M.C.

Irma Estrada Patio

Captulo 5

Programacin Entera

Contenido: 5.1 Introduccin y casos de aplicacin 5.2 Definicin y modelos de programacin entera 5.3 Mtodo de ramificar y acotar (Branch and Bound) 5.4 Mtodo de planos cortantes 5.5 Algoritmo aditivo de Balas 5.6 Ejercicios

126

M.C. Irma Estrada Patio

PROGRAMACIN ENTERA 5.1 Introduccin y casos de aplicacin

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. Casos de la programacin entera (binaria) Esto sucede cuando en el modelo lineal ponemos condiciones, entonces se deber definir una nueva variable con resultados 0,1 Ejemplo 1. Modelo de costo fijo. En muchas de las aplicaciones, el costo de produccin tiene dos componentes: un costo de puesta en marcha, que es un cargo fijo que no esta relacionado con el volumen de produccin, y un costo variable, o utilidad, que esta relacionado directamente con dicho volumen. El uso de la variable 0-1 hace posible la inclusin del costo de puesta en marcha fijo en la mezcla de productos o en el problema de programacin de produccin. Ver el siguiente ejemplo. Un producto tiene una utilidad de $120/unidad. Sin embargo se cuenta con un costo de mantenimiento de la maquina de $2450.00 por tanda de produccin. Este costo seria cero si no se produce ninguna unidad. Representacin de la situacin: Max Z= 120X 2450Y Y1 X MY X0; Y=0,1 Sea X el nmero de unidades producidas en donde Z es > 0 si X > 0, y Z = 0 si X = 0 Sea Y valor de una nueva variable que toma los valores 0 1 Cuando Y = 0, la segunda restriccin obliga a que X sea 0 y Z sea tambin 0; cuando Y = 1, no existe lmite practico sobre X; adems el costo del cargo fijo $2450.00 se deduce de la utilidad .Por lo tanto, el uso de cero/uno o de la variable binaria con enteros Y permite formular este tipo de problemas con restricciones lineales. Ejemplo 2. Presupuesto de capital. Gran parte de la flexibilidad de modelos obtenida mediante la programacin lineal de enteros se debe al uso de las variables 0-1. En muchas aplicaciones, las variables 0-1 aportan selecciones o elecciones con el valor de la variable igual a uno si una actividad correspondiente se efecta e igual a cero si la actividad correspondiente no se efecta. Ver el siguiente ejemplo. Una compaa constructora esta pensando en invertir en varios proyectos que tienen necesidades de capital a lo largo de los siguientes tres aos. Los datos de entrada esperados de cada proyecto y los gastos anuales (en millones de pesos) se encuentran en la siguiente tabla.
Proyecto A B C Fondos disponibles Ao 1 15 10 15 30 Ao 2 10 15 10 50 Ao 3 10 20 10 30 Rendimiento 60 40 35

El modelo de programacin lineal de enteros 0-1, en millones de pesos esta representado de la siguiente manera:

127

M.C. Irma Estrada Patio

X1 = 1 si se acepta efectuar el proyecto A y 0 si no se acepta X2 = 1 si se acepta efectuar el proyecto B y 0 si no se acepta X3 = 1 si se acepta efectuar el proyecto C y 0 si no se acepta La funcin objetivo de la empresa es maximizar el valor del rendimiento en todos los proyectos aceptados. El problema tiene 3 restricciones ya que esta sujeto a fondos disponibles para realizar los proyectos por ao. Mx Z = 60 X1 + 40X2 + 35 X3 Sujeto a 15X1 + 10X2 + 15X3 30 10X1 + 15X2 + 10X3 50 10X1 + 20X2 + 10X3 30 X1, X2, X3 = 0,1 La solucin para este problema usando el QSB determina lo siguiente: X1 = 1; X2 = 1; X3 =0 y Z = 100. Esto quiere decir que se aceptan los proyecto A, y B, pero no el C con un valor mximo de Z = 100 Ejemplo 3. Restriccin tipo Y/O. Algunas veces en una situacin de toma de decisiones, debe mantenerse una u otra de las restricciones, pero no ambas. Ver el siguiente ejemplo. 2X1 + 3X2 5 4X1 +2X2 7 Pero no ambas Se identifica una nueve variable llamada Y cero/uno de tal manera que quedara la restriccin 2X1 + 3X2 5 + MY 4X1 +2X2 7 + M (1-Y) Cuando Y = 0, la primera restriccin es obligatoria; pero el lado derecho de la segunda se vuelve muy grande y por lo tanto no es obligatoria. Al contrario, cuando Y = 1, la segunda restriccin obliga, pero la primera no, porque MY es muy grande. Ejemplo 4. Ubicacin de una planta. Algunas empresas se pregunta donde localizar su prxima empresa, y haciendo uso de la programacin con enteros podemos solucionar este tipo de problemas. Ver el siguiente ejemplo. El servicio de estudios de una empresa pretende construir nuevas fbricas en las ciudades A y B. Desea adems, construir un nuevo almacn, pero ste debe hacerse en una de las ciudades donde se construya una fbrica. La tabla siguiente muestras los datos de valor actual neto, el costo de la inversin, en millones de pesos. El problema se representa de la siguiente manera. Tabla de datos Construccin Valor actual neto Costo de inversin Fabrica en A 12 9 Fabrica en B 8 6 Almacn en A 9 8 Almacn en B 7 5 El presupuesto es de 13 millones de pesos La formulacin del problema usando programacin entera. X1 = 1 si se construye la fabrica en la ciudad A y 0 si no se construye X2 = 1 si se construye la fabrica en la ciudad B y 0 si no se construye X3 = 1 si se construye el almacn en la fbrica A y 0 si no se construye X4 = 1 si se construye el almacn en la fbrica B y 0 si no se construye
128

M.C. Irma Estrada Patio

Mx Z = 12 X1 + 8X2 + 9X3 + 7X4 (maximizar el mximo valor neto) Sujeto a 9X1 +6X2 +8X3 +5X4 13 (presupuesto de inversin) X3 +X4 1 (construccin de a lo sumo un almacn) X3 X1 (solo se puede construir un almacn en A (B) si se construye una fabrica en A (B)) X4 X2 (idem) X1=X2 = X3 = X4 = 0,1 La solucin para este problema usando el QSB determina lo siguiente: X1 = 0, X2 = 1, X3 = 0, X4 = 1, con un valor de Z = 15. Esto quiere decir que se va a construir la fbrica en la ciudad B y el almacn en la fbrica B.

5.2 Definicin y modelos de programacin entera

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. Este tipo de problemas se pueden resolver mediante el uso de algoritmos especiales A continuacin se presentaran los tres problemas con estructura entera. Problema Entero (PE) Opt Z = cX AX b X 0, entero Problema entero-mixto (PEM) Opt Z = AX + cX + dY BY b < X 0, Y 0, entero

Problemas entero-cero-uno (PECU) o problema binario (PB) Opt Z = cX + AX b < X = 0, 1

5.3 Mtodo de BRANCH AND BOUND (ramificar y acotar)

Este mtodo algoritmo se desarroll con el con el objeto de resolver el problema del agente viajero. El problema consiste en encontrar la ruta que debe de seguir el agente en tal forma que minimice el costo del viaje despus de visitar n ciudades volviendo al punto de partida sin pasar dos veces por la misma ciudad.
129

M.C. Irma Estrada Patio

Supongamos que se tiene 4 ciudades con los correspondientes costos de viaje entre ciudades. 1 2 3 4 1 * 10 12 18 2 7 4 10 3 11 10 8 4 6 12 8 *costo infinito ya que no tiene sentido ir de la ciudad i a la ciudad i El problema se reduce a realizar una asignacin entre ciudades obteniendo as la ruta deseada. Un ejemplo sera el indicado en la matriz de costos: De 1 2 3 4 A 2 3 4 1 1 2

4 Costo 23 unidades

Este problema no es un caso de asignacin comn y corriente ya que es posible que al aplicar el algoritmo de asignacin lineal se genere una solucin que no cumple con el requisito de un viaje completo, como sera el caso siguiente: 1 2 3 4 1 * 4 6 5 2 3 8 4 3 8 5 1 4 7 6 2

De 1 a 2 y de 2 a 1; de 4 a 3 y de 3 a 4 El algoritmo de Branch and Bound ayuda en la solucin de este tipo de problemas al examinar el conjunto de soluciones factibles en busca de la solucin optima. Este algoritmo se basa en subdividir el conjunto de posibles soluciones en subconjuntos mutuamente exclusivos: Ver fig. 5.1

Todos los viajes i,j i.j m,n m,n k,l k,l

Fig.4.1modelo general ramificar y acotar

130

M.C. Irma Estrada Patio

El nodo i, j indica los viajes que incluyen ir de la ciudad i, a la ciudad j, en cambio el nodo i, j indica los viajes que no incluyen ir de la ciudad i a la ciudad j. Los dems nodos se pueden interpretar de manera similar. Para cada rama (nodo) se obtiene el lmite inferior el cual sirve como base para el algoritmo al indicar cual es el conjunto de posibles viajes con mejores posibilidades. Este conjunto se divide en nuevos subconjuntos calculando sus lmites inferiores y en cada nueva subdivisin seleccionamos como origen el nodo con mejores posibilidades hasta obtener la solucin ptima. A partir del siguiente problema ilustraremos el algoritmo ver datos en la fig. 5.2 Paso I. Es necesario generar un cero en cada rengln y columna registrando el total de unidades en que se redujo la matriz ver fig. 5.3 1 2 3 4 1 5 8 6 2 4 10 5 3 9 6 2 4 8 7 4 1 2 3 4 1 0 4 4 2 0 6 3 3 5 1 0 4 4 2 0 reduccin (4) (5) (4) (2) Total =15

Fig.5.2 datos del problema original

Fig.5.3 primer calculo de reduccin

Paso II. Se calculan los costos de excluir algn par de ciudades. O sea cual es el costo en el que se incurrir al no seleccionar ese par de ciudades en la ruta. Esto se hace para los ceros ya generados (los pares de ciudades de costo menor). Por ejemplo: si de 1 nos vemos a 2 (excluir 1 2 de la ruta) lo menos que nos costar esta decisin es: de 1 ir a 4 cuyo costo es el menor (4) y llegar a 2 de 4 (3) en total 7 unidades, este es el costo de exclusin para (1,2) En general el mnimo costo de excluir un par de ciudades se calcula de la siguiente forma: Para el par (i, j), el costo de exclusin es la suma del elemento menor de la columna j y del elemento menor del rengln i. (se excluye la celda i, j) Aplicando la anterior se tendr la siguiente tabla: 1 2 3 4 1 0 4 4 2 *0 6 3
7

3 5 1 0 4

4 4 2 06

*costo de exclusin Paso III Se selecciona el par de ciudades con costos de exclusin mayor (para minimizar el costo del viaje) Se cancelan el rengln i y la columna j y se cambia el costo de ir de j i ya que es imposible realizar eses viaje puesto que se volvera al punto de partida lo cual no es factible por lo que el costo de j i ser infinito para asegurar que no se seleccionar ese par como parte de la ruta.

131

M.C. Irma Estrada Patio

Todos los viajes 1,2 LI=22

LI =15 +5 1,2 LI=20

Los lmites inferiores de (1,2) y de (1,2) son: El lmite inferior de (1,2) es de 15+7 ya que al no incluir (1,2) lo menos que nos costar ser 7 unidades ms. El lmite inferior de (1,2) es de 15 ms las unidades que sean necesarias para que la matriz que incluye el par (1,2) tenga ceros en sus columnas y renglones. 1 2 1 ~ * 4 4 2

~ 1 0

~ 2 0 primer columna no tiene ningn cero es necesario 4 1 0 reduccin (1) Total=5

*de 2 a 1 no es factible. Como el segundo rengln y la reducir la matriz 1 2 3 1 2 * 0 3 0 4 0 0 (4)

Por lo tanto el lmite inferior para (1,2) es: LI = 15 + 5 = 20 Paso IV. Se investiga el subconjunto (rama) que tenga el lmite inferior menor. En este caso ser el conjunto de viajes que incluyen el par (1,2) = LI =20 Paso V. Los costos de exclusin considerando como parte de la ruta a (1,2) se calculan de la matriz en la que marcamos ese par (se elimin) 1 1 2 3 4 * 00 00 2 3 01 0 4 1 01

El par con costo de exclusin mayor es: (2,3) y (3,4) con un costo de una unidad. Seleccionando el par (2,3), (arbitrariamente) se tiene:

132

M.C. Irma Estrada Patio

Todos los viajes 1,2 LI=22 aan LI=21 2,3

15

20 1,2 2,3 LI=20

El lmite inferior de (2,3) es 21 debido a que al no incluir el par (2,3) el costo ser aumentado en una unidad. El lmite inferior de (2,3) depender de si al eliminar el segundo rengln y la tercer columna, no es necesario reducir la matriz para tener ceros en columnas y renglones. 1 2 3 4 1 2 3 00 0 4 0 Reduccin = cero El lmite inferior de (2,3) ser: LI= 20+0=20 Paso VI. De las ramas la que tiene el lmite inferior es la rama que incluye a (2,3), LI= 20 El par con costo de exclusin mayor ser: (3,4) y (4,1) con un costo infinito. ( de la matriz V) se tiene. Todos los viajes 1,2 LI=22 aan LI=21 LI=2 3,4 2,3
15

20 1,2 2,3 LI=20 3,4 LI=20

El lmite inferior de (3,4) es infinito debido a que el costo de excluir (3,4) es infinito. El lmite inferior de (3,4) es: 1 2 3 4 1 2 3 4 0 Reduccin = cero De donde: LI=20+0 =20

133

M.C. Irma Estrada Patio

VII. El l {imite inferior es el de la rama que incluye a (3,4) y la nica seleccin posible es el par (4,1), por lo tanto se tiene que ver grafica: 15

Todos los viajes 1,2 LI=22 aan LI=21 2,3

20 1,2 2,3 LI=20 LI=2 3,4 4,1 LI= 3,4 LI=20 4,1 LI=20

El lmite inferior de (4,1) es 20, ya que con la seleccin ya no es necesario seguir analizando la matriz porque esta rama representa una ruta completa. Paso VIII. La rama con lmite inferior menor es la que incluye a (4,1) y como representa una ruta completa por lo tanto ser solucin ptima. El costo del viaje es de 20 unidades. Ir de 4 a 1 de 4 a 3 , de 1 a 2 y de 2 a 3 Si solucionamos el problema por enumeracin se tendrn las siguientes rutas: ruta costo 12341 20* 12431 21 13241 33 13421 23 14231 27 14321 25 *costo optimo Se puede ver que el ptimo coincide con el encontrado. La razn por la cual en el anlisis original no se desarroll la rama (2,3) fue porque su limite inferior era de 21 unidades y el de (2,3) era de 20 unidades, y esto significa que lo mejor que se puede obtener desarrollando esa rama es una ruta con un costo de 21 unidades, en cambio si se desarrolla la de (2,3) lo mejor que se puede obtener es una ruta con un costo de 20 unidades.

134

M.C. Irma Estrada Patio

A continuacin se presentar el algoritmo de Branch and Bound aplicado a un problema de asignacin y a uno de programacin entera.
I. II. Algoritmo de Branch and Bound para el problema de asignacin lineal (Caso Minimizar) Establecer como lmite superior inicial de la funcin objetivo (LS0 = ) Encontrar el lmite inferior inicial de la funcin objetivo al examinar la matriz de costos del problema: seleccionar de cada columna el costo menor y sumar los costos seleccionados. (LI= mnimo posible, no necesariamente factible). Partir del origen o conjunto que representa todas las soluciones y descomponerlo en varios subconjuntos (ramas), al asignar el primer trabajo a diferentes trabajadores.

III.

origen A-1.. C-1... X-1

Cada asignacin posible representa un nodo en el diagrama IV. Determinar el lmite inferior de cada rama o subconjunto o sea el mnimo valor posible (no necesariamente factible), para lo cual se elimina de la matriz de costos la columna del trabajo asignado y el rengln del trabajador asignado y se repite lo explicado en el paso dos, obteniendo el costo mnimo posible con respecto a las columnas no asignadas; la suma de este costo y el de asignacin hecha hasta el momento nos darn el lmite inferior de la rama analizada. Cuando uno de los lmites calculados represente una solucin factible se marcar con una F. V. Determinar el nuevo lmite superior, para esto es necesario examinar los lmites inferiores de las soluciones factibles, seleccionando el menor de ellos como nuevo lmite superior. LS= Min {LI(factible)} VI. Omitir de posterior investigacin aquellas ramas cuyo lmite inferior sea mayor que el nuevo lmite superior Si al terminar este paso no queda ninguna rama excepto la rama que nos indica el lmite superior, entonces sta ser la solucin ptima. De lo contrario pasar al paso VII porque an no se obtiene el ptimo. VII. Iniciar la siguiente descomposicin en el nodo con menor lmite inferior. Esto se logra asignando el siguiente trabajo a cada uno de los trabajadores disponibles (sin trabajo asignado). Se ilustrar el algoritmo a travs del siguiente ejemplo: se quiere asignar de manera ptima 4 trabajadores a 4 tareas los costos de adaptacin y preparacin se indican a continuacin:
135

M.C. Irma Estrada Patio

A trabajadores B C D Paso I. LS0 = Paso II. LI= 5+6+4+3=18 Paso III. (asignar el trabajo 1)

1 5 10 5 5

Tareas 2 3 6 4 7 8 6 4 7 4

4 8 9 3 6

origen
A-1 B-1 C-1 X-1

Paso IV. Lmites inferiores: 1 5 7 6 7 LI=18 8 4 4 9 3 6 B 1 6 10 6 7 LI=23 4 4 3 6 C 5 7 LI=21 4 6 D 5 LI=18 4 8 1 6 7 4 8 8 9 1 6 7 6 4 8 4 8 9 3

Paso V. Nuevo lmite superior LS=23 Paso VI. No podemos eliminar ninguna rama. Paso VII. Iniciar siguiente ciclo comenzando en A-1
B-2 18 A1 B-1 23(F) C-1 D-1 18 21 D-2 C-2

136

M.C. Irma Estrada Patio

Paso IV.
A B 1 5 2 A 7 6 7 4 4 3 6 C 1 5 5 2 8 6 1 4 9 6 A 1 D 1 5 7 LI= 5+7+(4+3) LI=19 2 8 4 9 3

LI=5+7+(4+3) LI=19(F)

LI= 5+6+(4+6) LI=21

Paso V. Nuevo lmite superior LS= Mn LI (F)=19 Paso VI. Eliminar las ramas que no se considerarn
B-2 A-1 B-1 23(F) C-1 D-1 18 21 C-2 D-2 19F 21 19

Paso VII. Iniciar el siguiente ciclo en D-1 (o sea asignar trabajo 2)

B-2 A-1 B-1 X C-1 X D-1 18 A-2 D-2 C-2 C-2 D-2 19F X 19

Paso IV.
1 A D 5 2 6 B 8 4 9 3 D 5 1 2 4 7 4 3 C D 6 5 LI= 5+6+(4+8) LI=23 8 1 2 4 8 8 9

LI=5+6+(4+3) LI=18

LI= 5+7+(4+3) LI=19(F)

137

M.C. Irma Estrada Patio

Paso V. Nuevo lmite superior

B-2 A-1 B-1 X C-1 X D-1 18 A-2 D-2 C-2 23 X 18 19(F) C-2 D-2 19F X 19

Paso VI. Se elimina D-1, C-2 Paso VII. Iniciar siguiente ciclo en D-1, A-2 (asignar trabajo 3)
B-3 D-1 18 A-2 C-3

Paso IV.
1 A B D 5 LI=22(F) 2 6 3 A 8 3 C D 5 1 2 6 3 9 4 LI= 24(F)

Paso V. Nuevo lmite superior

B-2 A-1 B-1 X C-1 X D-1 18 A-2 18 B-3 C-3 24 X D-2 C-2 23 X 19(F) C-2 D-2 19F X 19 22 X

138

M.C. Irma Estrada Patio

Paso VI. Se eliminarn D-1, A-2, B-3 y D-1.A-2, C-3 Paso VII. Iniciar siguiente ciclo en A-1, DA-1 D-2 19 B-3

C-3

Paso IV.
A B C D 1 5 2 3 9 4 7 LI=25 (F) A B C D 1 5 2 3 8 3 7 LI= 23 (F)

Paso V. Nuevo lmite superior

B-2 A-1 B-1 C-1 D-1 A-2 18 D-2 19(F) C-2 23 X X X B-3 C-3 C-2 19F X 23 F X

D-2 19 25F X 22 X 24 X

Paso VI. Se eliminan B-3 y C-3 Paso VII. Como las dos ramas faltantes son factibles e iguales al lmite superior concluimos que tenemos la solucin ptima y que es mltiple.
A B C D 1 5 2 7 3 4 Costo = 19 Solucin 1 3 4 A B C D 1 2 7 3 5 Costo =19 Solucin 2 3 4 4

Nota: Si se trata de un problema de maximizacin todo sera igual excepto que se buscara los valores mayores y los lmites seran: lmite inferior en cada ciclo y lmite superior en cada rama.
139

M.C. Irma Estrada Patio

I.

Mtodo de Ramificar y acotar tambin llamado ALGORITMO DE BRANCH AND BOUND para problemas de Programacin Entera. Se encuentra la solucin ptima del problema original sin tomar en cuenta que las variables tiene que ser enteras. Si los valores de las variables restringidas a ser enteras resultan enteros el problema se termina. En caso contrario se toma como lmite superior la solucin obtenida. Y se va haciendo un diagrama arbolar para llevar un seguimiento de las ramas, analizando el problema por nivel. Se introduce al sistema original la restriccin de que una variable (de las que tienen que ser enteras) estar definida en un rango determinado dependiendo del valor obtenido para esa variable en el paso I. Estableciendo un particin en el rango tomando como base el valor obtenido en la solucin anterior. En este caso para valores de X1, ..Xn. por lo que un conjunto ser valores mayores, partiendo del entero ms cercano y el otro conjunto ser de valores menores que, partiendo del entero ms cercano. Se resuelve por dual simplex Se obtiene la solucin de ambos problemas aplicando el mtodo simplex ya que cada rama representa un nuevo problema pues se adiciona una restriccin diferente. Si en la solucin obtenida el valor de X1 es entero se incorpora la restriccin de otra variable (digamos X2) de manera similar a lo hecho en II y se repite el paso III hasta obtener una solucin entera cuyo lmite superior sea mayor (en cada nodo el lmite superior es el valor de la funcin objetivo). En caso que no se obtenga una solucin entera de X1 se siguen restringiendo los valores posibles de X1 cada vez en base a la ltima solucin obtenida. Cuando el sistema se vuelva inconsistente, es decir que una de las restricciones sea imposible, el nodo correspondiente representa un absolucin no factible y su LS tendr que ser inconsistente sin solucin.

II.

III. IV.

V.

Ejercicio para ilustrar el procedimiento: Max Z = X1 2X1 X1 +2X2 +X2 9 +4X2 12 X1, X2 0 y enteros

Paso I Se encuentra la solucin ptima del problema original sin tomar en cuenta que las variables tienen que ser enteras. En este caso se usa el Mtodo Simplex ver la tabla 5.1 siguiente Base Z X1 X2 X1 0 1 0 X2 0 0 1 S1 2/7 4/7 -1/7 S2 3/7 -1/7 2/7 Sol. (54)/7 7.71 (24)/7 3.42 (15)/7 2.14

Tabla 5.1 solucin no entera usando el Mtodo Simplex

Como se puede observar en la tabla 1 simplex la solucin X1 y X2 no es entera. Sol Z= 7.71, X1=3.42, X2 = 2.14
140

M.C. Irma Estrada Patio

Paso II y III Restringir a valores enteros el valor de X1 (puede tomarse cualquiera de las dos pero para seguir un orden se inicia con X1 ver grafica 5.4 de niveles Nivel 1 X1 3
Z= 7.5 X1=3 ; X2=2.25 Tabla 2 Z= 7.71 X1=3.42 X2 = 2.14 Tabla 1

X1 4
Z= 6 X1= 4; X2= 1 Sol. Entera Tabla 3

X2 2
Z= 7 X1=3 ; X2=2 Tabla 4

X23
Z= 6 X1= 0; X2=3 Tabla 5

Nivel 2 Nivel 3

Grafica 5.4 Diagrama arbolar de niveles

Se inserta la restriccin X1 3; X3 + S3 = 3 en la tabla 1 Base X1 X2 S1 S2 S3 Sol. Z 0 0 2/7 3/7 0 (54)/7 X1 1(-1) 0 4/7 -1/7 0 (24)/7 X2 0 1 -1/7 2/7 0 (15)/7 S3 1+ 0 0 0 1 3 Observe que el rengln correspondiente a la nueva restriccin no forma vector unitario con respecto a la variable bsica X1 , por lo que hay que hacer el vector de la columna X1 unitario, arreglando la tabla quedara. Base Z X1 X2 S3 X1 0 1 0 0 X2 0 0 1 0 S1 2/7 4/7 -1/7 -4/7 S2 3/7 -1/7 2/7 1/7 S3 0 0 0 1 Sol. (54)/7 (24)/7 (15)/7 -3/7

Aplicando el dual simplex para encontrar la nueva solucin: Sale S3 y entra S1 iterando por Dual- Simplex se tiene como resultado la tabla 5.2 Base Z X1 X2 S1 X1 0 1 0 0 X2 0 0 1 0 S1 0 0 0 1 S2 4/7 0 1/4 -1/4 S3 1/2 1 -1/4 -7/4 Sol. (105)/14 3 (63)/(28) 3/4

Tabla 5.2 Solucin ptima no entera

Como se observa en la tabla anterior la solucin no es entera por lo que se analiza el otro valor de X1 para terminar el nivel 2. Esto es se adiciona la restriccin X1 4 a la tabla 1. X1 -4, -X1 + S3 = -4, insertada a restriccin a la tabla y haciendo arreglos bsicos se tiene:

141

M.C. Irma Estrada Patio

Base Z X1 X2 S3

X1 0 1 0 0

X2 0 0 1 0

S1 2/7 4/7 -1/7 4/7

S2 3/7 -1/7 2/7 -1/7

S3 0 0 0 1

Sol. (54)/7 (24)/7 (15)/7 -4/7

Iterando por Dual Simplex se obtiene la tabla siguiente Base Z X1 X2 S2 X1 0 1 0 0 X2 0 0 1 0 S1 2 0 1 -4 S2 0 0 0 1 S3 3 -1 2 -7 Sol. 42/7 4 1 4

Tabla 5.3 Solucin ptima entera pero con valor de Z= 6, menor para el nivel 2

Segn el resultado de la tabla 5.3 la solucin es ptima y entera pero si vemos en el diagrama arbolar de la figura 4. se trata del nivel 2 y Z = 7.5 tiene un valor mayor en la tabla 2 cuya solucin no es entera y debido a esta situacin se busca el entero para ese lado de la rama , continuando el anlisis del problema pasando al nivel 2 abriendo cortes para el valores de X2 2 y X2 3. Se continua haciendo iteraciones como se explicaron los pasos del nivel 2. En el desarrollo del problema se encontraron 3 soluciones enteras y se toma como la ptima aquella con un valor de Z mayor para este caso de maximizacin por lo tanto la solucin bsica, factible ptima y entera es, Z= 7 X1=3; X2=2, como se puede observar en la tabla 5.4, y esta se localiza en el nivel 3 de la grafica 5.4. En caso de tratarse de un problema de minimizacin se toma el valor mnimo de Z. Base Z X1 X2 S1 S2 X1 0 1 0 0 0 X2 0 0 1 0 0 S1 0 0 0 1 0 S2 0 0 0 0 1 S3 15/14 1 0 -2 -1 S4 16/7 0 1 -1 -4 Sol. 7 3 2 1 1

Tabla 5. 4 Solucin final ptima entera con valor de Z= 7

5.4 ALGORITMO DE PLANOS DE CORTES DE GOMORY Este mtodo fue de los primeros que abrieron brecha en la programacin entera. La ventaja del mtodo es que ilustran de manera sencilla lo que se pretende hacer con la regin de factibilidad del problema entero para lograr su solucin. La desventaja es que resulta ineficiente para resolver problemas enteros de tamao mediano. Utiliza como punto de partida la solucin ptima del problema sin incluir las restricciones de que ciertas o todas las variables deben ser enteras, y por medio de cortes al espacio de soluciones se va reduciendo dicho espacio hasta encontrar la solucin ptima del problema que cumpla con las restricciones de las variables enteras.

142

M.C. Irma Estrada Patio

Modelo general Opt Z = cX AX= b X 0, entero Pasos del algoritmo I. Encontrar la solucin del problema original por algn Mtodo conocido; si la solucin es entera quiere decir que se ha encontrado la solucin ptima. En caso contrario pasar al paso II II. Seleccinese el mximo (XBi [XBi]) fraccionario. III. Generar el corte o nueva restriccin del problema. (aij - [aij])Xj (XBi [XBi]) , Adase este corte como un restriccin adicional Debido a que al agregar la ecuacin anterior se tiene solucin bsica ptima no factible es necesario hacerla factible. Para facilitar las operaciones de la tabla Simplex, se recomienda cambiar el sentido de la desigualdad y adicionar la variable de holgura correspondiente. IV. Debido a que al agregar la ecuacin anterior se tiene solucin bsica ptima factible es necesario hacerla factible usando el Mtodo dual Simplex y ver si es optima entera en caso contrario vyase al paso II. Ejemplo. resolver el siguiente problema lineal encontrando la solucin bsica factible entera y ptima. Max Z = X1+ 2X2 sujeto a 2X1 7 2X2 7 X1 + X2 5 X1, X2 0 y enteros Paso I. Encontrar la solucin del problema original por algn Mtodo conocido. Resolviendo por simples se puede ver en la tabla 5.5 la solucin no entera al problema Base Z S1 X2 X1 X1 0 0 0 1 X2 0 0 1 0 S1 0 1 0 0 S2 1/2 1 -1/2 S3 1 -2 0 1 Sol. 17/2 4 7/2 3/2

Tabla 5.5. Simplex ptima no entera

Como se puede observar en la tabla la solucin es bsica factible ptima pero no entera. X1= 3/2; X2 = 7/2; S1 = 4 con Z = 17/2 Paso II. Seleccinese el mximo (XBi [XBi]) fraccionario 7/2 = 3(1/2) 3/2 = 1(1/2) Se selecciona cualquiera de las dos fracciones ya que hay empate. Para este problema seleccionamos la correspondiente a X2 Paso III. Generar el corte o nueva restriccin del problema. (aij - [aij])Xj (XBi [XBi]) (1-1)X2 + (1/2-0)S2 (17/2- 16/2) ; 1/2S2 ... -1/2 S2 -1/2, cambiando a igualdad -1/2S2 + S4 = - 1/2 y se adiciona al sistema, ver tabla 5.6

143

M.C. Irma Estrada Patio

Base Z S1 X2 X1 S4

X1 0 0 0 1 0

X2 0 0 1 0 0

S1 0 1 0 0 0

S2 1/2 1 -1/2 -1/2

S3 1 -2 0 1 0

S4 0 0 0 0 1

Sol. 17/2 4 7/2 3/2 -1/2

Tabla 5.6. Aplicando dual-simplex, para encontrar factibilidad

En la tabla 5.6 debido a que al agregar la ecuacin anterior se tiene solucin bsica ptima no factible es necesario hacerla factible. Aplicando dual-simplex. Sale de la base S4 y entra S2 Base Z S1 X2 X1 S2 X1 0 0 0 1 0 X2 0 0 1 0 0 S1 0 1 0 0 0 S2 0 0 0 0 1 S3 1 -2 0 1 0 S4 -1 2 1 -1 2 Sol. 8 3 3 2 1

Tabla 5.7 Solucin Simplex ptima y entera

En la tabla 5.7 se puede observar la solucin bsica factible ptima y entera. Con valores X1=2; X2 = 3 y Z= 8 Grficamente el problema se representa con las ecuaciones 1/2X4 se puede transformar mediante la ecuacin 2X2 + S2 = 7 en donde S2 = 7-2X2; sustituyendo: (7-2X2) 7-2X2 1 de donde 2X2 6, el alumno deber hacer la grfica y explicar su contenido con el profesor.

5.5 Algoritmo Aditivo de Balas

Este mtodo sirve para resolver problemas binarios (cero-uno) por enumeracin implcita. El modelo matemtico esta representado de la siguiente manera (tomado del voumen 1 de Juan
Prawda):

Mn Z = cjXj Sujeto a aijXj bi , i = 1,..,m Xj = 0 1 , j = 1,..,n Supuestos para trabajar con el algoritmo: a) La funcin objetivo debe ser de maximizacin en caso contrario usar reglas de equivalencia para cambiarla. b) Se requiere que todas las cj 0 . en caso contrario entonces la variable Xj se sutituye por otra Xj, donde Xj = 1-Xj. Es decir Xj es el complemento de Xj Con estas dos suposiciones se puede garantizar la existencia de una solucin inicial que sea bsica factible y dual. Los coeficientes Cj y aij no necesitan ser nmeros enteros. Sea para j = 1,2,,n

144

M.C. Irma Estrada Patio

Xj+ =

Xj, si Xj>0, 0 si Xj0,

X- =

0 si Xj>0 Xj si Xj0,

A un conjunto especfico de variables que describen un problema se le denominar solucin parcial, ya que de aquellas se generarn las soluciones completas del problema. Se denota a una solucin parcial cualquiera por ( j1++, j2--, j3-, j4-, j5+, j6-, j7++,, jp- ) Cuyo significado es el siguiente: Jk++ significa que Xjk ha sido seleccionada con valor uno. J k- significa que Xjk ha sido seleccionada con valor cero. J k+ significa que Xjk, es igual a uno, como consecuencia de la continuacin de una solucin parcial previa. J ksignifica que Xjk es igual a cero, como consecuencia de la continuacin de una solucin parcial previa. J k+ tambin puede significar qye Xjk, es uno, debido a que todas las posibles continuaciones de (j1, j2, , jk--) han sido implcitamente analizadas. tambin puede significar que Xjk, es cero, debido a que todas las posibles J kcontinuaciones de (j1, j2, , jk++) han sido implcitamente analizadas. Cuando en una solucin parcial aparece un elemento sin signo entonces este representa a cualquiera de los siguientes: jk++, jk- -, jk+, jk-. El mtodo generalizado de Balas requiere que todos los costos cj 0. las restricciones de igualdaa se trabajan como igualdad, las dems restricciones deben plantearse como de la siguiente forma. aijXj bi 1 = 1,2,...,m. Se supone que exite uma solucin parcial sin signos asociados. Inicialmente se hace Z* igual a a M. Pasos. Paso 1.a) Si la solucin parcial actual satisface las restricciones del problema, complete la solucin parcial asignando cero a todas las variables libres. Haga Z* igual al valor de la funcin objetivo correspondiente a la solucin parcial. Vaya al paso 5. b) Si la solucin parcial actual no satisface las restricciones del problema, haga Z igual al valor de la funcin objetivo correspondiente a la solucin parcial y vaya al paso 2. Paso 2. Para las variables libres Xj tal que a) Z + Cj < Z* y b) Aij < 0 por lo menos parta una restriccin, bi - aijkXjk < 0 examinar las relaciones aij < bi - aijkXjk
jN

Donde N es el conjunto de variables libres que satisfacen (a) y (b) y aij =

-

aij, si aij<0, 0, si aij0,

aij =

aij, si aij>0 0, si aij0,

145

M.C. Irma Estrada Patio

Si ninguna de estas restricciones se viola, entonces no existe una continuacin factible y vaya al paso 5. De otra manera vaya al paso 3. Paso 3. a) Si todas las relaciones las relaciones se satisfacen como una estricta desigualdad, determine cul variable libre del conjunto N, al tener valor igual a uno, reduce considerablemente la infactibilidad total. Por infactibilidad total se entiende la suma, en valor absoluto de las cantidades en las cuales se viola cada restriccin. Sea esta variable la Xjp+1N. Entonces Xjp+1=1. Se ha maximizado la siguiente expresin: (bi - aijkXjk)- la nueva solucin parcial es (j1, j2, , jp, jp+1++ ,). Vaya al paso 1.
i=1 K=1 m p+1

c) Si para alguna restriccin esta se comporta como una igualdad, denote F al conjunto de variables libres de esa restriccin que tengan aij < 0. Examine la relacin Cj < Z*-Z y vaya al paso 4
jF

Paso 4. a) Si la relacin Cj < Z*-Z se satisface, entonces Xj = 1, jF es la nica continuacin factible que es posible (dada la solucin parcial actual). La siguiente solucin parcial que se debe analizar es: (j1, , jp, jp+1+,,jp+q+), en que jp+1,, jp+qF Regrese al paso 1 b) Si la relacin Cj < Z*-Z no se satisface, entonces no existe una posible continuacin de la solucin parcial. Vaya al paso 5 Paso 5 a) Dada la solucin parcial actual encuentre el elemento jk++ a la extrema derecha y elimine a todos los elementos que se encuentran a la derecha. Reemplace este elemento (el jk++) por jk-. Esta es la nueva solucin parcia. Regrese al paso 1. c) Si no existe un elemento jk++ en la solucin parcial actual, la enumeracin implcita se ha completado y la solucin que se tiene en el paso 1 (a) es ptima. Si Z* = , o M, el problema original es inconsistente y por lo tanto no tiene solucin. Ejemplo. Resolver por el mtodo aditivo de Balas el siguiente problema binario. Mn Z = 5X1 +7X2 +10X3 +3X4 +X5 -X1 +3X2 -5X3 -X4 +4X5 -2 -6X2 +3X3 +2X4 -2X5 0 2X1 X2 -2X3 +X4 +X5 -1 X 1, X2 , X3 , X 4, X5 =0 1 Se cumple con las condiciones Cj 0 para toda j, y las restricciones son , Expresando a las restricciones en la forma gi 0, i = 1,2,3 se tiene: g1 = -2 + X1 3X2 + 5X3 + X4 -4X5 0 g2 = -2X1 + 6X2 -3X3 -2X4 + 2X5 0 g3 = -1 -X2 + 2X3 - X4 X5 0 Supngase arbitrariamente una solucin (X1 = 0, X2 = 0, X3 = 0, X4 = 0, X5 = 0). Esto implica que Z* = y g1 = -2 0 g2 = 0 0 g3 = -1 0 Por lo que la infactibilidad total es de 3. Para que esta infactibilidad se reduzca es necesario aumentar al valor de ciertas variables libres a uno.

146

M.C. Irma Estrada Patio

Con X = 1 y todas las dems igual a cero, se tiene. g1 = -1 0 g2 = -2 0 g3 = -1 0 Por lo que la infactibilidad total es de 4 , por lo que hay que reducirla. La variable X2 no tiene caso aumentarla a 1, porque perjudicara an ms a g1 y g2, que ya de hecho son violadas cuando X2 = 0. Si se hace X3 = 1 y las dems variables se mantienen en cero, se tiene g1 = 3 0 g2 = -3 0 g2 = 1 0, para una infactibilidad total de 3. Con X4 = 1 y las dems variables igual a cero se obtiene g1 = -1 0 g2 = -2 0 g3 = -2 0 Para una infactibilidad total de 5. La variable X5 no tiene caso aumentarla. Por lo tanto, lo que ms conviene es hacer X3 = 1, y se tiene la primera solucin parcial (3++). Con X3 = 1 las tres restricciones se convierten en g1 = 3 + X1 3X2 + X4 -4X5 g2 = -3 -2X1 + 6X2 -2X4 + 2X5 g3 = 1 - X 2 - X4 - X 5 . La solucin parcial (3++), no es factible, puesto que g2 = -3 0. para eliminar la violacin de la segunda restriccin g2 es necesario analizar las posibles continuaciones de (3++). Observando a g2, se concluye que se puede corregir esta violacin analizando lo que sucede si aumenta a uno el valor de las variables libres que tengan a+2j, en este caso X2 y X5. Con X2 = 1, (3++) y el resto de las variables libres igual a cero se tiene: g1 = 0 0 g2 = 3 0 g3 = 0 0 Con X5 = 1, (3++) y el resto de las variables libres igual a cero se tiene: g1 = -1 0 g2 = -1 0 g3 = 0 0 Por lo tanto, hacer X2 = 1, despus de haber hecho X3 = 1 d una solucin parcial (3++, 2++), que es factible. El valor de Z asociadda a esta solucin parcial factible es Z* = 17. cualquier continuacin de ( 3++, 2++) que quiere decir (X3 = 1, X2 =1) aumentara el valor de Z y por lo tanto se les puede eliminar. Es decir que implcitamente se eliminan las siguientes combinaciones. (X3 = 1, X2 = 1, X1 = 1, X4 = 0, X5 = 0) (X3 = 1, X2 = 1, X1 = 0, X4 = 1, X5 = 0) (X3 = 1, X2 = 1, X1 = 0, X4 = 0, X5 = 1) (X3 = 1, X2 = 1, X1 = 1, X4 = 0, X5 = 1) (X3 = 1, X2 = 1, X1 = 0, X4 = 1, X5 = 1) (X3 = 1, X2 = 1, X1 = 1, X4 = 1, X5 = 0) (X3 = 1, X2 = 1, X1 = 1, X4 = 1, X5 = 1)
147

M.C. Irma Estrada Patio

Se analiza ahora la solucin parcial (3++, 2-) que significa (X3 = 1, X2 = 0), y que genera g1 = 3 0 g2 = -3 0 g3 = 1 0 Como esta es una solucin parcial no factible, se puede rechazar implcitamente las siguientes continuaciones de (3++, 2-). (X3 = 1, X2 = 0, X1 = 0, X4 = 0, X5 = 0) (X3 = 1, X2 = 0, X1 = 1, X4 = 0, X5 = 0) (X3 = 1, X2 = 0, X1 = 0, X4 = 1, X5 = 0) (X3 = 1, X2 = 0, X1 = 0, X4 = 0, X5 = 1) (X3 = 1, X2 = 0, X1 = 1, X4 = 1, X5 = 0) (X3 = 1, X2 = 0, X1 = 1, X4 = 0, X5 = 1) (X3 = 1, X2 = 0, X1 = 0, X4 = 1, X5 = 1) (X3 = 1, X2 = 0, X1 = 1, X4 = 1, X5 = 1) La solucin parcial que se tiene es (3++, 2-). Se analiza por lo tanto la solucin (3-), es decir X3=0 con el resto de las variables cero, lo que origina que g1 = -2 0 g2 = 0 0 g3 = -1 0 Como esta solucin no es factible se pueden eliminar implcitamente todas las soluciones que contengan X3 = 0, es decir (X3 = 0, X1 = 0, X2 = 0, X4 = 0, X5 = 0) (X3 = 0, X1 = 1, X2 = 0, X4 = 0, X5 = 0) (X3 = 0, X1 = 0, X2 = 1, X4 = 0, X5 = 0) (X3 = 0, X1 = 0, X2 = 0, X4 = 1, X5 = 0) (X3 = 0, X1 = 0, X2 = 0, X4 = 0, X5 = 1) (X3 = 0, X1 = 1, X2 = 1, X4 = 0, X5 = 1) (X3 = 0, X1 = 1, X2 = 0, X4 = 1, X5 = 0) (X3 = 0, X1 = 1, X2 = 0, X4 = 0, X5 = 1) (X3 = 0, X1 = 0, X2 = 1, X4 = 1, X5 = 0) (X3 = 0, X1 = 0, X2 = 1, X4 = 0, X5 = 1) (X3 = 0, X1 = 0, X2 = 0, X4 = 1, X5 = 1) (X3 = 0, X1 = 1, X2 = 1, X4 = 1, X5 = 0) (X3 = 0, X1 = 1, X2 = 1, X4 = 0, X5 = 1) (X3 = 0, X1 = 1, X2 = 0, X4 = 1, X5 = 1) (X3 = 0, X1 = 1, X2 = 1, X4 = 1, X5 = 1) (X3 = 0, X1 = 0, X2 = 1, X4 = 1, X5 = 1) Como ya se han eliminado implcitamente 31 soluciones, y la trigsima segunda (X3 =1, X2 = 1, X1 = 0, X4 = 0, X5 = 0) es factible y solo hay 2n ( 25 = 32 en este caso) posibles soluciones, se concluye que (X3 =1, X2 = 1, X1 = 0, X4 = 0, X5 = 0) es ptima.

148

M.C. Irma Estrada Patio

5.6 Ejercicios
Problema 1. Considere el siguiente programa lineal de todos enteros. Max. Z = 5X1 + 8X2 Sujeto a 6X1 + 5X2 30 9X1 + 4X2 36 X1 + 2X2 10 X1, X2 0 y enteros a) Haga una grfica de las restricciones de este problema. Utilice puntos para indicar todas las soluciones de enteros factibles b) Encuentre la solucin ptima a la relajacin de programacin lineal. Redondee hacia abajo para encontrar una solucin de enteros factible. Problema 2. Resuelva el siguiente problema Max. Z = 2X1 + 3X2 Sujeto a 5X1 + 7X2 35 4X1 + 9X2 36 X1, X2 0 y enteros a) Usando el algoritmo de ramificar y acotar (Brach and Bound) b) Usando el algoritmo de Gomory c) Hacer la representacin grfica y explicar la respuesta. Problema 3. Resuelva el siguiente problema Min Z = 4X1 + 3X2 Sujeto a 4X1 + 2X2 6 2X1 + 3X2 8 X1, X2 0 y entero a) Usando el algoritmo de ramificar y acotar. b) Usando el algoritmo de Gomory c) Hacer la representacin grfica Problema 4. Utilizando el algoritmo aditivo de Balas, resuelva Min. Z = 10X1 -5X2 + 3X3 Sujeto a X1 + 2X2 - X3 2 2X1 + X2 + X3 3 X1, X2 = 0,1 Problema 5. Sea el problema Min. Z= 2X1 - 4X2 S. A. 2X1 + X2 5 -4X1 + 4X2 5 X1, X2 0 u enteros Cuya tabla ptima es: Base Z Z 1 X1 0 X2 0 X1 0 1 0 X2 0 0 1 S1 -2/5 1/3 1/3 S2 -5/6 -1/12 1/6 Sol. (-15/2) 5/4 5/2 149

M.C. Irma Estrada Patio

a) Determinar por cualquiera de los dos mtodos siguientes : Mtodo de planos cortante ramificacin y acotamiento la solucin entera al problema b) Graficar el problema con los nuevos cortes ecuaciones encontradas. Problema 6.- Suponga que X1, X2 y X3. sn variables cuyos valores son 1, si se va a abrir una planta en particular y 0 en cualquier otro caso. Escriba una restriccin lineal separada para cada una de las siguientes restricciones de palabra. ( Solamente una restriccin lineal para cada inciso ) a) Si se abre la planta 1, entonces la planta 2 no debera abrirse. b) Si se abre la planta1, entonces la planta 2 debera abrirse c) Al menos una de las tres plantas debera abrirse Problema 7.- Representar grficamente el problema y encontrar la sol. entera en forma grfica. Haciendo cortes. Max. Z=2X1 + 3X2 5X1 + 7X2 35 4X1 + 9X2 36 X1, X2 0 y enteros Problema 8. Dado el siguiente problema cuya tabla ptima esta dada en la tabla siguiente. a) Hacer dos cortes usando el mtodo de Planos cortantes (si es posible) y encontrar las ecuaciones originales de dichos cortes. Sin graficar Max. Z= X1 7X2 + 3X3 2X1 + X2 - X3 4 4X1 3X2 2 -3X1 + 2X2 +X3 3 X1, X2., X3 0 Tabla ptima pero no entera. Base X1 X2 Z 0 5..5 X4 0 2.25 X1 1 -0.75 X3 0 -0.25 X3 0 0 0 1 X4 0 1.0 0 0.0 X5 2.5 0.25 0.25 0.75 X6 3.0 1.0 0.0 1.0 SOL 14.0 7.50 0.50 4.50

150

M.C. Irma Estrada Patio

Bibliografa. 1. Anderson, D.R.-Sweeny, D.J.-William, T.A. "Introduccin a los modelos cuantitativos para administraccin". Ed. Iberoamericana. 2. Bazaraa, M.-Jarvis, J. "Programacin lineal y flujo en redes". Ed. Limusa. 3. Bronson, R. (1983) "Investigacin de operaciones. Teora y 310 problemas resueltos". Mcgraw-Hill,serie Schaum. 4. Chang, Y.-Sullivan, R. (1990) "QSB+. Quantitative Systems for Business Aplications Plus". Prentince Hall. 5. Fernandez Lechon, R.-Castrodeza Chamorro, C. (1989) "Programacin lineal". Ariel. 6. Garcia, J.-Fernandez, L.-Tejera, P. (1990) "Tcnicas de Investigacin Operativa". Ed. Paraninfo. 7. Gass, S.I. (1966) "Programacin lineal". CECSA. 8. Hillier, F.-Lieberman, G. (1991) "Introduccin a la investigacin de operaciones". Mcgraw-Hill. 9. Infante Macias, R. (1977) "Mtodos de Programacin matemtica". UNED. 10. Luenberger, D.E. (1989) "Programacin lineal y no lineal". Addison-Wesley Iberoamericana. 11. Martn, Q. (2003) "Investigacin Operativa". Prentice Hall. 12. Mora, J.L. (1980) "Investigacin de operaciones e informtica". Ed. Trillas. 13. Prawda Witemberg, J. (1980) "Mtodos y modelos de investigacin de operaciones". Limusa. 14. Ravindran, A.-Phillips, D.-Solberg, J. (1987) "Operations research. Principles and Practice". Willey. 15. Rios Insua, S. (1988) "Investigacin Operativa. Optimizacin". Ed. Centro de Estudios Ramon Areces. 16. Shamblin, J.E.-Stevens, G.T. (1975) "Investigacin de operaciones: un enfoque fundamental". Mcgraw-Hill. 17. Simonnard, M. (1972) "Programacin lineal". Paraninfo. 18. Taha, H. (1991) "Investigacin de operaciones". Alfaomega. 19. Thierauf, R.J. (1978) "Introducin a la investigacin de operaciones". Ed. Limusa.. 20. Schrage, L. (1984) "Linear,Integer, and Quadratic Programming with LINDO". The Scientific Press, Palo Alto, California. 21. Wayne L. Winston Investigacin de Operaciones Aplicaciones y algoritmos Editorial Iberoamerica

151