2.

PROGRAMACIN
LINEAL ENTERA

Investigacin de Operaciones II
UNIDAD 2: Programacin Entera

UNAP UNIDAD 2 Programacin Entera". Prof. Miguel Carrasco A. 1

INTRODUCCIN.
La programacin entera se refiere a la solucin de problemas en los cuales se fuerza
a los resultados a no tener valores fraccionales, es decir, desde el punto de vista de
conjuntos, los resultados pertenecen a Z+ (incluyendo el cero). El PPL asociado a
este tipo de problemas presenta la siguiente estructura:
Max
Z CX
sa :
AX b
x

Existen varios mtodos que convergen a soluciones ptimas enteras, pero algunos
son dependiendo de las circunstancias, demasiados lentos o demorosos, lo cual es
injustificable sus operaciones, desde el punto de vista del costo.

Los mtodos con

La diferencia que los
se presentarn
problemas deresumen el estado
programacin de(PPL),
lineal la programacin
es que estaentera,
ltima pero
se
minimiza
les o maximiza
falta para ser 100% sobre un rea
eficientes factible
en la de de
solucin solucin
todos (factibilidad
los tipos de convexa),
problemas
mientras que la programacin entera se maximiza una funcin sobre una regin de
enteros.
factibilidad que, generalmente, no es convexa, por lo cual, es de muchos rdenes de
magnitud ms complicados que los PPL ya conocidos.
Si al desarrollar un problema de programacin lineal tradicional y sus resultados son
enteros, obviamente tambin es un resultado ptimo de la programacin entera, pero
un resultado resuelto por mtodos de programacin entera no necesariamente es un
resultado de la PPL.

En el estudio de la investigacin de operaciones, existen una variedad de problemas

que caen dentro de los problemas enteros:

Todos los problemas de programacin lineal donde las actividades por su

estructura deben ser no divisibles son programas enteros (produccin de autos,
prendas de vestir, etc).

Todos los problemas de transporte, transbordo, asignacin y redes de

optimizacin (se ver mas adelante) con soluciones particulares.

Problemas de secuenciacin.- problemas fcil de formular y difciles de resolver.

Problemas del agente viajero o TSP (Travel Salesman Problem)

 Problemas tipo mochila.- se puede utilizar o enfocar de dos formas para llenar un
espacio con el conjunto de objetos ms valiosos sin exceder los lmites de dicho
espacio o la otra forma es dividir un objeto en varias porciones de diferente valor,
el problema consiste en encontrar la divisin de mayor valor. Los problemas tipo
mochila se utilizan para resolver problemas de inversiones, confiabilidad de
redes, subrutinas en mtodos de descomposicin de programacin lineal,
problemas de determinacin del tamao de flota de vehculos.

Problemas de inversin.

Problemas de costo fijo.- generalmente problemas mixtos, de variables continuas

y variables enteras.

Problemas de cubrimiento y particin de un conjunto.

Dicotomas y problemas de aproximacin.- una dicotoma ocurre en un programa
matemtico, cuando se tiene condiciones del tipo esta restriccin o la otra
restriccin, pero no ambas.

Balance de lneas de produccin.- este tipo de problema consiste en decidir que

actividades deben ser desempeadas por cada trabajador, a medida que u
producto se desplaza por una lnea de produccin. El objetivo consiste en
minimizar el nmero de trabajadores (o de estaciones de trabajo) en funcin de
una tasa de produccin.

Asignacin cuadrtica.- para problemas de localizacin, existe un conjunto de n

posibles lugares en donde se piensa construir m plantas (m < n).
METODO DE BIFURCACIN Y ACOTACIN.

Tambin se le llama mtodo de Branch and Bound (B&B). Este mtodo redondea y
acota las variables enteras, cuya resultante viene dado por la solucin de los PPL
correspondientes. Este proceso de acotamiento y redondeo se hace de una manera
secuencial lgica heurstica, que permite eliminar con anticipacin un buen nmero
de soluciones factibles alejadas del ptimo a medida que se itera. De manera tal que,
si una variable entera xj est acotada entre un lmite inferior entero di y un lmite
superior entero ui con i 1,, n ; el proceso de bifurcacin y acotacin solo se analiza
un nmero muy pequeo de todas las posibles soluciones. En pocas palabras se
reduce la posibilidad de combinaciones que la variable puede tomar, eliminando las
alejadas del ptimo real.

Uno de los mtodos de bifurcacin y acotacin mas conocido es el propuesto por A.

H. Land y A. G. Doig.
Algoritmo de Land-Doig: Problemas Enteros.
Paso1:
Resuelva el problema entero relajado, es decir, sin las condiciones de integralidad,
por medio del mtodo simplex de programacin lineal:
( Pk ) Max
Z CX
sa :
AX b
x0
~
Definamos Z como incumbente o mejor solucin entera, que inicialmente tiene valor
~
de Z 0 .

Si la solucin es entera, se ha conseguido la solucin ptima y la incumbente toma el

valor del problema resuelto. En caso contrario, contine al paso 2.
Paso 2:
En el nodo del rbol se obtuvieron las soluciones, entonces escoja arbitrariamente
una variable entera X i , cuyo resultado en el paso 1 sea fraccional e igual a X Bi , es
decir X i X Bi .

Paso 3:
Efectu una ramificacin del problema original, es decir, resuelva un par de nuevos
problemas, similares al problema anterior, pero se le adicionar a cada problema una
restriccin que impida tomar el valor X i X Bi , es decir:
1. El problema original con una restriccin adicional X i X Bi :
( Pk ) Max
Z CX
sa :
AX b
X i X Bi
x0
1. El problema original con una restriccin adicional X i X Bi 1 :
( Pk ) Max
Z CX
sa :
AX b
X i X Bi 1
x0

La notacin X i se refiere al entero menor de X i , (a modo de ejemplo:

3,25 3 3,25 1 4 ). La resolucin de este tipo de problemas, se puede hacer
por anlisis de sensibilidad agregando una restriccin.
Paso 4:
De los programas lineales resueltos en el paso 3, inclyase en el anlisis a seguir
solo aquellos programas cuya solucin (entera o fraccional) sea mejor a cualquiera
de las soluciones enteras conocidas (esto es el mayor en el caso de maximizar o
menor en el caso de minimizar). Lo anterior indica el proceso de acotamiento (o
poda) de una rama, ya que un nodo del rbol puede no requerir ms ramificaciones.
En este caso puede ocurrir:

1. El problema en el nodo es infactible, por lo que todos los subproblemas

generados a partir de l sern infactibles tambin.
2. El problema en el nodo tiene un valor ptimo Z * peor que la mejor solucin entera
encontrada Z * Z , por lo que todos los subproblemas generados a partir de l
sern peores.
3. El problema en el nodo tiene una solucin entera. Si el valor ptimo Z * es mejor
que la mejor solucin encontrada hasta el momento Z * Z , actualizamos el
incumbente como Z Z * .

Paso 5:
Seleccione aquel programa lineal que tenga el mejor valor de la incumbente, es
decir, mximo valor de la funcin objetivo del subproblema (o mnimo en caso de
minimizacin de la funcin objetivo). Si las variables definidas enteras tienen valor
entero se ha conseguido la solucin ptima. En caso contrario, regrese al paso 2 con
la estructura del problema lineal resuelto en este paso.
 Empezar

Resolver el
programa lineal
(relajado)
correspondiente

Escoja de esta estructura

Es la
Solucin una variable entera Xi, cuyo
SI solucin NO
ptima resultado es fraccionario e
entera?
igual a XBi

Pare Resuelva dos problemas

lineales iguales al anterior,
pero con restriccin:
X i X Bi y Xi XBi 1

Incluyase en el anlisis slo

Seleccione aquel
aquellos programas cuyo
programa lineal que
resultado sea mejor a
tenga el mejor valor
cualquiera de las soluciones
de la funcin objetivo
enteras conocidas
Ejemplo:
Dado el siguiente problema, resulvalo mediante el algoritmo B&B:
Max
Z 5 X1 8 X 2
sa :
X1 X 2 6
5 X1 9 X 2 45
X1 , X 2 0 y enteros

Como es el nico problema en la lista, lo resolvemos; en un caso real, esta relajacin

se debe resolver mediante el mtodo simplex, pero para fines acadmicos se
aplicar el mtodo grfico, del cual se obtiene la solucin ptima:
X2

Restriccin 1

6
Restriccin 2

5
2 ,25
X 0 = 41
3, ,25
75
1=
Z

2=
X

RSF
 X2

Restriccin 1

6
Restriccin 2

2 ,25
X 0 = 41
3, ,25
75
1=
Z

2=
X
RSF

X1

6 8 9
Funcin
Objetivo

Z0 41,25; X1 2,25; X 2 3,75

Como vemos, las dos variables son fraccionales, por lo cual, se puede tomar
cualquiera de ellas como variable de ramificacin. Escojamos arbitrariamente X 2 para
ramificar, por lo cual, se generan los siguientes problemas:

( P1 ) Max Z 5 X 1 8 X 2 ( P2 ) Max Z 5 X 1 8 X 2
sa : sa :
X1 X 2 6 X1 X 2 6
5 X1 9 X 2 45 5 X1 9 X 2 45
X2 3 X2 4
X1 , X2 0 X1 , X2 0
X2 X2

Restriccin 1
Z1 39; X1 3; X 2 3 Restriccin 1
Z 2 41; X1 1,8; X 2 4
6 6
Restriccin 2

5 5

X =1, 1
X 2 =4
8
Z

4
1
2=
RSF
X 1 = 39
3
1=
Z

3
2=
X

RSF

X1 X1

6 8 9 6 8 9
Funcin Funcin
Objetivo Objetivo
En este caso, el (P1) tiene soluciones enteras y nos permite actualizar el incumbente
~
a Z 33 . Pero notemos que (P2) tiene un valor objetivo mayor que el incumbente,
por lo cual, es posible encontrar posibles soluciones enteras con mejor valor de la
incumbente anterior. De esta manera, se genern dos nuevos problemas a resolver
al tener que restringir X1, ya que X2 es entera:

( P3 ) Max Z 5 X 1 8 X 2 ( P4 ) Max Z 5 X 1 8 X 2
sa : sa :
X1 X2 6 X1 X2 6
5 X1 9X2 45 5 X1 9X2 45
X2 4 X2 4
X1 1 X1 2
X1 , X2 0 X1 , X2 0

X2 X2

Z3 40,55; X1 1; X 2 4,44
Restriccin 1 Restriccin 1
Z 4 ; X 1 ; X 2 Infactible
6 6
Restriccin 2 Restriccin 2
1 5
,
X 40

5 5
2=

le
1=

4
Z

tib
4,
2=

c
fa
X

In
RSF

X1 X1

6 8 9 6 8 9
Funcin Funcin
Objetivo Objetivo
En este caso, el (P4) no puede ser resuelto, debido a su infactibilidad, generando que
no sea posible su ramificacin. Notemos que (P3) tiene un valor objetivo mayor que el
incumbente, por lo cual, es posible encontrar posibles soluciones enteras y con mejor
valor de la incumbente. De esta manera, se generan dos nuevos problemas a
resolver al tener que restringir X2, ya que X1 es entera:

( P5 ) Max Z 5 X 1 8 X 2 ( P6 ) Max Z 5 X 1 8 X 2
sa : sa :
X1 X2 6 X1 X2 6
5X1 9X 2 45 5X1 9X 2 45
X2 4 X2 4
X1 1 X1 1
X2 4 X2 5
X1 , X2 0 X1 , X2 0
X2 X2

Restriccin 1
Z5 37; X1 1; X 2 4 Restriccin 1
Z 6 40; X1 0; X 2 5
6 6
Restriccin 2 Restriccin 2

X 2 = 40
0
1=
Z

5
2=
X
5 5
X 2 = 37
1
1=
Z

4
2=

RSF
X

RSF

X1 X1

6 8 9 6 8 9
Funcin Funcin
Objetivo Objetivo
Notemos que el (P5) y (P6) tienen soluciones enteras, por lo cual es necesario
actualizar la incumbente: si analizamos el (P5), el valor objetivo es mayor que la
incumbente anteriormente establecida, es decir, es necesario actualizar dicho valor a
~
Z 37 , pero si analizamos ahora el (P6), el valor de esta solucin es mejor que la
incumbente recin obtenida, por lo cual, hay que actualizar nuevamente dicho valor a
~
Z 40 . Esto nos permite indicar que cualquier valor que se obtenga, ya sea al
ramificar (P3) o (P5) siempre nos dar una peor incumbente.

Finalmente, la solucin ptima del problema viene dado por:

Z * 40
X 1* 0
X 2* 5
El rbol de la ramificacin y acotamiento se presenta a continuacin:

P0
X1= 2,25
X2= 3,75
Z0= 41,25

X2 3 X2 4

P1 P2
X1= 3 X1= 1,8
X2= 3 X2= 4
Z1= 39 Z2= 41

X1 1 X1 2

P3 P4
X1= 1
X2= 4,4
Infactible
Z3= 40,5

X2 4 X2 5

P5 P6
X1= 1 X1= 0
X2= 4 X2= 5
Z5= 37 Z6= 40
Ejemplo 1:
( P0 ) max z 5 x1 2 x2
s.a :
2 x1 2 x2 9
3 x1 x2 11
xi 0 , i , enteros

Desarrollo:

Iteracin 1:

Paso 1
Al resolver el PPL se llega como resultado al siguiente tableau ptimo
X1 X2 X3 X4 XB
Z 0 0 0,25 1.5 18,75
X2 0 1 0,75 -0,5 1,25
X1 1 0 -0,25 0,5 3,25
Como ninguna de las variables bsicas es entera entonces se va al paso 2
Paso2
Se escoge arbitrariamente una de las soluciones fraccionales, a modo de ejemplo se
evaluar X 2 1,25

Paso 3
Se resuelven dos problemas lineales distintos uno con restriccin adicional
X 2 1,25 1 y el otro problema con otra restriccin adicional, la cual es
X 2 1,25 1 2 , es decir:

( P1 ) max Z 5 X 1 2 X 2 ( P2 ) max Z 5 X 1 2 X 2
s.a : s.a :
2 X1 2 X 2 9 2 X1 2 X 2 9
3 X 1 X 2 11 3 X 1 X 2 11
X2 1 X2 2
X i 0 , i , enteros X i 0 , i , enteros
Problema 1 Problema 2

Aplicando anlisis de sensibilidad cuando se agrega una restriccin adicional a un

PPL (se utilizar la tcnica de la cota superior) y solucionndolo, quedan los
siguientes tableau:
Problema 1:
X1 X2 X3 X4 XB
Z1 0 0,33 0 1,67 18,67
X3 0 -1,33 1 -0,67 0,33
X1 1 -0,33 0 0,33 3,33

Problema 2
X1 X2 X3 X4 XB
Z2 0 3 2,5 0 16,5
X4 0 -2 -1,5 1 1,5
X1 1 1 0,5 0 2,5

Paso 4
Como no hubo solucin entera en todo el proceso, se incluyen ambos tableau en el
anlisis.

Paso 5
Como el mejor valor de la funcin objetivo hasta el momento corresponde al
problema 1, entonces este nuevo problema se toma como base y se vuelve al paso
2.
Iteracin 2:

Paso 2
Se escoge arbitrariamente de esta nueva estructura un resultado fraccional, a modo
de ejemplo x1 = 3,33

Paso 3
Se resuelven los dos problemas lineales nuevamente cada uno con una restriccin
adicional diferente: X1 3,33 3 y X1 3,33 1 4
( P3 ) max Z 5 X 1 2 X 2 ( P4 ) max Z 5 X 1 2 X 2
s.a : s.a :
2 X1 2 X 2 9 2 X1 2 X 2 9
3 X 1 X 2 11 3 X 1 X 2 11
X2 1 X2 1
X1 3 X1 4
X i 0 , i , enteros X i 0 , i , enteros

Resolviendo estos problemas mediante anlisis de sensibilidad o cualquier otro

mtodo, se obtiene que la solucin al tercer problema es consistente, no as la
solucin del cuarto problema que, efectivamente, no tiene solucin (inconsistente),
por lo que este ltimo se descarta su estructura para anlisis posteriores (no existir
ramificacin asociada a este nodo).
El tableau del tercer problema es el siguiente:

X1 X2 X3 X4 XB
Z3 5 2 0 0 17
X3 -2 -2 1 0 1
X4 -3 -1 0 1 1

Paso 4
Por ser una solucin entera, se incluye en el anlisis

Paso 5
Los valores finales del problema tercero, nos permitirn llegar al ptimo del problema
original, es decir:
Z 17 Z 17
X 1 0 3 X1 X1 3 X1 3
X 2 0 1 X 2 X 2 1 , o sea: X 2 1
X3 1 X3 1
X4 1 X4 1
El problema anterior, se puede representar como una red con estructura de rbol:

P0
X1= 3,25
X2= 1,25
X3=0
X4=0
Z0= 18,75

X2 1 X2 2

P1 P2
X1= 3,33 X1= 2,5
X 2= 1 X2= 2
X3=0,33 X3=0
X4=0 X4=1,5
Z1= 18,67 Z2= 16,5

X1 3 X1 4

P3
X1= 3
X2= 1
P4
X3=1
Inconsistente
X4=1
Z3= 17
 Bibliografa

ADMINISTRACIN DE OPERACIONES. ROGER SCHROEDER. 3ra. edicin.

ADMINISTRACIN DE OPERACIONES. KRAJEWSKI, RITZMAN, MALHOTRA.

8tva. edicin.

ADMINISTRACIN DE OPERACIONES. CHASE, JACOBS. 13ava. edicin.