INTRODUCCIN.

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

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

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

La programacin entera se divide en 3 tipos de modelos:

Programacin Entera Pura: Todas las variables de decisin tienen

valores enteros.
Programacin Entera Mixta (PEM): Algunas de las variables de decisin
tienen valores enteros. Las dems cumplen con la suposicin de
divisibilidad.

Programacin Entera Binaria (PEB): Utiliza variables binaria

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

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

estructura deben ser no-divisibles, son programas enteros. Por ejemplo

Mtodo grfico.
Mtodo de plano de
Mtodos corte.
de solucin Mtodos de Lang
Doing.
Enumeracin implcita.

Lingo/Lindo
Herramientas Excel
computacio
nales Mpl/Cplex
TORA

Puro
Tipos de
Binario
modelos
Mixto

Wagner
Origen Manner
Gomory

problemas de produccin de automviles, prendas de vestir, etc. Qu

significado tendra la produccin de 577.83 automviles?
b) Todos los problemas de transporte, asignacin y redes de optimizacin.
Este tipo de problemas son enteros y dada la estructura tan especial de
estos problemas, tienen mtodos de solucin propios.

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

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

d) El problema del agente viajero. Este problema concierne en un agente

viajero que saliendo de una terminal de ciudad debe visitar una sola vez
n-1 ciudades diferentes, y regresar al punto de partida. Si el costo de

dirigirse a la ciudad j desde la ciudad i es ( ) , se debe terminar

la secuencia de visita de ciudades, tal que el costo total asociado sea el
mnimo. Este problema se present por primera vez en 1960, en un artculo
de Miller, Tucker, Zemling, pero hay una variedad de mtodos que
resuelven el problema dependiendo del tamao de n, el nmero de
ciudades.

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

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

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

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

0 , si = 0,

0 , j=1,2,n
=f ( )=
+ , si > 0
Costo total para la variable
 pertenece al grupo de problemas enteros. Este tipo de costos aparecen
frecuentemente en problemas de transportes, inventarios, localizacin de
plantas, distribucin geogrfica de electores, etc.

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

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

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

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

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

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

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

de localizacin, existe un conjunto de n posibles lugares en donde se
piensa construir n plantas industriales m<n. sea el costo unitario de
transporte de lugar i al lugar j y sea el volumen que se debe transferir
de la planta industrial k a la planta industrial p.
DEFINICIN Y MODELOS DE PROGRAMACIN ENTERA Y
BINARIA

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

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

La programacin entera mixta (PEM) se ocupa solo cuando algunas de las

variables deben ser enteros y la suposicin de divisibilidad se cumple para el
resto.

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

Las programaciones enteras binarias son aquellas donde incluyen decisiones de

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

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

A este tipo de problemas de programacin entera binaria tambin se les conoce

como problemas 0-1 de programacin entera.
DESCRIPCIN DEL MTODO
Lo primero que se debe saber, es que al ser las decisiones de Si o No, todas las
variables de decisin tienen la forma binaria. La representacin de lo anterior
queda as:

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

+ 1

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

=
=

Pero para colocar lo anterior como restriccin vlida para modelacin, se debe
igualar a 0.

Como paso final para modelar se ponen las restricciones 1 y 0 para indicar
que solo entre esos valores pueda estar la optimizacin.

0
Donde:

j= Nmero de variables de decisin.

Ejemplo:

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

los pasos para desarrollarlo en programacin entera binaria.

La CALIFORNIA MANUFACTURING COMPANY analiza la posibilidad de llevar

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

EL MODELO PEB

An cuando este problema se puede resolver con un simple razonamiento -

construir fbricas en ambas ciudades, pero ningn almacn, se formular
como ejemplo.

Sea:

Z= valor neto de estas decisiones.

Si se hace la inversin para construir una instalacin dada de manera que la

variable de decisin correspondiente tenga valor de 1, el valor neto estimado
de estas inversiones aparece en la cuarta columna de la tabla. Si la inversin no
se hace y, por tanto, la variable de decisin es igual a 0, el valor presente
neto es 0.
TABLA 1 Datos del ejemplo de la California Manufacturing Co.

Pregunta Si o No Variable de Valor

Nmero de decisin presente Capital
decisin neto requerido
1 Construir la fbrica $9 millones $6 millones
en Los ngeles?
2 Construir la fbrica $5 millones $3 millones
en San Francisco?

3 Construir el $6 millones $5 millones

almacn en Los
ngeles?
4 Construir el $4 millones $2 millones
almacn en San
Francisco?

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

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

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

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

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

Como las ltimas dos decisiones representan alternativas mutuamente

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

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

De manera similar, el requerimiento de que x4= 0 si x2= 0 se impone con la

restriccin:

Por tanto, despus de escribir de nuevo estas dos restricciones para que todas

las variables queden en el lado izquierdo, el modelo completo de PEB es

Maximizar Z= 9 + 5 +6 + 4

s.a

es entera , para j = 1, 2 ,3 , 4.
De manera equivalente las 3 ltimas lneas de este modelo se puede sustituir por
una sola restriccin.

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

Excepto por su tamao pequeo, este ejemplo representa muchas aplicaciones

reales de programacin entera en las que las decisiones bsicas que se toman
son del tipo s o no.

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

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

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

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

Punto ptimo

= 1

= 0

= 0

= 0

Funcin objetivo en el punto ptimo 9.

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

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

En este trabajo hemos abarcado los distintos tipos de metodologas que

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

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

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

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

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

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

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

7 edicin, McGRAW-HILL, Mxico, 2002.

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

Educacin, Mxico, 2012.

Prawda Witenberg Juan, MTODOS Y MODELOS DE INVESTIGACION DE

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

Gallagher Charles A., Watson Hugh J., MTODOS CUANTITATIVOS PARA LA

TOMA DE DECISIONES EN ADMINISTRACIN, McGRAW-HILL,

Winston Wayne L., INVESTIGACION DE OPERACIONES, Aplicaciones y

Algoritmos, 4 edicin, Cengage Learning Editores, Mxico, 2005.