes
40460
mesmquina
1
2
201200
mes
40460
mesmquina
1
3
201500
mes
40460
mesmquina
1
Otros
2012000
mes
Table 13: Datos del Problema Proceso Productivo
28
e = Gramos consumidos del insumo e
f = cm
3
consumidos del insumo f
El objetivo del modelo es maximizar las utilidades por concepto de venta de los productos, ahora bien,
de acuerdo a las variables de decisin escogidas la cantidad que se vende del producto A corresponde en
realidad a A 2B 3C, de la misma manera lo que se vende de B es B C, mientras que el producto
C es destinado completamente para la venta. Por otro lado la funcin objetivo debe considerar los costos
variables por insumo (e y f), y los costos jos por mquinas, operarios y otros.
Las restricciones del modelo deben considerar las restricciones de tiempo para los operarios y mquinas
(ver Tabla 13), las restricciones de stock para los insumos, la equivalencia de e y f en trminos de A, B y C
y el hecho de que las cantidades que se venden y que se producen de cada producto deben ser no negativas.
De acuerdo a las consideraciones anteriores, el modelo de optimizacin resulta ser:
P) Max 150(A2B 3c) + 400(B C) + 2.500C 0.3e 0.05f
[20(1.000 + 1.200 + 1.500)] + [10(250.000 + 400.000 + 450.000)] + (20 12.000)
25A+ 25B + 40C 9.600
2 45A 9.600
50B + 40C 9.600
40A 9.600
45A+ 40C 9.600
50B 9.600
100A+ 100B = e
20A+ 50B + 25C = f
25.000 20 f
A2B 3C 0
B C 0
A, B, C 0
Eliminando la notacin de e y f y simplicando expresiones, el modelo anterior es equivalente a:
P) Max 119A+ 67.5B + 1648.75C 10.814.000
25A+ 25B + 40C 9.600
90A 9.600
50B + 40C 9.600
40A 9.600
45A+ 40C 9.600
50B 9.600
20A+ 50B + 25C 500.000
A2B 3C 0
B C 0
A, B, C 0
Adems, como se mencion anteriormente existe la posibilidad de modicar el modelo planteado, uti-
lizando como variables de decisin las cantidades que se venden (o salen al mercado) de cada producto, esto
29
% de Pesca segn sector Peso promedio
Tipo de pez I II III IV por pez
Atn 12 15 32 43 3 Kgs
Sardina 38 27 18 22 2 Kgs
Jurel 24 33 38 17 2.5 Kgs
Merluza 26 25 12 18 1.5 Kgs
Table 14: Pocentaje Promedio de Pesca y Peso por Pez
es A, b y c. Para eso basta emplear el cambio de variables dado en (2) en el modelo anterior.
A

= A2B 3C (2)
B

= B C
C

= C
Problemas Propuestos
1. Como modicara el modelo para el caso en que se pudiera contratar o despedir a operarios? Considere
adems que la oferta mxima de operarios en el mercado es de 25 de tipo A, 15 de tipo B y 20 de tipo
C.
2. Considere ahora, adems de lo anterior, que tiene la posibilidad de comprar ms maquinaria, a un
precio de $12.000 la mquina 1, $8.000 la mquina 2, y $10.000 la mquina 3. Le ofrecen slo dos
mquinas 1, tres mquinas 2 y una mquina 1. Considere el caso en que las mquinas pueden comprarse
por unidad, el caso en que se deben comprar todas las mquinas de un tipo, y un tercer caso en que el
paquete de venta esta conformado por las seis mquinas.
3. Suponga que le ofrecen una tecnologa con la cual puede producir insumo f, a partir del insumo e,
mediante un proceso que consume 50 gramos de e, y produce 1 litro de f, en un plazo de diez minutos
mediante el uso de agua, con un costo que se considera despreciable. Para esto debe adquirir la
maquinaria necesaria, cuyo costo asciende a $15.000. Considere que debe pagarle a un operario extra
de tipo d, el que recibe un sueldo de $1.500 por hora trabajada.
2.17 Itinerario Empresa Pesquera
Usted trabaja en una empresa pesquera y se le ha pedido que optimice el recorrido de un barco especco
en su itinerario de pesca alrededor de una isla. En la Figura 1 se observa la isla, el barco debe comenzar y
terminar su itinerario en el punto A. En su recorrido deber pasar por cuatro sectores (I, II, III y IV) que
son puntos de inters pesquero debido a la alta densidad de peces.
El barco tiene una velocidad mxima de 15 Km/hr y una velocidad mnima de 10 Km/hr. Su rendimiento
(en Km/lt) puede estimarse como 1/V elocidad, cuando la velocidad se expresa en Km/hr. El barco tiene
una capacidad de 5.000 toneladas de carga de pago (slo los peces) y de 430 lts de combustible.
Para simplicar el problema suponga que los sectores pueden modelarse como puntos en los cuales se
pesca y que las distancias entre sectores es AI: 8Kms, I II : 10Kms, II III : 5Kms, III IV : 7Kms,
IV A : 9Kms. Suponga tambin que cuando el barco est en un sector, no consume combustible.
En cada uno de los sectores se encuentran cuatro tipos de peces en distintas proporciones, cada uno de
esos peces tiene un peso promedio distinto. Ambas informaciones se presentan en la Tabla 14.
En cada sector la velocidad de pesca se estima en 60 peces por minuto. El viaje debe iniciarse a las 8:00
hrs. y debe concluir a las 18:00 hrs no importando la hora en que pase por cada sector. Por ltimo, se conoce
el costo de procesar cada uno de estos peces y el precio de venta del kilo de pez faenado. Esta informacin
se encuentra en la Tabla 15.
El costo del combustible es $150 el litro y existe un costo jo de realizar la operacin equivalente a cinco
millones de pesos.
30
Figure 1: Itinerario Empresa Pesquera
Head Costo de proceso Porcentaje de pescado til Precio de venta del pez
Atn $100/pez 80% $600/Kg
Sardina $125/pez 90% $400/Kg
Jurel $90/pez 75% $200/Kg
Merluza $85/pez 85% $250/Kg
Table 15: Costo, Precio y Porcentaje de cada Pez
31
Usted debe escribir un modelo de optimizacin que maximize las utilidades de este viaje por medio de
una adecuada programacin de los tiempos que se queda el barco en cada sector.
SOLUCIN
El objetivo del problema es determinar la forma de realizar la pesca de modo de maximizar los benecios
del proceso. Esto signica determinar el tiempo de pesca en cada sector y el tiempo a usar para ir entre
un sector y otro (notar que ste ultimo implica conocer la velocidad, ya que se conoce la distancia para
cada trayecto), mientras que la cantidad de combustible a utilizar queda determinada por la ecuacin de
rendimiento. De esta manera emplearemos las siguietes variables de decisin:
t
k
= Tiempo (en horas) que el barco permanece detenido en el sector k, k = I, II, III, IV
x
ij
= Tiempo (en horas) de trayecto entre el sector i y el sector j,
i = A, I, II, III, IV j = I, II, III, IV, A
Adems, por comodidad, deniremos las siguientes variables dependientes:
v
ij
= Velocidad entre el sector i y el sector j.
l
ij
= Litros de combustible gastados entre el sector i y el sector j.
Adems, emplearemos notacin agregada para referirnos a algunos de los datos dados, de tal manera que:
d
ij
= Distancia (en kilmetros) entre el sector i y el sector j.
p
lk
= Porcentaje de pesca del pez l en el sector k, l = {1 : Atn, 2 : Sardina, 3 : Jurel, 4 : Merluza}
p
l
= Peso promedio del pez l l = {1, 2, 3, 4}
c
l
= Costo de proceso (por pez) del pez l.
u
l
= Porcentaje de pescado til del pez l.
s
l
= Precio de venta del pescado l.
Ahora bien, la velocidad ser igual a la distancia recorrida dividida por el tiempo utilizado en recorrerla
(ver (3)), mientras que los litros de combustibles gastados corresponden al nmero de kilmetros recorridos
multiplicado por el rendimiento (inverso de la velocidad) como se aprecia en (4).
v
ij
=
d
ij
x
ij
(3)
l
ij
= d
ij
x
ij
d
ij
= x
ij
(4)
El ingreso que reporta la extraccin de cada tipo de pez, se obtiene empleando la relacin dada en (5).
Ingreso Pez l = s
l
p
l
u
l

k
p
lk
3.600 t
k
(5)
El costo de extraccin y procesamiento del pescado se obtiene empleando la relacin dada en (6).
Costo de Procesar el pez l = c
l

k
p
lk
3.600 t
k
(6)
Adems, existe un costo jo por realizar el circuito y un costo de combustible consumido, el que se
expresa en (7).
Otros Costos = 150(x
AI
+x
III
+x
IIIII
+x
IIIIV
+x
IV A
) + 5.000.000 (7)
Ahora bien, el objetivo del problema es maximizar la utilidad de la empresa, esto es la diferencia entre
los ingresos percibidos y los costos incurridos, lo que de acuerdo a lo expresado anteriormente es equivalente
a:
32

k
p
lk
3.600 t
k
(s
l
p
l
u
l
c
l
) 150(x
AI
+x
III
+x
IIIII
+x
IIIIV
+x
IV A
) 5.000.000 (8)
Por otro lado, el modelo debe considerar las restricciones de velocidad mxima y mnima, capacidad del
barco (en cunto a carga de pago y combustible) y el tiempo mximo de viaje, adems de la no negatividad de
las variables (ntese que no es necesario agregar restricciones de signo para x
ij
, ya que stas se encuentran
acotadas). Considerando esto, y las relaciones dadas en (3), (4) y (8), se obtiene el siguiente modelo de
optimizacin:
M ax

l

k
p
lk
3.600 t
k
(s
l
p
l
u
l
c
l
) 150(x
AI
+x
III
+x
IIIII
+x
IIIIV
+x
IV A
) 5.000.000
d
ij
15
x
ij

d
ij
10
i, j

l
p
l

k
p
lk
3.600 t
k
5.000.000
x
AI
+x
III
+x
IIIII
+x
IIIIV
+x
IV A
430
IV

k=I
t
k
+x
AI
+x
III
+x
IIIII
+x
IIIIV
+x
IV A
12
t
k
0 k
Problemas Propuestos
1. Qu cambiara en el modelo si los sectores de pesca no fueran ya puntos y uno siguiera viajando por
ellos, gastando combustible y recorriendo as los sectores de pesca?
2. Que pasara si el costo jo de 5.000.000 fuera ahora dependiente del tiempo de viaje? Y si ahora lo
que queremos optimizar es el tiempo de viaje, pero queremos percibir un benecio neto de 5.000.000?
3. Que ocurrira si se sabe que la demanda por atn es 1.000 pescados, por sardina 1.250, por jurel 640
y por merluza de 980?
4. Cmo debemos arreglar el modelo si ahora se nos pide hacer una programacin anual para la pesca,
donde se nos entregan temporadas de pesca, temporadas de veda, etc? Considere adems que mensu-
almente variarn los porcentajes extrados en cada zona, por pez. Adems, considere que en invierno
existen en promedio dos das a la semana en que no se podr pescar debido al clima, pero de todas
maneras se deber cancelar el sueldo de la tripulacin, que corresponde al 20% del costo total de cada
viaje.
5. Que pasara si para hacer la extraccin se nos ofrecen dos tipos de barcos, con diferentes precios, pero
con diferentes porcentajes de extraccin por sector y cantidad de pesca por minuto?
2.18 Sistema de Atencin Telefnico
Usted es ingeniero de una empresa de servicios que recibe las solicitudes de compra, los reclamos y la
informacin por medio del telfono. Esta empresa cuenta con un sistema con capacidad de 100 llamadas
simultneas. Cuando llega una llamada, si existe al menos una telefonista desocupada, una de ellas toma el
llamado, si todas estn ocupadas, entonces la llamada dar tono ocupado y se perder la comunicacin.
El problema se suscita al contratar a las telefonistas, debido a que la empresa trabaja de lunes a domingo,
sin embargo los contratos con las operarias deben tener das de descanso.
El departamento de marketing le informa que, de acuerdo a sus estimaciones, de lunes a viernes debe haber
como mnimo 100 telefonistas trabajando. Ellos estiman que las solicitudes caen los sbados y domingos y
por lo tanto se requieren como mnimo 70 telefonistas el sbado y 45 el domingo.
Por otra parte, el departamento jurdico le informa a usted que el sistema tradicional de trabajar lunes a
viernes y descansar sbados y domingos no es obligatorio en los contratos laborales, es decir pueden crearse
nuevos arreglos, sin embargo deben respetarse ciertas normas:
33
1. No se puede trabajar ms de diez das continuados ni menos de tres.
2. No se puede dar ms de cuatro das de descanso seguidos ni das aislados.
3. Cualquier frmula debe contemplar que los das laborales y los festivos deben estar en proporcin cinco
es a dos.
4. Todos los operarios deben tener al menos un domingo libre al mes.
En base a estos argumentos, el departamento jurdico le propone a usted tres tipos de contrato:
1. Un primer tipo es para telefonistas que trabajan de lunes a viernes y descansan sbados y domingos.
2. Un segundo consistir en que la primera semana la persona descansar lunes y martes, la segunda
martes y mircoles, la tercera mircoles y jueves, la cuarta jueves y viernes, la quinta viernes y sbado,
la sexta sbado y domingo y la sptima domingo y lunes. De ah en adelante se repetir otra vez la
primera y as sucesivamente. Para esto se contratarn grupos de siete personas que realicen su ciclo
de trabajo con una semana de desfase.
3. Otro contrato consistir en que la primera semana descansar lunes y martes, la segunda mircoles y
jueves, la tercera viernes y sbado, la cuarta sbado y domingo. De ah en adelante se repetir otra
vez la primera y as sucesivamente. Para esto se contratarn grupos de cuatro personas que realicen
su ciclo de trabajo con una semana de desfase.
El departamento de personal le informa que el sueldo de una persona segn el primer tipo de contrato es
de $200.000. Para el segundo tipo es de $240.000 y el tercero es de $250.000. Le indican adems que creen
que habr suciente gente interesada en trabajar.
Usted debe formular un problema de optimizacin para determinar cuntas telefonistas contratar de
modo de satisfacer los requerimientos de marketing y qu los costos para la empresa sean mnimos.
SOLUCIN
El objetivo del problema es determinar cuntas telefonistas contratar en cada tipo de contrato de modo
de satisfacer los requerimientos de marketing y qu los costos para la empresa sean mnimos.
Para el desarrollo de este modelo supondremos que los meses constan de 28 das, o lo que es lo mismo,
que los sueldos se pagan por cada perodo de ese largo. Esto nos ayuda a eliminar cualquier tipo de problema
que se podra originar en una semana incompleta, con los sueldos, el nmero de operarios trabajando, etc.
Ahora bien, la forma de contratar es por personas segn algunos contratos y por grupos segn otros, por
lo tanto, las variables de decisin del modelo deben ser coherentes con stas condiciones, de esta manera,
sea:
x = Nmero de personas contratadas por contrato de tipo 1.
y = Nmero de grupos de 7 personas contratadas por contrato de tipo 2.
z = Nmero de grupos de 4 personas contratadas por contrato de tipo 3.
Es necesario relacionar las variables de decisin con el nmero de operarios que se encontraran trabajando
cada da, para esto se elaboraron tablas, las cuales se rellenaron con cruces si ese da el usuario en cuestin
trabaja, estableciendo los totales de trabajo por da para cada uno de los tipos de contrato.
Para el contrato 1 hay un solo individuo en el grupo (Figura 2), para el contrato tipo 2, existen 7 personas
en cada grupo (Figura 3) y para el contrato tipo 3, existen 4 personas en cada grupo (Figura 4).
De esta manera, podemos establecer la cantidad total de trabajadores para cada da en funcin de las
variables del modelo, informacin que se presenta en la Tabla 16.
Ahora bien, el problema consiste en mimimizar los costos por concepto de contrataciones, cumpliendo
con los requerimietos de disponibilidad de telefonistas. El modelo debe incluir, adems, la no negatividad
de las variables. Con estas consideraciones el modelo se puede expresar como sigue:
P) Min 200.000x + 1.680.000y + 1.000.000z
34
Figure 2: Contrato Tipo 1
Figure 3: Contrato Tipo 2
Figure 4: Contrato Tipo 3
Da Cantidad Total de Trabajadores
Lunes x + 5y + 3z
Martes x + 5y + 3z
Miercoles x + 5y + 3z
Jueves x + 5y + 3z
Viernes x + 5y + 3z
Sbado 5y + 2z
Domingo 5y + 3z
Table 16: Sistema de Atencin Telefnico
35
Alternativa Cortes Prdida (cm)
1 3 rollos de 30 cm 10
2 1 rollo de 30 cm y 1 rollo de 45 cm 25
3 2 rollos de 45 cm 10
4 1 rollo de 45 cm y 1 rollo de 50 cm 5
5 3 rollos de 50 cm 0
6 1 rollo de 30 cm y 1 rollo de 50 cm 20
Table 17: Fbrica de Papel
x + 5y + 3z 100
5y + 2z 70
5y + 3z 45
x, y, z 0
Problemas Propuestos
1. Cmo cambiara su modelo si en vez de minimizar los egresos de la empresa le pidieran que con 12
millones de pesos al mes, usted logre que en suma semanal el nmero de telefonistas faltantes para
cumplir con los requerimientos de Marketing sea mnimo. Note que si se tienen ms telefonistas que
los requeridos en un da cualquiera no le ayuda con lo solicitado.
2. Considere que ahora Ud. sabe que los requerimientos por llamadas son funcin del tiempo de espera,
esto es, el tiempo que debe estar llamando un cliente antes de ser atendido. Ud. sabe adems que
ste tiempo de espera es funcin de la cantidad de telefonistas. De esta manera se han calibrado
tres funciones, que entregan los requerimientos por llamadas en funcin de la cantidad de telefonistas
activas. La primera es vlida de Lunes a Viernes, la segunda el Sbado y la tercera el Domingo. Estas
funciones pueden expresarse cmo LV(tele), S(tele) y D(tele), donde tele es el nmero de telefonistas
activas. El departamento de Marketing quiere saber cual es la cantidad que se debe contratar de
telefonistas para atender el mximo de clientes, sabiendo que se cuenta con un presupuesto mximo
de $24.000.000.
2.19 Fbrica de Papel
Una industria que fabrica papel y lo distribuye en rollos debe determinar la mejor forma de realizar el proceso
de corte. Los rollos de papel que se producen tienen un ancho de 100 cm, sin embargo, los clientes demandan
rollos de 30, 45 y 50 cm de ancho. Por lo tanto, al cortar los rollos de 100 cm se incurre en una prdida de
material que depende de la forma en que se corten los rolllos originales. Se desea determinar la forma de
efectuar el corte de manera que se satisfaga la demanda y se minimice la prdida total del material. Se tiene
un pedido de 800 rollos de 30 cm, 500 de 45 cm y 1.000 de 50 cm.
SOLUCIN
Antes de plantear el modelo es necesario conocer las alternativas de corte para el rollo de 100 cm, ls que
de acuerdo a las dimensiones dadas se resumen en la Tabla 17.
Ahora bien, la idea es determinar la forma de efectuar los cortes, esto es el nmero de rollos a cortar con
cada alternativa, luego la variable de decisin a emplear ser:
x
i
= nmero de rollos de 100 cm a cortar con la alternativa i, i = 1, ..., 6
El objetivo del problema es minimizar la prdida total de material, considerando las restricciones de
satisfacer la demanda por cada tipo de rollo y de no negatividad para las variables; esto se expresa a travs
del siguiente modelo:
P) Min 10x
1
+ 25x
2
+ 10x
3
+ 5x
4
+ 20x
6
36
3x
1
+x
2
+ 10x
3
+x
6
= 800
x
2
+ 2x
3
+x
4
= 500
x
4
+ 2x
5
+x
6
= 1.000
x
i
0 i
2.20 Empresa Qumica de Aditivos Lquidos
Una empresa qumica produce N tipos de aditivos lquidos, los cuales se fabrican mezclando j componentes
lquidos bsicos. Por cada litro de aditivo i fabricado se emplean c
ij
litros de componente j. La empresa posee
K plantas productoras que funcionan con tecnologas distintas, esto signica que los costos de produccin
(sin incluir los costos de los componentes) son distintos en cada planta, donde CF
ik
es el costo de fabricar
un litro de producto i en la planta k y TF
ik
es el tiempo en horas que se mantiene ocupada la planta k
fabricando un litro de producto i (una planta no puede fabricar dos productos distintos simultneamente).
El costo de los componentes bsicos vara segn la planta, siendo CB
jk
el costo de un litro de componente
j en la planta k.
El proceso productivo genera L tipos de contaminantes. Por cada litro de aditivo i fabricado en la planta
k se producen CO
ikl
litros de contaminante l (l = 1...L). La empresa est sujeta a regulaciones ambientales
mediante las cuales en un lapso de 24 horas no puede verter ms de CM
l
litros de contaminante l al ambiente.
Adicionalmente, se tiene que por cada litro de aditivo 1 fabricado, la empresa debe producir 2 litros de
aditivo 3. Adems, por cada litro de aditivo 2 fabricado la empresa debe producir 2 litros de aditivo 5.
Plantee un Problema de Programacin Lineal que permita satisfacer una demanda de D
i
litros de aditivo i
en un lapso de 24 horas a mnimo costo considerando que no existe ningn stock inicial de aditivos.
SOLUCIN
La idea del problema es obtener una poltica de produccin diaria que permita satisfacer la demanda.Para
ello se debe determinar la cantidad de litros de cada aditivo que se debe fabricar en cada una de las plantas,
luego la variable de decisin del modelo ser:
x
ik
= Litros de aditivo i a fabricar en la planta k en un lapso de 24 horas,
El objetivo del problema es minizar los costos involucrados en la fabricacin de los distintos tipos de
aditivos, los que incluyen los costos de fabricacin propiamente tal as como los costos de las materias primas
necesarias. El modelo debe considerar adems, las restricciones de satisfacer la demanda, de la regulacin
ambiental por la generacin de contaminantes, del tiempo mximo de produccin y de la relacin entre la
cantidad de aditivos producidos. Esto permite plantear el siguiente modelo:
Min
N

i=1
K

k=1
CF
ik
x
ik
+
J

j=1
N

i=1
K

k=1
CB
jk
c
ij
x
ik
37
% por curso Costo Transporte
Area N
o
de Estudiantes 6
to
7
vo
8
vo
1 2 3
1 450 32 38 30 300 0 700
2 600 37 28 35 * 400 500
3 550 30 32 38 600 300 200
4 350 28 40 32 200 500 *
5 500 39 34 27 0 * 400
6 450 34 28 38 500 300 0
Table 18: School Board
K

k=1
x
ik
= D
i
i
N

i=1
K

k=1
CO
ikl
x
ik
CM
l
l
N

I=1
TF
ik
x
ik
24 k
2
K

k=1
x
1k

K

k=1
X
3k
2
K

k=1
x
2k

K

k=1
X
5k
x
ik
0 i, k
2.21 School Board
El school board de una cierta ciudad en Estados Unidos ha tomado la decisin de cerrar uno de sus middle
schools (estos colegios imparten los niveles de sexto, sptimo y octavo bsico) al nal del presente ao, y
re-asignar TODOS los estudiantes a los 3 restantes colegios de este tipo en la ciudad. El distrito de la ciudad
provee servicio de transporte escolar a los estudiantes que deben viajar ms de una milla para llegar a su
colegio. El board quiere re-asignar a los estudiantes de modo de minimizar el costo total de transporte. En la
Tabla 18 se incluye el nmero de estudiantes del colegio que se cerrar, en cada una de las reas residenciales
de la ciudad, y tambin el porcentaje de stos que corresponden a cada uno de los niveles; adems se incluye
el costo anual de transporte por estudiante desde cada una de las 6 reas residenciales a cada colegio (cero
indica que el bus no es requerido y "*" indica que se trata de una asignacin infactible).
El school board ha impuesto adems la restriccin que, en relacin al total de alumnos trasladados a un
colegio, cada nivel (6, 7, 8) debe representar entre un 30 y un 35% del total. El cupo total disponible en cada
colegio para aceptar nuevos alumnos es de 900, 1.100 y 1.000 respectivamente. Usted ha sido contratado
como un consultor en Investigacin de Operaciones para asesorar al school board en la solucin de este
problema. Formule el problema como un modelo de programacin lineal.
Hint: Para desarrollar su formulacin puede pensar en forma paramtrica, es decir, denir c
ij
como el
costo anual de transporte de un estudiante del rea i al colegio j.
SOLUCIN
38
Comenzaremos deniendo algunos parmetros tales como:
n
i
: Nmero de estudiantes que viven en rea i
c
ij
: Costo de transporte desde rea i hasta el colegio j
r
ik
: Porcentaje de alumnos del rea i en curso k (1:sexto; 2:sptimo; 3:octavo)
m
j
: Cupo disponible en colegio j para aceptar nuevos alumnos
y la variable de decisin:
x
ijk
: Nmero de estudiantes del rea i que son trasladados al colegio j al curso k.
El objetivo de este problema es encontrar una asignacin de alumnos que minimice los costos de trans-
porte. De esta forma obtenemos la siguiente funcin objetivo:
P) Min
6

i=1
3

j=1
3

k=1
c
ij
x
ijk
Dentro de las restriccin impuestas para esta asignacin encontramos las siguientes:
0.30

6
i=1

3
k=1
x
ijk


6
i=1
x
ijk
0.35

6
i=1

3
k=1
x
ijk
k, j (9)

6
i=1

3
k=1
x
ijk
m
j
j (10)

3
j=1
x
ijk
= r
ik
n
i
i, k (11)
donde la restriccin (9) asegura que en cada curso de cada colegio haya entre un 30% y un 35% de los alumnos
reasignados, la restriccin (10) se preocupa de no sobre asignar en colegios que no haya cupo, mientras que
la restriccin (11) reasigna a todos los alumnos del colegio que est cerrando.
Finalmente, hay tres asignaciones que no pueden ser consideradas, indicadas con " en la Tabla 18. As,
junto a las restricciones naturales de no negatividad, consideramos tambin lo siguiente:
x
21k
, x
52k
, x
43k
= 0 k
x
ijk
0 i, j, k.
2.22 Central Hidroelctrica
Una compaa hidroelctrica controla la operacin de dos embalses, cada uno con su planta de generacin
asociada. El horizonte de planicacin de la compaa es de 1 ao, dividido en 6 perodos. El primer
embalse tiene capacidad para almacenar 3.500 kilo-hectrea-metro y el segundo 5.500 kilo-hectrea-metro.
Si cualquier embalse est a plena capacidad, en cualquier instante en el tiempo, cualquier inujo adicional
de agua debe derramarse por una salida especial que tiene cada embalse; esta agua que se pierde no produce
electricidad.
En cada perodo, existe una mnima cantidad de agua que debe ser descargada de cada embalse para
satisfacer requerimientos de recreacin y de regado, aguas abajo. No existe un lmite superior a la cantidad
de agua que puede descargarse en cada embalse. Cualquier cantidad de agua que no se descarga en un
periodo puede almacenarse (respetando la capacidad mxima del embalse) y puede descargarse en periodos
posteriores. Todo el agua que se descargue, incluyendo la que se utiliza para nes recreacionales y de regado,
produce electricidad. Se puede asumir que en cada periodo, el ingreso y la salida de agua se produce a tasa
constante. Adems, una hectrea-metro que se descarga produce 310KWH en el primer embalse y produce
420KWH en el segundo embalse.
Al principio del ao, el primer embalse contiene 1.800 kilo-hectrea-metro y el segundo 2.500. Las mismas
cantidades de agua deben quedar en cada embalse al nal del ao. La electricidad producida puede venderse
a una rma local (denominada cliente tipo 1) o a otro tipo de clientes (clientes tipo 2). El cliente tipo
1 compra electricidad sobre una base anual, y requiere que porcentajes especcos de esta compra anual
sean suministrados en cada perodo; este cliente paga US$10/1.000KWH. Los clientes tipo 2 compran
electricidad perodo a perodo, y estn dispuestos a comprar cualquier cantidad a US$5/1.000KWH. Los
39
Perodo Inujo Desc. min % de energa anual a
t z
1t
z
2t
d
1t
d
2t
entregar a cliente 1, r
t
1 547 2.616 200 304 10
2 1.471 2.335 200 578 12
3 982 1.231 200 975 15
4 146 731 200 1.495 32
5 32 411 200 558 21
6 159 497 200 392 10
Table 19: Central Hidroelctrica
datos del problema se presentan en la Tabla 19. Escriba un modelo lineal que permita maximizar los ingresos
totales anuales de la compaa.
SOLUCIN
Las variables de decisin de este problema son la cantidad de (1.000KWH) que se le vendern a cada
cliente. En el caso del cliente de tipo 1, x
1
representar su compra total anual, mientras que para el cliente
de tipo 2, x
2t
representar la compra en el periodo t. En la Tabla 19 hemos denido algunos parmetros
como el inujo a cada embalse en cada periodo (z
it
), la descarga mnima en cada embalse en cada periodo
(d
it
), y el porcentaje a entregar a cliente de tipo 1 en cada periodo (r
t
).
De esta manera podemos establecer el objetivo de maximizar los ingresos de la siguiente forma:
P) Max 10x
1
+ 5
6

t=1
x
2t
La cantidad de agua en los embalses hay que manejarla como un sistema de inventario, donde en cada periodo
hya ingreso (inujo) y egreso (descarga) de agua. Las siguientes condiciones se encargan de los niveles de
agua en cada embalse:
I
10
= 1.800 I
20
= 2.500
I
1t
= min
_
I
1(t1)
+z
1t
y
1t
; 3.500
_
I
1t
= min
_
I
1(t1)
+z
1t
y
1t
; 5.500
_
I
16
= 1.800 I
26
= 2.500
donde I
it
corresponde al nivel de inventario en el embalse i al nal del periodo t. Es importante agregar las
resticciones de no-negatividad de los inventarios I
it
0 para todos los periodos en ambos embalses. Debido
a que en cada periodo debe haber una descarga mnima de agua, hay que satisfacer tambin
y
it
d
it
i, t.
Respecto a la generacin de electricidad, establecemos la siguiente relacin entre el agua descargada y la
energa producida para ser vendida:
310y
1t
+ 420y
2t
= r
t
x
1
+x
2t
.
Finalmente es importante considerar la restriccin de no-negatividad de las variables de decision, es decir:
x
1
, x
2t
0 t.
2.23 Planicacin de Produccin y Ventas
Un fabricante cuenta con un permiso para operar su planta durante 5 temporadas. El puede fabricar sus
productos durante las primeras 4 temporadas; en la quinta temporada slo puede vender productos sobrantes
de las temporadas anteriores. Este fabricante posee dos tipos de productos. Una unidad del producto 1
requiere 5 horas-hombre (h.h) del taller de preparacin y 3 horas-hombre del taller de terminado. Para el
producto 2 estos requerimientos son 6 y 1 respectivamente. En cada temporada se dispone de a lo sumo
40
Temporada Tasa por h.h Mx. de hh a contratar Tasa sobretiempo por h.h
2 US$ 2 400 US$ 20
3 US$ 4 300 US$ 20
4 US$ 1 600 US$ 20
5 US$ 10 1000 US$ 20
Table 20: Requerimientos de Produccin
Precio por Unidad
Temporada Producto 1 Producto 2
2 US$ 20 US$ 45
3 US$ 25 US$ 40
4 US$ 30 US$ 40
5 US$ 15 US$ 30
Table 21: Precio de Venta de Productos
12.000 horas-hombre en el taller de preparacin y de 15.000 en el taller de terminado (slo durante las
primeras 4 temporadas).
Un producto que es manufacturado en cierta temporada puede ser vendido en cualquier temporada a
partir de la siguiente. Sin embargo, la venta requiere de ciertos esfuerzos de marketing; se sabe que se
requieren 0.1 horas-hombre de marketing para vender 10 unidades del producto 1, y 0.2 horas-hombre para
vender 10 unidades del producto 2. Las horas-hombre de marketing pueden contratarse a los precios indicados
en la Tabla 20.
No hay lmites a las horas de sobretiempo que pueden contratarse.
Si una unidad de un producto est disponible para ser vendida durante una cierta temporada, pero no se
vende en esa temporada, el fabricante debe pagar un costo de almacenaje de US$2 por unidad para ponerla
en venta en la siguiente temporada (y as sucesivamente si decide postergar la venta para temporadas
posteriores). Los precios de venta de los productos se presentan en la Tabla 21.
Formule un modelo que permita encontrar el plan ptimo de produccin y ventas.
2.24 Endesa y Operacin de Central Hidroelctrica
La empresa ENDESA administra la operacin del lago Laja, para la generacin de energa hidroelctrica; en
particular, debe decidir cunta agua debe evacuar del lago en los prximos 12 meses. Al comienzo del primer
mes, el nivel del lago est a 150 mm bajo su nivel mximo (si ese nivel mximo se sobrepasa, se produce un
derrame forzado de agua). La central asociada al lago puede procesar hasta un mximo de agua equivalente
a 20 mm del nivel del lago en cada mes. Sin embargo, hay que considerar el efecto de precipitaciones y de la
evaporacin natural de agua. El clima en la zona del lago es altamente variable, por lo que las condiciones de
precipitaciones y evaporacin natural varan de mes a mes. Suponga que N
t
representa la variacin del nivel
del lago, en mm, durante el mes t, por efectos del clima (un valor positivo de N
t
representa un incremento
del nivel del lago y un valor negativo un decremento).
Si se produce un derrame forzado, se producen daos de diverso tipo en la regin colindante al lago, que
se estiman en US$10.000 por cada mm de derrame del lago. Si en un mes el nivel del lago es muy bajo, es
necesario generar energa con otras fuentes alternativas ms caras, y se estima un costo de US$5.000 por
cada mm en que el lago se encuentre a ms de 250 mm bajo su nivel mximo.
Escriba un modelo que permita minimizar los costos totales.
SOLUCIN
Consideraremos como punto de referencia el mnimo nivel del lago, es decir, el mximo est a 250 mm
sobre la referencia, y el nivel inicial I
0
= 100. Las variables de decisin corresponden a la cantidad de
milmetros de agua a evacuar en cada mes, y la llamaremos x
t
. El nivel de agua al nal de cada mes lo
denominaremos I
t
. De esta forma podemos formular el siguiente modelo de optimizacin para resolver este
41
Soya Maz Trigo
Horas requeridas (invierno y primavera) 1.0 0.9 0.6
Horas requeridas (verano y otoo) 1.4 1.2 0.7
Flujo neto (US$) 70 60 40
Table 22: Requerimientos de Cada Plantacin
problema:
P) Min 10.000
12

t=1
max{I
t
250; 0} + 5.000
12

t=1
max{I
t
; 0}
sujeto a las siguientes restricciones:
I
t
= I
t1
+N
t
x
t
t
I
0
= 100
0 x
t
20 t.
2.25 Administracin de Fundo Familiar
Un fundo de tipo familiar tiene una extensin de 640 hectreas. Los miembros de la familia pueden generar
un total de 4.000 horas de trabajo durante los meses de invierno y primavera y 4.500 horas durante los meses
de verano y otoo. Si algunas de estas horas no son requeridas, los miembros ms jvenes de la familia
pueden trabajar en un predio vecino a US$5 la hora en invierno y primavera y a US$5.50 durante el verano
y el otoo.
El fundo mantiene dos tipos de crianzas: vacas y gallinas y 3 tipos de cultivos: soya, maz y trigo (todos
estos cultivos pueden venderse en el mercado, pero tambin deben utilizarse para alimentar las vacas y las
gallinas; el maz se utiliza para las vacas y el trigo para las gallinas). Los cultivos se cosechan durante el
verano y el otoo. Durante los meses de invierno se deben tomar las decisiones del tamao de las crianzas y
de las plantaciones para el prximo ao. En la actualidad, la familia ha tenido un buen ao y ha acumulado
un fondo de US$20.000 que puede usarse para comprar ms animales para la crianza (existen otros fondos
disponibles para los gastos de operacin del campo, lo que incluye las prximas plantaciones de cultivos). La
familia tiene en la actualidad 30 vacas, las que se valoran en US$35.000 y 2.000 gallinas que se valoran en
US$5.000. Ellos quieren mantener estas cantidades de animales y eventualmente adquirir ms. Cada vaca
nueva cuesta US$1.500 y cada gallina US$3. Despus de un ao, el valor de una vaca decrece en un 10% y
el de una gallina en un 25%, debido a envejecimiento. Cada vaca requerir 2 hectreas de terreno y 10 horas
de trabajo al mes, y generar un ujo neto de caja de US$850 para la familia. Para el caso de las gallinas,
las cifras son las siguientes: 0 utilizacin de terreno; 0.05 horas de trabajo mensuales; y un ujo neto de
US$4.25. El gallinero del fundo puede acomodar 5.000 gallinas y el establo de las vacas puede acomodar un
mximo de 42 vacas. La Tabla 22 indica los requerimientos de cada una de las plantaciones (por hectrea)
y el ujo neto de cada una:
Para proveer de suciente alimento para los animales, la familia ha decidido plantar al menos una hectrea
de maiz por cada vaca y 0.05 hectreas de trigo por cada gallina.
La familia desea determinar cuntas hectreas plantar de cada cultivo y cuntas vacas y gallinas poseer
en el prximo ao de modo de maximizar el valor monetario de la familia al nal del siguiente ao. Este
valor monetario incluye: el ujo neto obtenido de los animales; el valor neto obtenido de las cosechas; el
remanente del fondo de inversin disponible inicialmente; el valor remanente de los animales al nal del ao;
a todo lo que hay que restar US$40.000 en gastos corrientes de la familia.
Formule el problema como uno de Programacin Lineal.
Problemas Propuestos
La estimaciones anteriores de rendimiento de las cosechas asumen que se darn buenas condiciones me-
tereolgicas. Condiciones adversas podran daar las plantaciones y reducir drsticamente los benecios. Los
escenarios ms temidos por la familia son: sequa; inundaciones; cada de una helada; sequa y cada de una
42
Escenario Soya Maiz Trigo
Sequa -10 -15 0
Inundaciones 15 20 10
Helada 50 40 30
Sequa y Helada -15 -20 -10
Inundacin y Helada 10 10 5
Table 23: Escenarios Adversos
helada; inundaciones y cada de una helada. Los ujos netos en cada uno de estos escenarios se presentan
en la Tabla 23.
1. Encuentre la solucin ptima al problema para cada uno de los 5 escenarios mencionados (para ello
haga los ajustes que estime necesarios en su modelo original).
2. Considere ahora las 6 soluciones encontradas (incluyendo la solucin encontrada en la parte a); indique
cmo calculara, para cada una de esas soluciones el valor monetario de la familia si cada uno de los
otros 5 escenarios hubiera ocurrido.
2.26 Venta de Acciones
Un inversionista posee un portfolio de n tipos de acciones. Este portfolio consiste en s
i
acciones del tipo
i, las que adquiri a un precio p
i
; i = 1, .....n. El precio actual de la accin tipo i es q
i
y en un ao ms
su precio ser r
i
. El inversionista desea vender algunas acciones de modo de obtener hoy un capital de al
menos K y de maximizar el valor de su portfolio en acciones al ao siguiente. Cada venta tiene asociada un
costo de transaccin equivalente a un 1% del valor de la transaccin. Adems l debe pagar un impuesto de
30% por las ganancias de capital que pueda obtener al vender una accin a un precio mayor que el precio
al que compr la accin. Por ejemplo, si l compr una accin a valor de $30 y la vende a un valor de $50,
y vende 1.000 de estas acciones, debe pagar un impuesto de $6.000. Observe que l podra vender acciones
a un precio inferior al precio en que la compr, en cuyo caso no paga impuestos por ganancias de capital.
Formule un modelo que le permita al inversionista resolver su problema en forma ptima.
SOLUCIN
En este problema lo que hay que determinar es la cantidad de acciones a vender hoy de cada tipo. Para
esto utilizaremos las variables de decisin x
i
. El objetivo es maximizar el valor del portfolio dentro de un
ao, es decir,
P) Max
n

i=1
r
i
(s
i
x
i
).
Los ingresos por ventas de hoy sern

q
i
x
i
, y el monto sobre el cual habr que pagar impuestos es

max{0; q
i
p
i
}x
i
, por lo que la restriccin de obtener hoy un capital de K est dada por:
0.99
n

i=1
q
i
x
i
0.30
n

i=1
max{0; q
i
p
i
}x
i
K.
Finalmente hay que considerar la no-negatividad de las variables y el lmite mximo de venta dado por el
nmero de acciones del portfolio actual, es decir,
0 x
i
s
i
i.
Con este modelo se obtendr una solucin fraccionaria que probablemente sea una muy buena aproximacin.
En caso de requerirse una solucin entera habr que agregar restricciones de integralidad a las variables de
decisin.
43
Gas (en Kth) por ton. de carbn Ton. de coque por ton. de carbn
USA 1.08 0.88
Italia 1.10 0.80
Francia 1.25 0.74
Polonia 1.45 0.72
Table 24: Gas y Coque Obtenido del Carbn
Usando Carbn desde
En Planta USA Francia Italia Polonia
1 0.10 0.09 0.10 0.15
2 0.08 0.08 0.08 0.11
3 0.07 0.07 0.07 0.10
Table 25: Proporcion de Coque Metalrgico
2.27 Procesamiento de Carbn
Una empresa europea se dedica a procesar carbn para producir 3 tipos de productos: coque metalrgico,
coque en polvo y gas. La empresa tiene 3 plantas diferentes. El carbn necesario para la produccin se puede
obtener desde Estados Unidos, Francia, Italia, y Polonia. En el proceso de fabricacin, se utiliza un proceso
de calentamiento del carbn, para lo cual se puede inyectar gas a partir de una caldera, o bien se puede
utilizar el mismo gas producido por el proceso (gas de coque). El proceso de fabricacin aparece descrito en
forma esquemtica en la siguiente Figura:
FIGURA
La cantidad de coque y de gas que se producen a partir del carbn, depende del origen de ste, segn los
datos presentados en la Tabla 24, en que Kth es una unidad tcnica para medir el volumen de gas producido.
La proporcin de coque metalrgico producido, respecto al total de coque producido, depende del origen
del carbn y de la planta utilizada para procesarlo, de acuerdo a los datos de la Tabla 25.
Para procesar una tonelada de carbn se requiere de calor equivalente a 0.611Kth de gas de coque. Una
unidad de gas de caldera equivale a 0.611Kth de gas de coque.
Las capacidades anuales de procesamiento de las 3 plantas son de 9 10
5
, 7 10
5
y 3 10
5
toneladas de
carbn respectivamente.
El carbn de Italia no puede usarse en las plantas 1 y 2; el carbn de Estados Unidos y Polonia no puede
usarse en la planta 3. Por otra parte, el porcentaje de carbn proveniente de Polonia que se use en la planta
1 no puede exceder 30%; el porcentaje de carbn proveniente de Polonia que se use en la planta 2 no puede
exceder 35% y el porcentaje de carbn proveniente de Italia que puede usarse en la planta 3 no puede exceder
al 40%.
El gas de coque puede venderse o comprarse en cualquier cantidad a US$11/Kth. Todo el gas de coque
que se produce se vende o se utiliza en la propia planta. Todo el coque en polvo que se produzca se puede
vender a US$98/ ton. El gas de caldera puede comprarse en cualquier cantidad a US$8/ unidad.
la Tabla 26 resume los precios de compra del carbn.
Se requiere producir un total anual de 10
6
toneladas de coque metalrgico. Formule un modelo de
programacin lineal que permita determinar el plan de produccin que maximiza las utilidades netas de la
empresa.
Pas de Origen Precio (en US$/Ton)
USA 80.39
Italia 80.90 en plantas 1 y 2; 83.93 en planta 3
Francia 80.14
Polonia 68.70
Table 26: Precio de Compra del Carbn
44
Compartimiento Peso (tons) Volumen (pies
3
)
1 (adelante) 12 7.000
2 (centro) 18 9.000
3 (atrs) 10 5.000
Table 27: Caractaersticas de los Compartimientos
Carga Peso(ton) Densidad (pies
3
/ton) Benecio neto ($/ton)
1 20 500 320
2 16 700 400
3 25 600 360
4 12 400 290
Table 28: Caractersticas de Solicitudes de Transporte
2.28 Iluminacin de Plazas
En un parque existen N plazas distribuidas espacialmente, las que deben ser iluminadas en base a J focos
de iluminacin que existen instalados en el parque. La intensidad de luz que el foco j ejerce sobre la plaza
i est dada por I
ij
= a
ij
P
j
donde P
j
representa la potencia del foco j y a
ij
es una constante que depende
de la ubicacin relativa de la plaza i respecto al foco j. La intensidad total que recibe una plaza es la suma
de las intensidades recibidas de cada uno de los focos. El problema consiste en denir las potencias P
j
de
cada foco de modo que la intensidad en todas las plazas diera lo menos posible de valores pre-establecidos
I

i
. Formule un modelo de optimizacin que permita resolver este problema.
SOLUCIN
Las variables de decisin son P
j
correspondientes a la potencia de cada foco. Dado que el objetivo es
minimizar las diferencias de las intensidades, establecemos la siguiente funcin objetivo:
P) Min
N

i=1
|I

i
I
i
|
sujeto a las siguientes restricciones:
I
i
=
J

j=1
a
ij
P
j
i = 1, ..., N
P
j
0 j = 1, ..., J.
2.29 Carga en Avin
La lnea rea de carga AVANT dispone de un solo avin con tres compartimientos. La capacidad mxima,
en peso y volumen, de cada compartimiento se presenta en la Tabla 27.
Para mantener el balance del avin, es necesario que la relacin entre el peso de la carga en cada compar-
timiento y la capacidad mxima (en peso) de dicho compartimiento, sea la misma en los 3 compartimientos.
AVANT tiene solicitudes para transportar 4 cargas con el mismo destino y con caractersticas especcas,
las que se presentan en la Tabla 28. La empresa puede escoger transportar slo parte de cada una de estas
cargas, y desea determinar cunto debe aceptar de cada una, y cmo debe cargar el avin, de modo de
maximizar el benecio neto derivado del vuelo.
Formule un modelo de Programacin Lineal que permita resolver este problema (note que una carga en
particular puede ser fraccionada y transportada en dos o ms compartimientos).
45
Equipo 1era Semana 2da Semana 3ra Semana Ms Temprana Ms Tarda
1 4 6 3 1 4
2 3 2 5 1 3
3 7 1 1 2 5
4 1 3 6 2 6
5 8 9 2 3 5
Table 29: Mantencin de Equipos
Producto 1 Producto 2
Tasa produccin mq. 1 5 6
Tasa produccin mq. 2 4 8
Utilidad ($) 6 4
Table 30: Datos Planicacin de Produccin
2.30 Mantencin de Equipos
Una empresa debe programar el calendario de la mantencin preventiva de cinco de sus equipos esenciales;
este calendario debe extenderse por un periodo de 8 semanas. La cantidad de semanas-hombre que requiere
cada equipo se resumen en la Tabla ??, la cual indica, adems, la semana ms temprana en que puede
empezar la mantencin de cada equipo y la ms tarda.
1. (a) Suponga que la mxima cantidad de mano de obra disponible en la semana t es L
t
; formule un
modelo que permita encontrar un calendario factible (esto es, determinar la semana en que debe
comenzar la mantencin de cada equipo)
(b) Suponga que la empresa desea minimizar la suma de las uctuaciones semanales de utilizacin de
mano de obra (en valor absoluto); formule un modelo para estos efectos
(c) Suponga que la empresa desea minimizar la mxima cantidad de mano de obra utilizada en alguna
de los 8 semanas; formule un modelo para estos efectos.
2.31 Planicacin de Produccin
Dos productos se manufacturan pasando en forma sucesiva a travs de mquinas diferentes. El tiempo
disponible para elaborar los 2 productos en cada mquina est limitado a 8 horas diarias, pero puede
excederse ese perodo hasta en 4 horas sobre una base de tiempo extra. Cada hora de tiempo extra costar
$5 adicionales. Las tasas de produccin (unidades por hora) de los productos y sus respectivas utilidades se
encuentran la Tabla 30. Determine el nivel de produccin que maximiza la ganancia neta.
SOLUCIN
Consideremos las siguientes variables de decisin:
x
i
: Nmero de unidades a producir del producto i
y
i
: Nmero de horas extras de la mquina j
La funcin objetivo es la utilidad por los productos producidos menos el costo mquina de trabajar horas
extran. Las resticciones consideran las horas disponibles de cada mquina, el mximo de horas extras, y la
no negatividad de las variables. De esta forma el modelo queda:
P) Max 6x
1
+ 4x
2
5(y
1
+y
2
)
46
x
1
5
+
x
2
6
8 +y
1
x
1
4
+
x
2
8
8 +y
2
y
1
, y
2
4
x
1
, x
2
, y
1
, y
2
0
47
3 Modelos de Programacin No-lineal
Continuando dentro del modelamiento continuo, hay una gran cantidad de situaciones en que la no linealidad
se hace presente. En el rea de modelamiento econmico por ejemplo, se ha encontrado que un cierto grado
de no linealidad es la regla, y no la excepcin. Algunos ejemplos de estos problemas son: i) Problema de
mezcla de productos con elasticidad en los precios; ii) Problema de transporte con descuentos por volumen
en los precios de embarque; iii) Seleccin de una cartera de inversiones riesgosas.
A diferencia de los problemas lineales, para los no lineales no existe un algoritmo que sirva para resolver
todos los problemas especcos, y es por esto que se han desarrollado diversos mtodos muy ecientes pero
solo para ciertas estructuras particulares. Por esta razn es que es importante conocer aquellas estructuras
para tenerlas en mente al momento de modelar, y as asegurar o facilitar la posterior resolucin del problema.
3.1 Polticas de Produccin y de Precios en una Panadera
Se quiere instalar una panadera que elabore 3 clases de pan: hallulla corriente, hallulla especial y marraqueta.
Se necesita determinar el precio de venta p
i
de cada uno de los tres tipos de pan, de modo de maximizar las
ventas de la panadera. Para esto se deber tener en cuenta el precio promedio de venta de cada tipo de pan
de otras panaderas del sector (c
i
), el cual no podr ser excedido. La demanda (en kilos) d
i
(p
i
) de cada tipo
de pan es una funcin conocida (obtenida a travs de un estudio de mercado), y responde a un determinado
nivel de precio. Estas funciones son estrictamente decrecientes con el precio. Para simplicar el problema, se
supondr que el stock de materias primas es suciente para empezar a producir. De todas formas habr que
considerar que la produccin mxima diaria es de M kilos de pan, la cual est determinada por la capacidad
de maquinaria y de mano de obra.
SOLUCIN
13
Se necesita determinar el precio de cada uno de los tres tipos de pan, luego la variable de decisin del
modelo ser:
p
i
= Precio del kilo de pan del tipo i,
i = {1 : hallulla corriente, 2 : hallulla especial, 3 : marraqueta}.
El objetivo del modelo es maximizar las ventas, satisfaciendo las restricciones de capacidad que introducen
una cota para la produccin, las restricciones de los precios, que no pueden superar a los de la competencia,
y que dada la formulacin del problema las variables deben ser no negativas. Considerando lo anterior el
modelo resulta ser:
P) Max
3

i=1
p
i
d
i
(p
i
)
3

j=1
d
i
(p
i
) M
p
i
c
i
i
p
i
0 i
Problemas Propuestos:
1. Cmo cambia el problema si no existiera un lmite mximo de produccin (i.e., M )?
2. Despus de un tiempo de instalada la panadera, se puede observar que la demanda (d
i
) que arroj el
estudio para cada tipo de pan es un promedio de la demanda de Lunes a Viernes, pero que los das
Sbados sta crece en forma equitativa para cada clase de pan en un 20%, y los das Domingo en un
30%. Replantee el problema de tal manera de lograr satisfacer la demanda de pan durante el n de
semana.
13
Mariela Silva, Priscila Hidalgo. Optimizacin 1
er
Semestre 1996.
48
3.2 Distribucin de Especies en un Predio
Se tiene un terreno agrcola de 6 Hectreas, que dada sus caractersticas se quiere destinar al cultivo de
almendras. Para esto se cuenta con 5 especies: Non Pareil, Ner Plus, Texas, Carmel y Merced, las cuales
debern ser distribuidas en una proporcin tal, que se garantice la polinizacin. Esta proporcin (d
i
), segn
estudios, deber ser entre un 64% y un 70% para la especie Non Pareil; entre un 9% y un 12% para la Ner
Plus; entre un 10% y un 12% para la Texas; y entre un 4% y un 6% para cada una de las dos restantes.
El objetivo es encontrar la cantidad de rboles (x
i
) de cada especie que se debern plantar para maximizar
las utilidades del predio. Para esto, habr que considerar que existe un mximo (T) de rboles a plantar
de acuerdo con el tamao del terreno y la distancia que debe existir entre un rbol y otro. Adems se sabe
que cada especie tiene asociada una produccin promedio de almendras por rbol (q
i
), as como un precio
de mercado (p
i
) por kilo de producto.
SOLUCIN
14
El objetivo del modelo es encontrar la cantidad de rboles de cada especie que se deben plantar para
maximizar las utilidades del predio. Del enunciado del problema se desprende que es necesario considerar
dos tipos de variables:
x
i
= Nmero de rboles a plantar de la especie i,
i = {1 :NonPareil; 2 :NerPlus; 3 :Texas; 4 :Carmel; 5 :Merced}
d
i
= Proporcin en que sern distribuidos los rboles de la especie i,
El modelo debe considerar la maximizacin de benecios por concepto de ventas, restringido a la cantidad
mxima de rboles a plantar y a los lmites establecidos para la proporcin de cada una de las especies. Para
efectos del modelo a primera restriccin se considerar en igualdad, mientrs que la segunda restriccin
involucra una relacin entre el nmero de rboles de cada especie y la proporcin de cada una de ellas
dependiente de la cantidad total de rboles. Agregando las restricciones de no negatividad de las variables
a las mencionadas anteriormente se obtiene el siguiente modelo para el problema:
P) Max
5

i=1
p
i
q
i
x
i
5

i=1
x
i
= T
x
i
= d
i
T i
0.64 d
1
0.70
0.09 d
2
0.12
0.10 d
3
0.12
0.04 d
4
0.06
0.04 d
5
0.06
x
i
0 i
Problemas Propuestos:
1. Replantee el problema sin considerar la restriccin de proporcionalidad, es decir, pensando que cualquier
distribucin de rboles es factible.
2. Analice como afecta la utilidad del predio si en vez de plantar 5 especies, se plantan slo 4, dejando
libre el espacio que sta usara en teora (i.e. ese pedazo de terreno no entrega utilidad, o simplemente
piense que la cantidad T de rboles a plantar disminuye en x
i
, siendo esta cantidad la que representa
a la especie que ya no se plantara). Realice el anlisis para cada una de las especies.
14
Alejandro Amaro C., Ral Schmidt H.. Optimizacin 1
er
Semestre 1996.
49
3.3 Semaforizacin de una Rotonda
Se quiere instalar un semforo en cada una de las 5 calles que concurren a una rotonda con el n de maximizar
el ingreso de autos desde cada calle a ella. Para esto es necesario calcular cul es el tiempo (t
i
) que cada
semforo debe permanecer en luz verde, teniendo en cuenta que ste no debe ser inferior a s segundos. Por
otro lado, el tiempo mximo de espera (i.e. el tiempo que transcurre hasta que se vuelve a dar la luz verde)
no debe ser superior a r segundos. Tambin es importante considerar el problema de la congestin, para
lo que se sugiere que la cantidad de autos que no alcanzan a pasar durante una luz verde a la rotonda, sea
menor que el 5% de la cantidad total de autos que ingresaron a la calle en ese tiempo. Con el n de conocer
una cifra aproximada del nmero de autos que concurren a la rotonda, se realiz un estudio para obtener los
datos promedio del ujo (f
i
) y la velocidad de entrada (v
i
) por cada arteria., obtenindose la relacin dada
en (12).
Nmero de autos que entran a la rotonda = v
i
t
i
e
t
i
23
(12)
SOLUCIN
15
Se debe decidir cul es el tiempo que cada uno de los 5 semforos de la rotonda debe permanecer en luz
verde maximizando el ingreso de autos a ella, luego la variable a utilizar en el modelo ser:
t
i
= Tiempo de luz verde en el semforo i, i = 1, ..., 5
El objetivo del modelo es maximizar el nmero de autos que entran a la rotonda, considerando como
restricciones que el tiempo mnimo que cada semforo puede permanecer en luz verde es igual a s, que el
tiempo entre luces verdes no debe superar los r segundos (o lo que es lo mismo, que la suma de luz verde de
todos los semforos debe ser menor o igual a r) y que la cantidad de autos que no alcanzen a pasar con luz
verde sea menor al 5%, lo que es equivalente a decir que la diferencia entre el ujo de entrada a la calle f
i
t
i
y el ujo de entrada a la rotonda en (12), sea menor a dicho porcentaje. Esto, junto con las restricciones de
no negatividad de las variables permiten plantear el siguiente modelo:
P) Max
5

i=1
v
i
t
i
e
t
i
23
t
i
s i
5

i=1
t
i
r
f
i
t
i
v
i
t
i
e
t
i
23
0.05f
i
t
i
i
t
i
0 i
Problemas Propuestos:
1. Si un valor razonable para los parmetros r y s, fuera de 100 y 15 segundos respectivamente. Cul
ser el mximo de calles que podrn concurrir a una rotonda cualquiera para que se pueda aplicar este
modelo?Y cul ser el nmero ptimo de calles?
2. Si el ujo promedio de autos fuera el mismo para cada una de las calles, Sern iguales los tiempos t
i
?
3.4 Diseo de un Edicio Sujeto a las Normativas Vigentes
Se quiere construir un edicio que cumpla con todas las normativas de construccin vigentes y que maximice
el ingreso de la empresa constructora, asumiendo que mientras ms metros cuadrados se construyan ms se
gana. En este caso, se cuenta con un terreno rectangular de 66 metros de frente y 24 metros de profundidad.
15
Fernando Concha Fueyo. Optimizacin 1
er
semestre 1996.
50
Figure 5: Vista Lateral del Edicio
Slo uno de sus lados colinda con otros sitios, los otros 3 dan a calles. Las normativas de construccin vigentes
indican que debe haber al menos 7 metros de antejardn hacia todas las calles, y 6 metros de distancia hacia
otros sitios, que la rasante debe ser de 70

y que los metros cuadrados construdos no deben exceder el 40%


del sitio. Por otra parte, en la zona donde ser construdo, slo se permiten edicios terrazas, es decir, el
edicio para cumplir con la rasante podr enangostarse a lo ms dos veces. Y habr que tener en cuenta,
adems, que el ltimo piso debe tener ms de 6 metros de ancho para que pueda hacerse un departamento
ah. Con estos antecedentes, se pide calcular el nmero de pisos (x
i
) que cada peldao de la terraza debe
tener, y la profundidad del angostamiento (y
i
), tal como se indica en la Figura 5.
SOLUCIN
16
El objetivo del modelo es maximizar el ingreso al construir un edicio, cumpliendo con todas las norma-
tivas vigentes. Estas normativas tienen relacin con el nmero de pisos y la profundidad del edicio tipo
terraza, de modo que emplearemos como variables de decisin:
x
i
= Cantidad de pisos que tiene el peldao de la terraza i.
y
i
= Profundidad de la terraza i.
Como se debe maximizar la cantidad de metros cuadrados construidos, se debe calcular cada una de las
3 plantas y multiplicarlas por su respectiva altura. As por ejemplo, la primera planta posee un largo de :
(66 7 6 y
1
), un ancho de: (24 7 7) y una altura x
1
, lo que nos permite obtener la funcin objetivo
dada en (13).
El modelo debe considerar adems, que ninguno de los peldaos podr quedar fuera de la rasante
(plano de 70

con respecto a la horizontal), que el total de metros construdos no podr ser superior al 40%
del terreno, que el ltimo piso (o ltima planta) deber tener un ancho mnimo de 6 metros, para poder
construir un departamento ah, y que tanto la cantidad de pisos, como la profundidad del angostamiento
debern ser mayor o igual a cero.
Segn las comnsideraciones anteriores, el modelo resulta ser:
P) Max 10x
1
(53 y
1
) + 10x
2
(53 y
1
y
2
) + 10x
3
(53 y
1
y
2
y
3
) (13)
16
Martin Valdes J., Francisco Irarrazabal M.. Optimizacin 1
er
Semestre 1996.
51
53 y
1
y
2
y
3
6
x
1
7 +y
1
tan(70

)
x
1
+x
2
7 +y
1
+y
2
tan(70

)
x
1
+x
2
+x
3
7 +y
1
+y
2
+y
3
tan(70

)
(53 y
1
)(10)
1.584

2
5
x
i
, y
i
0 i
Ntese que como x
i
representa el nmero de pisos, y no estamos agregando la restriccin de que los x
i
sean enteros, estamos planteando en realidad el problema relajado asociado.
Problemas Propuestos:
1. Plantee el mismo problema, pero esta vez considerando que el edicio puede enangostarse slo una vez
(i.e. las variables x
3
e y
3
ya no existen). Qu tipo de edicio entregar mayor utilidad a la empresa
constructura?
2. Si en vez de la restriccin de rasante, existiera slo una restriccin de altura mxima (M), Cmo sera
el nuevo modelo? Cmo cambian los valores de las variables de decisin y de la funcin objetivo?
3.5 Elaboracin de un Helado de Gusto Masivo
Se quiere elaborar un helado que sea del gusto de la mayor cantidad de personas posible. Para esto, se
realiz un estudio que midi la aceptacin del pblico, en una escala de 1 a 10, de 5 tipos de ingredientes:
helado de vainilla (v), trozos de chocolate (c), jarabe (j), licor (l) y toppings (t). Los resultados del estudio
fueron entregados en funcin de la proporcin de cada ingrediente (que vara de 0 a 1), es decir, a travs de
funciones del tipo f(q) = p, donde q es la proporcin del ingrediente y p la puntuacin que ste recibe. Asi
se obtuvo:
f
v
(v) = 6
f
c
(c) = 7(e
2(c
1
2
)
2
e

2
)
f
j
(j) = 5j
f
l
(l) = 4e
2(4l1)
2
f
t
(t) = 5e
2(6t
21
10
)
2
Por otra parte, la fbrica posee sus propias relaciones entre los ingredientes, con xito ya probado. La
primera es que la proporcin de helado de vainilla debe ser entre un 25% y un 75% del helado, y que debe
ser mayor a cada uno de los 4 ingredientes restantes. Adems por un problema de costo, la cantidad de
toppings y de licor debe ser menor al 50%, y los otros 2 ingredientes pueden moverse libremente entre el 0%
y el 100%.
SOLUCIN
17
La idea del problema es encontrar la mejor combinacin de ingredientes de manera de elaborar el helado
de mayor gusto, para esto emplearemos como variables de decisin la proporcin de cada ingrediente a
emplear, esto es:
v = Proporcin de helado de vainilla.
c = Proporcin de trozos de chocolate.
j = Proporcin de jarabe.
17
Andrs Flores M., Michael Riddell H.. Optimizacin 1
er
Semestre 1996.
52
l = Proporcin de licor.
t = Proporcin de toppings.
El objetivo del modelo es maximizar la puntuacin del helado (como la suma de las funciones obtenidas en
el estudio) sujeto a las restricciones de elaboracin de la fbrica, esto es que el helado de vainilla debe ser entre
un 25% y un 75% del total del helado y mayor que todos los otros componentes, y que los ingredientes ms
caros no deben superar el 50% de dicho total. Adems, se debe considerar que la suma de las proporciones
de todos los ingredientes debe ser igual a 1, y que las variables de decisin son no negativas. De esta manera
se obtiene el siguiente problema de optimizacin:
P) Max {6 + 7(e
2(c
1
2
)
2
e

2
) + 5j + 4e
2(4l1)
2
+ 5e
2(6t
21
10
)
2
}
0.25 v 0.75
v c, j, l, t
0 l 0.5
0 t 0.5
v +c +j +l +t = 1
v, c, j, l, t 0
Problemas Propuestos:
1. Plantee el problema para el caso en que se agregue un nuevo ingrediente, helado de frutilla (f),el cul
tiene una puntuacin de 5 en el estudio de aceptacin del pblico, y segn la fbrica, debe someterse
a las mismas restricciones que el helado de vainilla. Adems la relacin entre ambos debe ser tal que
0.7v f v.
2. Un nuevo estudi mostr que la combinacin de toppings y licor no gustaba en el pblico, por lo que
utilizando los datos entregados anteriormente, la fbrica deber elegir con cul de los 2 ingredientes
quedarse para la elaboracin de su nuevo helado. Plantee el problema para cada uno de los casos e
indique cul de los dos ingredientes es el que le conviene elegir a la fbrica de helado.
3.6 Ubicacin de una Zona de Camping
Una parque nacional de aproximadamente 124 km
2
cuyas principales atracciones son un volcn (1) y un lago
(5), desea encontrar el lugar ptimo para ubicar su zona de camping (C). Se sabe que los campistas preeren
quedar lo ms cerca posible de estos lugares, as como de los servicios pblicos: baos (4), enfermera (6),
almacn (2) y telfonos (3), estos ltimos ubicados en la entrada del parque. La distribucin de estos lugares
se muestra en la Figura 6. El objetivo de la administracin es ubicar la zona de camping de tal manera
de minimizar la distancia (x
i
) que los campistas recorren diariamente. El itinerario promedio consiste en
visitar una vez al da cada lugar, con excepcin del bao que sera visitado 3 veces. Por esto, se pide que
la distancia hacia los servicios de bao sea menor que todas las otras, y que la distancia a los servicios de
telfonos, enfermera y almacn sea menor que a los centros de atraccin, ya que por lo general estos lugares
son visitados cuando los campistas ya estn cansados. Por ltimo, por geometra del lugar, ninguna distancia
debe ser superior a los 10 km. Para facilitar el problema, considere que el campista, cada vez que visita un
lugar vuelve al camping.
Hint: Considere la frmula del rea de un tringulo de lados a,b,c (14),donde el semipermetro
del tringulo corresponde a sp =
a+b+c
2
.
A =
_
sp(sp a)(sp b)(sp c) (14)
53
1
5
K
m
1
5
K
m
3 Km.
2 Km
5 Km
7 Km
C
1
2
3
4
5
6
1
5
K
m
1
5
K
m
3 Km.
2 Km
5 Km
7 Km
C
1
2
3
4
5
6
Figure 6: Parque Nacional
SOLUCIN
18
El objetivo del modelo es minimizar la distancia total que recorre cada campista, luego, consideraremos
como variables de decisin la distancia desde el camping a cada uno de los lugares de inters:
x
i
= Distancia desde el camping al lugar i,
i = {1 : volc an, 2 : almac en, 3 : tel efonos, 4 : ba nos, 5 : lago, 6 : enfermera}
La funcin objetivo del modelo corresponde a la suma de las distancias que recorre cada el da campista,
la cual est sujeta a que la distancia desde el camping al bao sea menor que a todos los otros lugares, que
por cansancio los campistas preeren una distancia menor a las zonas de servicios y que por geometra del
lugar ninguna distancia puede ser superior a los 10 km ni menor a 0 km. Por otro lado, la suma de las reas
de los 6 tringulos que se forman (ver Figura 6) debe ser igual a la supercie total del parque, que es de 124
km
2
. Cada una de estas supercies se puede calcular empleando en (14). Con todas estas consideraciones,
obtenemos el siguiente modelo de optimizacin:
P) Min 2(x
1
+x
2
+x
3
+x
5
+x
6
) + 6x
4
x
4
x
1
, x
2
, x
3
, x
5
, x
6
x
2
, x
3
, x
4
, x
6
x
1
, x
5
x
i
10 i
S
1
=
_
sp
1
(sp
1
x
1
)(sp
1
x
2
)(sp
1
15)
S
2
=
_
sp
2
(sp
2
x
2
)(sp
2
x
3
)(sp
2
3)
S
3
=
_
sp
3
(sp
3
x
3
)(sp
3
x
4
)(sp
3
2)
S
4
=
_
sp
4
(sp
4
x
4
)(sp
4
x
5
)(sp
4
15)
S
5
=
_
sp
5
(sp
5
x
5
)(sp
5
x
6
)(sp
5
7)
S
6
=
_
sp
6
(sp
6
x
6
)(sp
6
x
5
)(sp
6
5)
6

i=1
S
i
= 124
x
i
0 i
Problemas Propuestos:
18
Andrea Ibaceta G.,Miguel Ravelo N.. Optimizacin 1
er
Semestre 2003.
54
Figure 7: Diseo de Caja
1. Considere el mismo parque, pero esta vez con una distribucin de lugares rectangular. Para eso, simule
que la distancia entre la enfermera (6) y el volcn (1) es de 2 km. Y que entre la enfermera (6) y el
lago (5) es de 3 km. Replantee el problema.
2. Analice las variaciones del problema si:
(a) La ida diaria a la enfermera no es parte del itinerario.
(b) Si las visitas al bao, en promedio, son slo dos.
3.7 Diseo ptimo de Caja
Usted debe denir las dimensiones de una caja de cartn de 1 m
3
de volumen, de modo que su costo sea
mnimo. Para eso, debe emplear el diseo bsico dado en la Figura 7
El costo de cada cm
3
de cartn es c y el costo de cada cm lineal de pegamento es p. Considere que al
pegar dos lados, no se necesita pestaa y que se debe aplicar el pegamento en ambos lados.
SOLUCION
Para modelar el problema se emplearan como variables de decisin las dimensiones de la caja, esto es:
x = Largo de la caja (cm).
y = Ancho de la caja (cm).
z = Altura de la caja (cm)
El objetivo del problema es denir las dimensiones de la caja, de manera que el costo sea mnimo, sujeto
a las restricciones del volumen deseado y a las de no negativiad de las variables. Considerando lo anterior,
se obtiene el siguiente modelo de optimizacin:
P) Min (8z + 4x + 2y)p + (2xy + 2xz + 2Y z)c
xyz = 1.000.000
x, y, z 0
Ntese que el volumen de 1 m
3
se expres como 1 milln de cm
3
para ser consecuentes con la denicin
de variables del modelo.
55
Problemas Propuestos
1. Que ocurrira si se obliga incluir pestaas en las uniones de los trozos de cartn? Considere para el
problema las pestaas como rectngulos de ancho 1 cm.
2. Que ocurrira si ahora la tapa es de otro material, con costo $d por cm
2
, y las paredes y el fondo del
mismo antiguo? Considere el problema sin y con pestaas. Notar que se debe considerar el costo de
pegar la tapa por sus cuatro lados.
3. Considere que adems del pegamento, para asegurar las junturas hay que poner tachuelas cada 3 cm
lineales en la tapa y en el fondo, de manera que no queden 5 cm de borde sin una tachuela en l.
3.8 Campo Elctrico al Interior de una Esfera
Suponga que al interior de una esfera de un metro de radio hay n partculas ubicadas en puntos que usted
conoce y cada una con una carga elctrica q
i
. Estas cargas pueden ser negativas o positivas. Usted est
interesado en conocer el punto al interior de la esfera en que el campo elctrico resultante es de menor inten-
sidad. El punto que usted escoja, debe estar alejado de cada una de las cargas por lo menos 5 centmetros.
Formule un modelo de optimizacin que pueda ser utilizado para resolver este problema. Comente acerca de
la convexidad del problema modelado.
Hint: La ley de Coulomb dice que la interaccin elctrica entre dos partculas cargadas en reposo, o con
un movimiento relativo muy lento, es proporcional a sus cargas y al inverso del cuadrado de la distancia
entre ellas, y su direccin se halla a lo largo de la lnea que une las dos cargas.
Es decir, la ley de Coulomb puede expresarse como
F
ij
= K
q
i
q
j
r
ij
2
Donde k es una constante de valor 910
9
aproximadamente. Decimos que existe un campo elctrico en
cualquier regin donde una carga elctrica experimente una fuerza. La fuerza se debe a la presencia de
otras cargas q
1
, q
2
, q
3
...q
n
en dicha regin. Por ejemplo, una carga q colocada en una regin donde hay otras
cargas, experimenta una fuerza que es la suma de las fuerzas asociadas a cada carga y decimos que en la
regin existe un campo elctrico producido por las cargas q
1
, q
2
, q
3
...q
n
. Puesto que la fuerza que cada carga
q
1
, q
2
, q
3
...q
n
produce sobre la carga q es proporcional a sta, la fuerza resultante tambin es proporcional a
la carga q. As, la fuerza sobre una partcula colocada en un campo elctrico es proporcional a la carga de
la partcula.
La intensidad del campo elctrico e en un punto es igual a la fuerza por unidad de carga en dicho punto.
Por tanto, E =
F
q
Note que tanto la fuerza como el campo elctrico son vectores.
SOLUCION
Para efectos de modelacin se considerar la esfera en un sistema rectangular centrada en el origen, y en
funcin de este sistema , emplearemos la siguiente notacin para los datos del problema:
R = Radio de la esfera
(x
0
, y
0
, z
0
) = (0, 0, 0) = Coordenadas del centro de la esfera
(x
i
, y
i
, z
i
) = Coordenadas de la partcula i, i = 1, ..., n
q
i
= Carga de la partcula i.
El objetivo del modelo es determinar el punto de la esfera con un campo elctrico de menor intensidad,
para ello se emplearan como variables de decisin las coordenadas de dicho punto, esto es:
(x, y, z) = Coordenadas del punto buscado
56
Es necesario expresar el campo elctrico E en funcin de las coordenadas (variables) denidas. Con-
siderando la denicin de campo elctrico y que la distancia (mdulo y direccin) entre el punto buscado y
la partcula i se obtienen empleando (15), el campo elctrico corresponde a la expresin dada en (16).
|r
ij
| =
_
(x x
i
)
2
+ (y y
i
)
2
+ (z z
i
)
2
(15)
r
i
=
(x x
i
) + (y y
i
) + (z z
i
)
|r
ij
|
E =
F
q
j
=
kq
i
q
j
r
ij
2

1
q
j
r
ij
=
kq
i
r
ij
2
r
ij
E
i
(x, y, z) =
kq
i
_
_
(x x
i
)
2
+ (y y
i
)
2
+ (z z
i
)
2
_
2
r
i
E
i
(x, y, z) =
kq
i
_
(x x
i
)

i + (y y
i
)

j + (z z
i
)

k
_
((x x
i
)
2
+ (y y
i
)
2
+ (z z
i
)
2
)
3/2
(16)
El objetivo del modelo es minimizar la suma de los mdulos de todos los E
i
, como se aprecia en la expresin
(17), donde se a empleado la notacin r
i
=
_
(x x
i
)
2
+ (y y
i
)
2
+ (z z
i
)
2
. Esta funcin objetivo debe
estar sujeta a las restricciones de que el punto debe estar alejado de cada una de las cargas en por lo menos
5 cm (es decir, distancia entre x y x
i
mayor o igual a 0.05 m) y que el punto debe estar al interior de la
esfera (de radio 1 m). Con estas consideraciones se obtiene el siguiente modelo de optimizacin:
P) Min
_
n

i=1
kq
i
(x x
i
)
2
r
i
3
_
2
+
_
n

i=1
kq
i
(y y
i
)
2
r
i
3
_
2
+
_
n

i=1
kq
i
(z z
i
)
2
r
i
3
_
2
(17)
x
2
+y
2
+z
2
1
(x x
i
)
2
+ (y y
i
)
2
+ (z z
i
)
2
0.05
2
i
Se puede notar que las restricciones denen como dominio a una esfera con "huecos" dentro, que es un
dominio claramente no convexo ya que es fcil elegir dos puntos cuya combinacin lineal corresponda a un
"hueco".
Problemas Propuestos
1. Cmo modicara la modelacin si entre las n partculas usted tiene la posibilidad de cambiar de
lugar m de ellas, manteniendo las otras jas. Notar que las partculas que Ud. puede mover son jas,
esto es, Ud. no debe decidir cules partculas mover.
2. Considere ahora el caso contrario, esto es, si jando un punto dentro de la esfera, usted debe ahora
ubicar las n partculas de tal modo que el campo elctrico sea mnimo
3.9 Estrategia de Escape de la Prisin
Usted ha cado preso y hace aos permanece en prisin. Son las 22:00 hrs del 6/7/2018 y usted ha tenido
la oportunidad de escapar. No duda y la aprovecha. En este momento usted est en un terreno colindante
al edicio de la prisin. Sin embargo este terreno est rodeado de guardias. Para escapar denitivamente
usted deber denir una estrategia. Para esto, considera la siguiente informacin.
La Figura 8 ilustra el sector en que usted est ubicado.
57
Figure 8: Terreno Colindante a la Prisin
A B C D E
Potencia (W) 1000 300 500 500 300
Altura (mts) 20 10 10 10 10
Table 31: Datos Estrategia de Escape de la Prisin
Hay guardias vigilando los escapes posibles del terreno. Por cada una de las Avenidas 1, 2, 4, 5 y por
la rotonda hay un guardia que va y viene vigilando su calle. Por la Avenida 3 hay dos guardias que
van de lado a lado y se cruzan en el punto medio.
Nadie se ha percatado an de su huda.
Usted solo puede ser visto desde las torres de vigilancia en C y D.
La velocidad del viento es de 15 Km/hr y usted supone que se mantendr as toda la noche. La
temperatura es de 9 grados y descender linealmente hasta los 3 grados a las 6:30 AM cuando salga el
sol.
Hay un relevo de guardias a las 5:00 AM.
Hay cinco focos que iluminan el terreno donde usted est. Estn marcados con las letras A, B, C, D, E
en la Figura 8. La altura de los postes y la potencia de los focos se entregan en la Tabla 31.
El terreno tiene un declive tal que sube 1 m cada 50 m lineales en la direccin norte.
Usted considera que la intensidad lumnica que usted recibe se comporta de acuerdo a (18), es decir,
la luminosidad que usted recibe cuando se ubica en el punto j es proporcional a la potencia del foco
i e inversamente proporcional a la distancia entre su ubicacin j y el foco i. Usted considera que la
intensidad lumnica producto de dos focos es la suma de ambos.
LUZ
j
=
k POT
i
d
ij
(18)
Usted considera peligroso ubicarse demasiado cerca de las torres, por lo que mantendr una distancia
de al menos 20 metros con ellas.
58
Punto Coordenadas
A (0, 75, 0)
B (60, 75, 1.2)
C (80, 45, 1.6)
D (80, 0, 1.6)
E (0, 0, 0, )
Table 32: Coordenadas de Puntos
Foco Coordenadas
F
A
(0, 75, 20)
F
B
(60, 75, 11.2)
F
C
(80, 45, 11.6)
F
D
(80, 0, 11.6)
F
E
(0, 0, 10)
Table 33: Coordenadas Focos
Con esta informacin opta por la siguiente estrategia: Buscar el punto menos iluminado y situarse ah,
esperar hasta las 4:15 AM en que usted supone que los guardias estarn aburridos y somnolientos y recin
entonces intentar salir denitivamente del sitio. Su objetivo en este momento es encontrar el punto donde
esconderse.
Modele el problema considerando las restricciones relevantes, de modo que usted est lo menos visible
posible entre las 10:00 y las 4:15 AM.
SOLUCIN
El objetivo del modelo es determinar el punto i al interior del terreno con menor luminosidad, por lo que
conviene denir como variables de decisin las coordenadas de dicho punto, esto es:
(x, y, z) = Coordenadas de punto buscado
De acuerdo a las coordenas denidas para modelar, podemos identicar como datos del problemas los
puntos dados en la Tabla 32. Note que para el clculo de las coordenadas de cada punto se consider que el
terreno sube 1 m de altura cada 50 m lineales en direccin norte, que en este caso es la direccin del eje x.
La funcin objetivo corresponde a la minimizacin de la luminosidad total, o lo que es lo mismo, a la
suma de la contribucin de luz de cada uno de los focos en el punto buscado. Ahora bien, para poder usar
la expresin dada en (18) necesitamos denir la distancia entre el punto buscado y cada uno de los focos.
Empleando los datos de la Tabla 32 (coordenadas de los puntos) y la altura dada en la Tabla 31 obtenemos
las coordenadas de cada foco (ver Tabla 33) y con estas las distancias deseadas.
d
A
=
_
x
2
+ (y 75)
2
+ (z 20)
2
d
B
=
_
(x 60)
2
+ (y 75)
2
+ (z 11.2)
2
d
C
=
_
(x 80)
2
+ (y 45)
2
+ (z 11.6)
2
d
D
=
_
(x 80)
2
+y
2
+ (z 11.6)
2
d
E
=
_
x
2
+y
2
+ (z 10)
2
59
Empleando los d
i
y la expresin dada en (18), la funcin objetivo del modelo viene dada por (19).
Min k
_
1000
d
A
+
300
d
B
+
500
d
C
+
500
d
D
+
300
d
E
_
Min k
_
_
_
_
1000

x
2
+(y75)
2
+(z20)
2
+
300

(x60)
2
+(y75)
2
+(z11.2)
2
500

(x80)
2
+(y45)
2
+(z11.6)
2
+
500

(x80)
2
+y
2
+(z11.6)
2
300

x
2
+y
2
+(z10)
2
_
_
_
_
(19)
Para las restricciones del modelo debemos considerar el hecho de permanecer en el interior del terreno,
esto es, estar entre E y D en un rango de 80 m y entre E y A en un rango de 75 m. No se puede estar
a menos de 15 m de radio de A (por la rotonda) y no se puede cruzar la Avenida 4, esto eso, no se puede
pasar el plano formado por los puntos B y C. Adems, hay que incluir la inclinacin del suelo y considerar
que el individuo no puede ubicarse a menos de 20 m de las bases de las torres C y D, esto es, no ubicarse el
interior de los crculos con centro en C y D y radio de 20 m.
De acuerdo a las consideraciones anteriores, el modelo del problema resulta ser:
P) Min k
_
_
_
_
1000

x
2
+(y75)
2
+(z20)
2
+
300

(x60)
2
+(y75)
2
+(z11.2)
2
500

(x80)
2
+(y45)
2
+(z11.6)
2
+
500

(x80)
2
+y
2
+(z11.6)
2
300

x
2
+y
2
+(z10)
2
_
_
_
_
0 x 80
0 y 75
x
2
+ (y 75)
2
225
3x + 2y 330
50z = x
(x 80)
2
+ (y 45)
2
+ (z 1.6)
2
20
(x 80)
2
+y
2
+ (z 1.6)
2
20
x, y, z R
Problemas Propuestos
1. Cmo se modicara nuestro problema si cada uno de los guardias contara con un perro guardin,
considerando que este perro puede llegar a olerlo a Ud. a una distancia mxima de 15 metros?
2. Considere que en el punto (X
0
,Y
0
) se ubica un estanque. Este estanque alberga una familia de mur-
cilagos, los cules, al verlo pueden hacer ruido y descubrirlo ante los guardias. Asuma que todos los
murcilagos se hallan en el pozo y que la distancia mxima que ellos ven es de 15 metros. Notar que
ellos no ven, sino que a travs de un mecanismo similar a un radar, determinan su presencia, por lo
tanto la obscuridad no es un problema para ellos.
3. Asuma ahora que Ud. sabe que las temperaturas ms bajas se dan a las cuatro de la maana. Ud.
sabe que la temperatura ms baja de un punto (histricamente) est dada, en Celsius, por la funcin
F = F(X, Y ). Considere que un ser humano en sus condiciones no sobrevivir a temperaturas inferiores
a 0
o
C. Modique el modelo para este nuevo caso.
60
Produccin (hrs. hombre / unidad) Trabajadores
Refrigerador Lavadora Cocina Cantidad Sueldo ($)
Trabajador tipo 1 2 2 4 150 200.000
Trabajador tipo 2 1 2 0 70 300.000
Trabajador tipo 3 3 4 2 150 150.000
Trabajador tipo 4 5 2 2 200 150.000
Table 34: Datos Negociacion Colectiva
3.10 Negociacin Colectiva en Empresa de Armado de Lnea Blanca
Usted trabaja en una empresa de armado de lnea blanca que est a punto de enfrentar una negociacin
colectiva con el sindicato que agrupa a todos los empleados de la fbrica. El gerente general le ha designado
como el encargado de representar los intereses del directorio en esta delicada instancia, y para eso, le ha
entregado la siguiente informacin que l cree que podra serle til para la negociacin.
Actualmente la empresa produce tres productos: refrigeradores, lavadoras y cocinas, y para esto se
requieren cuatro tipos de trabajadores: 1, 2, 3 y 4. Adems para producir una unidad de cada tipo de
producto se requiere un cierto nmero de horas hombre de cada tipo (ver Tabla 34).
El precio de venta de cada producto es $800.000, $200.000 y $140.000 respectivamente.
El costo de produccin de cada unidad sin considerar sueldos de los trabajadores ni los costos adminis-
trativos, jos y nancieros de la empresa (slo los insumos y costos variables directamente atribuibles
a cada unidad) es de $200.000, $60.000 y $50.000 respectivamente.
El departamento de Marketing le informa que la demanda por los productos es aproximadamente plana
durante el ao (no hay estacionalidades) y se estima su valor mximo en 2.000 refrigeradores, 3.000
lavadoras y 4.000 cocinas mensuales.
La jornada laboral actualmente es de diez horas diarias por turno, incluyendo una hora para colacin
(nueve horas netas de trabajo). Se trabaja de lunes a viernes, 52 semanas al ao, pero cada trabajador
tiene derecho a tres semanas de vacaciones. Adems producto de los feriados debe descontarse una
semana hbil adicional.
El nmero actual de operadores se encuentra en la Tabla 34. Sin embargo la empresa est pensando
reestudiar el nmero de trabajadores, pues no tiene seguridad de que el tamao de planta sea ptimo.
Como usted ser el encargado de la negociacin, podr adems denir el tamao de planta ptimo de
la empresa en los prximos aos, si as lo requiriese.
El sueldo mensual de los operadores se encuentra en la Tabla 34.
La planta no est diseada como para tener demasiados trabajadores, por lo que se estima que el
nmero mximo de trabajadores de cada tipo que podran trabajar simultneamente est restringida
por la capacidad de los galpones. El galpn donde trabajan los operadores tipo 1 tiene una capacidad
para 200 operarios. El de los de tipo 2, para 100 operarios. Y los operarios de tipo 3 y tipo 4 trabajan
juntos en un galpn para 450 operarios mximo.
El costo jo de la empresa (independiente de los trabajadores y de la produccin, como por ejemplo
arriendo, sueldo de administrativos, etc.) se estima en $100.000.000 anuales.
Ha pasado un tiempo y usted ha encontrado una respuesta sumamente dura del sindicato. De hecho, las
comunicaciones se han roto e incluso ha comenzado un paro que es muy costoso para la empresa.
Usted se rene con el presidente del sindicato quien le seala que l tambin quisiera terminar con la
huelga, pero que para detenerla necesita mostrar a sus compaeros algn tipo de logro de parte del sindicato
para poder validarse como dirigente y no volver con las manos vacas. Especcamente le dice lo siguiente:
Dentro del pliego de peticiones que nosotros hemos hecho a la empresa, hay algunos tems que son ms
61
fciles de cumplir para ustedes, mientras que hay otros ms difciles. Yo no s cules son los fciles y cules
los difciles, porque no manejo toda la informacin, pero quiero ofrecer a mi gente al menos 25 puntos
sindicales. Adems le seala los siguientes requerimientos con sus respectivos puntos de popularidad en el
sindicato.
1. Aumentar la hora de colacin sin alargar la jornada de 10 horas. Por cada 10 minutos adicionales se
considerarn 3 puntos sindicales.
2. Que se otorgue un bono de n de ao igual para cada trabajador. Por cada $5.000 de bono por
trabajador, se considerarn 2 puntos sindicales.
3. Mejorar la guardera infantil. Para esto se adjunta un presupuesto de mejora que indica que costara
$5.000.000. Si se decide hacerlo, se considerarn 15 puntos sindicales.
4. Los trabajadores desean participar de las utilidades de la empresa. Por cada 1% de participacin que
se otorgue, se considerarn 20 puntos sindicales.
Usted comprende el punto de vista del presidente del sindicato y le indica que estudiar su oferta. Para
esto modele el problema de modo de determinar la produccin y tamao de planta ptima satisfaciendo
los requerimientos del presidente del sindicato de modo de que el benecio sea lo ms alto posible para la
empresa. Su modelacin debe ser muy clara y eciente.
Hint: Puede ser claricador modelar primero la optimizacin de la planta sin los requerimientos del
sindicato y luego ver cmo incorporarlos.
SOLUCION
Consideremos las siguientes variables de decisin:
x
1
: Produccin anual de refrigeradores
x
2
: Produccin anual de lavadoras
x
3
: Produccin anual de cocinas
y
j
: Nmero de trabajadores del tipo j
z : Nmero de horas adicionales de colacin
b : Nmero de bonos de $5.000 por cada trabajador
g : vVariable binaria para denir si se construye o no la guardera infantil
u : u% de las utilidades se repartirn a los empleadores
De esta forma podemos construir el siguiente modelo. La funcin objetivo es maximizar la siguiente
utilidad:
Utilidad = 600.000x
1
+ 140.000x
2
+ 90.000x
3

4
j=1
(12s
j
+ 5.000b)y
j

5.000.000g 100.000.000
donde s
j
denota el sueldo mensual por cada trabajador del tipo j. Debido a que la demanda anual es conocida
no es conveniente producir lo que no se va vender. As obtenemos las siguientes restricciones:
0 x
1
24.000
0 x
2
36.000
0 x
3
48.000
Las horas disponibles h
j
de trabajadores tipo j estn dadas por las horas netas por da (incluyendo tiempo
adicional de colacin requerido por el sindicato), los das de trabajo por semana, y las semanas de trabajo
al ao.
h
j
= (10 1 z) 5 (52 3 1)y
j
j = 1, . . . , 4
62
Las horas requeridas para produccin no deben superar las horas disponibles:
2x
1
+ 2x
2
+ 3x
3
h
1
x
1
+ 2x
2
h
2
3x
1
+ 4x
2
+ 2x
3
h
3
5x
1
+ 2x
2
+ 2x
3
h
4
El personal requerido no puede exceder los lmites de los galpones:
y
1
200
y
2
100
y
3
+y
4
450
El sindicato debe obtener al menos 25 puntos sindicales:
18z + 2b + 15g + 20u 25
Finalmente, las variables deben satisfacer la restriccin de no-negatividad, y de integralidad en el caso de g:
x
i
, y
j
, x, b, u 0
g {0, 1}
Problema Propuesto
Cmo cambia el modelo si se incorpora un costo de despido y un costo de contrato para poder modicar
la dotacin de personal actual.
3.11 Planicacin de Produccin Agrcola
Sin duda que los acontecimientos ocurridos en este ltimo tiempo en materia econmica (pactos bilaterales,
MERCOSUR, NAFTA, etc.) han provocado gran inquietud en el mundo agrcola. Esto se debe ha que los
agricultores pronostican un notable descenso de sus ingresos a futuro, ya que no podrn competir con los
agricultores de pases vecinos, por las enormes ventajas comparativas con que ellos cuentan (bajos costos
de produccin, subsidios estatales, grandes extensiones de terreno, condiciones naturales favorables, etc.).
Debido a esto uno de los principales problemas a enfrentar es mejorar la productividad, para ello se debe
comenzar por aplicar tecnologa de punta que mejore los cultivos y que abarate los costos. Paralelamente a
esto se deben optimizar los recursos con que cuenta cada agricultor segn sus posibilidades.
Comnmente los agricultores se ven enfrentados al problema de decidir como maximizar sus utilidades
en un determinado negocio.
Consideremos un agricultor de la zona central de Chile el cual en una temporada determinada, va a
efectuar una siembra. Para esto cuenta con un capital inicial, una extensin de terreno ja y cierto nmero
de cultivos determinados por las condiciones naturales de la zona.
El problema consiste fundamentalmente en maximizar la utilidad de la siembra.
Por las condiciones naturales de la zona el agricultor ha elegido dentro de todas sus posibilidades 3
cultivos: papas, trigo y avena, pero desconoce el nmero de Hectreas a sembrar de cada variedad, y cunto
fertilizante (kgs. por Hectrea) usar para obtener la mayor ganancia. Hemos supuesto que el fertilizante es
una mezcla de distintos compuestos y se puede usar indistintamente en los tres tipos de cultivo.
Adems hay que considerar lo siguiente:
El agricultor dispone de un crdito por un mximo de $40.000.000, para efectuar el negocio, es decir
todos los gastos involucrados desde la siembra hasta la comercializacin de los productos.
La supercie total a sembrar son 100 Hectreas.
La cantidad de fertilizante a usar por hectrea en cada cultivo tiene un rango dado por estudios
agropecuarios. Para la papa se recomienda usar entre 700 y 3000 Kgs. de fertilizante por Hectrea.
En el caso del trigo se debe usar entre 500 y 2500 Kgs. de fertilizante por Hectrea. Finalmente para
la avena la cantidad de fertilizante deber oscilar entre 600 y 2000 Kgs. por Hectrea.
63
Cultivo Gasto Variable Gasto Fijo
Papas $850.000 $250.000
Trigo $220.000 $100.000
Avena $150.000 $100.000
Table 35: Gastos para cada Cultivo
Por problemas de tiempo para el manejo de las siembras, el agricultor ha calculado que las hectreas
a sembrar por cada cultivo no pueden exceder, en el caso de la papa las 20 Hectreas, 60 Hectreas en
trigo y para la avena las 50 Hectreas.
Tambin hay que considerar los siguientes aspectos:
Compra de fertilizante: La empresa encargada de vender el fertilizante posee una tabla de precios, la
cual indica que, a mayor volmen de compra el precio por unidad disminuye. Esta funcin la denominaremos
F(x), donde x es la cantidad de kgs. a comprar.
Produccin por Hectrea: Es lgico pensar que si incorporamos mayor cantidad de fertilizante a
la tierra los rendimientos son mejores. Para ello hemos modelado esta caracterstica mediante una funcin
lineal y creciente. Para el caso de la papa esta funcin se puede escribir como: F(Y
1
) = 20Y
1
+ 14000. Para
el trigo la funcin corresponde a: G(Y
2
) = 5Y
2
+ 2000. Finalmente la curva para la avena esta dada por:
H(Y
3
) =
20
3
Y
3
+
4000
3
. Estas funciones cumplen con el propsito dentro de los mrgenes para el fertilizante
de cada cultivo.
Precio de venta: El agricultor vende sus productos en un pequeo poblado cerca de su predio. El
sabe, gracias a su experiencia, que el precio de venta disminuye con el aumento de la cantidad ofrecida de
un producto. Para esto el supone que todo lo que produce, lo vender. Adems, ha determinado unas
funciones que entregan el precio a cobrar dada la produccin de ese ao. Para el caso de la papa esta
funcin corresponde a: A(x) =
x
54000
+190, teniendo presente que la recta Precio v/s Produccin no puede
sobrepasar el lmite dado por el presupuesto de obtener una produccin tal que se hubiese sembrado toda
la supercie con un mismo cultivo (papas, trigo, avena). De la misma manera las funciones que representan
la situacin en el caso del trigo y la avena son: B(x) =
x
10000
+ 98; C(x) =
x
15000
+ 79 respectivamente.
Notar que x corresponde a la cantidad producida de cada cultivo.
Gastos:
Gastos variables: corresponden a maquinaria, mano de obra, transporte, manejo de cultivo, etc. Este
tipo de gasto es por unidad de Hectrea y depende del tipo de cultivo.
Gastos jos: Son gastos independientes del nmero de Hectreas sembradas de cada cultivo. En la
Tabla 35 se presentan los gastos para cada cultivo.
SOLUCIN
El objetivo del problema es optimizar el proceso productivo del agricultor, para esto se debe determinar
si sembrar o no cada cultivo, cunto sembrar de cada cultivo y cunto fertilizante poner en cada Hectrea
de cultivo, por lo tanto, emplearemos las siguientes variables de decisin:
x
i
= Nmero de Hectreas a sembrar del cultivo i, i = {1 : Papa, 2 : Trigo, 3 : Avena}
y
i
= Kilgramos de fertilizante con que se abonar cada Hectrea de cultivo i.
z
i
=
_
1 si se siembra el cultivo i
0 si no se siembra el cultivo i
64
En sta declaracin queda claro que, por denicin, las variables z
i
y x
i
son dependientes entre s. La
importancia de declarar z
i
radica en que para incorporar en la funcin objetivo los costos jos debo tener
alguna forma de que ellos se incluyan slo si el cultivo es sembrado.
El objetivo del modelo es maximizar la utilidad del agricultor, como la diferencia entre benecios y costos.
El nico benecio es el que recibe por concepto de ventas, y dado que todo lo que se produce se vende, ste
es igual a lo dado en (20).
_
190
x
1
54.000
_
x
1
(20y
1
+ 14.000) +
_
98
x
2
10.000
_
x
2
(20y
2
+ 2.000) + (20)
_
79
x
3
15.000
_
x
3
_
20
3
y
3
+
400
3
_
Por otro lado, los costos consideran costos jos y costos variables por hectrea de cultivo (Tabla 35), adems
de los gastos por fertilizante. stos ltimos se pueden expresar por la funcin F(x), donde x ser el total de
fertilizante comprado. De esta forma, la funcin objetivo corresponde a lo expresado en (21), la cual estar
sujeta a restricciones de presupuesto, de un mximo de hectreas por cultivo, de cotas para la cantidad
de fertilizante por hectrea, de supercie mxima de cultivo, de no negatividad de las variables y de una
restriccin que relacione las variables x
i
e y
i
, de modo que x
i
siempre sea cero si se decide no sembrar ese
tipo de cultivo.
Considerando lo anterior, el modelo resulta ser:
P) Max
_
190
x
1
54.000
_
x
1
(20y
1
+ 14.000) +
_
98
x
2
10000
_
x
2
(20y
2
+ 2.000) + (21)
_
79
x
3
15.000
_
x
3
_
20
3
y
3
+
400
3
_
850.000x
1
220.000x
2
150.000x
3

250.000z
1
100.000z
2
100.000z
3
F(x
1
y
1
+x
2
y
2
+x
3
y
3
_
850.000x
1
+ 220.000x
2
+ 150.000x
3
+ 250.000z
1
+
100.000z
2
+ 100.000z
3
+F(x
1
y
1
+x
2
y
2
+x
3
y
3
)
_
40.000.000
0 x
1
20
0 x
2
60
0 x
3
50
700 y
1
3.000
500 y
2
2.500
600 y
3
2.000
x
1
+x
2
+x
3
100
x
i
(z
i
1) = 0 i
z
i
{0, 1} i
Problemas Propuestos
1. Cmo se modicara el modelo en el caso en que al agricultor se le ofrece un prstamo, con un inters
de un 50% anual? Considere que el lmite mnimo de ste prstamo es de $1.000.000 y el mximo de
$24.000.000.
2. Considere ahora el caso de una planicacin a ms largo plazo. Suponga que las tierras que son usadas
un ao deben descansar un nmero dado de aos, dependiendo del cultivo, antes de poder ser ocupadas
de nuevo. Suponga que ste perodo es de dos aos para el trigo, tres aos para la avena y un ao para
las papas. Asuma un horizonte de planicacin de los cultivos de 20 aos.
65
Figure 9: Monte de Masada
3.12 Explanada en el Monte de Masada
Ubicada solamente a 25 millas del corazn de la bblica Judea, Masada - la fortaleza - es una montaa aislada,
apartada de sus inmediatos alrededores por acantilados. Este monte se encuentra situado a slo 1400 pies
al poniente del Mar Muerto. Hacia occidente se encuentra un desierto formidable, el desierto de Judea. El
monte de Masada fue forticado por primera vez por el rey Macabeo, Alejandro Ianaeus(103 76AC).
Ms tarde, cuando Herodes es nombrado rey de Judea por el Senado romano en el ao 37AC, l se siente
impulsado a construir un santuario real y una fortaleza en la cumbre de Masada. Durante alrededor de un
siglo esta forticacin estuvo en manos romanas.
En el ao 66 DC, estall una revuelta abierta Juda contra Roma, y la guarnicin estacionada en Masada
fue dominada por los fanticos judos encabezados por Menajem, hijo de Jehuda el galileo, convirtindose
en un campamento armado judo.
Despus de la cada de Jerusaln en el ao 70DC, Masada reforzada por sobrevivientes de Jerusaln,
resisti sola contra Roma hasta el ao 72DC cuando la dcima legin romana, encabezada por el gobernador
romano Flavio Silva, fue designada para quebrantar el ltimo punto de resistencia juda. Sitiaron la fortaleza
durante largo tiempo con la intencin de obtener su rendicin, mantenindolos sedientos y hambrientos.
Formaron 8 campamentos alrededor del monte. El nmero de sitiados era alrededor de 1.000 personas entre
hombres, mujeres y nios. Los romanos contaban con 10.000 soldados. Con el objeto de alcanzar y derribar
las murallas de Masada los romanos construyeron una explanada moviendo tierra y piedras para poder
alcanzarlas por medio de subir por ella. Cuando los romanos lo lograron, los luchadores judos comprobaron
que no quedaba esperanza alguna. En aquel momento decisivo el lder Eleazar Benlair se dirigi a ellos
exhortndolos a que era mejor morir por sus creencias que vivir bajo dominio romano en una vida de
esclavitud. As, al llegar los romanos a la ciudad se encontraron con un pueblo que se haba suicidado
masivamente, admirndose de su entereza y decisin.
El objetivo de esta pregunta es que usted cree un modelo que ilustre la decisin que tiene que tomar el
centurin romano a la hora de optar desde qu punto en el valle hasta qu otro en la ciudad de Massada
(en lo alto del cerro) extender la explanada. Es decir en qu lugar geogrco ubicar los puntos 1 y 2 en la
Figura ??.
Para esto, el centurin cree que el objetivo es movilizar la menor cantidad de tierra posible. Usted
66
suponga que esta cantidad es proporcional al rea (no volumen) que queda entre la lnea ms alta de la
explanada (recta que une los puntos 1 y 2 ) y la supercie terrestre directamente bajo ella.
Para modelar, considere a x e y las coordenadas de latitud y longitud geogrca referenciales de un
punto. Suponga que la altitud de cada punto de la supercie terrestre est dada por una funcin z = h(x, y).
Suponga adems que la ciudad est acordonada por una muralla ubicada en los puntos (x, y) tales que
g(x, y) = 0 (por ejemplo x
2
+y
2
16 = 0); el punto 1 debe estar ubicado en esta muralla. Suponga que la
pendiente mxima respecto a la horizontal que el centurin est dispuesto a aceptar es 20 grados y que el
punto 1 y el punto 2 deben estar al menos 100 metros distantes.
SOLUCIN
El objetivo del modelo es decidir como construir una explanada hasta la muralla, minimizando la cantidad
de tierra removida. Para esto debemos suponer que slo se debe escoger un punto sobre la muralla y otro
sobre la planicie exterior a la fortaleza. De esta manera, supondremos que la tierra removida es proporcional
al rea entre la recta que une ambos puntos y la supercie terrestre. Dado que debemos determinar los
puntos (1) y (2) de la Figura 9, resulta normal denir sus coordenadas (respecto al sistema en el que estn
denidas las funciones h y g que conocemos) como variables del problema. As:
Xi = Coordenada x del punto i
Y i = Coordenada y del punto i
Adems utilizaremos la siguiente notacin para la altura en ambos puntos, que es un dato que queda
denido al satisfacer la ecuacin Z = h(X, Y )
Zi = Coordenada z del punto i
Para encontrar el rea entre la recta y la curva, debemos integrar entre (1) y (2) la diferencia entre la
recta que une los puntos y la supercie de la montaa (ver Figura 9). El proceso de integracin requiere que
deninamos las siguientes variables auxiliares:
x = Coordenada x de un punto entre (1) y (2).
y = Coordenada y de un punto entre (1) y (2).
De acuerdo a la Figura 9 lo que se busca es el valor de integrado entre (1) y (2), para ello se debe
encontrar la diferencia entre el valor de la distancia de la hipotenusa del tringulo a su base (), y la altura
de la supercie respectiva en ese punto. Llamando d(A, B) a la distancia entre los puntos A y B, empleando
el Teorema de Tales en en el tringulo que se ve en la Figura 9 y la relacin = h(x, y) obtenemos una
expresin para (x, y) la que se presenta en (22).

d((x, y)(X
i
, Y
i
))
=
Z
2
Z
1
d((X
1
, Y
1
)(X
2
, Y
2
))
=
h(X
2
, Y
2
) h(X
1
, Y
1
)
_
(X
2
X
1
)
2
+ (Y
2
Y
1
)
2
_
(X
1
x)
2
+ (Y
1
y)
2
(x, y) =
h(X
2
, Y
2
) h(X
1
, Y
1
)
_
(X
2
X
1
)
2
+ (Y
2
Y
1
)
2
_
(X
1
x)
2
+ (Y
1
y)
2
h(x, y) (22)
El valor de (x, y) obtenido en (22) lo debemos integrar sobre la recta determinada por los puntos (X
1
, Y
1
)
y (X
2
, Y
2
), esto es:
Y Y
1
=
Y
2
Y
1
X
2
X
1
(X X
1
)
la que expresada en forma paramtrica, con t entre 0 y 1, resulta ser:
x(t) = X
1
+t(X
2
X
1
)
y(t) = Y
1
+t(Y
2
Y
1
)
67
Para realizar la integral de lnea, recordemos que el diferencial de supercie en paramtricas corresponde
a la expresado en (23).
ds =
_
(X
2
X
1
)
2
dt
2
+ (Y
2
Y
1
)
2
dt
2
ds =
_
_
(X
2
X
1
)
2
+ (Y
2
Y
1
)
2
_
dt (23)
Utilizando el diferencial dado en (23), e integrando entre los extremos del parmetro t, la integral buscada
corresponde a:
1
_
0
(t)
_
_
(X
2
X
1
)
2
+ (Y
2
Y
1
)
2
_
dt (24)
Reemplazando (22) en (24) y odenando la expresin, se obtiene la siguiente expresin para la integral
buscada.
1
_
0
[(h(X
2
, Y
2
) h(X
1
, Y
1
)) t h(X
1
+t(X
2
X
1
), Y
1
+t(Y
2
Y
1
))]
_
_
(X
2
X
1
)
2
+ (Y
2
Y
1
)
2
_
dt (25)
Ahora, si eliminamos el parmetro t de la expresin (25), se obtiene la funcin buscada en las coordenadas
de denicin del modelo (26) con D =
_
(X
1
x)
2
+ (Y
1
y)
2
.
A =
x2
_
x
1
_
h(X
2
, Y
2
) h(X
1
, Y
1
)
_
(X
2
X
1
)
2
+ (Y
2
Y
1
)
2
Dh(x, y)
_
_
_
(X
2
X
1
)
2
+ (Y
2
Y
1
)
2
_
dx
(X
2
X
1
)
A =
x2
_
x1
_
h(X
2
, Y
2
) h(X
1
, Y
1
)
_
(X
2
X
1
)
2
+ (Y
2
Y
1
)
2
Dh(x, y)
_
_
_
_
1 +
_
Y
2
Y
1
X
2
X
1
_
2
_
_
dx (26)
Ahora bien, la funcin objetivo corresponde a la minimizacin de (26), la cual debe estar sujeta a que la
distancia entre (1) y (2) sea mayor a 100 m, que el ngulo entre (1) y (2) sea menor a 20
o
, que el punto (2)
pertenezca a la muralla y que se cumpla la relacin entre los puntos (1) y (2) y su altura. Esto nos permite
formular el siguiente modelo de optimizacin:
P) Min A =
x
2
_
x1
_
h(X
2
, Y
2
) h(X
1
, Y
1
)
_
(X
2
X
1
)
2
+ (Y
2
Y
1
)
2
Dh(x, y)
_
_
_
_
1 +
_
Y
2
Y
1
X
2
X
1
_
2
_
_
dx
_
(X
2
X
1
)
2
+ (Y
2
Y
1
)
2
+ (Z
2
Z
1
) 10
arctg
_
Z
2
Z
1
_
(X
2
X
1
)
2
+ (Y
2
Y
1
)
2
_
20
g(X
2
, Y
2
) = 0
Z
1
= h(X
1
, Y
1
)
Z
2
= h(X
2
, Y
2
)
X
1
, X
2
, Y
1
, Y
2
, Z
1
, Z
2
R
Ntese que en la formulacin anterior se pueden eliminar Z
1
y Z
2
reemplazando los valores respectivos
en el modelo.
Problema Propuesto
Considere el caso en que a Ud. se le entrega una funcin d(X, Y ) que representa la dureza de la
tierra.Cmo se modica el modelo?
68
3.13 Planta de Revisin Tcnica
El Ministerio de Transportes y Telecomunicaciones ha lanzado un proceso de licitacin por plantas de revisin
tcnica para la regin Metropolitana. La licitacin es por un plazo de un ao. Quien gane deber satisfacer
todos los requerimientos tcnicos descritos en las bases y de este modo proveer una planta que sea capaz de
atender vehculos de seis tipos: A, B, C, D, E y F. La empresa ganadora deber indicar el monto a cobrar
a cada uno de los vehculos y se adjudicar la licitacin aquella empresa que se comprometa a cobrar una
tarifa ponderada menor. El modo de calcular la tarifa ponderada se describe a continuacin:
T
1
= 0.5 T
A
+ 0.5 T
B
T
2
= 0.6 T
E
+ 0.4 T
F
Tarifa Ponderada = 0.3 T
1
+ 0.7 T
2
La tarifa T
C
no puede exceder a 0.75 T
A
y la tarifa T
D
podr ser como mximo igual a T
1
.
Se le ha encargado denir el modo en que su empresa se presentar a este concurso. Usted estima que
los costos totales que incurrir durante el ao en que operar la planta son de $75 millones, como usted cree
que el proceso de licitacin ser sumamente competitivo (muchas empresas han solicitado las bases), piensa
presentarse con una combinacin de tarifas que signiquen una utilidad no inferior a $5 millones.
Para estimar la demanda ha realizado un estudio que arroja los siguientes resultados:
El nmero de vehculos tipo A que solicitarn revisin tcnica son entre 1800 y 2200 vehculos, depen-
diendo de la tarifa que se cobre. En ese rango puede asumirse la siguiente funcin:
Q
A
= 2.200 0.2 T
A
El nmero de vehculos tipo B que solicitarn revisin tcnica son un 20% de los vehculos tipo A que
la soliciten.
El nmero de vehculos tipo C que soliciten revisin tcnica ser igual a 300.
El nmero de vehculos tipo D que solicitarn revisin tcnica son entre 600 y 1000 vehculos, depen-
diendo de la tarifa que se cobre. En ese rango puede asumirse la siguiente funcin:
Q
D
= 1.400 0.3 T
D
El nmero de vehculos tipo E que solicitarn revisin tcnica son un 30% de los vehculos tipo D que
la soliciten.
El nmero de vehculos tipo F que soliciten revisin tcnica ser igual a 500.
Cree un modelo que entregue el esquema tarifario ptimo para presentarse a la licitacin (tener la mejor
posibilidad de ganar), de modo que si gana, las ganancias de la empresa sean al menos las previamente
estipuladas.
SOLUCIN
Como se trata de planicar el proyecto que debe presentar la empresa, es evidente que las variables de
decisin a emplear en el modelo deben ser el monto de las tarifas a presentar en el proyecto, esto es:
T
i
= Tarifa a cobrar por vehculo de tipo i, i = A, B, C, D, E, F
Adems, emplearemos la notacin dada en el enunciado para denir el nmero de vehculos que emplear
cada servicio, de tal manera que:
Q
i
= Nmero de vehculos del tipo i que utilizarn el servicio.
69
Ahora bien, el objetivo del modelo es minimizar la tarifa ponderada, de manera de ganar la licitacin,
pero la propuesta debe estar sujeta a las restricciones de que la tarifa de los vehculos C no puede exceder a
0.75 veces la tarifa de los vehculos A, que la tarifa de los vehculos D debe ser inferior a la tarifa T
1
dada en
el enunciado del problema, que los ingresos producidos por la taricacin deben considerar los costos en que
se debe incurrir y la utilidad deseada, adems de las restricciones arrojadas por el estudio de mercado y las
de no negatividad de las variables. Con estas consideraciones se obtiene el siguiente modelo de optimizacin.
P) Min 0.15T
A
+ 0.15T
B
+ 0.42T
A
+ 0.28T
F
T
C
0.75T
A
T
D
0.5 (T
A
+T
B
)
F

i=A
Q
i
T
i
80.000.000
Q
A
= 2.200 0.2 T
A
Q
B
= 0.2Q
A
Q
C
= 300
Q
D
= 1.400 0.3 T
D
Q
E
= 0.3Q
D
Q
F
= 500
1800 Q
A
2.200
600 Q
D
1.000
Q
i
, T
i
0 i
Ntese que es posible expresar el modelo anterior con slo 6 variables (T
i
) reemplazando todos los Q
i
por
sus equivalencias respectivas en T
i
.
Problemas Propuestos
1. Considere ahora el caso en que Ud. forma parte del cmite del estado, y lo que debe decidir es cunto
se debe subsidiar a la empresa ganadora de la licitacin, de manera de que el bienestar social sea lo
mejor posible. Para esto Ud. conoce una funcin de bienestar social asociada a la cantidad demandada
por patentes, estos es, la cantidad utilizada de autos, la cual est dada por B(Q
1
, Q
2
, Q
3
, Q
4
, Q
5
, Q
6
).
Adems Ud. conoce una funcin de oferta de las empresas por la licitacin, la que, en funcin del
nmero de autos, entrega la cantidad que est dispuesto a percibir la empresa.
2. Considere ahora el caso en que Ud. tiene una empresa asociada que vende autos, a un precio P
i
(precio
del auto tipo i), y sabe que la demanda por dichos autos est dada, entre otras cosas por el precio de
las patentes segn la funcin F
i
(Q
i
). Considere que para tener opcin de ganar la licitacin debe tener
una tarifa ponderada a lo ms igual a 1.000 y que la diferencia se pondera en un 25% en consideracin
de los benecios de la empresa y que los benecios por venta de autos se consideran como un 75% en
consideracin de lo mismo.
3.14 Crculo de Mayor rea Inscrito en Polgono
Modele un problema que permmita encontrar el crculo de mayor rea inscrito en el siguiente polgono:
L
1
) 3x + 4y 24
L
2
) 5x 2y 30
L
3
) y + 4 0
L
4
) 5y 3x 15
70
Figure 10: Crculo Inscrito en Polgono
SOLUCIN
El objetivo del modelo es maximizar el rea de un circulo inscrito en el poliedro denido por las rectas
dadas. Ahora bien, como para determinar una circunferencia es necesario conocer su centro y su radio, se
denen las siguientes variables del modelo:
(x
0
, y
0
) = Coordenadas del centro de la circunferencia
R = Radio de la circunferencia
La Figura 10 muestra en trminos generales la situacin deseada, sin embargo hay que notar que no
necesariamente las cuatro rectas deben ser tangentes a la circunferencia, como se aprecia en la Figura 11.
Ahora bien, no importando cules sean las rectas, el centro de la circunferencia buscada debe estar dentro
del dominio denido originalmente por las desigualdades, y el radio debe ser, a lo ms, igual a la distancia
entre el centro de la circunferencia y cada una de las rectas. Para encontrar esta distancia mnima empleamos
el hecho que la menor distancia entre un punto y una recta esta dada por la proyeccin perpendicular del
punto sobre la recta. Empleando la Figura 12, expresamos la mnima distancia entre P y P por (27), y
con ella encontramos la distancia desde el centro de la circunferencia a cada una de las rectas que forman el
polgono.
d ((x
0
, y
0
) (x
p
, y
p
)) =
|a x
0
+b y
0
c|

a
2
+b
2
(27)
Si no recuerda la expresin dada en (27) la puede deducir encontrando el punto de interseccin de las
rectas perpendiculares (Figura 12) y luego aplicando la denicin de distancia euclidiana entre P y P.
Recordemos que el objetivo del problema es maximizar el rea del circulo de radio R, sujeto a las
restricciones de que su centro se encuentre al interior del poligono y que el radio no supere la distancia desde
el centro a cada una de las rectas. Esto nos permite obtener el siguiente modelo de optimizacin:
P) Max R
2
71
Figure 11: Crculo Inscrito en Polgono
Figure 12: Distancia entre P y P
72
3x
0
+ 4y
0
24
5x
0
2y
0
30
y
0
+ 4 0
3x
0
+ 5y
0
15
|3x
0
+ 4y
0
24|
5
R
|5x
0
2y
0
30|

29
R
|y
0
+ 4| R
|3x
0
+ 5y
0
15|

34
R
x
0
, y
0
R
R 0
Problemas Propuestos
1. Cmo modicara el modelo si ahora se le pide encontrar las esfera de mayor volumen dentro de un
poliedro acotado por cuatro planos?
2. Considere ahora el caso en que lo que se desea encontrar es el polgono regular de mayor rea entre
estas cuatro rectas. Adems debe cumplirse que el nmero de lados de ste polgono debe ser a lo ms
20 y a lo menos 3.
3.15 Instalacin de Pozo en Granja Agrcola
La seora Bernardita vive en una granja en Olmu (esta granja es rectangular y mide 200 metros por 180
metros). Para subsistir, desde hace aos ha mantenido en la granja algunos cultivos y algunos animales.
Ella tiene un huerto en que cultiva hortalizas, legumbres y algunos cereales. Adems tiene un sector avcola
con pollos y patos, tiene una chanchera, unos pocos caballos y algunas vacas. Todos ellos tienen su lugar
bien denido en la granja, pues Bernardita es sumamente prolija y ordenada. Adems en la granja hay dos
casas, la de ella y una cabaa de invitados que la usan sus nietos cuando la visitan en verano.
Actualmente la macrozona central de Chile se ha visto afectada por una cruda sequa. Por este motivo, la
granja de Bernardita se ha visto en serios aprietos pues su principal fuente de agua se ha visto muy reducida
y es posible que en las prximas semanas llegue a cortarse. Afortunadamente, para evitar esta catstrofe,
ella siempre ha sabido que bajo su predio existe una napa fretica con agua suciente para no tener que
depender del antiguo suministro. Ella tiene dos nietos que podran ayudarle a solucionar su problema, uno
experto en geografa e hidrologa y el segundo (usted) experto en investigacin operativa. El primer nieto
ya ha hecho su trabajo y ha determinado que efectivamente la napa existe y que para los requerimientos de
la granja, el pozo debiera ubicarse a una distancia no mayor que 45 metros del centro de la napa. El centro
de la napa est a 150 metros del lmite oeste y a 70 metros del lmite sur. Afortunadamente en ese sector
no hay construcciones.
La Figura 13 muestra un plano de la granja.
Observe que al norte del terreno til la granja limita con un sector montaoso que se introduce en el
predio (el lmite pasa por los puntos A y B). El pozo no puede ser instalado en ese sector.
Cuando no haba problemas de sequa, el agua llegaba por pequeos arroyos y canales a cada sector que
lo requera. Ahora, cuando se instale el pozo, el agua deber ser trasladada a mano hasta cada sector (hasta
los animales, las casas, y el huerto). Para el huerto agrcola se utilizar un sistema automtico de regado
por goteo mediante una bomba instalada en el punto C. Es por este motivo que su abuela Bernardita le pide
que decida dnde cavar el pozo, pero de modo que la caminata total diaria (promedio en el ao) sea mnima.
Ella le informa a usted que los chanchos requerirn 20 lts en la maana de cada da, que las aves requerirn
10 lts en la maana y 5 en la tarde, las vacas y caballos requieren 70 en verano y 50 en el resto del ao. La
casa de ella requerira rellenar 150 lts cada da (a distintas horas) y la cabaa de los invitados 80 lts durante
enero y febrero. Para el huerto se requieren 200 lts diarios.
73
Figure 13: Plano de la Granja
Oeste Sur
Vacas 60 40
Chanchos 120 35
Aves 150 35
Casa 190 110
Cabaa 190 10
A 120 60
B 190 130
C 100 60
Table 36: Ubicacin en la Granja
Adems ella le cuenta que para este traslado ella utiliza un balde de 5 lts, es decir en cada viaje puede
transportar como mximo 5 lts.
La ubicacin del bebedero de cada tipo de animal, la ubicacin de las casas y de tres puntos que pueden
ser de utilidad, se entregan en la Tabla 28, en referencia a su distancia con el lmite oeste y sur de la granja.
Escriba un problema de optimizacin que permita determinar dnde ubicar el pozo, de acuerdo a la peti-
cin de su abuela y acorde a las restricciones expresadas. Haga todos los supuestos que estime convenientes.
SOLUCIN
El objetivo del modelo es determinar la ubicacin del pozo, de modo de minimizar el transporte de agua
que debe hacerse para satisfacer los requerimientos anuales promedio de la granja, por lo que emplearemos
como variables de decisin las coordenadas de dicho punto, esto es:
x = Distancia al costado Oeste de la granja, del pozo, en metros
y = Distancia al costado Sur de la granja, del pozo, en metros
Para estimar la cantidad de agua anual se supondrn todos los meses de 30 das y que el verano dura
exactamente tres meses, por otro lado supondremos que el punto C recibe el agua destinada al huerto, la cual
74
Lts/Ao (clculo) Lts/Ao (resultado) N
o
de viajes
Vacas 30 (70 3 + 50 9) 19.800 3.960
Chanchos 30 12 20 7.200 1.440
Aves 30 12 (10 + 5) 5.400 1.080
Casa 30 12 150 54.000 11.880
Cabaa 30 2 80 4.800 960
A
B
C (huerto) 30 12 200 72.000 14.400
Table 37: Litros Anuales
desde ah se reparte hacie el resto de la plantacin. Se supone adems que cada en cada viaje se llevar el
valde lleno (5 lts) y que los viajes son directos, esto es, no se reparte el agua transportada entre dos lugares.
Empleando los datos del problema y los supuestos establecidos, podemos calcular los requerimientos
anuales de agua a cada uno de los puntos de inters, en litros, adems del nmero de viajes asociados
a satisfacer cada necesidad de la granja, considerando que traslada 5 lts en cada viaje. Estos valores se
presentan en la Tabla 37..
Por otro lado para estimar la ecuacin del monte, notmos que tiene un cambio de convexidad dentro
del predio por lo que resulta razonable aproximarlo por un polinomio cbico, sabemos adems que los
puntos A(120,60) y B(190,130) pertenecen a la curva, y que sta alcanza en ellos su mnimo y mximo
respectivamente. Sea y(x) la funcin buscada, e y

(x) su derivada (expresiones (28) y (29)) reemplazando


los puntos conocidos obtenemos el sistema de 4 ecuaciones y 4 incgnitas dado en (30) cuya solucin nos
permite expresar la ecuacin del monte dada en (31).
y(x) = ax
3
+bx
2
+cx +d (28)
y

(x) = 3ax
2
+ 2bx

+c (29)
y(120) = a120
3
+b120
2
+c120 +d = 60
y(190) = a190
3
+b190
2
+c190 +d = 130
y

(120) = 3a120
2
+ 2b120 +c = 0
y

(190) = 3a190
2
+ 2b190 +c = 0 (30)
y + 4, 0816 10
4
x
3
0, 1898x
2
+ 27, 9184x 1.382, 449 = 0 (31)
Ahora bien, el objetivo del modelo es minimizar el traslado total de agua, por lo que la funcin objetivo
corresponde a la minimizacin de la suma de la distancia del pozo a cada lugar requerido multiplicado por
el nmero de viajes necesarios a dicho lugar. Esta funcin objetivo estar sujeta a las restricciones de que el
pozo debe estar en un radio menor a 50 m alrededor de la napa ubicada en (150,70), que el pozo no se puede
ubicar en el monte, lo que es equivalente a decir que el pozo debe quedar en el mismo semiplano en que se
encuentra el origen, de acuerdo a la ecuacin del monte dada en (31) y que el pozo debe estar al interior del
predio.
De acuerdo a lo anterior, obtenemos el siguiente modelo de optimizacin:
P) Min 3960
_
(x 60)
2
+ (y 40)
2
+ 1440
_
(x 120)
2
+ (y 35)
2
+
1080
_
(x 150)
2
+ (y 35)
2
+ 11880
_
(x 190)
2
+ (y 110)
2
+
960
_
(x 190)
2
+ (y 10)
2
+ 14400
_
(x 100)
2
+ (y 60)
2
75
_
(x 150)
2
+ (y 70)
2
50
y + 4, 0816 10
4
x
3
0, 1898x
2
+ 27, 9184x 1.382, 449 0
0 x 200
0 y 180
Problemas Propuestos
1. Considere el caso en que puede instalar ms de un pozo, pero por problemas de dinero, puede instalar
como mximo tres. Decida la ubicacin de esos pozos, su nmero, y la forma de llevar el agua a cada
lugar.
2. Considere que se le entrega una nueva tecnologa cuyo costo por llevar un litro de agua esta dado por
la funcin f(d) = d
2
35d donde d es la distancia de traslado. Considere que Ud cuenta con los medios
para adquirirla sin problema, as que su problema es decidir en que partes del traslado es til (notar
que no siempre f(d) es mayor que el costo normal). Suponga que esta tecnologa slo puede utilizarse
para distancias mayores que 35 metros.
3.16 Publicidad en Televisin
La compaa SAT hace publicidad en telenovelas y programas de ftbol. Cada comercial en una telenovela
cuesta 50.000um. y cada comercial en un programa de ftbol 100.000um. Si se compran S comerciales en
telenovelas sern vistos por 5

s hombres y por 20

s mujeres (los datos vienen en millones de espectadores).


Si se compran F comerciales en programas de ftbol, sern vistos por 17

f hombres y por 7

f mujeres. SAT
quiere que por lo menos 40 millones de hombres y por lo menos 60 millones de mujeres vean sus comerciales.
Formule un modelo que minimice el costo de SAT para alcanzar sucientes espectadores.
SOLUCION
19
La idea del problema es determinar el nmero de comerciales en telenovela y de comerciales en partidos
de ftbol de manera de alcanzar el nmero suciente de espectadores a un mnimo costo, de manera que
emplearemos como variables de decisin:
s = Nmero de comerciales en televisin
f = Nmero de comerciales en partidos de ftbol
El objetivo del modelo es minimizar los costos incurridos con la contratacin de publicidad satisfaciendo
las restricciones de que la publicidad llegue al menos a 40 millones de hombres y a 60 millones de mujeres,
lo que junto con la restriccin de no negatividad de las variables nos permite plantear el siguiente modelo de
optimizacin.
P) Min 50.000s + 100.000f
5

s + 17
_
f 40.000.000
20

s + 7
_
f 60.000.000
s, f 0
3.17 Prevencin de Accidentes Viales
Este problema permite apreciar que las decisiones individuales en materia de seguridad vial conducen a un
nivel de seguridad vial inferior al ptimo si existen implementos de seguridad (o conductas de manejo) que
tienen un efecto positivo sobre la seguridad del resto de los conductores.
19
Jorge Vera, Profesor Ing. Industrial PUC
76
Suponga una economa de N+1 conductores de automvil. Desde el punto de vista individual, la prob-
abilidad de chocar con otro automovilista es una funcin del nivel de auto-proteccin, x, ejercido por cada
conductor, de manera tal que la utilidad (nivel de satisfaccin) esperada del individuo 1 es la siguiente:
V
1
=
N+1

i=2
p(x
1
, x
i
)U
1
(S
1
l
1
) +
_
1
N+1

i=2
p(x
1
, x
i
)
_
U
1
(S
1
) C
1
(x
1
) (32)
En relacin a la utilidad U
1
, se supone U

> 0; U

< 0 (utilidad marginal decreciente, a mayor nivel de


riqueza, menor es el incremento de la felicidad producido por la ltima unidad de riqueza). En relacin a
los costos de auto-proteccin C
1
(x), se supone C > 0 (incrementar el nivel de proteccin supone un mayor
desembolso de dinero); C > 0 (costo marginal creciente; a medida que ms gasto en proteccin, menor
proteccin brinda la ltima unidad del bien x adquirido); p(x
1
, x
i
) es la probabilidad de que el individuo 1
sufra un accidente con el individuo i, si el nivel de proteccin del individuo 1 es x
1
y el nivel de proteccin
del individuo
i
es x
i
,
p(x
1
,x
i
)
x
1
< 0,
p(x
1
,x
i
)
x
i
< 0, S es la riqueza, l es la prdida incurrida en caso de choque.
Se supone tambin que todos los individuos son idnticos. Es decir, poseen la misma funcin de utilidad,
idntica riqueza, sufren la misma prdida y el nivel de autoproteccin es el mismo para todos.
1. Calcule las condiciones de primer orden del problema de maximizacin desde el punto de vista indi-
vidual.
2. Calcule las condiciones de primer orden del problema de maximizacin desde el punto de vista social
(ver sugerencia b).
3. Graque estos resultados para un individuo cualquiera, de manera que pueda visualizarse el nivel
ptimo de auto-proteccin correspondiente a cada problema.
4. Justique la diferencia entre ambos resultados.
Hint:
1. (a) Cuando se supone que todos los individuos son idnticos en todos los aspectos, la solucin del
problema es la misma para todos los individuos y se tiene un equilibrio de Nash simtrico:la
cantidad del nivel de autoproteccin x es la misma para todos los individuos en cada uno de los
dos problemas (solo diere entre problemas). Entonces tanto en el problema individual como
social las probabilidades ptimas de accidentes sern p(x

i
, x

j
) y p(x

i
, x

j
) respectivamente para
todo individuo i, j. Ntese adems que y .
(b) La funcin social de utilidad es la suma de las utilidades de cada individuo j, por lo tanto, debe
maximizarse la expresin .
SOLUCIN
20
1. Dada la condicin de simetra, la expresin 32 se reduce a maximizar:
V
1
= Np(x
1
, x
i
)U
1
(S
1
l
1
) + (1 Np(x
1
, x
i
)) U
1
(S
1
) C
1
(x
1
)
Por lo tanto, la condicin de primer orden es la siguiente:
V
1
x
1
= N
p(x
1
, x
i
)
x
1
[U
1
(S
1
l
1
) U
1
(S
1
)] C

1
(x
1
) = 0
C

1
(x

) = N
p(x

, x

)
x
1
[U
1
(S
1
l
1
) U
1
(S
1
)]
La cantidad x

1
es el nivel ptimo de autoproteccin y dada la condicin de simetra, resulta ser el
mismo para todos los individuos, por lo que se representa la cantidad ptima directamente como x

.
20
Boyer,M. y Dionne,G. (1987), The Economics of Road Safety. Transportation Research B, 21:413-431.
77
Figure 14: Prevencin de Accidentes Viales
2. En el caso del problema del ptimo social, el modelo se reduce a maximizar:
V
S
=
N+1

j=1
N+1

i(j)=1
p(x
j
, x
i
)U
j
(S
j
l
j
) +
_
_
1
N+1

i(j)=1
p(x
j
, x
i
)
_
_
U
j
(S
j
) C
j
(x
j
)
La cual se reduce a:
V
S
x
1
=
N+1

i=2
p(x
j
, x
i
)
x
j
[U
1
(S
1
l
1
) U
1
(S
1
)]
+
N+1

j=2
p(x
j
, x
i
)
x
j
[U
j
(S
j
l
j
) U
j
(S
j
)] C

1
(x
1
)
V
S
x
1
= N
p(x, x)
x
[U(S l) U(S)] +N
p(x, x)
x
[U(S l) U(S)] C

(x) = 0
C

(x

) = 2N
p(x

, x

)
x
1
[U(S l) U(S)]
3. El grco de la situacin se presenta en la Figura 14.
4. En el segundo problema se considera el impacto que el nivel de autoproteccin del individuo i tiene
sobre todos los dems conductores, el que no es percibido por el individuo. Por lo tanto, slo si existe
una coordinacin a nivel individual o una instancia de planicacin centralizada se conseguir el nivel
ptimo de proteccin vial.
78
4 Modelos de Programacin Entera
En este captulo queremos abordar problemas de naturaleza combinatorial, que requieren para su mode-
lamiento el uso de variables enteras. En algunos casos, estas variables enteras son binarias (slo toman
valores 0 1) y se utilizarn para representar situaciones en qu uno debe decidir si desarrollar o no una
cierta actividad, por ejemplo, instalar o no una fbrica en una cierta localidad, construir o no un cierto
camino, etc. En otros casos, las variables enteras sern de tipo general (generalmente valores no negativos)
y se usarn para representar cantidades enteras que no pueden ser aproximadas por variables continuas,
como por ejemplo, nmero de turnos en un programa de produccin, o nmero de camiones a utilizar en un
proceso logstico.
Habitualmente estas variables enteras se utilizarn para representar relaciones lgicas entre distintos
elementos del problema en cuestin; por ejemplo, que para realizar un cierto proyecto se requiere que se lleven
a cabo al menos dos sub-proyectos de un cierto conjunto. La modelacin matemtica de estas relaciones
lgicas no es un proceso natural, como s ocurre en muchos de los modelos de programacin lineal continua.
Por esto, el modelamiento en estos casos es un proceso ms sosticado y complejo.
En muchos de los ejemplos que se presentan a continuacin los modelos tambin incorporarn variables
continuas; estos modelos se denominan de programacin entera mixta.
Aunque en este libro no abordamos cuestiones algortmicas, conviene comentar que todos los modelos de
programacin entera que se resuelven en este captulo, tienen una estructura lineal, debido a que los algo-
ritmos ms ecientes para resolverlos requieren de esta condicin. En este sentido, pueden darse situaciones
en que el aspecto del problema a abordar tiene una estructura no lineal, pero que debe ser formulada en
base solamente a relaciones lineales entre las variables. Esto representar en algunos casos un esfuerzo de
modelamiento no menor.
4.1 Publicidad en Televisin
Un canal de TV desea establecer precios competitivos y rentables para su tiempo de avisaje. Asuma que
existen 3 tipos de tiempos de avisaje distintos: horario diurno y nocturno de da de semana, y horario de n
de semana. Sean p
1
, p
2
, p
3
los precios respectivos por minuto de avisaje. El canal vende tiempo de avisaje
a K empresas; se sabe que la empresa k desea adquirir un paquete que consiste en a
1k
, a
2k
, a
3k
minutos en
cada uno de los tiempos disponibles, y que est dispuesta a pagar a lo sumo A
k
por este paquete (de lo
contrario no compra nada). Formule el problema de manera que los ingresos sean maximizados.
SOLUCIN
Adems de determinar los precios ptimos en este problema, hay que determinar las empresas que com-
prarn nalmente el paquete, es decir, las variables de decisin son los precios p
i
y los indicadores x
k
. De
esta forma el modelo queda:
P) Max
K

k=1
x
k
3

i=1
p
i
a
ik
x
k
3

i=1
p
i
a
ik
A
k
k
p
i
0 i
x
k
{0, 1} k.
4.2 Fiesta de Matrimonio
Usted est a cargo de seleccionar los invitados a su matrimonio, dada la problematica de la situacin, usted
y su pareja han decidido cuanticar el benecio neto que aporta cada persona al asistir, es decir estn
considerados: la importancia que para ustedes tiene que esa persona asista, el costo de invitar a esa persona
y el regalo que esperan recibir de ella. Los candidatos se indican en la Tabla 38, junto con la contribucin
neta que haran si asisten a su matrimonio, en miles de U.M. (unidades de matrimonio)
79
Candidatos U.M.
Juan Prez 120
Pedro Soto 500
Mara Gonzlez 200
Luis Toro 100
Gloria Prez 250
Table 38: Fiesta de Matrimonio
Comprar Cocinar Lavar Platos Lavar Ropa
El 4.5 7.8 3.6 2.9
Ella 4.9 7.2 4.3 3.1
Table 39: Horas Semanales de Actividades
Juan Prez no asitir a menos que asista Luis Toro y tampoco asistir si Pedro Soto y Mara Gonzalez van
(ambos). Adems, Pedro Soto no se lleva bien con Gloria Prez y no asistir a menos que Mara Gonzlez y
Luis Toro asistan juntos. Formule un modelo que permita seleccionar la lista de invitados maximizando la
contribucin total obtenida.
SOLUCIN
El objetivo del problema es denir la lista de invitados al matrimonio de manera de maximizar el benecio
percibido, en U.M. Para formular el modelo emplearemos la variable binaria que indica si la persona i es
invitada o no al matrimonio, esto es:
x
i
=
_
1 Si se invita a la persona i al matrimonio
0 Si no se invita a la persona i al matrimonio
i
El objetivo del problema es maximizar el benecio obtenido por la asistencia de invitados, sujeto a las
retricciones debidas a los conictos personales entre los asistentes y a la restriccin de la naturaleza de las
variables. Esto nos permite formular el siguiente modelo de programacion entera:
P) Max 120x
1
+ 500x
2
+ 200x
3
+ 100x
4
+ 250x
5
x
1
x
4
x
1
2 (x
2
+x
3
)
x
2
1 x
5
x
2
x
3
x
2
x
4
x
i
{0, 1} i
4.3 Tareas Semanales en Matrimonio
Un matrimonio debe distribuirse las tareas semanales del hogar. Las horas semanales que cada uno requiere
para desarrollar las distintas actividades aparecen en la Tabla 39.
Usted debe asignar las tareas de modo que se realizen cada una de ellas en el menor tiempo posible;
considerando adems, que para que la distribucin sea equitativa cada uno de ellos debe realizar dos tareas.
SOLUCIN
El objetivo del problema es decidir cules tareas debe realizar la esposa y cules el esposo de manera que
el tiempo total dedicado a las actividades del hogar sea mnimo, por esta razn consideraremos las siguientes
variables de decisin:
80
Proyectos
1 2 3 4 5 6 7
Ganancia 17 10 15 19 7 13 9
Capital 43 28 34 48 17 32 23
Table 40: Inversin Inicial y Ganancia (en MM de Dlares)
x
i
=
_
1 Si el marido hace la actividad i
0 Si el marido no hace la actividad i
i = {1 : Comprar, 2 : Cocinar, 3 : Lavar Platos, 4 : Lavar Ropa}
y
i
=
_
1 Si la esposa hace la actividad i
0 Si la esposa no hace la actividad i
El objetivo del problema es reducir el tiempo total dedicado a las tareas del hogar, considerando que una
tarea no puede ser realizada por dos personas a la vez, y que tanto la esposa como el esposo deben realizar
dos actividades. Si llamamos A
i
al tiempo que requiere el esposo para hacer la tarea i, y B
i
al tiempo
requerido por la esposa para hacer la actividad i, el problema de asignacin resulta ser:
P) Min
4

i=1
A
i
x
i
+
4

i=1
B
i
y
i
x
i
+y
i
= 1 i
4

i=1
x
i
= 2
4

i=1
y
i
= 2
x
i
, y
i
{0, 1} i
4.4 Decisin de Inversin
Un inversionista debe decidir cmo invertir un capital de 100 millones de dlares entre 7 proyectos disponibles.
La Tabla 40 resume la ganancia neta que reporta cada proyecto y la inversin inicial necesaria en cada caso.
Se debe considerar, adems, que los proyectos 1 y 2 son mutuamente excluyentes, que para realizar el proyecto
3 es necesario realizar uno de los proyectos anteriores y que no es necesario invertir todo el capital.
SOLUCIN
El objetivo del problema es decidir que proyectos realizar, de manera de maximizar la ganancia total
obtenida, por lo que resulta natural denir
x
i
=
_
1 Si escoge el proyecto i
0 Si no se escoge el proyecto i
i = 1, 2, ..., 7
Llamemos, adems:
g
i
= Ganancia que reporta el proyevto i
c
i
= Capital o inversin inicial que requiere el proyecto i
Considerando que el modelo debe maximizar la ganacia obtenida, cumpliendo las restricciones de que si
se realiza el proyecto 1 no se puede realizar el proyecto 2 , que para realizar el proyecto 3 es necesario realizar
81
los proyectos 1 y/o 2 antes y que no es necesario invertir todo el capital, obtenemos el siguiente problema
de optimizacin:
P) Max
7

i=1
g
i
x
i
x
1
+x
2
1
x
3
x
1
+x
2
7

i=1
c
i
x
i
100
x
i
{0, 1} i
4.5 Planicacin de Estudio para Exmenes
Un estudiante debe rendir exmenes en los cursos de Clculo, Mecnica, Electrnica y Optimizacin. Para
estudiar para estos cuatro exmenes dispone de solamente 20 horas. Con el propsito de asignar el tiempo
dedicado a cada curso, el estudiante ha fraccionado su tiempo disponible en bloques de 4 horas cada uno. La
nota que debe obtener en un examen determinado depender del nmero de bloques que dedique al estudio
de este curso. Sea c
ij
la nota que obtendr en el curso i si le asigna j bloques de tiempo, j = 0, 1, 2, 3, 4, 5.
Para aprobar el curso de mecnica necesita obtener al menos nota 4 en el examen y para aprobar el de
optimizacin, al menos nota 3. Los otros dos cursos los aprueba con cualquier nota en el examen. Construya
un modelo de optimizacin que permite determinar una asignacin del tiempo disponible del estudiante que
le permita aprobar los 4 cursos, obteniendo la mxima suma de notas en los exmenes.
SOLUCIN
21
El objetivo del modelo es decidir cunto tiempo se debe dedicar a cada ramo para que el estudiante
apruebe los cursos y obtenga la mxima suma de notas en los exmenes. Para ello emplearemos la siguiente
variable de decisin:
x
ij
=
_
1 Si se asignan j bloques de tiempo al ramo i,
0 Si no
i = {1 : Clculo, 2 : Mecnica, 3 : Electrnica, 4 : Optimizacin} j = 0, 1..., 5
Si llamamos c
ij
a la nota obtenida en el curso i cuando se le asignan j bloques de estudio, la funcin
objetivo correspode a la mxima suma del producto entre x
ij
y c
ij
. El modelo debe considerar adems que
cada ramo debe recibir una asignacin de bloques, que se aprueba Mecnica con nota igual o superior a 4.0
y Optimizacin con nota mayor o igual a 3.0, que se dispone de un total de 20 horas para estudiar, y la
binariedad de la variable de decisin. De acuerdo a lo anterior el modelo resulta ser:
P) Max
4

i=1
5

j=0
c
ij
x
ij
21
Jorge Vera, Profesor Ing. Industrial PUC
82
Figure 15: Lanzamiento de Proyectiles
5

j=0
x
ij
= 1 i
5

j=0
c
2j
x
2j
4.0
5

j=0
c
4j
x
4j
3.0
4

i=1
5

j=0
jx
ij
5
x
ij
{0, 1} i, j
4.6 Lanzamiento de Proyectiles
Usted est encargado de lanzar una serie de proyectiles desde un punto central a unos objetivos dispersos
en un plano XY . Cada uno de esos objetivos tiene una posicin (x
i
, y
i
) asociada. Usted dispone de tantos
proyectiles y lanzadores como objetivos. Cada lanzador tiene un rango propio de velocidades y un rango
propio de ngulo de inclinacin en que puede dispararse el proyectil. El espacio en que est ubicado este
sistema tiene un techo de H metros de altura. Asigne los lanzadores a los objetivos de modo que el error
total sea lo menor posible. Para esto, suponga que cada destino tiene un ponderador de importancia P
i
que
pondera los metros de diferencia entre el punto de cada del proyectil y el objetivo.
Hint: Supongamos que un proyectil es lanzado a una velocidad V y en un ngulo de inclinacin (Figura
15). En su componente vertical, el proyectil se mueve a velocidad V sin, y se mueve atrado a la tierra por
la fuerza de gravedad g. En su componente horizontal, el cuerpo se mueve a velocidad constante V cos .
Si un cuerpo es soltado (desde el reposo) desde una determinada altura y al caer alcanza una velocidad
V , entonces la altura desde la que fue soltado el cuerpo y el tiempo que tard en caer son:
h =
V
2
2g
t =
V
g
Si un cuerpo se mueve a velocidad constante V durante un tiempo t, entonces la distancia que alcanza
es:
d = V t
SOLUCIN
De acuerdo al enunciado del problema, podemos identicar los siguientes datos del modelo:
83
Figure 16: Lanzamiento de Proyectiles
V
i
min
= Velocidad mnima del lanzador i, i = 1, ..., n
V
i
max
= Velocidad mxima del lanzador i.

i
min
= Angulo mnimo de inclinacin del lanzador i.

i
max
= Angulo mximo de inclinacin del lanzador i.
(x
j
, y
j
) = Coordenadas del blanco j, j = 1, ..., n
(x
o
, y
o
) = Coordenadas del punto central, que por simplicidad supondremos en (0,0).
P
j
= Ponderador de importancia del blanco j.
El objetivo del modelo es ubicar los lanzadores de manera de minimizar el error ponderado en los blancos.
Se entiende por error ponderado, al producto entre el cometido al lanzar el proyectil (distancia entre blanco
y lugar donde cae el proyectil) y el ponderador correspondiente.
Un esquema de la trayectoria del proyectil se presenta en la Figura 16, donde se aprecia que podemos
separar el movimiento del proyectil (eje x y eje y). En el eje y, se trata de un movimiento vertical hacia
arriba seguido de una caida libre, luego el tiempo que demora en caer ser igual a 2 veces el tiempo que
demora en llegar a su altura mxima, esto es:
t
total
= 2 t
H max
= 2
V
o
sen()
g
Por otro lado, para obtener el alcance debemos multiplicar la velocidad horizontal de movimiento por el
tiempo que demora en caer, asi:
Alcance = V
o
cos()
2V
o
sen()
g
=
2V
2
o
sen() cos()
g
donde la altura mxima que pueden alcanzar los proyectiles viene dada por
H
max
=
(V
o
sen())
2
2g
Una vez identicados los datos del modelo y las relaciones tiles del movimiento, es necesario asignar los
lanzadores a cada blanco . Para esto utilizaremos la siguiente variable de decisin:

ij
=
_
1 Si el lanzador i se asigna al blanco j
0 Si el lanzador i no se asigna al blanco j
84
Lo que agrega caractersticas del "problema de asignacin" al modelo, y nos hace recordar que a cada
blanco se le debe asignar slo un lanzador, y que cada lanzador debe ser asignado a un slo blanco (restric-
ciones (34) y (35)).
Adems de la variable
ij
debemos considerar que cada lanzador puede optar por la velocidad y el ngulo
con que lanza, por lo tanto debemos denir dos variables de este tipo por cada lanzador, esto es:
V
i
= Velocidad con que lanzar su proyectil el lanzador i.

i
= Angulo con que lanzar su proyectil el lanzador i.
El objetivo del problema es minimizar el error, el que se puede expresar como la ponderacin por la
distancia entre el blanco y el lugar donde cae el proyectil (dado por (33)). El modelo debe estar sujeto a
que los lanzadores no pueden superar el lmite de altura, a que existen rasgos especcos de operacin para
cada lanzador y que existen restricciones asociadas al problema de asignacin. Considerando lo anterior,
se obtiene el siguiente modelo de optimizacin:
P) Min
n

j=1

j
=
n

j=1
P
j
_
_
_
_
_
_
(x
j
)
2
+ (y
j
)
2

i=1

ij
_
2
_
V
i
_
2
sen(
i
) cos(
i
)
g
__
_
_
_
_
(33)
_
V
j
_
2
sen
2
(
j
)
2g
H j

i
min

i

i
max
i
V
i
min
V
i
V
i
max
i
n

i=1

ij
= 1 j (34)
n

j=1

ij
= 1 i (35)

ij
{0, 1} i, j
Problemas Propuestos
1. Qu modicaciones habra que hacer al modelo si hubiera ms blancos que caones? Y qu modi-
cacin si ahora los caones superan a los blancos?
2. Que ocurrira con nuestro modelo si se nos pide considerar capacidades destructivas de cada can y
se nos entrega una tabla con los tamaos de cada blanco, para emparejar capacidades destructivas con
tamao? Podra ser posible la asignacin de ms de un can a un mismo blanco?
3. Que ocurre con nuestro modelo si incluimos la existencia de controladores de estos caones, de manera
que cada can requiere una cantidad especca de tiempo que debe dedicarle el encargado de ste,
tiempo durante el cual no puede operar otros caones? Modlelo para el caso en que los tiempo
son constantes y para el caso en que cada can tiene una cantidad especca de tiempo a dedicarle.
Suponga la existencia de slo q controladores.
4.7 Consurso Revista "Don Baln"
La revista deportiva Don Baln ha organizado un concurso. Para esto, semana a semana, la revista
evaluar a los jugadores (se supone que los equipos juegan una vez a la semana) con una nota en una escala
de uno a siete. El campeonato cuenta con 16 equipos. Contando con esta calicacin se podra elegir, al
nal del mes, los mejores jugadores del mes. El concurso consiste en que los lectores se anticipen y apuesten
por los mejores jugadores. Para esto debern crear un equipo cticio (cada equipo de ftbol cuenta con 11
jugadores), considerando que:
85
Cada equipo cticio propuesto no puede incluir ms de dos jugadores de un mismo equipo real.
El equipo tendr una formacin 4-4-2, esto es tendr 4 defensas, 4 mediocampistas y 2 delanteros,
adems del arquero, por supuesto.
El equipo debe incluir como mximo 4 jugadores extranjeros.
Para esto se dispone de la informacin de todos los jugadores de cada club, la posicin en que juegan,
(un jugador no puede realizar distintas funciones en el equipo) y si son chilenos o extranjeros.
El objetivo de este problema es buscar cul hubiese sido el mejor equipo cticio vlido que un lector
hubiese podido crear. Para esto conocemos las calicaciones promedio del mes para todos los jugadores.
SOLUCIN
El objetivo del problema es encontrar el equipo con la mayor suma de notas, sujeto a las restricciones
del concurso. De este modo, la decisin a tomar es si incluir o no a cada jugador en el equipo ideal, por lo
que conviene denir las variables de decisin:
x
ij
=
_
1 Si el jugador nmero i del equipo j es incluido en el equipo ideal
0 Si el jugador nmero i del equipo j no es incluido en el equipo ideal
Por simplicidad se supondr que cada equipo real cuenta con 22 jugadores, incluyendo sus reservas.
Adems debemos codicar de alguna manera los datos del problema, esto es, las notas, el puesto del jugador
y si es o no extranjero. Esta codicacin debe ser coherente con la eleccin de variables. Una buena forma
para identicar el puesto de un jugador es decir si es o no defensa, o si es o no arquero, etc. Una forma
de codicar esto es utilizar un valor binario, que valga uno si el jugador es arquero y cero si no. De esta
manera, denimos:
n
ij
= Nota promedio obtenida por el jugador i del equipo j en el mes que pas.
a
ij
=
_
1 Si el jugador nmero i del equipo j es arquero
0 Si el jugador nmero i del equipo j no es arquero
d
ij
=
_
1 Si el jugador nmero i del equipo j es defensa
0 Si el jugador nmero i del equipo j no es defensa
m
ij
=
_
1 Si el jugador nmero i del equipo j es mediocampista
0 Si el jugador nmero i del equipo j no es mediocampista
t
ij
=
_
1 Si el jugador nmero i del equipo j es atacante
0 Si el jugador nmero i del equipo j no es atacante
e
ij
=
_
1 Si el jugador nmero i del equipo j es extranjero
0 Si el jugador nmero i del equipo j es chileno
Ahora cmo lo que se desea es obtener la mayor nota posible total, la funcin objetivo corresponde a
maximizar la suma de las notas de los integrantes del equipo, esto es lo mismo que maximizar para todos
los jugadores del campeonato, la suma de x
ij
multiplicada por N
ij
. El modelo debe considerar adems que
se cumplan las normas del concurso, esto es que no haya ms de dos jugadores de un mismo equipo en el
equipo cticio y que existan a lo ms 4 extranjeros en el equipo ideal; que se cumpla la formacin (1 arquero,
4 defensas, 4 mediocampistas y 2 defensas) y que la variable x
ij
sea binaria.
Considerando lo anterior, el modelo de optimizacin resulta ser:
P) Max
22

i=1
16

j=1
n
ij
x
ij
86
22

i=1
x
ij
2 j

22
i=1

16
j=1
x
ij
e
ij
4

22
i=1

16
j=1
x
ij
a
ij
= 1

22
i=1

16
j=1
x
ij
d
ij
= 4

22
i=1

16
j=1
x
ij
m
ij
= 4

22
i=1

16
j=1
x
ij
t
ij
= 2
x
ij
{0, 1} i, j
Problemas Propuestos
1. Considere el caso en que a Ud. se le entregan, adems, los precios de los jugadores y el sueldo que ellos
cobran, y se le dice que cuenta con una cantidad de 20 millones de dlares para armar el equipo y con
medio milln mensual para mantenerlo. Modique el modelo para esta nueva condicin.
2. Cmo modicara el modelo si ahora Ud. debe conformar un equipo de 16 jugadores, donde 11 son
titulares y 5 reservas. Estos reservas deben ser un arquero, un defensa, dos mediocampistas y un
delantero. Considere que las notas de los reservas de su equipo son ponderadas por 0,8 para obtener
la suma total de las notas del equipo.
4.8 Aumento de Capacidad de Plantas de CMPC
La Compaa Manufacturera de Papeles y Cartones (CMPC) ha decidido ampliar la capacidad de una de
sus plantas, en un horizonte de 6 perodos de tiempo (cada perodo corresponde a 3 meses). Suponga que
esta planta produce un solo producto. El propsito de la empresa es maximizar la capacidad productiva de
la planta al nal del sexto perodo. Para realizar esta expansin la empresa dispone de un capital inicial y
de los recursos que obtenga por la venta de su nico producto.
Suponga que la produccin de una unidad de este producto requiere de d dlares (para la compra de materias
primas y el pago de salarios) y de una unidad de capacidad de la planta; adems genera una utilidad neta
de r dlares que estn disponibles al principio del perodo siguiente.
En cada perodo la empresa dispone de dos tecnologas constructivas para ampliar su planta; cada una de
ellas requiere de efectivo durante el perodo de expansin y dieren en el tiempo requerido para llevar a
cabo dicha expansin. Especcamente, construir una unidad de capacidad adicional usando la tecnologa
1 requiere de b dlares al inicio de la construccin y genera la capacidad adicional al principio del perodo
siguiente. Por otra parte, construir una unidad adicional de capacidad usando la tecnologa 2 requiere de c
dlares al inicio de la construccin y genera la capacidad adicional en el perodo subsiguiente. Sin embargo,
por limitaciones de la empresa no se pueden instalar las dos tecnologas en un mismo periodo de tiempo
Al principio del horizonte de anlisis, la compaa cuenta con un capital de D dlares para nanciar su
produccin y expansin; no se contemplan otros recursos externos para nanciar la operacin y expansin
durante los 6 periodos (salvo los recursos adicionales generados por la venta del producto). La capacidad de
la planta al inicio del periodo 1 es K. Formule un modelo que permita maximizar la capacidad de la planta
al nal del periodo 6.
SOLUCIN
El problema consiste en decidir la forma de maximizar la capacidad de la planta, esto es, en que periodo
realizar la expansin y con que tipo de tecnologa. Deniremos las siguientes variables de decisin:
z
i
= # de unidades de expansin llevadas a cabo en el periodo i usando la tecnologa 1
w
i
= # de unidades de expansin llevadas a cabo en el periodo i usando la tecnologa 2
x
i
=
_
1 si se usa la tecnologa 1 para aumentar la capacidad de la planta en periodo i
0 en caso contrario
87
y
i
=
_
1 si se usa la tecnologa 2 para aumentar la capacidad de la planta en periodo i
0 en caso contrario
Consideremos adems, las variables ligadas:
K
i
= capacidad de la planta al principio del periodo i.
D
i
= capital disponible al principio del periodo i.
u
i
= produccin en el periodo i.
Donde D
1
= D y K
1
= K son datos del problema.
EL objetivo del problema es maximizar la capacidad de la planta al nal del perido i (que es lo mismo que
maximizar K
7
) considerando que la produccin en el periodo 1 esta limitado por la capacidad inicial K, que
no se pueden instalar las dos tecnologas en un mismo periodo, la restriccin de carga que liga las variables
Z
i
y W
i
con X
i
y Y
i
respectivamente (donde se considera una constante M lo sucientemente grande) y las
restricciones que relacionan el capital, la capacidad y la produccin entre un periodo y otro. De acuerdo a
lo anterior, el modelo resulta ser:
P) Max K
7
U
1
K
x
i
+y
i
1 i
z
i
Mx
i
i
w
i
My
i
i
D
i
= D
i1
bz
i1
cw
i1
du
i1
i
K
i
= K
i1
+Z
i1
+w
i2
i
D
i
bz
i
+cw
i
+du
i
i
D
1
= D
K
1
= K
x
i
, Y
i
{0, 1}
z
i
, w
i
, x
i
, K
i
, D
i
, u
i
enteros i
4.9 Empresa Constructora
Una empresa constructora debe adquirir ripio para 3 obras que debe llevar a cabo; el ripio lo puede obtener
desde dos empresas proveedoras, ubicada una al norte y otra al sur de la ciudad. Por razones de capacidad
la primera empresa puede ofrecer hasta un mximo de 18 toneladas, mientras que la segunda slo cuenta
con un mximo de 14 toneladas. La obras requieren de 10, 5 y 10 toneladas, respectivamente. Para trans-
portar el ripio, la empresa debe arrendar camiones, y cada camin solo puede ser usado desde una empresa
proveedora a una obra. El costo de arrendamiento de un camin es de 5 dlares. Cada camin puede llevar
hasta 5 toneladas, pero no es necesario que viaje a plena capacidad. La empresa debe pagar adems un costo
unitario por cada tonelada transportada (asociado al uso de combustible y otros insumos).
Los costos unitarios de adquisicin del ripio y los costos unitarios de transporte desde cada empresa provee-
dora a cada obra se presentan en la Tabla 41. Desarrolle un modelo que permita encontrar la estrategia
ptima de adquisicin y transporte del ripio.
SOLUCIN
El modelo debe encontrar la estrategia ptima de adquisicin y transporte del ripio desde cada empresa
abastecedora a cada una de las obras, para ello emplearemos las siguientes variables de decisin:
88
Empresa 1 2 3 Precio por Tonelada
Norte 3 6 5 10
Sur 6 3 4 12
Table 41: Costos de Adquisicin de Ripio y de Transporte
n
ij
= Nmero de camiones a arrendar para transportar ripio desde la empresa i a la obra j.
x
ij
=Total de toneladas transportadas desde i a j, i = {1 : Norte, 2 : Sur}, j = 1, 2, 3
Los datos del problema los identicaremos por:
c
ij
= Costo unitario de transportar ripio desde la empresa i a la obra j
p
i
= Costo de adquisicin de una tonelada de ripio desde la empresa i.
El objetivo del problema es minimizar los costos totales asociados al transporte, considerando la capacidad
de cada camin, la mxima cantidad de ripio que puede ofrecer cada empresa y los requerimientos de ripio
de cada obra. De esta manera el modelo queda expresado por:
P) Min
2

i=1
3

j=1
p
i
x
ij
+
2

i=1
3

j=1
c
i
x
ij
+ 5
2

i=1
3

j=1
n
ij
x
ij
5n
ij
i, j

3
j=1
x
1j
18

3
j=1
x
2j
14

2
i=1
x
i1
= 10

2
i=1
x
i2
= 5

2
i=1
x
i3
= 10
x
ij
0, i, j
n
ij
enteros i, j
4.10 Instalacin de Estaciones de Bomberos
Se acaba de inaugurar una nueva comuna en un pas vecino; una de las decisiones que se deben tomar es dnde
instalar las dos estaciones de bomberos necesarias. La comuna ha sido dividida en 5 distritos distintos, y no
se puede localizar ms de una bomba en cada distrito. Cada bomba debe atender los incendios del distrito
donde est instalada, as como los incendios que se le asignen de otros distritos. Las decisiones involucradas
son: en qu distrito instalar las estaciones, y las asignaciones de los restantes distritos a las estaciones.
El objetivo es minimizar el tiempo promedio de respuesta a todos los incendios. La Tabla 42 muestra los
tiempos promedios de respuesta a un incendio por cada distrito y ubicacin posible de una estacin; adems
de incluir el nmero promedio de incendios diarios en cada uno de ellos. Formule un modelo de programacin
lineal entera para resolver este problema.
SOLUCIN
Se debe formular un modelo que permita determinar en que distritos instalar las bombas y como asignar
los restanes distritos a estas estaciones. Para ello deniremos las siguientes variables:
x
i
=
_
1 Si se instala una bomba en el distrito i
0 en caso contrario
i = {1, 2, 3, 4, 5}
z
ij
=
_
1 Si el distrito j es atendido por la bomba ubicada en el distrito i
0 en caso contrario
i = j
89
Incendio en Distrito
Estacin ubicada en 1 2 3 4 5
1 5 12 30 20 15
2 20 4 15 10 25
3 15 20 6 15 12
4 25 15 25 4 10
5 10 25 15 12 5
Promedio Incendios 2 1 3 1 3
Table 42: Tiempos de Respuesta a Incendios y Promedio de Incendios
Identiquemos los datos del problema como:
t
ij
= Tiempo de respuesta desde la bomba ubicada en el distrito i a un incendio en el distrito j.
n
j
= Nmero promedio de incendios del distrito j.
El objetivo del problema es minimizar el tiempo de respuesta a todos los incendios, considerando que solo
se pueden instalar dos bombas, que cada distrito debe ser atendido por una bomba y que si en el distrito i
no se ha instalado ninguna bomba no es posible atender a ningun otro distrito desde ah. Considerando lo
anterior formualmos el siguiente modelo:
P) Min
5

i=1
5

j=1
n
j
t
ij
z
ij
5

i=1
x
i
= 2
x
j
+
5

i=1,i=j
z
ij
= 1 j
z
ij
x
i
i = j
z
ij
, x
i
{0, 1} i, j
4.11 Localizacin de Fbricas
Existen n ciudades de una regin que requieren de cierto producto; la demanda anual del producto en la
ciudad i es de d
i
unidades. La empresa que producir este producto ha decidido instalar a lo sumo m fbricas
en la regin para satisfacer estas demandas. Asuma que slo se puede instalar a lo ms una fbrica en cada
ciudad. El costo jo de instalar una fbrica en la ciudad i es f
i
y la capacidad mxima de produccin anual
de esa fbrica es de k
i
unidades. Tambin es necesario construir las rutas para transportar los productos de
las fbricas a las otras ciudades; el costo jo de construccin del camino entre la ciudad i la ciudad j es f
ij
y tiene una capacidad anual de transporte de k
i,j
unidades. El costo unitario de transporte entre la ciudad
i y la ciudad j es de c
ij
. Formule un modelo que permita encontrar la localizacin ptima de las fbricas,
los caminos que deben construirse y los ujos de productos de modo de minimizar los costos totales.
SOLUCIN
Debemos plantear un modelo que permita identicar la localizacin ptima de las fbricas, los caminos
que deben construirse para atender cada ciudad y los ujos de productos entre fabricas y ciudades, para ello
deniremos:
x
i
=
_
1 Si se instala una fbrica en la ciudad i
0 en caso contrario
i = 1, ..., n
90
z
ij
=
_
1 Si la demanda de la ciudad j es atendida por una fbrica ubicada en la ciudad i
0 en caso contrario
Ntese que no fue necesario denir una variable para encontrar el ujo de productos, ya que este corre-
sponde al producto entre z
ij
y d
j
.
El objetivo del problema es minimizar el costo de satisfacer las demandas de cada ciudad, considerando
que a lo ms se pueden instalar m fbricas, que si no se instala una fbrica en i no puede existir una ruta
asociada a ella, que todas las ciudades deben ser atendidas, que las fbricas y las rutas tienen una capacidad
mxima de produccin y transporte anual, respectivamente, Considerando lo anterior obtenemos la siguiente
formulacin:
P) Min
n

i=1
x
i
f
i
+
n

i=1
n

j=1,i=j
z
ij
f
ij
+
n

i=1
n

j=1,i=j
c
ij
d
j
n

i=1
x
i
m
z
ij
X
i
j = i
x
j
+
n

i=1,i=j
z
ij
= 1 j
x
i
d
i
+
n

j=1,i=j
z
ij
d
j
k
i
i
z
ij
d
j
k
ij
i, j
z
ij
, X
i
{0, 1} i, j
4.12 Instalacin de Tiendas
En una regin del pas hay n ciudades y una empresa comercial desea instalar una tienda en k de estas
ciudades, k < n. Si se instala una tienda en la ciudad i se genera un ingreso de a
i
; i = 1, . . . , n. Si se instala
una tienda en la ciudad i y una tienda en la ciudad j, se incurre en un costo c
ij
debido a las necesidades
de comunicacin entre esas ocinas (esto es vlido para todo par de ciudades i, j con i = j). Formule un
modelo de programacin lineal entera que permita encontrar la localizacin ptima de las tiendas.
SOLUCIN
El problema cosiste en determinar en que ciudades deben ser instaladas las tiendas, por lo que empleare-
mos las siguientes variables para el modelo:
x
i
=
_
1 Si se instala una tienda en la ciudad i
0 en caso contrario
i
z
ij
=
_
1 Si se instala una tienda en la ciudad i y otra en la ciudad j
0 en caso contrario
i, j
El objetivo del modelo es maximizar la utilidad total percibida por la instalacin de las tiendas, con-
siderando como restricciones que se deben instalar k tiendas en total, y la relacin existente entre las variables
x
i
y z
ij
, esto es si x
i
= 1 y x
j
= 1 entonces necesariamente z
ij
= 1. Considerando lo anterior formulamos el
siguiente modelo de programacin entera:
P) Max
n

i=1
a
i
x
i

i=1
n

j=1,i=j
c
i
z
ij
91
n

i=1
x
i
= k
z
ij
x
i
+x
j
1 i = j
z
ij
, x
i
{0, 1} i, j
4.13 Ubicacin de Grifos de Incendio
Considere una red de calles de una ciudad, en que los arcos son segmentos de calles y los nodos sus inter-
secciones; se debe encontrar un subconjunto de nodos en los cuales ubicar grifos de incendio de modo que
cada segmento de calle cuente con al menos un grifo (en alguno de los 2 nodos que la denen). Suponga que
la red tiene N nodos y que el costo de instalar un grifo en el nodo j es c
j
. Formule un modelo que permita
decidir donde instalar los grifos, de modo de minimizar el costo total.
SOLUCIN
El problema consiste en decidir en qu nodos o esquinas de la ciudad instalar cada uno de los grifos.
Llamaremos A al conjunto de arcos de la red, y emplearemos la siguiente variable de decisin:
x
i
=
_
1 Si se instala un grifo en el nodo i
0 en caso contrario
i = 1, ..., N
De esta manera, el problema consiste en minimizar el costo total de instalacin de grifos, cumpliendo la
restriccin de que cada calle cuente con al menos uno de ellos. De acuerdo a lo anterior, el modelo resulta
ser:
P) Min
N

i=1
c
j
x
j
X
i
+X
j
1 arco (i, j) A
X
i
{0, 1} i
4.14 Planicacin de Vuelos Areos
LAN-CHILE desea planicar sus vuelos domsticos para el siguiente mes, por lo que debe asignar sus aviones
a las distintas rutas. Existen n rutas disponibles y el nmero esperado de pasajeros que demandar un vuelo
(one way trip) en la ruta j (j = 1, ..., n) es b
j
. Para simplicar el problema, asuma que si un pasajero se baja
en alguna parada intermedia del vuelo, antes de llegar a su destino nal, hay otro pasajero que se sube al
avin en esa parada. Por esto asumiremos que la demanda representa trayectorias en una direccin (one way
trip), desde el origen hasta el destino de la ruta. La empresa tiene m tipos distintos de aviones, y cuenta con
a
i
aviones del tipo i, i = 1, ....m. Un avin tipo i que vuela la ruta j puede llevar d
ij
pasajeros y reporta una
utilidad de p
ij
por pasajero. Se desea determinar la asignacin de aviones a las rutas de modo de maximizar
las utilidades de la compaa en el prximo mes.
SOLUCIN
Se debe formular un modelo que permita determinar la asignacin de aviones a las rutas, por lo que
conviene emplear las siguientes variables de decisin:
x
ij
= Nmero de aviones tipo i asignados a la ruta j.
z
ij
= Total de pasajeros de la ruta j que sern transportados por avin tipo i.
El objetivo del problema es maximizar la utilidad de la lnea area considerando que existe una disponi-
bilidad mxima de aviones de cada tipo, que se debe cumplir la demanda esperada en cada ruta y que existe
92
una cantidad mxima de pasajeros que puede transportar cada avin. Esto nos permite formular el siguiente
modelo de optimizacin:
P) Max
m

i=1
n

j=1
p
ij
z
ij
n

j=1
x
ij
a
i
i
m

i=1
z
ij
= b
j
j
z
ij
x
ij
d
ij
i, j
z
ij
, x
ij
enteros i, j
4.15 Asignacin de Becas Universitarias
La ocina de becas de una universidad americana debe entregar becas de arancel a n estudiantes. El
estudiante nmero i requiere M
i
dlares de beca; i = 1, 2, . . . .n. La ocina cuenta con s becas; la beca
nmero j consta de a
j
dlares; j = 1, . . . , s (s>n). La ocina est abierta a la posibilidad de entregar ms de
una beca a un estudiante de modo de satisfacer su requerimiento, pero no puede reducir el monto de ninguna
beca. Formule un modelo que permita satisfacer todos los requerimientos y que maximice la cantidad de
dinero no distribuido en becas.
SOLUCIN
El problema consiste en asignar cada una de las becas a los estudiantes, por lo que conviene denir:
x
ij
=
_
1 Si la beca j es asignada al estudiante i
0 en caso contrario
El objetivo del modelo es maximizar la cantidad de dinero no distribuido en becas, satisfaciendo los
requerimientos de cada alumno y considerando que una beca no puede ser asignada a ms de un estudiante.
Esto permite formular el siguiente modelo:
P) Max
s

j=1
a
j

n

i=1
s

j=1
x
ij
a
j
s

j=1
x
ij
a
j
M
i
i
n

i=1
x
ij
1 j
x
ij
{0, 1} i, j
4.16 Despacho de Pedidos
La compaa Siempre Rpido S.A. debe hacer entregas a 10 clientes cuyos pedidos tienen un volumen de
d
1
, . . . , d
10
. La empresa posee cuatro camiones cuyas capacidades (en volumen) son L
k
, k = 1, . . . , 4. El
costo de operacin del camin k es c
k
. Un camin no puede entregar a ms de cinco clientes en su viaje
y los siguientes conjuntos de clientes NO pueden ser atendidos en un mismo viaje por un mismo camin:
(1,7), (2,6) y (2,9). Formule un modelo para determinar qu camiones utilizar y qu clientes asignar a cada
camin, de modo que se minimicen los costos totales de operacin.
93
SOLUCIN
22
Como debemos determinar que camiones utilizar y que clientes asignar a cada camin, emplearemos la
siguientes variables de decisin para el modelo:
x
ik
=
_
1 Si el cliente i es asignado al camin k
0 Si no
y
k
=
_
1 Si utilizo el camin k
0 Si no
Ahora bien, el objetivo del modelo es minimizar los costos totales de operacin, considerando que todos
los clientes deben ser atendidos, que cada camin tiene un limite de capacidad, que un camin no puede
atender a ms de 5 clientes en su viaje y que existen clientes que no pueden ser atendidos en un miso viaje
por un mismo camin. Considerando lo anterior y la naturaleza de las variables, obtenemos el siguiente
modelo:
P) Min
4

k=1
c
k
y
k
4

k=1
x
ik
= 1 i
10

i=1
d
i
x
ik
L
k
k
10

i=1
x
ik
5y
k
k
x
1k
+x
7k
1 k
x
2k
+x
6k
1 k
x
2k
+x
9k
1 k
x
ik
, y
k
{0, 1} i, k
4.17 Problema del Cartero Chino
El siguiente es conocido como el problema del cartero chino. Dada una red no dirigida, en que los arcos
representan calles y los nodos las intersecciones respectivas, este cartero debe recorrer todas las calles recor-
riendo la menor distancia posible (puede pasar por una calle ms de una vez si es necesario). Formule el
problema como uno de programacin lineal entera.
SOLUCIN
El objetivo del problema es que el cartero recorra todas las calles caminando la menor distancia posible.
Para formular el modelo llamaremos N al conjunto de nodos (intersecciones de las calles), A al conjunto
de arcos (calles), d
ij
a la distancia entre los nodos i y j, (i, j) A y deniremos las siguientes variables de
decisin:
x
ij
= Nmero de veces que el cartero recorre el arco (i, j) en direccin i j, (i, j) A
El problema consiste en minimizar la distancia recorrida por el cartero, considerando que todas las calles
deben ser recorridas al menos una vez en alguna direccin y que si se llega a un nodo necesariamente se debe
salir de l. esto nos permite formular el siguiente modelo
P) Min

i(i,j)A

j,i=j
d
ij
(x
ij
+x
ji
)
22
Jorge Vera, Profesor Ing. Industrial PUC
94

j=i,(i,j)A
x
ij
+

j=i,(i,j)A
x
ji
1

j=i,(i,j)A
x
ij
=

j=i,(i,j)A
x
ji
x
ij
0 i, j
x
ij
enteros i, j
4.18 Sistema de Distribucin
Considere un problema de diseo de un sistema de distribucin, para la operacin durante un ao completo.
En este sistema existen n lugares que representan tanto fbricas que despachan un cierto producto, clientes
que lo requieren, y bodegas de cross docking, es decir, que slo sirven de punto de transferencia y no
almacenan nada. Sea d
i
la oferta (si es mayor que 0) o demanda anual (si es menor que 0) del lugar i (si
di = 0 es una bodega de cross docking). El problema consiste en decidir que rutas de transporte deben ser
contratadas para el ao entre cada par de lugares. Si se decide contratar transporte entre el lugar i y el
lugar j, se incurre en un costo jo f
ij
, adems existe un costo variable c
ij
por cada unidad transportada
entre el lugar i y el lugar j. El servicio de transporte contratado tiene una capacidad limitada, con u
ij
> 0
la capacidad de transporte anual entre el lugar i y el j.
SOLUCIN
23
El objetivo del problema consiste en determinar que rutas deben ser contratadas entre cada para de
lugares. Este corresponde a un Problema de Diseo de Redes y para modelarlo emplearemos la siguiente
variable de decisin:
x
ij
= Flujo de producto entre i y j.
y
ij
=
_
1 Si se contrata la ruta entre i y j
0 Si no
El objetivo del problema es minimizar los costo de transporte, cumpliendo con las restricciones de oferta
y demanda, adems de una restriccin de carga que relaciona las variables (restriccin (36)). Considerando
lo anterior el modelo resulta ser:
P) Min
n

i=1
n

j=1
f
ij
y
ij
+
n

i=1
n

j=1
c
ij
x
ij

j
x
ij

l
x
li
=
_
_
_
d
i
nodo de oferta
0 nodo de cross docking
d
i
nodo de demanda
i = 1, ..., n (36)
x
ij
u
ij
y
ij
i, j
x
ij
0 i, j
y
ij
{0, 1} i, j
4.19 Planicacin de Produccin
Una empresa desea determinar cunto producir mensualmente de un producto, sobre un horizonte de T
meses, con la posibilidad de dejar alguna cantidad en inventario. Existe un costo jo de produccin por
mes, f
t
, un costo unitario de inventario h
t
por mes, y un costo unitario de produccin c
t
por mes. Sea d
t
la
demanda del mes t. Sea x
t
la cantidad a producir en el mes t y sea s
t
la cantidad de inventario disponible
al nal del periodo t. Formule un modelo que permita denir el programa de produccin ptima.
23
Jorge Vera, Profesor Ing. Industrial PUC
95
SOLUCIN
24
El objetivo del problema es denir una poltica de produccin e inventario sobre un horizonte de T meses.
Para ello deniremos las siguientes variables:
x
t
= Cantidad a producir en el mes t.
s
t
= Inventario disponible al nal del mes (despus de satisfacer la demanda del mes t).
z
t
=
_
1 Si se produce en el mes t
0 en caso contrario
Adems, los siguientes son datos del problema:
f
t
= Costo jo de produccin en el mes t.
h
t
= Costo unitario de inventario en el mes t.
c
t
= Costo unitario de produccin en el mes t.
d
t
= Demanda durante el mes t.
s
0
= Inventario disponible al inicio del mes 0.
El objetivo del problema es minimizar los costos totales de produccin e inventario, sujeto a las restric-
ciones de nivel de inventario y a la restriccin de carga que liga x
t
y z
t
, con M una constante sucientemente
grande. Considerando lo anterior el modelo resulta ser:
P) Min
T

t=1
f
t
z
t
+
T

t=1
h
t
(s
t1
+s
t
)
2
+
T

t=1
c
t
x
t
s
t
+x
t1
d
t1
= s
t+1
t
x
t
Mz
t
t
s
t
, x
t
0 t
Notse que en la funcin objetivo anterior se asume que el costo de inventario en un periodo es proporcional
al inventario promedio en ese periodo.
4.20 Planicacin de Produccin y Almacenamiento
Se desea decidir respecto a produccin e inventario para un horizonte de planicacin de T perodos. Para
cada perodo t existe una demanda conocida por cada uno de los K productos involucrados, D
tk
. El costo
jo de produccin es FPC
kt
, y el costo variable unitario de produccin es V PC
kt
, para cada perodo t y para
cada producto k. En cada perodo existe una disponibilidad de horas de produccin H
t
. Adems es posible
contratar HE
t
horas extras en cada perodo a un costo jo CHE
t
. Cada producto k consume TC
k
horas
por unidad producida. Adems existe una capacidad de almacenamiento HC
t
, existiendo nuevamente la
posibilidad de contratar un espacio de bodega ES
t
, a un costo jo FSC
t
. El costo unitario de almacenamiento
en ambos casos (con y sin espacio extra de almacenamiento) es CUH
kt
. Cada producto K utiliza un espacio
RS
k
por unidad almacenada. Formule un problema entero mixto, que permita decidir sobre produccin,
almacenamiento, horas extras de produccin y espacio extra para almacenamiento en cada uno de los perodos
involucrados.
SOLUCIN
25
Debemos formular un modelo que permita establecer una poltica de produccin y almacenamiento, y
que decida si contratar horas extras y espacio de bodega en cada periodo de tiempo. Para ello deniremos
las siguientes variables de decisin:
24
Jorge Vera, Profesor Ing. Industrial PUC
25
Jorge Vera, Profesor Ing. Industrial PUC
96
Protena Carbohidratos Vitaminas Grasas Otros
Producto A 30 % 30 % 20 % 10 % 10 %
Producto B 15 % 65 % 20 %
Producto C 6 % 24 % 60 % 10 %
Table 43: Proporciones de Nutrientes
x
kt
= Cantidad de producto k que se produce en t.
h
kt
= Nivel de inventario del producto k en el periodo t.

kt
=
_
1 Si se produce producto k en periodo t
0 en caso contrario

t
=
_
1 Si se emplean horas extras en el periodo t
0 en caso contrario

t
=
_
1 Si se contrata espacio de bodega en el periodo t
0 en caso contrario
El objetivo del problema es minimizar los costos totales de produccin y almacenamiento, sujeto a las
restricciones de nivel de inventario, de capacidad mxima de horas disponibles de produccin, de capacidad
mxima de espacio de almacenamiento y la restriccin de carga que liga x
kt
y
kt
, con M una constante
sucientemente grande. Considerando el inventario inicial de cada producto en 0, obtenemos el siguiente
modelo de optimizacin:
P) Min
T

t=1
K

k=1
(FPC
kt

kt
+V PC
kt
x
kt
+CUH
kt
h
kt
) +
N

t=1
(CHE
t

t
+FSC
t

t
)
h
kt
= h
k,t1
+x
kt
D
kt
k, t
h
0k
= 0 k
K

k=1
TC
kt
x
kt
H
t
+
t
HE
t
t
K

k=1
RS
k
h
kt
HC
t
+
t
ES
t
t
x
kt
M
kt
k, t
x
kt
, h
kt
0 k, t

kt
,
t
,
t
{0, 1} k, t
4.21 Empresa de Alimentos de Gatos y Perros
Una empresa productora de alimentos para gatos y para perros est interesada en optimizar su sistema
productivo. Estos productos se venden a $1.200 y a $1.400 el kilo respectivamente. Los alimentos deben
tener una cierta proporcin en peso de los nutrientes exigidos por la normativa vigente. En particular el
alimento para gatos debe tener al menos un 3% de protenas, a lo ms un 30% de carbohidratos, exactamente
un 13% de vitaminas y no ms de un 20% de grasas. Por otro lado el alimento para perros debe tener al
menos un 5% de protenas, a lo ms un 25% de carbohidratos, exactamente un 8% de vitaminas y no ms
de un 30% de grasas. Se asume que ambos tipos de alimentos no contienen otros productos.
Para conseguir los nutrientes, la empresa puede adquirirlos comprndolos puros o bien por medio de
procesar alimentos que se venden en el mercado. Estos alimentos que se venden y que podran procesarse los
denominaremos A, B y C. Al descomponerlos, podran obtenerse las proporciones de los nutrientes requeridos
indicados en la Tabla 43. El costo de cada uno de los productos y su disponibilidad en el mercado se presenta
en la Tabla 44.
97
Precio Kg ($) Disponible (Kgs)
Protenas 60 600
Carbohidratos 25 250
Vitaminas 40 400
Grasas 15 150
Producto A 30 300
Producto B 20 200
Producto C 15 150
Table 44: Precio de Productos
Producto A Producto B Producto C
Precio de la Mquina 10.000 15.000 12.000
Table 45: Mquina Procesadora
Por ltimo, considere que si se determina procesar un determinado alimento para obtener as los nutrientes
se deber comprar la mquina procesadora asociada al alimento (slo si se decide hacerlo). El costo de la
mquina se presenta en la Tabla 45.
Determine un modelo de programacin matemtica que optimice la produccin de la empresa maxi-
mizando la utilidad. Note que todos los porcentajes de este problema se reeren al peso de los productos.
SOLUCIN
El objetivo del problema es optimizar el proceso productivo de la empresa, maximizando su utilidad.
Para ello se debe decidir la forma de conseguir los insumos y la manera de distribuirlos para fabricar los
productos. En cunto a la forma se pueden conseguir puros o a travs de la compra de los productos A, B
y C, y si se opta por esta ltima opcin se deben adquirir las mquinas necesarias para el procesamiento;
con respecto a la manera de distribuir los insumos se debe decidir la cantidad de insumo a emplear en cada
producto. De acuerdo a esto conviene denir las siguientes variables:
w
i
= Cantidad de insumo i comprada pura.
i = {1 :Protenas, 2 : Carbohidratos, 3 :Vitaminas, 4 : Grasas}
n
ij
= Cantidad de insumo i utilizado en la produccin del alimento j, j = {1 : Gatos, 2 : Perros}
p
k
= Cantidad comprada del producto tipo k. k = {A, B, C}
m
k
=
_
1 si se compra la mquina k
0 si no se compra la mquina k
Adems, deniremos la variable dependiente q
j
como la sumatoria de los nutrientes empleados en el
alimento respectivo.
q
j
= Cantidad producida de alimento j.
El objetivo del modelo es maximizar las utilidades de la empresa, considerando que todo lo que se produce
se vende y que los costos slo incluyen los gastos por insumos y por las mquinas necesarias para procesarlos,
se obtiene la funcin objetivo dada en (37). Las restricciones del modelo incluyen las especicaciones de
composicin de los productos, la disponibilidad de los insumos, la consistencia entre los insumos utilizados
y los adquiridos, la dependencia de las variables dependientes y las propiedades de las variables de decisin.
De acuerdo a las consideraciones anteriores, obtenemos el siguiente modelo de optimizacin:
P) Max 1200q
A
+ 1400q
B
60w
1
25w
2
40w
3
15w
4

30p
A
20p
B
15p
C
10.000m
A
15.000m
B
12.000m
C
(37)
98
n
1A
q
A
0.03
n
2A
q
A
0.3
n
3A
q
A
= 0.13
n
4A
q
A
0.2
n
1B
q
B
0.05
n
2B
q
B
0.25
n
3B
q
B
= 0.08
n
4B
q
B
0.3
0 w
1
600
0 w
2
250
0 w
3
400
0 w
4
150
0 p
A
300
0 p
B
200
0 p
C
150
w
1
+ 0.3p
A
+ 0.15p
B
n
1A
+n
1B
w
2
+ 0.3p
A
+ 0.06p
C
n
2A
+n
2B
w
3
+ 0.2p
A
+ 0.24p
C
n
3A
+n
3B
w
4
+ 0.1P
A
+ 0.65p
B
+ 0.6p
C
n
4A
+n
4B
n
1A
+n
2A
+n
3A
+n
4A
= q
A
n
1B
+n
2B
+n
3B
+n
4B
= q
B
p
A
(1 m
A
) = 0
p
B
(1 m
B
) = 0
p
C
(1 m
C
) = 0
n
ij,
q
i,
w
i
, p
k
0 i, j, k
m
k
{0, 1}
Problemas Propuestos
1. Cmo se modicara el modelo si el precio que se puede cobrar por el alimento para gatos es funcin de
la cantidad de alimento para gatos y perros que produce la fbrica, segn g(ap, ag) y p(ag, ap) donde
ap es la cantidad de alimento para perros y ag la cantidad de alimento para gatos. Considere una
funcin anloga por el precio del alimento para perros. Considere adems que los precios que se le
cobran por los insumos A, B y C tambin varan segn la cantidad consumida total de estos insumos
segn las funciones PA(CA+CB+CC), PB(CA+CB+CC), PC(CA+CB+CC), donde CA, CB
y CC son las cantidades consumidas de los productos A, B y C, y PA, PB, y PC son los precios que
le cobran por los productos A, B y C.
2. Cmo modicara su modelo si la cantidad demandada de cada alimento est dada en funcin de
los porcentajes de protenas, carbohidratos, vitaminas y grasas, segn las funciones dg(P, C, V, G) y
dp(P, C, V, G), que representan, respectivamente, la cantidad demandada de alimento para gatos y
alimento para perros, donde P, C, V y G representan los porcentajes en el alimento de protenas,
carbohidratos, vitaminas y grasas, respectivamente?
99
4.22 Planicacin de Abastecimiento en Botillera
Botillera Paula es una microempresa del sector de La Granja que se dedica a la compraventa de productos
bebestibles. La seora Paula en su negocio maneja mltiples tipos de gaseosas y cervezas, pero para efectos de
este problema, es posible agruparlos en exactamente esos dos rubros. Supondremos que ella vende las gaseosas
de dos litros en $450 y la cerveza en $400. Ella dispone de una capacidad para manejar simultneamente
200 botellas y se abastece de tres formas diferentes; una primera forma es ir a comprar en taxi colectivo que
le cuesta $500 ida y vuelta a un supermercado cercano y puede traer en la maleta del auto 25 unidades de
cualquier tipo (tiene un compadre que maneja un taxi y que pasa por su negocio y por el supermercado).
En el supermercado venden las gaseosas a $400 y las cervezas a $350. Pierde 40 minutos en el trmite.
Una segunda forma es arrendar la camioneta de un vecino que por $3.000 la lleva a un mercado ms lejos
(mayorista) en que puede optar a precios mejores. En la camioneta le cabe la capacidad completa del local.
En este local le venden las gaseosas a $320 y las cervezas a $250. Pierde 40 minutos en el trmite. Por
ltimo, los lunes a primera hora un camin repartidor le vende en su local lo que necesite al mismo precio
que el mercado mayorista.
Ella hace los viajes en cualquier momento del da, pero siempre a horas de atencin de pblico ya que
a esas horas atienden sus abastecedores. En la semana que viene ella supone que le vendrn a comprar 50
gaseosas y 40 cervezas de lunes a domingo. Es decir en total 350 gaseosas y 280 cervezas. Suponga que
todos los compradores traen su envase vaco para realizar la compra. Ella puede atender 8 horas diarias, sin
embargo cuando est comprando cierra el local y pierde las ventas que llegan. Puede asumirse as, que el
nmero de ventas es proporcional al tiempo en que el local est abierto (lineal).
Su objetivo es crear un modelo que le indique a Paula cmo establecer sus compras (cuntas veces ir a
cada destino) de modo de satisfacer su demanda. Observe que usted no debe decir cundo ir a comprar a
cada lugar, sino slo cuntas veces en la semana. No es necesario mantener un stock denido al nal de
su semana de planicacin. Suponga que el domingo antes de comenzar la semana no hay nada ms para
vender.
SOLUCIN
El objetivo del problema es establecer una poltica de abastecimiento, que maximize las utilidades de la
botillera. Para ello se debe decidir cuntas bebidas y cervezas comprar, y de qu forma realizar la compra,
decisin que est estrechamente vinculada con el nmero de viajes que se deben realizar para transportar
las botellas, de esta manera deniremos las siguientes variables de decisin:
n
ij
= Nmero de botellas del tipo i compradas segn la forma j
i = {a :gaseosa, b :cerveza}, j = {1 : supermercado, 2 : Mayorista, 3 : Camin}
v
j
= nmero de viajes realizados a comprar segn la forma j
Consideraremos que la demanda es ja, de 350 gaseosas y 280 cervezas semanales, las que se reparten
linealmente en los 3.360 minutos semanales de atencin. As, las horas en que se deja de antender pblico
por ir a comprar se considerarn como demanda perdida, y por lo tanto, como costo.
La funcin objetivo considera como ingresos la venta de toda la demanda de cervezas y gaseosas, y como
costos, los gastos en viajes, el costo de la mercadera y la prdida de ventas por ir a comprar; ste ltimo
se calcula para cada tipo de compra como el total de los ingresos multiplicado por la razn entre el tiempo
consumido en la compra y el tiempo total de atencin. Por otro lado, las restricciones del modelo incluyen
la de capacidad en cada tipo de viaje, la necesidad de satisfacer las demandas de gaseosas y cervezas, y que
las variables sean no negativas y enteras. Ntese que si bien la compra al camin no tiene restriccin, a ste
no se le puede comprar ms que la capacidad del local.
De acuerdo a las consideraciones anteriores, el problema se puede modelar como sigue.
P) Max 269.500
11.125
3
v
1

18.625
3
v
2
400n
a1
350n
b1
320(n
a2
+n
a3
) 250(n
b2
+n
b3
)
100
n
a1
+n
b1
25v
1
n
a2
+n
b2
200v
2
n
a3
+n
b3
200
n
a1
+n
a2
+n
a3
350
n
b1
+n
b2
+n
b3
280
v
j
, n
ij
0 i, j
v
j
, n
ij
enteros i, j
Problemas Propuestos
1. Modique su modelo, si ahora la demanda ya no es plana, sino que es de 50 gaseosas y 40 cervezas
de Lunes a Viernes, y luego sube a 90 gaseosas y 75 cervezas el Sbado y el Domingo. Note que
nuevamente no se le pregunta cundo ir a comprar a cada lugar, sino slo cuntas veces en la semana.
2. Que ocurrira si a la seora Paula le ofrecieran una bodega donde pudiera almacenar ms botellas, al
precio de $p la botella? Cul sera el mximo valor que estara dispuesta a pagar por botella?
4.23 Programacin de Trabajos en Mquinas
En un taller de manufactura existen M mquinas y N trabajos que deben ser procesados. Cada trabajo
debe ser procesado en un subconjunto (conocido) de las M mquinas, en una secuencia pre-establecida. Si
el trabajo nmero i debe procesarse en la mquina k, entonces t
ik
representa su tiempo de proceso en esa
mquina. Cada mquina puede procesar un solo trabajo a la vez, y una vez que comienza el procesamiento
de un trabajo no puede interrumpirse. Se desea programar los trabajos de modo de minimizar el tiempo
total requerido para procesarlos todos.
SOLUCIN
El objetivo del problema es minimizar el tiempo total requerido para procesar todos los trabajos. Para
ello, sabemos que el trabajo i debe ser procesado en un subconjunto M
i
de mquinas, en un orden preestable-
cido. Adems,llamemos t
ik
al tiempo necesario para procesar el trabajo i en la mquina j, y:
a
ij
=
_
1 Si el trabajo i debe ser procesado en la mquina j
0 en caso contrario
b
ij1j2
=
_
1 Si el trabajo i debe ser procesado en las mquinas j
1
y j
2
secuencialmente
0 en caso contrario
Como variables de desicin emplearemos:
y
ijk
=
_
1 Si el trabajo i comienza antes que el trabajo j en la mquina k
0 en caso contrario
x
ik
= Instante en que se inicia el procesamiento del trabajo i en la mquina k
z = Tiempo requerido para procesar el ltimo trabajo
Luego el problema consiste en minimizar Z, considerando la situacin en que i y j deben ser procesados
en la misma mquina (restriccin con M sucientemente grande), adems de seguir la secuencia de mquinas
para los diferentes trabajos y que el tiempo para procesar el ltimo trabajo en cada mquina sea mayor o
igual a Z (considerando j
i
como la ltima mquina en que debe ser procesado el trabjo i). Lo anterior nos
permite formular el siguiente modelo:
P) Min z
101
My
ijk
+x
ik
(x
jk
+t
jk
) a
ik
a
jk
i, j, k
M(1 y
ijk
) +x
jk
(x
ik
+t
ik
) a
ik
a
jk
i, j, k
x
ij2
(x
ij1
+t
ij1
) b
i,j1,j2
i, j
1
, j
2
x
ij1
+t
ij1
Z k
z, x
ik
0 i, j, k
y
ijk
{0, 1} i, j, k
Problema Propuesto
Suponga ahora que se dene el tiempo de ujo de un trabajo como el tiempo requerido para que sea
completado; formule un modelo que permita minimizar el tiempo promedio de ujo, considerando todos los
trabajos.
4.24 Calendario de Trabajos
Suponga un proceso que requiere un cierto nmero de operarios trabajando durante cada hora del da; P
i
representa el nmero de operarios requeridos durante la hora i, i = 1, ..., 24. Cada operario debe trabajar
en un turno; un turno empieza en cualquier hora del da e incluye una hora de descanso luego de 3, 4 o 5
horas de trabajo, despus de lo cual re-inicia su trabajo hasta completar un total de 8 horas trabajadas.
Incluyendo el descanso, cada turno tiene entonces una duracin de 9 horas, C
i
representa el costo de un
operario que inicia su turno en la hora i. Formule un modelo que permita obtener un calendario de costo
mnimo que especique la cantidad de operarios que debe trabajar y en que horarios de modo de satisfacer
la demanda horaria de operarios.
SOLUCIN
Debemos formular un modelo que permita especicar la cantidad de operarios a trabajar en cada turno.
Para ello deniremos las variables:
x
i1
= Nmero de operarios que empiezan su turno durante la hora i y trabajan inicialmente 3 horas,
continuan con descanso de 1 hora y luego trabajan 5 horas adicionales.
x
i2
= Nmero de operarios que empiezan su turno durante la hora i y trabajan inicialmente 3 horas,
continuan con descanso de 1 hora y luego trabajan 4 horas adicionales.
x
i3
= Nmero de operarios que empiezan su turno durante la hora i y trabajan inicialmente 3 horas,
continuan con descanso de 1 hora y luego trabajan 3 horas adicionales.
z
i
= Nmero de operarios disponibles durante la hora i.
Adems, son datos del problema:
n
i
= Nemro de operarios requeridos durante la hora i.
c
i
= Costo de un operario que inicia su turno en la hora i.
Luego, el problema cosnsiste en minimizar los costos asociados a los operarios, considerando que el
nmero de operarios disponibles en la hora i debe igualar a z
i
, y que este valor debe ser mayor o igual a
n
i
. Considerando lo anterior, podemos formular el siguiente modelo, donde las variables X
ij
en que i < 0,
toman el valor 0.
P) Min
24

i=1
C
i
(x
i1
+x
i2
+x
i3
)
102
z
i
=
x
i1
+x
i2
+x
i3
+ (x
i2,1
+x
i1,1
)
(x
i3,2
+x
i2,2
+x
i1,2
)+
(x
i4,3
+x
i3,3
+x
i2,3
+x
i1,3
)
(x
i8,1
+x
i7,1
+x
i6,1
+x
i5,1
+x
i4,1
)+
(x
i8,1
+x
i7,1
+x
i6,1
+x
i5,1
+x
i4,1
)+
(x
i8,2
+x
i7,2
+x
i6,2
+x
i5,2
)+
(x
i8,32
+x
i7,3
+x
i6,3
)+
i
z
i
n
i
i
x
i1
, x
i2
, x
i,3
0 i
x
i1
, x
i2
, x
i,3
enteros i
4.25 Turnos de Enfermeras
Un hospital organiza los turnos de trabajo de sus enfermeras en un horizonte de 2 semanas. Existen 3 turnos:
maana, tarde y noche. En cada turno deben haber al menos 3 enfermeras. El sta incluye 9 enfermeras,
y cada una trabaja 5 turnos a la semana. Un calendario de trabajo para una enfermera es un esquema que
especica los 10 turnos en que debe trabajar, de los 42 turnos posibles (14 das por 3 turnos diarios).
Para cada enfermera se genera una lista de 30 posibles calendarios; estas listas pueden ser diferentes
para las distintas enfermeras. Antes de que comiencen las dos semanas, cada enfermera entrega un rating de
deseabilidad asociado a cada uno de los turnos de su lista. Sea d
ij
el ndice de deseabilidad para el calendario
nmero j, j = 1,...,30, de la enfermera nmero i, i = 1, ..., 9.
Formule un modelo que permita seleccionar un calendario para cada enfermera de modo de satisfacer los
requerimientos en los distintos turnos y de maximizar la suma de los ndices de deseabilidad de los calendarios
seleccionados.
SOLUCIN
Debemos formular un modelo que permita seleccionar un calendario para cada enfermera. Para ello
denamos la variable:
x
ij
=
_
1 Si se selecciona el calendario j de la enfermera i
0 en caso contrario
Considerando que tenemos como dato la siguiente informacin:
a
ijkl
=
_
1 Si en el calendario j de la enfermera i se incluye el turno l de la enfermera i
0 en caso contrario
Lo que nos permite formular el siguiente modelo:
P) Max

i

j
d
ij
x
ij
30

j=1
x
ij
= 1 i

j
a
ijkl
x
ij
3 k, l
x
ij
{0, 1}
103
4.26 Planicacin de Tareas
Una compaa industrial debe ejecutar un total de J tareas diferentes sobre un horizonte de N semanas.
Cada tarea esta compuesta por un nmero dado de etapas semanales que utilizan una cierta cantidad de
mano de obra disponible. Para la tarea j = 1, . . . , J, sea p
j
el nmero de etapas que componen la tarea. Sea
h
jk
la cantidad de horas hombres necesarias para ejecutar la k-sima etapa de la tarea j, k = 1, . . . , p
j
. Sea
L
t
el nmero total de horas hombres disponibles para la semana t, t = 1, . . . , N. Sea c
t
el costo unitario de
la mano de obra en la semana t. Es requisito del sistema productivo que una tarea se ejecute de modo que
todas sus etapas se hagan en semanas consecutivas. Dos o ms tareas pueden efectuarse simultneamente,
pero la mano de obra total que se ocupe no puede superar lo disponible. Formule un modelo de programacin
lineal entera mixta que encuentre un programa de trabajo (es decir, cuando debe realizar cada tarea) tal que
minimice el costo total de mano de obra empleada.
SOLUCIN
26
Debemos formular un modelo que permita establecer un programa trabajo, esto es, decidir cuando se
debe realizar cada tarea. Para ello emplearemos la siguiente variable de decisin:
x
jkt
=
_
1 Si se realiza la k-sima etapa de la tarea j en la semana t
0 en caso contrario
El objetivo del problema es minimizar el costo total de mano de obra empleada, considerando las restric-
ciones de nmero total de horas hombres disponibles, de que cada etapa debe realizarse y slo una vez, que
en cada semana se debe realizar a lo ms una de las etapas de cada trabajo y que existe consecutividad de
las etapas. Esto nos permite formular el siguiente modelo:
P) Min
N

i=1
J

j=1
pj

k=1
h
jk
x
jkt
c
t
J

j=1
pj

k=1
h
jk
x
jkt
L
t
t
N

i=1
x
jkt
= 1 j, k
pj

k=1
x
jkt
1 j, t
x
jkt
= x
j,k+1,t+1
j, k = 1, . . . , p
j
1, t = 1, . . . , N 1
x
jkt
{0, 1} j, k, t
4.27 Cadena de Abastecimiento
Bilevel Linear Programming es un tipo de modelos de programacin matemtica que en sus restricciones
tiene otro problema de optimizacin. Tambin son conocidos como problemas con restricciones de equilibrio.
Este tipo de modelos aparecen cuando hay jerarquas en las tomas de decisiones; ejemplos aplicados hay
en el rea de planicacin agrcola, taricacin de peajes, modelos de duopolios econmicos (duopolio de
Stackelberg) y en problemas de asignacin de recursos bancarios.
Suponga un mercado donde un distribuidor dominante agrupa a I proveedores pequeos a los cuales
les cobrar una comisin. El problema es que mientras ms alta sea la comisin menos productos desearn
vender los distribuidores y por lo mismo menos ganancia obtendr el distribuidor; por otro lado si la comisin
es muy baja, los proveedores estarn incentivados a vender mucha mercadera pero la utilidad marginal del
26
Jorge Vera, Profesor Ing. Industrial PUC
104
distribuidor ser muy pequea. Usted debe determinar la comisin que debe cobrar el distribuidor dominante
a cada proveedor i, i = 1, ..., I para el artculo j, j = 1, ..., J, y la cantidad a vender del producto j por
el proveedor i. Considere como datos del problema la demanda D
j
del producto j que debe satisfacer el
distribuidor dominante, j = 1, ..., J, Q
i
la cantidad total de productos que por lo menos desea vender cada
proveedor i y P
ij
el precio neto (precio de mercado menos costos) que tiene cada proveedor i para el producto
j.
SOLUCIN
27
Se debe formular un modelo que permita determinar la comisin que se debe cobrar cada proveedor i y la
cantidad de producto j que debe vender cada proveedor i. Para ello consideraremos las siguientes variables:
x
ij
= Comisin que debe cobrar el distribuidor dominante a cada proveedor i para el artculo j.
q
ij
= Cantidad a vender del producto j por el proveedor i.
El objetivo del problema es maximizar la comisin recibida por el distribuidor mayorista, considerando que
la demanda de cada producto debe ser satisfecha y que se deben maximizar las ganancias de los proveedores.
Este ltimo corresponde a otro problema de optimizacin que debe considerar la restriccin de cantidad
mnina de productos que cada proveedor desea vender. De acuerdo a lo anterior el modelo resulta ser:
P) Max
xij
I

i=1
J

j=1
q
ij
x
ij
I

i=1
q
ij
D
j
j
P
1
) Max
qij,Xij
I

i=1
J

j=1
q
ij
(P
ij
x
ij
)
J

j=1
q
ij
Q
i
i
x
ij
0 i, j
q
ij
enteros i, j
4.28 Programacin de Partidos de Ftbol
Considere el torneo de ftbol profesional de Chile en que veinte equipos deben enfrentarse todos contra
todos. Suponga que cada par de equipos deber enfrentarse 2 veces durante el torneo (una vez en la cancha
de cada equipo). As, es necesario denir qu partidos se jugarn en 38 n de semana sucesivos. Suponga que
usted tiene una estimacin de la asistencia que tendra cada partido si se jugara en una determinada semana.
Determine una asignacin que permita maximizar la asistencia total del sistema de ftbol chileno. Suponga
que en las semanas 20 a la 38 se repiten los partidos jugados en las semanas 1 a la 19, slo modicando la
cancha donde se juega el partido.
SOLUCIN
Como debemos determinar las rutas a ser contratadas y la cantidad a transportar por cada una de ellas,
emplearemos las siguientes variables de decisin:
x
k
ij
=
_
_
_
1 Si el primer partido entre los equipos i y j se agenda
para la semana k en la cancha del equipo i
0 En caso contrario
27
Jorge Vera, Profesor Ing. Industrial PUC
105
Adems denominemos p
k
ij
al pblico esperado del partido entre los equipos i y j en la cancha del equipo
i durante la semana k ms el pblico esperado del partido entre los equipos i y j en la cancha del equipo j
durante la semana k + 19.
El problema puede formularse del siguiente modo:
P) Max
20

i=1
20

i=1,i=j
19

k=1
p
k
ij
x
k
ij
20

i=1,i=j
x
k
ij
+x
k
ji
= 1 k = 1, ..., 19; j = 1..20
x
k
ij
{0, 1} i, j {1, ...20} , i = j, k {1, ...19}
Problema Propuesto
Considere adems las siguientes condiciones al problema:
Ciertos partidos no pueden jugarse en determinadas semanas (por ejemplo, los equipos A y B no
pueden enfrentarse en la tercera semana)
Ciertos partidos deben jugarse en determinadas semanas (por ejemplo, los equipos C y D deben
enfrentarse en la segunda semana)
Condiciones de orden (por ejemplo el partido entre los equipos A y C debe ocurrir despus que el
partido entre los equipos B y C)
Condiciones de exclusin (por ejemplo el partido entre los equipos E y A no puede ocurrir en la misma
semana que el partido entre B y F)
106
5 Modelos de Flujo en Redes
Algunos problemas de programacin entera tienen la propiedad que an relajando toda restriccin de in-
tegralidad, al menos una solucin ptima a este problema relajado satisface la condicin de integralidad.
Esta propiedad es muy deseable pues permite convertir un problema de programacin entera en uno de
programacin continua simplicando dramticamente su complejidad. Por este motivo interesa identicar
aquellos modelos que cumplen con esta propiedad.
La familia ms grande y estudiada de estos problemas es la denominada problemas de asignacin de
ujo en redes. En estos problemas se tiene una red (estructura compuesta de un conjunto N de nodos y un
conjunto A de arcos) tal que en cada nodo se observa un exceso o un dcit de una determinada entidad
(e.g. electrones, volumen lquido, vehculos, seales telefnicas, etc.). El objetivo es identicar la forma
de conducir los excesos de entidades a los nodos de dcit a travs de la red de forma ptima. Encontrar
el camino ms rpido para un vehculo entre un par de puntos en una ciudad, encontrar la asignacin de
mnimo costo de productos desde sus plantas productoras a sus puntos de consumo, o determinar la capacidad
mxima de una red de agua potable constituyen ejemplos tpicos de este tipo de problemas. Sin embargo,
existen muchos otros que sin parecer inmediatamente como un problema de asignacin de ujo en redes
pueden modelarse usando su estructura.
En los problemas de asignacin de ujo en redes, la variable central del modelo es el ujo que transcurre
por cada arco de la red. Tpicamente resulta conveniente identicar los arcos de acuerdo a sus nodos de
origen y trmino. As, el ujo por el arco que va del nodo i al nodo j queda representado por una variable
que llamaremos x
ij
. Existirn tantas variables como arcos en la red.
Cualquier solucin al problema de asignacin de ujo en redes debe satisfacer la propiedad de conservacin
de entidades, esto es que en ninguna parte de la red se creen o se destruyan entidades. En estos problemas,
todo nodo se puede clasicar como nodo generador de ujo, atractor de ujo o neutro. Los nodos generadores
son aqullos en que se origina un ujo desde fuera de la red. En esos nodos debe cumplirse que todo lo que
entra al nodo (desde dentro de la red) ms la generacin de ujo debe igualar a lo que sale del nodo. Esta
condicin se puede escribir matemticamente para los nodos generadores del siguiente modo:

iN
x
ij
+g
j
=

iN
x
ji
Por otro lado, los nodos atractores son aqullos que se reciben ujo desde la red. En esos nodos debe
cumplirse que todo lo que entra al nodo menos el ujo atrado debe igualar a lo que sale del nodo, o lo que
es lo mismo:

iN
x
ij
a
j
=

iN
x
ji
El nodo neutro es aquel en que todo lo que entra al nodo, sale de l, esto es:

iN
x
ij
=

iN
x
ji
De este modo, cualquier asignacin en la red debe satisfacer estas restricciones (tantas como nodos en la
red). Si redenimos las generaciones y atracciones en los nodos a travs de un vector h tal que:
h
i
= g
i
si i es generador
h
i
= a
i
si i es atractor
h
i
= 0 si i es neutro
Entonces las N restricciones pueden agregarse como:

iN
x
ij

iN
x
ji
= h
j
j N
Estas restricciones junto a las restricciones de no negatividad en las variables constituyen las restricciones
bsicas para determinar una asignacin factible en una red. Se ha demostrado que problemas cuyo dominio
pueda quedar expresado bajo este formato y en que el vector h es tambin entero, gozan de una solucin
ptima entera an cuando esta no se exija como restriccin adicional.
107
Figure 17:
5.1 Ruta a Costo Mnimo en Red de Nodos
Considere la siguiente red de 10 nodos en que se entrega el costo de moverse por cada arco:
1. (a) Formule el problema de encontrar la ruta de costo mnimo desde el nodo 1 al nodo 10
(b) Formule el problema de encontrar la ruta de costo mnimo desde el nodo 1 a todos los dems
nodos.
(c) Considere que los valores asignados a cada arco constituyen capacidad en vez de costo. Formule
el problema de encontrar el mximo de ujo que puede enviar del nodo 1 al nodo 10.
SOLUCIN
1. (a) Para encontrar la ruta de costo mnimo desde el nodo 1 al 10, llamaremos C
ij
al costo asociado
a ir desde el nodo i al nodo j, y deniremos como variable de decisin a:
x
ij
=
_
1 Si la ruta de costo mnimo recorre el arco (i, j)
0 si no
Como el objetivo es encontrar la ruta de costo mnimo, la funcin objetivo corresponde a la suma de
los productos entre x
ij
y C
ij
. El problema debe considerar como restricciones que necesariamente
tenemos que salir de 1 y llegar a 10, y que el resto son nodos intermedios, esto es, que si llegamos
a ellos debemos partir desde ellos. Por lo tanto, para la red dada el problema resulta ser:
P) Min
10

i=1
10

j=1
x
ij
C
ij
108
x
1,2
+x
1,4
= 1
x
8,10
+x
9,10
= 1
x
1,2
x
2,5
x
2,3
= 0
x
2,3
x
3,6
= 0
x
1,4
x
4,5
x
4,7
= 0
x
4,5
+x
2,5
x
5,6
x
5,8
= 0
x
5,6
+x
3,6
x
6,9
= 0
x
4,7
x
7,8
= 0
x
7,8
+x
5,8
x
8,9
x
8,10
= 0
x
6,9
+x
8,9
x
9,10
= 0
x
ij
{0, 1} i, j
El problema de encontrar la ruta de costo mnimo entre los puntos s y f sobre una red compuesta
por un conjunto N de nodos y un conjunto A de arcos se puede plantar en forma genrica, como
sigue. Esta formulacin se sustenta en una variable x
ij
por cada arco en A:
P) Min

i

j
x
ij
C
ij

j
x
sj
= 1

i
x
if
= 1

i
x
ij

i
x
ji
= 0 i = s, f
x
ij
{0, 1} i, j
(b) Debemos encontrar la ruta simultnea desde el nodo 1 al resto de los nodos, minimizando el costo
asociado. Debiera ser claro, que la solucin a este problema consiste en la superposicin de las
rutas mnimas desde el nodo fuente a cada uno de los dems nodos de la red. Es decir el problema
eventualmente se podra separar en tantos problemas como nodos de destino tiene la red. Sin
embargo, el problema tambin se puede abordar directamente mediante la siguientes variables:
x
ij
= Flujo que circula por el arco (i, j).
Lo que nos permite plantear el siguiente modelo:
P) Min
10

i=1
10

j=1
c
ij
x
ij
10

j=1
x
1j
= 9 (38)

i
x
ij

k
x
jk
= 1 j = 1 (39)
x
ij
{0, 1} i, j
La restriccin (38) obliga a que exista una ruta desde 1 a los 9 nodos restantes de la red, mientras
que (39) permite que cada uno de los 9 nodos restantes sea un destino.Anlogamente, en una red
compuesta por un conjunto N de nodos y un conjunto A de arcos, el problema de encontrar la
109
ruta de costo mnimo desde un nodo fuente s a todos los dems nodos de la red se puede plantar
en forma genrica, como sigue:
P) Min

(i,j)A
c
ij
x
ij

jN
x
sj
= n 1

iN
x
ij


kN
x
ki
= 1 i N, i = s
x
ij
{0, 1} (i, j) A
(c) Ahora llamemos
ij
a la capacidad del arco (i, j), y consideremos las variables de decisin:
x
ij
= Flujo que circula entre los nodos i y j.
F = Flujo total que circula desde el nodo 1 al nodo 10.
El objetivo del problema es maximizar F, considerando que este ujo debe partir desde 1 y
llegar hasta 10, empleando los nodos restantes como nodos de paso o neutros. El problema debe
considerar adems las restricciones de capacidad de cada arco y la naturaleza de las variables
denidas, lo que nos permite plantear el siguiente modelo de optimizacin:
P) Max F
x
1,2
+x
1,4
= F
x
8,10
+x
9,10
= F
x
2,3
+x
2,5
x
1,2
= 0
x
3,6
x
2,3
= 0
x
4,5
+x
4,7
x
1,4
= 0
x
5,6
+x
5,8
x
2,5
x
4,5
= 0
x
6,9
x
5,6
x
3,6
= 0
x
7,8
x
4,7
= 0
x
8,9
+x
8,10
x
7,8
x
5,8
= 0
x
9,10
x
8,9
x
6,9
= 0
x
1,2
2
0 x
2,3
1
0 x
1,4
4
0 x
2,5
2
0 x
3,6
2
0 x
4,7
2
0 x
5,8
3
0 x
6,9
1
0 x
4,5
1
0 x
5,6
1
0 x
7,8
2
0 x
8,9
2
0 x
8,10
3
0 x
9,10
2
El problema de encontrar el ujo mximo entre los puntos r y s se puede plantar en forma genrica,
como sigue:
P) Max F
110

j
x
ij

k
x
ki
=
_
_
_
F i = r
0 i = r, s
F i = s
0 x
ij

ij
i, j
Note que todos los problemas anteriormente presentados en este ejemplo contienen un conjunto
de restricciones linealmente dependiente. En estos casos, cualquiera de las restricciones puede
expresarse como una combinacin lineal de las dems. Por este motivo, una cualquiera de las
restricciones de continuidad de ujo puede elminarse manteniendo la rigurosidad del modelo.
Problema Propuesto
1. Explique porqu el siguiente modelo es incorrecto para el problema 5.1b, en que se consideran las
siguientes variables de decisin:
x
ij
=
_
1 Si la ruta de costo mnimo recorre el arco (i,j)
0 si no
i = 1, ..., 10 j = 1, ..., 10
f
ij
= Flujo que circula entre los nodos i y j, i = 1, ..., 10 j = 1, ..., 10
El modelo se plantea del siguiente modo:
P) Min
10

i=1
10

j=1
x
ij
C
ij
10

j=1
f
1j
= 9 (40)
f
ij
Mx
ij
i, j (41)

i
f
ij

k
f
jk
= 1 j = 1 (42)
x
ij
{0, 1} i, j
En que la restriccin (40) obligara a que exista una ruta desde 1 a los 9 nodos restantes de la red, mientras
que (42) permitira que cada uno de los 9 nodos restantes sea un destino. Por ltimo, las restricciones (41)
relacionaran las variables de ujo con las de existencia de ruta, obligando a recorrer el arco (i,j) si es que
existe ujo a travs de l; ntese que el valor de M debe ser sucientemente grande para no limitar el valor
de f
ij
y en este caso basta que M 9.
5.2 Arriendo de Casa de Verano
Usted tiene una casa que piensa arrendar por los meses de enero y febrero (del 01/01 al 28/02). Pone un
aviso en un diario en que pide que los interesados le indiquen entre qu fechas quisieran arrendar su casa y
cunto estaran dispuestos a pagar. Usted recibe las ofertas descritas en la Tabla 46. Cules ofertas debiera
aceptar de modo de maximizar su ingreso?
SOLUCIN
Para modelar el problema construiremos una lnea de tiempo con cada una de las alternativas de arriendo,
como se aprecia en la Figura 18, donde se distingue el inicio y el trmino de cada oferta de arriendo, as
como el pago asociado. Considere un grafo en que se asocia un nodo a cada fecha de inicio y trmino de
111
Oferta Inicio Fin Arriendo
1 01/01 31/01 $ 400
2 15/01 15/02 $ 450
3 01/01 28/02 $ 750
4 07/01 12/01 $ 130
5 20/01 26/01 $ 250
6 01/02 20/02 $ 500
7 01/02 15/02 $ 300
8 18/02 28/02 $ 170
9 01/02 28/02 $ 500
10 15/01 08/02 $ 500
Table 46: Ofertas Recibidas
Figure 18: Lnea de Tiempo
112
Figure 19: Red Arriendo de Cada de Verano
una oferta y un arco que los une con su pago asociado como nico atributo. Asimismo, se agregan arcos
que unan el nodo de trmino y el nodo de inicio de cada par de arriendos que pueda realizarse en forma
consecutiva. Estos arcos representan los perodos en que la casa no est arrendada y por lo tanto llevan un
pago asociado nulo. Por ltimo, se incluyen un nodo de origen O y uno de destino D al que se unen arcos a
todos los nodos de inicio y todos los nodos de trmino respectivamente. Estos arcos tambin llevan un pago
asociado nulo. As el problema se reduce a encontrar la ruta de pago mximo en la red que se presenta en
la Figura 19.
Para modelar el problema llamemos p
ij
al pago asociado a cada arco (i, j). Estos pagos estn resumidosen
la Tabla 47. El modelo emplear la siguiente variable de desicin:
x
ij
=
_
1 Si la ruta de costo mximo emplea el arco (i,j)
0 Si no
De esta manera el modelo resulta ser:
P) Max
n

i=1
n

j=1
p
ij
x
ij
n

j=1
x
Oj
= 1
n

i=1
x
iD
= 1
n

i=1
x
ij

n

k=1
x
jk
= 0 j = O, D
x
ij
{0, 1}
Al igual que los modelos del problema 5.1, estas restricciones son linealmente dependientes por lo que
una de ellas se puede eliminar.
113
Nodo O 1 2 3 4 5 6 7 8 9 10 11 12 13 D
O 0 0 0 0 0 0
1 400 750
2 130
3 500 450
4 250
5 300 500 500
6 170
7 0 0 0
8 0 0 0
9 0
10 0 0
11 0 0
12 0
13 0
D
Table 47: Costos Asociados
Chocolates Mazapanes
Dulzura 2000 Kgs 1000 Kgs
Santa Sara 1500 Kgs
Paulita 3000 Kgs
Table 48: Oferta Mxima en cada Fbrica
Es importante destacar que el problema de determinar una ruta de pago mximo resulta sencillo de
modelar en este caso debido a que la red es acclica. Si la red contuviera ciclos y nos interesara la ruta
(acclica) de pago mximo, la formulacin fallara pues no impedira una solucin con ciclos. De hecho, este
nuevo problema es mucho ms complejo de modelar y resolver (NP-Completo).
Problema Propuesto
Considere la compra de una mquina que se necesita para un proceso productivo.Esta mquina tiene un
precio (esperado) que vara con los aos y costos operacionales que aumentan con los aos de uso y precio
de venta al nal de su vida til, la cual vara con los aos de uso. Adems la mquina entrega benecios
anuales. Cundo comprar la mquina? Note que este problema se puede modelar como un problema de
ruta de costo mnimo.ransporte de Carga
5.3 Transporte de Carga
Usted trabaja en una empresa de transporte de carga. Su funcin es llevar productos desde las fbricas
productoras de golosinas a los centros de venta mayorista. En particular, usted est interesado en transportar
chocolates y mazapanes desde las fbricas Contes Dulzura, Mazapanes Santa Sara y Chocolates Paulita
hasta los centros de venta ubicados al norte y al poniente de la ciudad.
La oferta mxima disponible en cada fbrica se presenta en la Tabla 48, mientrs que el costo de trans-
portar un kilo de cualquier producto desde una fbrica a un centro de venta se presenta en la Tabla 50. Por
otro lado, los centros de venta le han solicitado los productos detallados en la Tabla 49.
Formule un modelo lo ms simple posible que minimice el costo de transporte.
Chocolates Mazapanes
Norte 1.800 Kgs 800 Kgs
Poniente 2300 Kgs 1200 Kgs
Table 49: Productos Solicitados por cada Centro
114
Norte Poniente
Dulzura $0.5 / Kg
Santa Sara $0.8 / Kg $0.7 / Kg
Paulita $0.6 / Kg $1.0 / Kg
Table 50: Costos de Transporte
Figure 20: Red de Transporte de Carga
SOLUCIN
Si consideramos cada origen y destino como un nodo, podemos formular la red de la Figura 20. Este
problema que consiste en minimizar el costo de transporte (que crece linealmente con el ujo) satisfaciendo
las restricciones de oferta y demanda por cada uno de los productos, determinando la cantidad a transportar
de cada tipo de producto desde los diferentes orgenes a destinos, se denomina generalmente Problema de
Hitchcock o Problema Clsico de Transporte.
En este caso, la oferta total del sistema sobrepasa a la demanda total por lo que se busca satisfacer esta
demanda a mnimo costo. Para esto emplearemos la siguiente variable de desicin:
x
ijk
= Kilos transportados del producto k desde i hasta j.
i = {1 : Dulzura, 2 : Santa Sara, 3 : Paulita}, j = {A : Norte, B : Poniente}
k = {C : Chocolates, D : Mazapanes}
Considerando lo anterior, el modelo resulta ser:
P) Min 0.5(x
1AC
+x
1AD
) + 0.8x
2AD
+ 0.6x
3AC
+ 0.7x
2BD
+x
3BC
x
1AC
2.000
x
1AD
1.000
x
2AD
+x
2BD
1.500
x
3AC
+x
3BC
3.000
x
1AC
+x
3AC
= 1.800
x
1AD
+x
2AD
= 800
x
3BC
= 2.300
x
2BD
= 1.200
x
ijk
0 i, j, k
x
2AC
= x
2BC
= x
3BD
= 0
x
3AD
= x
1BC
= x
1BD
= 0
115
Chocolates Mazapanes
Norte $2 / Kg $3 / Kg
Poniente $3 / Kg $2.5 / Kg
Table 51: Pago Adicional
Para un caso general, si consideramos c
ijk
el costo asociado a cada arco (i, j) por el producto k, y llamamos
O
i
las ofertas de los orgenes i y D
jk
a las demandas por el producto k desde el destino j, podemos escribir
un modelo genrico para el problema, como sigue:
P) Min
n

i=0
m

j=0
s

k=0
c
ij
x
ijk
n

i=0
x
ijk
= D
jk
j, k
m

j=0
x
ijk
O
i
. i, k
x
ijk
0 i, j, k
Tal como se mencion en un comienzo, en este caso particular el problema no est equilibrado, esto es,
todo lo que se oferta no es exactamente igual a lo que se demanda. Note que esta formulacin responde
a esta realidad (de hecho, si la demanda total fuera superior a la oferta, el modelo no admitira solucin
factible). Sin embargo se puede modelar un problema semejante en que la demanda excediera a la oferta,
en cuyo caso la pregunta del modelador es: qu demanda satisfacer a mnimo costo proveyendo todos los
productos disponibles.
Problemas Propuestos
1. La empresa enfrenta ahora un nuevo desafo: los centros le han informado que de llevar ms productos
de la cantidad requerida, ellos le entregarn un pago adicional por kilo extra de producto a la empresa
de transporte de acuerdo a la Tabla 51.
La oferta mxima disponible en cada fbrica se debe seguir respetando. Usted debe ajustar el modelo
a este nuevo escenario de negocio.
2. Cmo modicara el modelo si ahora se le ofrece llevar, desde los centros de venta a las fbricas,
los envases de los productos, recibiendo $1 peso por cada envase de chocolate y $0,5 por cada envase
de mazapn? Considere que cada centro de venta le entrega de vuelta mensualmente la cantidad
previamente demandada, ahora en envases. Considere adems que es indiferente a qu fbrica se los
lleve de vuelta.
5.4 Empresa de Trompos
Una empresa productora de trompos tiene tres fbricas productoras, y le ha pedido a usted que maneja una
empresa de transportes que traslade los trompos que se requerirn en esta navidad en las estas tpicas de
las siguientes ciudades: Andacollo, Buin, Colchagua y Doihue. Usted asume el compromiso de llevarlas a
tiempo. Las fbricas han trabajado durante el ao y manejan un stock acumulado que est disponible para
ser trasladado a las estas tpicas. Los trompos disponibles en cada fbrica se presentan en la Tabla 52,
mientras que la Tabla ?? resume las demandas por trompos en cada esta. El costo de viaje y el tiempo de
viaje entre cada fbrica y cada pueblo est dado en la Tabla 54. Los costos estn indicados en miles de pesos
por cada camioneta que viaja entre cada par, ida y vuelta. Los tiempos tambin estn entregados entre cada
par, para ida y vuelta.
116
Fbrica 1 2 3
Stock 1.500 2.200 4.000
Table 52: Oferta de Trompos
Ciudad Andacollo Buin Colchagua Doihue
Demanda 400 600 2.200 3.100
Table 53: Demanda de Trompos
Cada camioneta puede trasladar a la vez 100 trompos. En cada fbrica hay una sola camioneta. Cada
una de ellas corresponde a una sola fbrica, de manera que slo puede ir y volver a la misma fbrica de la
que sali, es decir no puede ser usada para transportar trompos desde otras fbricas.
Note que de la fbrica 1 no puede llevar trompos a Doihue. Adems, se le informa que desde la fbrica 3
se debe cubrir al menos la mitad de la demanda de Buin. En este momento usted est en una carrera contra
el tiempo y debe satisfacer la demanda de modo de no demorarse ms de 50 horas, es decir 3000 minutos.
No es posible faltar a los compromisos asumidos. Usted cuenta con un vehculo desde cada fbrica.
Formule un problema de optimizacin equivalente que le permita resolver este problema de manera de
minimizar sus costos.
SOLUCIN
El presente problema mantiene la estructura bsica de los denominados problemas clsicos de transporte
o de Hitchcock. Como tal, podemos modelarlo como una red con 3 nodos de origen (Fbricas 1, 2 y 3) y
4 de destino (Andacollo, Buin, Colchagua y Doihue), como se aprecia en la Figura 21, donde a cada arco
existe asociada una distancia en tiempo y costo.Consideraremos, adems, que en cada viaje las camionetas
transportarn su mxima capacidad (100 trompos) y que contamos con las mnimas distancias entre fbricas
y destinos, esto es, no existe o no es relevante la posibilidad de pasar por una ciudad en el camino hacia
otra.
Para resolver el problema debemos determinar el nmero total de trompos a llevar entra cada fbrica y
cada ciudad, lo que est estrechamente relacionado con el nmero de viajes en camioneta a utilizar entre
cada par. Por lo tanto emplearemos la siguiente variable de desicin:
x
ij
= Viajes en camioneta desde la fbrica i a la ciudad j.
i = {1, 2, 3} j = {A : Andacollo, B : Buin, C : Colchagua, D : Do nihue}
Ahora bien, el objetivo del problema es minimizar los costos de transporte, cumpliendo con las re-
stricciones de oferta mxima (stock acumulado en cada fbrica), demanda en cada ciudad, trato especial
con la fbrica 3 y tiempo mximo de transporte, adems de la no negatividad e integralidad de las vari-
ables.Considerando lo anterior, podemos formular el siguiente modelo de optimizacin:
Min 20x
1A
+ 15x
1B
+ 18x
1C
+ 5x
2A
+ 13x
2B
+
25x
2C
+ 19x
2D
+ 18x
3A
+ 24x
3B
+ 24x
3C
+ 15x
3D
Costo Tiempo
1 2 3 1 2 3
Andacollo 20 5 18 230 100 130
Buin 15 13 24 120 300 240
Colchagua 18 25 24 240 160 200
Doihue 19 15 200 180
Table 54: Costos y Tiempos de Transporte
117
Figure 21: Empresa de Trompos
100 (x
1A
+x
1B
+x
1C
) 1.500
100 (x
2A
+x
2B
+x
2C
+x
2D
) 2.200
100 (x
3A
+x
3B
+x
3C
+x
3D
) 4.000
100 (x
1A
+x
2A
+x
3A
) 400
100 (x
1B
+x
2B
+x
3B
) 600
100 (x
1C
+x
2C
+x
3C
) 2.200
100 (x
1D
+x
2D
+x
3D
) 3.100
100x
3B

600
2
230x
1A
+ 120x
1B
+ 240x
1C
3.000
100x
2A
+ 300x
2B
+ 160x
2C
+ 200x
2D
3.000
130x
3A
+ 240x
3B
+ 200x
3C
+ 180x
3D
3.000
x
ij
0 i, j
x
ij
enteros
Problemas Propuestos
1. Que ocurrira si nos dicen que ahora tenemos la posibilidad de viajar entre una ciudad a la otra
directamente? De que manera afectara esto a nuestro modelo? Que costo deberan tener estos
trayectos para ser considerados en el nuevo modelo? Es necesario replantear la hiptesis de que cada
camioneta lleva los cien trompos entre una fbrica y una ciudad directamente, sin dejar trompos en
otra antes?
2. Que ocurrira si ahora adems de tener un tiempo tope, nos dicen que por cada minuto que ahorremos
nos darn un bono de $1000? Considere para este caso que se nos ha entregado un presupuesto mximo
para toda la operacin de $5.000.000.
5.5 Empresa de Banquetes
Considere un banquetero que debe proveer cenas en 10 das seguidos. Para cada una de estas cenas, necesita
el nmero de manteles limpios dado en la Tabla 55.
Para satisfacer esta necesidad, el banquetero puede comprar manteles (por $1000 cada uno) o lavar
manteles ya usados. La lavandera provee un servicio rpido de dos das a $350 por mantel y un servicio
118
Da 1 2 3 4 5 6 7 8 9 10
N
o
de Manteles 60 90 80 50 100 50 60 80 70 50
Table 55: Necesidad Diaria de Manteles
Figure 22: Red Empresa de Banquetes
lento de cuatro das a $150 por mantel. Al comienzo del da 1 el banquetero posee una cantidad inicial de
70 manteles.
Formule un problema de optimizacin que minimice el costo de proveer manteles para estas diez cenas.
Asuma que al nal del da 10 todos los manteles se donan a benecencia.
SOLUCIN
Consideremos la red de la Figura 22 donde el nodo T representa la cantidad inicial de manteles que posee
el banquetero, el nodo C la posibilidad de comprar manteles, D los manteles que se donan y los nodos origen
y destino 1 al 10 representan cada una de las estas. Cuando el nodo corresponde a un destino, representa la
necesidad de manteles limpios inmediatamente antes de que la esta se inicie. Cuando el nodo corresponde a
un origen, representa la oferta de manteles sucios inmediatamente despus de que la esta ha concluido. Los
arcos corresponden a las alternativas en que los manteles pueden ser provistos para cada esta o donacin.
Cada nodo de origen tiene asociada una oferta y cada nodo de destino, una demanda, las que se resumen en
la Tabla 56. Es importante notar que en esta tabla la oferta total y la demanda total estn balanceadas y
que M representa un nmero sucientemente grande de manteles como para eventualmente satisfacer todos
119
Nodo Origen Oferta Nodo Destino Demanda
T 70 1 60
C M 2 90
1 60 3 80
2 90 4 50
3 80 5 100
4 50 6 50
5 100 7 60
6 50 8 80
7 60 9 70
8 80 10 50
9 70 D M + 70
10 50
Table 56: Oferta y Demanda
Nodo 1 2 3 4 5 6 7 8 9 10 D
T 0 0 0 0 0 0 0 0 0 0 0
C 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 0
1 350 150 0
2 350 150 0
3 350 150 0
4 350 150 0
5 350 150 0
6 350 150 0
7 350 0
8 350 0
9 0
10 0
Table 57: Costos Asociados a Cada Arco
los banquetes. Cada arco tiene asociado un costo, que puede tomar uno de cuatro valores: $0, $1.000, $350
$150, dependiendo si se trata de manteles limpios disponibles, manteles recin comprados, manteles lavados
en forma expresa, o manteles lavados en forma regular respectivamente, tal y como se aprecia en la Tabla
57.
De esta manera podemos formular el problema como uno de transporte, para cual llamaremos c
ij
al costo
asociado al arco (i, j), o
i
a la oferta del nodo i, d
j
a la demanda del nodo j y deniremos la variable:
x
ij
= ujo de manteles entre los nodos i y j.
Como el objetivo del problema es minimizar los costos de abastacemiento, satisfaciendo estrictamente
todas las restricciones de oferta y demanda, adems de la naturaleza de las variables, podemos formular el
siguiente modelo:
Min

i

j
c
ij
x
ij

j
x
ij
= o
i
i {1, .., 10, C, T}

i
x
ij
= d
j
j {1, .., 10, D}
x
ij
{0, 1} i, j
120
Problema Propuesto
Cmo modicara el problema si los manteles usados (limpios o sucios) pueden venderse a $20 cada uno?
5.6 Fiesta de Solteros
Considere una esta en que llegan 40 hombres y 40 mujeres, todos solteros. Al entrar, a cada uno se le entrega
una tarjeta con los nombres de las 40 personas del sexo opuesto en la esta. Cada persona le entrega a usted
su tarjeta indicando cuales de las personas le parecen atractivas. Usted debe encontrar una asignacin de
solteros y solteras que maximice las compatibilidades (ambos consideran al otro atractivo/a).
SOLUCIN
El problema consiste en asignar a los solteros y solteras de manera de maximizar las compatibilidades
entre ellos, para esto emplearemos la variable de decisin:
x
ij
=
_
1 Si a la persona i se le asigna la persona j
0 Si no
Y llamaremos:
A
ij
= Matriz de compatibilidades
a
ij
=
_
1 Si a la persona i le parece atractiva la persona j, y viceversa
0 Si no
Ahora bien, el objetivo del problema es maximizar las compatibilidades considerando que toda persona,
o bien se le asigna alguien o queda solo, y que si a la persona i se le asigna la persona j, la persona j debe
a su vez ser asignada solo a la persona i. De acuerdo a lo anterior el modelo resulta ser:
P) Max
1
2

j
a
ij
x
ij

j
x
ij
1 i

i
x
ij
1 j
x
ij
x
ji
i, j
x
ij
{0, 1} i, j
Note, adems, que el problema consiste en encontrar en una red un conjunto de arcos tal que ningn
par de arcos tengan un mismo nodo como extremo. Este problema resulta sencillo de resolver (matching
problem) pues existen algoritmos polinomiales para ello.
Problema Propuesto
Qu pasa si las tarjetas se entregan con un ranking del ms al menos atractivo y se busca una asignacin
que maximice el ranking promedio de cada pareja? Cmo modicamos el modelo si el que recibe las tarjetas
es uno de los participantes y quiere emparejarse con una persona en particular?
121
Mdulo Lunes Martes Mircoles Jueves Viernes
1 1 7 1 7
2 2 8 2 8
3 3 9 3 9
4 4 10 4 10
5 5 11 5 11
6 6 12 6 12
Table 58: Mdulos de Clases
5.7 Asignacin de Salas de Clases en Escuela de Ingeniera
Estamos interesados en resolver a optimalidad el problema de asignacin de salas de clase a las clases
impartidas en la Escuela de Ingeniera. Para esto, inicialmente debemos modelar el problema, aspecto que
hemos delegado a usted.
Inicialmente considere que el problema consiste en clases que los profesores deben dictar a una cantidad
conocida de alumnos, y que cada una de las salas (nmero conocido y jo) tiene una capacidad dada de
alumnos sentados.
Suponga inicialmente tambin, que a los profesores y a los alumnos no les molesta cualquier horario que
se les asigne. Los mdulos disponibles son seis cada da y se dictan clases de lunes a jueves con el sistema
actual en que las clases se dictan o martes y jueves o lunes y mircoles a un mismo horario y en una misma
sala. Para el desarrollo del problema suponga que cada profesor corresponde a un slo curso.
1. Su objetivo es minimizar el nmero de alumnos que se quedan sin asiento, asumiendo que todos los
alumnos efectivamente asisten a clases.
2. Suponga que se resolvi el modelo del caso a) y se pudo asignar todas las clases sin ningn problema
de alumnos sin asiento. Entonces, se sabe que hay ciertos profesores que no estn dispuestos a hacer su
clase en algunos horarios especcos. Para eso se le pregunt a ellos en qu horario estaran dispuestos
a hacer cada clase. Cmo incorporara esta caracterstica a su modelo, sin perder su objetivo original,
esto es, manteniendo la optimalidad del problema anterior?.
3. Suponga que se resolvi el modelo del caso b) y se pudo asignar todas las clases sin ningn problema
de alumnos sin asiento y con todos los profesores satisfechos. Entonces, se pregunta a los alumnos
los tres horarios en que ms les gusta asistir a clase (de entre los seis disponibles, se asume que no
hay diferencia entre los das de la semana). Usted tiene el nmero de alumnos que opt por cada
alternativa, cmo hara para incorporar la preferencia de ellos a su modelo, nuevamente sin perder la
optimalidad conseguida en el problema anterior.
SOLUCIN
1) El objetivo del problema es minimizar la cantidad de alumnos que quedarn sin asiento, al asignar
los cursos a las salas. Este tipo de problema se denomina generalmente como problema de asignacin de
recursos a costo mnimo.
Si consideramos que existen m cursos y n salas, para modelar el problema disponemos de la siguiente
informacin
a
i
= Nmero de alumnos con que cuenta el curso i. i = 1...n
q
k
= Capacidad mxima de alumnos para la sala k. k = 1...m
Adems, dado que las clases que se hacen el lunes se repiten en la misma sala el miercoles, y ocurre lo
mismo para martes y jueves, modemos identicar 12 mdulos de clases, los que numeraremos como aparece
en la Tabla 58.
122
Lo que debemos hacer es decidir si se har la clase i en el mdulo j en la sala k, por lo que deniremos
la siguiente variable de desicin:
x
ijk
=
_
1 Si se asigna el curos i a la sala k en el mdulo j
0 si no
Ahora bien, la funcin objetivo debe minimizar el nmero de alumnos que queda sin asiento en cada clase
(recordando que a los alumnos sin asiento de un curso no les sirve que en otra sala sobren asientos), para ello
debemos multiplicar x
ijk
por una funcin que sea cero si a
i
q
i
es negativo, y que sea igual a la diferencia
entre alumnos y capacidad si a
i
q
i
es positivo. Asi empleando la notacin dada en (43) obtenemos la
funcin objetivo del modelo, que se presenta en (44).
x
+
=
_
x x 0
0 x 0
(43)
Las restricciones del modelo incluyen que a una sala no se le puede asignar ms de un curso durante un
mismo mdulo (45) y que todo curso debe ser asignado (46). Considerando lo anterior, el problema se puede
modelas como sigue:
Min
n

i=1
12

j=1
m

k=1
(a
i
q
i
)
+
x
ijk
(44)
n

i=1
x
ijk
1 j, k (45)
12

j=1
m

k=1
x
ijk
= 1 i (46)
x
ijk
{0, 1} (47)
2) En este caso supondremos que cada curso tiene asignado un profesor, as habr n cursos, con el profesor
i dictando la clase i, y por lo tanto ahora disponemos de la informacin de p
ij
, donde p
ij
es:
p
ij
=
_
1 Si el profesor del curso i est dispuesto a dictar la clase en el mdulo j
0 si no
Ahora el problema consiste en, manteniendo la optimalidad del problema a), minimizar el nmero de
profesores que no sean asignados en horarios preferidos por ellos. Al hablar de optimilidad en la parte a) nos
referimos a que ningn alumno qued sin asiento, o lo que es lo mismo que la funcin objetivo tiene valor
cero.
Emplearemos las mismas variables de desicin denidas en a). Ahora bien, como el objetivo del problema
es minimizar el nmero de profesores descontentos, debemos buscar una funcin que combine las variables
x
ijk
con los datos p
ij
de manera que la funcin tome el valor 0 cuando el profesor es asignado a un mdulo
que le agrada, y 1 en caso contrario, adems, en los mdulos que no son asignados la funcin debe tomar
el valor cero, ya que ellos no inuyen en el descontento de los profesores; esto lo podemos expresar a travs
de la relacin dada en (48). La funcin objetivo se expresa entonces como la minimizacin de la suma, en
todas las variables, de dicha funcin.
Las restricciones del modelo, corresponden a las mismas dadas en (45) a (47), siendo necesario agregar
que la funcin objetivo de la parte a) se encuentre en su ptimo. De esta manera el modelo de optimizacin
resulta ser:
Min
n

i=1
12

j=1
m

k=1
x
ijk
(1 p
ij
) (48)
123
n

i=1
12

j=1
m

k=1
(a
i
q
i
)
+
x
ijk
= 0 (49)
n

i=1
x
ijk
1 j, k (50)
12

j=1
m

k=1
x
ijk
= 1 i (51)
x
ijk
{0, 1} (52)
3) Si llamamos v
j
a la cantidad de votos por el mdulo j y T al total de votantes, podemos determinar el
porcentaje de alumnos r
j
que preere cada mdulo (53). Adems, recuerde que como cada alumno preere
3 mdulos la suma de los porcentajes no ser igual a 100, sino a 300.
r
j
=
v
j
T
(53)
Si suponemos que la cantidad de alumnos que quedan felices con el mdulo j del curso i es el nmero de
alumnos del curso, multiplicados por el porcentaje total de alumnos que preeren ese mdulo en la escuela,
el objetivo de maximizar la cantidad de alumnos que quedan con sus mdulos preferidos se puede espresar
como (54). Ahora el modelo quedar completo considerando las restricciones dadas en (49) a (52) adems de
la restriccin de alcazar la optimalidad de la parte b). Considerando lo anterior el modelo de optimizacin
resulta ser:
Max
n

i=1
12

j=1
m

k=1
r
j
a
i
x
ijk
(54)
n

i=1
12

j=1
m

k=1
x
ijk
(1 p
ij
) = 0
n

i=1
12

j=1
m

k=1
(a
i
q
i
)
+
x
ijk
= 0
n

i=1
x
ijk
1 j, k
12

j=1
m

k=1
x
ijk
= 1 i
x
ijk
{0, 1}
Note que estos problemas parecen sencillos de resolver (de hecho uno prcticamente podra formularlos
como un problema de ujo en redes a mnimo costo), sin embargo el problema real de asignacin de clases
es complejo de resolver. Esto se debe a que adicionalmente a las restricciones aqu expuestas, existen otras
restricciones que se debe satisfacer como por ejemplo, que ciertos cursos no pueden ofrecerse al mismo horario
pues un conjunto de alumnos debe tomar ambos cursos.
Problemas Propuestos
1. Cmo se modicara el modelo en el primer, segundo y tercer caso, si ahora cada profesor (o por lo
menos uno) tiene ms de un curso, y nosotros queremos que sus cursos no coincidan en horario?
2. Que ocurrira si en el segundo caso, el problema se interpretara como que, respetando a los profesores
su opcin por mdulos especcos, intentramos conseguir la asignacin ptima de los cursos de manera
que quede la menor cantidad posible de alumnos sin asiento?
124
3. Que ocurrira en el tercer caso si los alumnos ordenaran sus preferencias al votar, esto es el mdulo
ms preferido, el segundo ms preferido, y el tercer ms preferido?
4. Cmo modicara su modelo si ahora no todos los cursos ocupan dos mdulos a la semana, sino que
este nmero vara entre uno (cursos optativos), hasta cinco mdulos a la semana? Cmo incluira esta
nueva caracterstica en su modelo?
5. Formule un modelo que contemple que ciertos cursos no se pueden dar a un mismo horario.
5.8 Flota Mnima en Sistema de Transporte Pblico
Considere un sistema de transporte pblico en que usted conoce todos los servicios que se deben ofrecer.
Cada servicio tiene asociado un terminal y un instante en que se origina el servicio, as como un terminal
y un instante en que se termina. Usted conoce adems lo que tarda un vehculo en trasladarse vaco entre
cada par de terminales. Formule un modelo que minimice el tamao de la ota necesaria para ofrecer todos
los servicios.
SOLUCIN
El objetivo del problema es minimizar el tamao de la ota para ofrecer todos los servicios necesarios.
Para ello llamemos I al conjunto de servicios a ofrecer, donde cada elemento de I representa un nodo en
un grafo. Adems, llamemos A al conjunto de arcos del grafo tal que el arco (i, j) A si el servicio
j puede recorrerse despus del servicio i por el mismo vehculo (esto depender de los instantes de trmino
del servicio, del comienzo del servicio j y del tiempo de viaje necesario para que un vehculo viaje una vez
terminado i al punto de partida de j). Adicionalmente, agregemos un nodo fuente (f), un nodo de depsito
(d) y un arco desde f a cada nodo en I y otro desde cada nodo en I a d.
Como variable de decisin denamos:
x
ij
=
_
1 Si un vehculo recorre el arco (i,j)
0 Si no
(i, j) A
As, el modelo consiste en minimizar el nmero de vehculos que salen del nodo fuente sujeto a que todos
los nodos sean visitados por algn vehculo. Es decir:
P) Min

jI
x
dj

jI{f}
x
ij
= 1 i I {d}
x
ij
{0, 1} i I {d} , i I {f}
Note que cada variable aparece slo en una restriccin, lo que signica que la matriz que dene el conjunto
de restricciones es totalmente unimodular y por tanto la integralidad de la solucin est garantizada aun
cuando se relaje esa condicin.
Otra formulacin del problema se obtiene al considerar un grafo equivalente en que cada servicio se
representa con dos nodos: uno inicial (a
i
) y otro nal (b
i
), y en que cada arco entre a
i
y b
i
tiene ujo mnimo
y capacidad mxima igual a 1 (es decir se fuerza a algn vehculo a pasar por el arco (a
i
,b
i
)). La formulacin
de este nuevo problema es simple y el modelo resultante corresponde al modelo clsico de ujo en redes a
costo mnimo.
Problemas Propuestos
1. Una vez determinada la ota mnima, identique la asignacin de vehculos a servicios que minimice
los costos de traslado de los vehculos vacos (asuma que el costo es proporcional al tiempo de traslado).
125
2. Resuelva el problema original asumiendo que existen dos tipos de buses y que algunos servicios slo
pueden ser servidos por un tipo especco de bus.
3. Resuelva el problema original restringiendo el nmero de buses estacionados en cada terminal o en
puntos intermedios de almacenaje a una capacidad limitada.
5.9 Asignar Colores a Sistema de Transporte Pblico
Considere un sistema de transporte pblico sobre una red de transporte en que coexisten n servicios que
usted conoce. Usted est encargado de asignar colores a los buses de los servicios y se le pide que por
ningn paradero pasen dos servicios pintados del mismo color. Adems se le dice que no abuse del arco iris
pues la gente podra tener dicultad para distinguir dos servicios pintados de colores demasiado semejantes.
Determine el nmero mnimo de colores que se requieren.
SOLUCIN
El problema consiste en asignar colores a los buses de los diferentes servicios, por lo que emplearemos las
siguientes variables de decisin:
x
ij
=
_
1 Si el servicio i es pintado del color j
0 en otro caso
i I, j J
y
j
=
_
1 Si el el color j es utilizado en algn servicio
0 en otro caso
j J

ik
=
_
1 Si el servicio i pasa por el paradero k
0 en otro caso
i I, k K
Donde I es el conjunto de servicios, J el conjunto de colores (donde la cardinalidad de J es sucientemente
grande) y K el conjunto de paraderos.
El problema consiste en minimizar los colores empleados, considerando la relacin entre las variables y
j
y
x
ij
(de modo que si algn x
ij
toma el valor 1, tambin lo hace y
j
), que a cada servicio se le debe asignar slo
un color y que por ningn paradero pasen dos servicios pintados del mismo color. Lo anterior nos permite
obtener la siguiente formulacin:
P) Min

jJ
y
j
y
j
x
ij
i I, j J

jJ
x
ij
= 1 i I

iI
x
ij

ik
1 j J, k K
x
ij
{0, 1} i I, j J
y
j
0 j J
Note que este problema consiste en identicar un conjunto mximo de nodos de una red tal que ningn
arco de la red tenga ambos extremos en el conjunto. Este problema (independent set) es NP-completo y
por tanto muy difcil de resolver. Un ejemplo clsico del independent set consiste en identicar el nmero
mnimo de colores que se requiere para pintar un mapa de modo que ningn par de pases continuos quede
pintado del mismo color.
Problema Propuesto
1. Suponga que la solucin anterior excede el nmero mximo de colores deseado (por ejemplo 10). Modele
un nuevo problema que asigne colores a los servicios que minimice el nmero de veces que un pasajero
que quiere tomar una lnea cualquiera, observe otra pintada del mismo color en el mismo paradero.
126
5.10 Sistema de Transporte Pblico
En la licitacin pblica de uso de vas de la ciudad de Santiago, para la prestacin de servicios urbanos
de transporte pblico remunerado de pasajeros, se contempla adjudicar 15 unidades de negocio en forma
simultanea. De estas 5 son unidades troncales y 10 alimentadoras. Si bien cada empresa puede postular
a cuantas unidades quiera, podr adjudicarse un mximo de cuatro unidades de las cuales a lo ms dos
podrn ser troncales. En esta licitacin las empresas deben presentar para cada unidad de negocio el monto
que requerirn percibir por prestar los servicios. En el caso de las unidades troncales, este cobro se realiza
por bus-km recorrido, mientras en el caso de las unidades alimentadoras por pasajero transportado. La
tarifa esperada en el sistema, una vez adjudicadas las unidades, se estima como una combinacin lineal de
los cobros de las empresas ganadoras. Los coecientes de esta combinacin son conocidos. El Estado ha
decidido adjudicar estas 15 unidades simultneamente de modo que esta tarifa total esperada en el sistema
sea mnima. Formule un problema de optimizacin para resolver este problema.
SOLUCION
El objetivo del problema es determinar a quien adjudicar cada una de las unidades troncales y alimenta-
doras, por lo que deniremos las siguientes variables de desicin:
x
ij
=
_
1 Si se adjudica la unidad troncal j al oferente i
0 i no
j = 1, ..., 5
y
ij
=
_
1 Si se adjudica la unidad alimentadora j al oferente i
0 si no
j = 1, ..., 10
Adems llamaremos:
I
j
al conjunto de oferentes en la unidad troncal j.
K
j
al conjunto de oferentes en la unidad alimentadora j.
O
ij
= la oferta del oferente i por la unidad troncal j (en $/bus-km),
Q
ij
= la oferta del oferente i por la unidad alimentadora j (en $/pax-transp),
B
j
= Buses-km esperados que el adjudicatario de la unidad troncal j recorrera en un ao,
P
j
= Pasajeros que el adjudicatario de la unidad alimentadora j transportara en un ao,
Por lo tanto, como el objetivo del modelo es minimizar la tarifa total, y se deben considerar las restric-
ciones del nmero mximo de unidades alimentadoras y troncales que un licitante se puede adjudicar, as
como que todas las unidades deben adjudicarse, la formulacin del modelo resulta ser:
P) Min
5

j=1

iIj
B
j
O
ij
x
ij
+
10

j=1

iKj
P
j
Q
ij
y
ij
5

j=1
x
ij
+
10

j=1
y
ij
4 i
5

j=1
x
ij
2 i

iIj
x
ij
= 1 j

iKj
y
ij
= 1 j
x
ij
, y
ij
{0, 1} i, j
Problema Propuesto
127
Vuelo Origen Salida Destino Llegada Disponibilidad Precio
1 Lima 9:00 Miami 16:00 25 $ 250
2 Lima 10:00 Miami 17:00 90 $ 700
3 Lima 9:30 Caracas 13:30 70 $ 150
4 Caracas 15:30 Miami 19:30 90 $ 200
5 Lima 8:30 Caracas 12:30 50 $ 450
6 Lima 8:00 Mxico D.F 14:00 70 $ 200
7 Lima 11:00 Los Angeles 18:00 30 $ 250
8 Los Angeles 18:30 Miami 23:30 25 $ 500
9 Mxico D.F. 15:00 Los Angeles 17:30 40 $ 150
10 Los Angeles 19:00 Dallas 21:30 20 $ 300
11 Dallas 22:30 Miami 01:30 60 $ 300
12 Mxico D.F. 16:00 Miami 21:00 10 $ 300
13 Caracas 13:30 Dallas 17:30 20 $ 300
Table 59: Re-Ruteo de Pasajeros en Lnea Area
1. Suponga que ante un eventual empate en la tarifa total se considera la asignacin de unidades que
manteniendo la tarifga mnima minimiza la antigedad promedio de la ota. Suponga que como
segundo mecanismo de desempate se considera aquella asignacin que minimiza las emisiones esperadas
de material particulado a la atmsfera. Formule modelos que le permitan resolver estas eventuales
instancias de empate.
5.11 Re-Ruteo de Pasajeros en Lnea Area
Usted trabaja en operaciones de una lnea area lder en Latino America. Se ha cancelado el vuelo Lima-
Miami con 220 pasajeros. Es necesario re-rutear esos pasajeros al mnimo costo con ciertas restricciones de
servicio. La Tabla 59 resume los vuelos que estn disponibles en su lnea area y en la competencia. Para
cada vuelo se entrega el costo para su empresa por pasajero y la capacidad disponible. Identique cmo
reasignar los pasajeros a mnimo costo. Por seguridad, se requiere al menos una hora en cada trasbordo
entre la hora de llegada y la salida del siguiente vuelo.
El problema consiste en identicar que vuelos emplear de modo de reasignar todos los pasajeros a un
mnimo costo. Para ello consideremos una red formada por un nodo L de origen, un nodo M de destino, y
nodos i, i = 1, ..., 26 correspondientes a los origenes y destinos de cada uno de los trece vuelos presentados
en la Tabla 59. Existen dos tipos de arco en la red: aqullos que conectan los nodos origen y destino de
un mismo vuelo, y aqullos que conectan las combinaciones posibles de vuelos consecutivos para un mismo
pasajero (es decir en que el origen de un vuelo coincida con el destino del que le precede). Los arcos del primer
tipo tienen un costo unitario equivalente a la tarifa del vuelo respectivo y una capacidad acotada (ambos
valores se entregan en la Tabla 59), mientras los arcos de segundo tipo tienen un costo cero (corresponden
a estadas en aeropuerto esperando el siguiente vuelo) y no presentan restricciones de capacidad. Llamemos
C
ij
los costos entre cada uno de los nodos y
ij
a las capacidades asociadas a cada arco. La red resultante
se presenta en la Figura 23, la que incluye un ujo de entrada y de salida igual a 220 pasajeros. Esta
formulacin transforma el problema en uno de ujo a costo mnimo.
Sea
f
ij
= Flujo que circula por el arco (i,j), i = L, M, 1, 2, ..., 26 j = L, M, 1, 2, ..., 2
El problema consiste en minimizar el costo de transportar un ujo de 220 personas desde el nodo L al
nodo M, considerando las capacidades de cada uno de los arcos, y que todos los nodos intermedios son nodos
de paso, esto es todo el ujo que entra a ellos debe salir de ellos. Lo anterior nos permite formular el siguiente
modelo:
P) Min

i

j
f
ij
C
ij
128
Figure 23: Re-ruteo de Pasajeros
129
f
ij
u
ij
i, j

j
f
Lj
= 220

i
f
iM
= 220

j
f
ij

l
f
li
= 0 i
f
ij
0 i, j
Problemas Propuestos
1. Cmo cambia su modelo si se exige que nadie espere ms de cuatro horas por una conexin y que se
entregue $20 de colacin en los casos en que se espera ms de dos horas?
2. Cmo cambia su modelo si se exige que al menos un 50% de los pasajeros llegue a Miami antes de las
24:00 hrs.
3. Usted tiene que llevar a cabo un proyecto que est denido por un conjunto de tareas que se deben
desarrollar individualmente (cada tarea la desarrolla una sola persona). Cada tarea tiene un instante
de comienzo y n predeterminado y existe un tiempo de reasignacin (o setup) entre cada par de tareas
sucesivas desarrolladas por una misma persona Usted debe contratar gente para este proyecto. Formule
un modelo que determine el mnimo nmero de personas que necesita para realizar este pryecto.
4. Suponga que determin el mnimo nmero de personas y ahora desea asignar esa gente de modo de
minimizar los tiempos de reasignacin. Cmo lo hara?
5. Suponga que el presupuesto le alcanza para contratar slo N personas y debe escoger qu tareas
realizar. Para eso, usted asume que cada tarea i le reporta un benecio p
i
. Cules tareas se debieran
escoger y quines las haran?
5.12 El cartero y el semaforero
Considere una red de calles ortogonal de una ciudad en que en cada esquina existe un semforo. Tenemos
dos amigos: uno de ellos es cartero y el otro revisa la red de semforos. En el da de hoy cada uno deber
organizar un tour por la ciudad. El primero desea visitar todas las calles de la ciudad caminando de modo
de repartir sus cartas. El semaforero desea visitar todos los semforos de la red. Modele estos problemas de
modo de obtener rutas de largo mnimo para cada uno.
SOLUCIN
En este caso tenemos que plantear dos modelos, uno para el cartero y uno para el semaforero. Si
modelamos cada esquina como un nodo de una red, y cada calle como un arco entre nodos con peso igual
a la distancia entre las intersecciones, el primer problema consiste en encontrar la menor ruta que permite
pasar por todos los arcos, mientras que el segundo debe encontrar la menor ruta que permite recorrer todos
los nodos. El primer modelo se conoce como el Problema del Cartero Chino, y el segundo como el Problema
del Vendedo Viajero. Consideraremos que existen n esquinas en la ciudad y que se conocen las distancias
entre cada esquina, a las que llamaremos d
ij
.
Para el problema del semaforero (Vendedor Viajero) cosideraremos la variable:
x
ij
=
_
1 Si desde la esquina i voy a la esquina j
0 Si no
i = 1, ..., n j = 1, ..., n
Debemos minimizar la distancia recorrida por el semaforero, considerando que todas las esquinas sern
visitadas una y slo una vez y que no se formarn subcircuitos (un ejemplo de solucin con subcircuitos se
130
Figure 24: Solucin con Subcircuito
presenta en la Figura 24), para asegurar que se recorrern todos los semaforos. De acuerdo a lo anterior el
modelo resulta ser:
Min
n

i=1
n

j=1,j=i
d
ij
x
ij
n

j=1
x
ij
= 1 i, j = i (55)
n

i=1
x
ij
= 1 j, i = j (56)
n

i,jS
x
ij
Card(S) 1 S {1, ..., n} (57)
x
ij
{0, 1} i, j
Las restricciones (55) y (56) exigen que cada esquina sea visitado exactamente una vez. La familia de
restricciones (57) corresponde a que para cualquier conjunto de esquinas, el total de viajes entre dos sucesivas
esquinas de ese conjunto debe ser inferior al nmero de esquinas en el conjunto. De otro modo se estara
permitiendo un subcircuito en dicho conjunto de esquinas. Es importante notar que esta ltima familia de
restricciones crece exponencialmente con el tamao del problema. Esto diculta enormemente la resolucin
del problema del Vendedor Viajero convirtindolo en un problema NP- completo.
Una modelacin alternativa a este problema consiste en asignar a cada esquina el orden en que cada es-
quina es visitada. Para eso se considera la siguiente variable adicional:
t
i
= posicin relativa de la esquina i en la ruta del semaforero; i = 1, ..., n
Incorporando esta variable en el modelo se logra romper los ciclos. Consideremos el siguiente modelo:
Min
n

i=1
n

j=1,j=i
d
ij
x
ij
131
n

j=1
x
ij
= 1 i, j = i
n

i=1
x
ij
= 1 j, i = j
t
i
+ 1 t
j
M(1 x
ij
) i, j
x
ij
{0, 1} i, j
t
i
0 i
La nueva restriccin que permite romper los subcircuitos, pues exige que si el semaforero se dirige de la
esquina i a la esquina j (por lo tanto x
ij
= 1), entonces t
j
deber ser al menos t
i
+ 1; si alternativamente
el semaforero no se dirige de la esquina i a la esquina j (por lo tanto x
ij
= 0), entonces entonces no se
impone ninguna restriccin que vinclue directamente las variables t
i
y t
j
(para esto M debe tomar un valor
suentemente grande).
Para el problema del cartero (Cartero Chino) vea el Problema 4.17 en el Captulo 4.
Problemas Propuestos
1. Cmo modica el primer problema si el cartero viaja en bicicleta y debe respetar el sentido de las
calles? Cmo cambia si debe visitar cada calle dos veces (una en cada sentido)?
2. Cmo cambia el segundo problema si el semaforero es parte de un equipo en que la estada en cada
semforo es conocida y en que se debe llegar a cada semforo dentro de una ventana de tiempo pre-
establecida y en que el propsito es minimizar el nmero de semaforeros involucrados?
5.13 Sistema de Seguridad Policial
En un consejo municipal se discute el tema de seguridad del centro de la ciudad. Se decide proveer al centro
de la ciudad con un sistema de seguridad basado en puntos jos policiales. Un asesor municipal sugiere
que los puntos policiales no estn en las esquinas sino a mitad de cuadra. Este asesor considera necesario
que desde toda esquina de la red exista un punto policial a menos de una cuadra. Formule un modelo de
optimizacin que minimice el nmero de puntos policiales necesarios para esta estrategia.
Otro asesor sugiere que los puntos policiales estn en las esquinas de la red. Este asesor considera necesario
que en cualquier cuadra del centro debe existir un punto policial en alguna de sus esquinas. Formule un
problema de optimizacin que minimice el nmero de puntos policiales necesarios para esta estrategia.
SOLUCIN
El objetivo del problema es proveer a la ciudad con un sisitema de seguridad, y se proponen dos alterna-
tivas para hacerlo. Llamemos N al conjunto de nodos (esquinas) en la red, A el conjunto de arcos (cuadras)
y I
i
al conjunto de arcos incidentes en el nodo i (que tienen algn extremo en el nodo).
El primer asesor considera necesario que desde toda esquina de la red exista un punto policial a menos
de una cuadra. Para ello emplearemos la variable:
x
ij
=
_
1 Si se istala un polica en el arco (i, j)
0 si no
(i, j) A
El objetivo es minimizar el nmero de policas considerando que desde toda esquina de la red debe existir
al menos un punto policial a menos de una cuadra, esto es:
P) Min

(i,j)A
x
ij
132

(i,j)I
i
x
ij
1 i N
x
ij
{0, 1} (i, j) A
El segundo asesor sugiere que los puntos policiales estn en las esquinas de la red. En este caso empleare-
mos la variable:
y
i
=
_
1 Si se instala un polica en el nodo i
0 si no
i N
En este caso debemos minimizar el nmero de puntos policiales considerando que en cualquier cuadra
debe existir un punto policial en al menos 1 de sus esquinas. Esto nos permite formular el siguiente modelo:
P) Min

iN
y
i
y
i
+y
j
1, (i, j) A
y
i
{0, 1} , i N
La primera estrategia corresponde a un problema de Minimum vertex cover, el que consiste en encontrar
un conjunto mnimo de nodos en una red tal que todos los arcos de la red tengan un extremo en ese conjunto.
Mientras que la segunda estrategia corresponde a un problema de Minimum edge cover, el cual consiste en
encontrar un conjunto mnimo de arcos de una red tal que todos los nodos sean extremo de al menos un arco
en ese conjunto. Los dos problemas parecen muy similares, sin embargo el primero es NP-completo mientras
para el segundo se conocen algoritmos polinomiales de solucin.
Es interesante observar que en el problema de asignacin o edge cover se cumple la matriz totalmente
unimodular en que en cada columna hay solo dos 1 mientras que en el vertex cover en cada la hay dos unos
no obtenindose una matriz totalmente unimodular.
5.14 Almacenamiento de Productos en Contenedores (Bin Packing Problem)
Imagine que se tienen contenedores de volumen jo. Se tiene adems productos (indivisibles) que deben
guardarse en estos contenedores (cada uno con volumen menor a la capacidad del contenedor). Encuentre el
menor nmero de contenedores necesarios si el volumen de cada producto excede (estrictamente) un tercio
de la capacidad del contenedor. Note que este problema se puede modelarse como un edge cover problem.
SOLUCIN
El problema consiste en agrupar los productos de manera de emplear el menor nmero de contenedores
posible. Como cada producto excede estrictamente un tercio de la capacidad del contenedor, cada contenedor
puede almacenar a lo ms dos productos. Consideremos una red donde cada nodo de la red representa un
producto, y sea N el conjunto de todos los nodos; llamemos A al conjunto de todos los arcos (i, j) tal que
los productos i y j pueden ser almacenados en el mismo contenedor (esto incluye a todos los arcos loop (i, i)
de la red). Por ltimo, sea I
i
al conjunto de arcos incidentes en el nodo i (que tienen algn extremo en el
nodo).
Sea:
x
ij
=
_
1 Si escojo el arco (i, j)
0 en otro caso
(i, j) A
Luego el problema consiste en minimizar el nmero de contenedores, considerando que cada nodo debe
estar asociado a slo un arco, esto es:
P) Min

(i,j)A
x
ij
133

(i,j)I
i
x
ij
= 1 i N
x
ij
{0, 1} (i, j) A
Note que el problema se formul como un edge cover problem, esto es un problema que consiste en escoger
arcos de una red con un algn criterio, de modo que todos los nodos de la red sean extremo de algn arco
escogido.
5.15 Equipo de Trabajo
Usted ha sido electo democrticamente en un cargo para dirigir un grupo de 60 personas. De entre ellos,
usted debe elegir un equipo de asesores para ayudarlo en el cargo. Usted sabe que existen muchos vnculos
de amistad dentro de estas 60 personas pero no todos son amigos con todos. Usted quiere que el equipo que
lo asesorar sea lo ms pequeo posible, pero que cada una de las 60 personas considere que al menos uno
de los asesores escogidos es su amigo. Formule el problema. Este problema puede modelarse como un node
cover problem.
SOLUCIN
El problema consiste en escoger a un equipo de asesores, lo ms pequeo posible, de tal manera que cada
uno de los miembros del grupo considere que alguno de los asesores es su amigo. Para ello consideremos una
red donde cada persona i del grupo representa un nodo, con i = 1, ..., 60, y el conjunto de arcos (i, j) que
une cada uno de esos nodos. Llamemos
ij
al dato sobre las relaciones de amistad entre los miembros del
grupo, donde
ij
es igual a 1 si las personas i y j son amigos, y 0 en caso contrario.Emplearemos la siguiente
variable de decisin:
x
i
=
_
1 Si elijo a la persona i
0 en caso contrario
i = 1, ..., 60
Como el objetivo del modelo es minimizar el tamao del equipo, considerando las restricciones de amistad,
el modelo queda expresado por:
P) Min
60

i=1
x
i
60

j=1
x
j

ij
1 i = 1, ..., 60
x
i
{0, 1} i = 1, ..., 60
Note que el problema puede formularse como un node cover problem, esto es un problema que consiste en
escoger nodos de una red con un algn criterio, de modo que todos los arcos de la red tengan algn extremo
entre los nodos escogidos. Para ello basta imaginar una red donde cada persona i del grupo representa un
nodo, con i = 1, ..., 60, y en que el conjunto de arcos queda denido por arcos (i, j) que representan las
relaciones de amistad entre las personas.
5.16 Preparacin de Paseo
Imagine que esta a cargo de organizar el paseo de n de ao de su empresa. Para ello, debe llevar una cierta
cantidad de cosas, cada una de las cuales tiene un costo asociado. Sin embargo, si grupos completos de estos
productos se incluyen en el paseo (por ejemplo botella y destapador) se obtiene un benecio. Encuentre el
conjunto de grupos completos ptimo que reporte la mxima utilidad.
SOLUCIN
134
El problema consiste en decidir que conjuntos de productos llevar al paseo de modo de obtner el mximo
benecio. Llamenos i = 1, ..., N al nmero de productos, s a los diferentes conjuntos de productos, con s S
y B
s
al benecio que se logra al incluir el conjunto s y C
s
al costo asociado al producto i.Es importante
notar que no existe restriccin de capacidad por lo que si el benecio de un conjunto supera a la suma de los
costos de los productos que lo componen, entonces todos los productos se deben llevar. Sin embargo, como
un producto puede formar parte de varios conjuntos, puede valer la pena llevar conjuntos cuyo costo excede
al benecio. Esto se debe a que el costo de algunos productos se puede distribuir entre varios conjuntos,
rentabilizando el grupo de conjuntos. Denamos, adems:
x
i
=
_
1 Si incluyo el producto i
0 si no
i = 1, ..., N

s
=
_
1 Si el conjunto s se complet
0 si no
s S
Luego el modelo consiste en maximizar la utilidad total, considerando que esta slo se contabiliza cuando
se lleva el conjunto completo de productos al paseo. De esta manera el problema resulta ser:
P) Max

sS
B
s

iN
C
i
x
i

s
x
i
s S, i s
x
i
,
s
{0, 1} i, s S
A pesar de que este problema se parece al clsico problema de la mochila, su estructura matemtica es
distinta. De hecho, el problema de la mochila es NP-duro mientras este problema cuenta con algoritmos de
solucin polinomial (notar que en cada la de la matriz de restricciones hay exactamente un 1 y un -1, por lo
que la matriz implcita es totalmente unimodular) y es posible representarlo mediante un problema de ujo
mximo en una red
5.17 Explotacin Forestal
Una empresa forestal posee un total de N rodales (regiones de bosque) que pueden ser explotados el prximo
ao. Para cada rodal j se ha estimado la cantidad a
j
, j = 1, . . . , N de madera que contiene. La empresa
desea decidir que rodales cortar con el objetivo de extraer la mayor cantidad de madera posible. Sin embargo,
la legislacin vigente establece que si se corta un rodal no se puede cortar ninguno de los rodales adyacentes a
l. Esto se debe hacer para preservar el hbitat de la fauna silvestre. Suponga, entonces, que para cada rodal
j se tiene una lista A(j) que especica los rodales adyacentes a l. Construya un modelo de programacin
matemtica que permita decidir qu rodales conviene cortar el prximo ao.
SOLUCIN
La decisin que debe tomar la empresa es que rodales cortar, con el objetivo de extraer la mayor cantidad
de madera. Por lo que resulta conveniente denir como variable del modelo:
x
j
=
_
1 Si se corta el rodal j, j = 1, . . . , N
0 Si no
j = 1, ..., N
De esta manera el objetivo es maximizar la cantidad de madera extraida, considerando que si cortamos
un rodal no podemos cortar ninguno adyacente a l (restriccin (58) si se corta el rodal j y restriccin (59)
si no se corta el rodal j) De esta manera, el modelo resulta ser:
P) Max
N

j
a
j
x
j
135
x
i
+x
j
1 i A(j), j (58)
x
j
+

iA(j)
x
i
Card(A(j)) j (59)
x
j
{0, 1} j
5.18 Explotacin en Zona Minera
Suponga una zona minera en que existe una veta mineral subterrnea. Suponga que puede cubicar el subsuelo
de modo de generar cubos unitarios en que cada uno tiene una rentabilidad asociada. Dnde hay que cavar
y hasta qu profundidad? Note que para poder sacar un cubo en profundidad (i,j) deber sacar antes
(i 1, j 1), (i 1, j) y (i 1, j + 1).
SOLUCIN
El problema consiste en determinar que sectores (i, j) de la veta mineral deben ser explotados de manera
de maximizar la rentabilidad asociada. Para ello deniremos como variable de decisin a:
x
ij
=
_
1 Si se explota el sector (i, j)
0 si no
Adems llamaremos u
ij
a la rentabilidad asociada a explotar el sector (i, j). De esta manera el objetivo
del problema es maximizar la rentabilidad total, sujeto a las restricciones dadas por la forma de excavar, lo
que puede ser representado por el siguiente modelo:
P) Max

(i,j)
x
ij
u
ij
x
ij
x
i1,j1
i, j
x
ij
x
i,j1
i, j
x
ij
x
i+1,j1
i, j
x
ij
{0, 1} i, j
5.19 Tablero de Ajedrez
Suponga que tiene un tablero de ajedrez con algunas posiciones prohibidas. Encuentre el mximo nmero
de dominos que se puede poner en el tablero sin cubrir ninguna posicin prohibida.
SOLUCIN
El objetivo del problema es maximizar el nmero de domins que se pueden poner en el tablero sin cubrir
ninguna posicin prohibida. Pensemos el problema como el de una red de 64 nodos en que cada borde
entre dos posiciones adyacentes se representa como un arco entre los dos nodos involucrados (se escoge un
sentido cualquiera para el arco); es decir inicialmente habr 112 arcos. A continuacin eliminamos los nodos
correspondientes a las posiciones prohibidas y con ellos todos los arcos involucrados. As, nos quedamos con
un conjunto N de nodos (posiciones vlidas) en la red, y un conjunto A de arcos. El problema consiste en
escoger el mayor nmero de arcos de la red tal que no existan dos arcos de este conjunto que incidan en
un mismo nodo (superposicin de domins). Para formular este problema denominamos I
i
al conjunto de
arcos incidentes en el nodo i, esto es que tienen algn extremo en el nodo i. A continuacin denamos las
variables:
x
ij
=
_
1 Si escojo el arco (i, j)
0 en caso contrario
(i, j) A
136
Por lo que el modelo resulta ser:
P) Max

(i,j)A
x
ij

(k,l)I
i
x
kl
1 i N
x
ij
{0, 1} (i, j) A
5.20 Sistema Monetario
Considere que usted conoce todas las tasas de cambio de monedas de diferentes pases que se transan en una
agencia. Identique si existe alguna oportunidad de arbitraje. En este caso, se entiende por arbitraje que
por medio de cambios sucesivos de monedas, se obtenga ms dinero que con el que se comenz la operacin.
SOLUCIN
Para realizar este problema consideraremos que la moneda inicial corresponde a Pesos. Luego $1 se debe
transformar en todas las monedas restantes hasta regresar nuevamente a pesos, de acuerdo a un factor de
conversin f
ij
que transforma el dinero en i a moneda j. Llamemos M al conjunto de monedas y denamos
como variable de decisin:
x
ij
= Flujo a convertir desde la moneda i a la moneda j
x
p
=Flujo nal en pesos
De esta manera el modelo resulta ser:
P) Max x
p

jM{p}
x
pj
= 1

kM{j}
x
kj
f
kj
=

kM{j}
x
jk
j M

kM{p}
x
kp
f
kp
= x
p
x
ij
, x
p
0 i, j M
La primera restriccin indica que se cuenta con un peso para convertirlo en otras monedas. La siguiente
familia de restricciones indica que todo lo que se convierte en una moneda multiplicado por los factores de
conversin, debe ser invertido en otras monedas. Por ltimo, se exige que todo vuelva a ser convertido en
pesos nuevamente, que es lo que se pretende maximizar.Si el valor mximo alcanzado supera el peso con que
se comenz, entonces se dice que existen oportunidades de arbitraje.
5.21 Empresa de Telecomunicaciones
Una empresa de telecomunicaciones debe disear su red de transmisin de datos. Existen un conjunto
N = {1, . . . .., n} de nodos entre algunos de los cuales se originan ujos de datos. Especcamente, existe un
conjunto de pares D = {(r
i
, s
i
), i = 1, . . . ., q}, donde r
i
y s
i
N. Entre cada uno de estos pares se genera
un requerimiento de ujo. Sea d
i
la demanda por ujo, en Mb (Megabyte), que debe transmitirse entre
los elementos del par i, i = 1, . . . ., q, desde r
i
hacia s
i
(en algunos casos en D puede estar un par (r, s) y
tambin el par (s, r), indicando esto que hay requerimiento de ujo en ambos sentidos). No todos los nodos
del conjunto N corresponden a puntos entre los que se generan o reciben comunicaciones, pero pueden ser
utilizados como nodos de paso. Existe un costo jo F
ij
si se habilita una conexin de comunicacin entre
los nodos i y j, con i, j N. Igualmente, existe un costo c
ij
por cada Mb que se transmita a travs de la
conexin entre el nodo i y el nodo j. La empresa no esta dispuesta a incurrir en un costo variable total de
137
ujo superior a C pesos. Tambin, por diseo, la conexin i j, si se habilita, tendr una capacidad total
de K
ij
Mb. Formule un modelo de programacin lineal entera mixta que permita decidir cules conexiones
deben ser habilitadas (construidas) de modo que se satisfaga la demanda por ujo de comunicaciones, no se
exceda el presupuesto por costo de ujo, y que el costo total de habilitacin sea mnimo.
SOLUCIN
28
El problema consiste en determinar que conexiones de la red deben ser habilitadas de modo de satisfacer
la demanda por ujo de comunicaciones, por eso emplearemos las siguientes variables de decisin para el
modelo:
x
ijk
= Flujo en Mb que circula entre i y j, correspondiente al par origen destino k.
y
ij
=
_
1 Si se habilita la conexin (i, j)
0 si no
LLamaremos adems:
d
k
= Demanda por ujo que debe transmitirse por el par k
F
ij
= Costo de habilitar la conexin entre i y j
c
ij
= Costo unitario por transmitir entre i y j
C = Mximo costo variable en que est dispuesta a incurrir la empresa
K
ij
= Capacidad total de la conexin (i, j)
Ahora bien, el objetivo del problema es que el costo total de habilitacin y transmicin sea mnimo,
considerando que se debe satisfacer la demanda por ujo de comunicaciones (restricciones (60), (61) y (62))
y no se puede superar el presupuesto de costo de la empresa (restriccin (63)). El modelo debe considerar
adems la naturaleza de las variables y la relacion existente entre ellas, de modo que no pueda existir ujo
entre i y j si la conexin (i, j) no est habilitada (restriccin (64)).
De acuerdo a lo anterior se obtiene la siguiente formulacin:
P) Min
n

i=1
n

j=1
q

k=1
x
ijk
c
ij
+
n

i=1
n

j=1
y
ij
F
ij
n

l=1
x
lik

n

j=1
x
ijk
= 0 i = r
k
, s
k
, k (60)
n

j=1
x
ijk
= d
k
i = r
k
, k (61)
n

i=1
x
ijk
= d
k
j = s
k
, k (62)
n

i=1
n

j=1
q

k=1
x
ijk
c
ij
C (63)
q

k=1
x
ijk
K
ij
y
ij
i, j (64)
x
ijk
0 i, j, k
y
ij
{0, 1} i, j
28
Jorge Vera, Profesor Ing. Industrial PUC
138
Figure 25: Red Encuentro Internacional
5.22 Encuentro Internacional de Jvenes
Los organizadores del Encuentro Internacional de Jvenes realizado en 1998 en Chile tuvieron que formar las
comisiones de discusin de los distintos temas. La idea es formar las comisiones privilegiando la interaccin
entre diversos pases, y por ello cada comisin debe estar formada slo por un delegado de cada pas. Asuma
que en el encuentro participan P pases, y cada pas ha enviado a
i
delegados, i = 1, . . . .., P. Se deben formar
N comisiones y cada una de ellas debe tener n
j
delegados, j = 1, . . . ., N. Formule este problema como uno
de ujo mximo en una red apropiada.
SOLUCIN
29
Para formular el problema como uno de ujo mximo, debemos primero identicar la red apropiada.
Considerando cada pas como un nodo, cada comisin como un nodo, un nodo fuente y un nodo destino, y
el hecho de que cada comisin debe estar formada slo por un delegado de cada pas, se obtiene la red de la
Figura 25.

ij
=
_
_
_
1 Si i P y j N

j
Si i = r y j P
n
j
Si i N y j = s
(65)
Ahora, si llamamos A al conjunto de arcos de la red,
ij
a la capacidad de cada uno de estos arcos (con

ij
dado en (65)) y empleando las variables de decisin:
x
ij
= Flujo que circula entre los nodos i y j, i = 1...P, j = 1...N
F = Flujo total que circula desde el nodo r al nodo s.
El modelo de optimizacin resulta ser el expresado a continuacin:
P) Max F
29
Jorge Vera, Profesor Ing. Industrial PUC
139

(i,j)A
x
ij


(k,i)A
x
ki
=
_
_
_
F i = r
0 i = r, s
F i = s
0 x
ij

ij
5.23 Distribucin de Productos
Una empresa desea disear la forma en que se abastecer desde cierto nmero de bodegas a una cantidad
de clientes, sobre un horizonte de planicacin de un ao. Para esto realiza contratos anuales con un
transportista, en los que se especifcan las rutas que se utilizarn. El contrato se compone de un pago jo
segn la ruta del transportista, y un pago variable segn la cantidad de carga transportada por la ruta,
existen un total de K productos diferentes. La representacin se realiza en una red no dirigida G = (V, A).
Sean O V los nodos correspondientes a las bodegas, y D V los nodos correspondientes a los clientes.
Sea d
k
i
la demanda anual en el nodo i D por el producto k. Sea b
k
i
la oferta anual en el nodo i O por el
producto k. Considere que contratar la ruta (i, j) signica un costo jo F
ij
que se incurrre a comienzos de ao,
y un costo variable c
ij
por unidad transportada. Cada ruta (i, j) tiene una capacidad mxima a transportar
de
ij
unidades de todos los productos (asumiendo que los productos son relativamente homgeneos y las
cantidades pueden ser sumadas). Usted debe determinar las rutas que deben ser contradas y la cantidad a
transportar por cada una de ellas.
SOLUCIN
30
Como debemos determinar las rutas a ser contratadas y la cantidad a transportar por cada una de ellas,
emplearemos las siguientes variables de decisin:
f
k
ij
= Flujo de producto k entre i y j, (i, j) A k = 1, ..., K
z
ij
=
_
1 Si se contrata la ruta (i, j)
0 Si no
(i, j) A
El problema consiste en uno de diseo de redes, donde debemos minimizar el costo de satisfacer a los
clientes, cumpliendo con las restricciones de oferta y demanda, adems de una restriccin de carga que
relaciona las variables (66). Considerando lo anterior el modelo resulta ser:
P) Min

(i,j)A
F
ij
z
ij
+
K

k=1

(i,j)A
c
ij
f
k
ij

(i,j)A
f
k
ij


(l,i)A
f
k
li
= b
k
i
i O, k = 1, ..., K

(i,j)A
f
k
ij


(l,i)A
f
k
li
= 0 i / O D, k = 1, ..., K

(i,j)A
f
k
ij


(l,i)A
f
k
li
= d
k
i
i D, k = 1, ..., K
K

k=1
f
k
ij

ij
z
ij
(i, j) A (66)
f
k
ij
0 (i, j) A, k = 1, ..., K
z
ij
{0, 1} (i, j) A
30
Jorge Vera, Profesor Ing. Industrial PUC
140