UNIVERSIDAD DEL DESARROLLO. FACULTAD DE INGENIERIA.

CIENCIAS BASICAS.

Optimizaci
on de Sistemas II

Certamen 1.

Semestre de Oto
no 2015

Tiempo: 130 min.

Problema 1. [30 puntos]

Una fabrica de autom
oviles construye tres tipos de autos: compactos, medianos y grandes. Los requerimientos
de materiales, mano de obra y el beneficio obtenido por cada tipo de auto fabricado se muestra en la tabla 1.
Auto
Materiales (T)
Mano de obra (hh)
Beneficio ($)

Compacto
1.5
30
2000

Mediano
3
25
3000

Grande
5
40
4000

Actualmente, la f
abrica dispone de 6000 toneladas de materiales y 60000 horas de mano de obra. Para que
la produccion de un tipo de vehculo sea economicamente factible, se deben producir al menos 1000 unidades
de cada tipo que se fabrique.
Formule un modelo de Programaci
on Lineal Entera Mixta que permita maximizar el beneficio de la f
abrica.

Problema 2. [20 puntos]

Una empresa est
a considerando cuatro posibles inversiones. La opcion 1 tiene asociado un valor actualizado
neto (VAN) de US $16000, la opci
on 2 tiene un VAN de US $22000, la inversion 3 representa un VAN de
US $12000 y la inversi
on 4 posee un VAN de US $8000. Cada inversion requiere un cierto capital inicial: US
$5000, US $7000, US $4000 y US $3000, para las inversiones 1, 2, 3 y 4 respectivamente. Actualmente la
empresa dispone US $14000 para invertir.
(a) Tomando como variables de decisi
on:

1
xi =
0

si se invierte en la opcion i
en caso contrario

Formule un modelo de Programaci

on Lineal Entera que permita determinar la forma de invertir el dinero
de forma de maximizar las utilidades.


(b) Se conoce que una soluci
on del problema relajado es x0 = 1 , 1 , 12 , 0 . Entre los siguientes Cortes de
Cobertura
x1 + x2 + x3 + x4 3.
x1 + x2 + x3 2.
Diga cual Corte usted utilizara y justifique su respuesta viendo la admisibilidad del corte.

Problema 3. [50 puntos]

Resuelva el siguiente problema en enteros:
max 10x1 + 15x2 + 17x3
3x1 + 4x2 + 5x3 26
xi 0 , enteros
siguiendo la siguiente estrategia:
1. Resuelva el problema relajado.
Note que es un modelo tipo mochila, pero con variables enteras (no binarias), esto implica que este
modelo se resuelve f
acilmente.
2. Ramifique seg
un corresponda.
3. Aplique el algoritmo de Cortes de Gomory tantas veces como sea necesario.

Pauta
Pauta Problema 1
Variables
Denotemos por i = {1, 2, 3} = {compactos, medianos, grandes}, el ndice asociado a los tres tipos de autos
respectivamente, y definamos las variables de decision:
xi : n
umero de autom
oviles de tipo i fabricados.

1
si se decide fabricar el auto de tipo i
yi =
0
en caso contrario
Restricciones
1. Debemos considerar una restricci
on que obligue a que si se produce un determinado tipo de vehculo,
se produzcan como mnimo 1000 unidades de este, es decir se debe cumplir las condiciones excluyentes
xi = 0 o xi 1000. Considerando que despus se va a agregar la condicion de nonegatividad sobre las
variables xi , entonces esto es equivalente a pedir que se cumplan una de las dos restricciones siguientes:
xi 0

1000 xi 0

i = 1, 2, 3

(1)

Haciendo uso de las variables binarias yi definidas anteriormente, la condicion (1) es equivalente a pedir
que se cumplan las condiciones:
xi Mi yi
1000 xi Mi (1 yi )

(2)
(3)

Un valor posible para Mi se puede obtener a partir de la disponibilidad

de materiales
y de mano de


60000
obra, por ejemplo para los vehculos compactos sera: M1 = min 6000
;
=
2000.
Siguiendo la
1.5
30
misma logica se puede obtener: M2 = 2000 y M3 = 1200.
2

2. Restriccion relativa a la disponibilidad de materiales:

1.5x1 + 3x2 + 5x3 6000

(4)

3. Restriccion relativa a la disponibilidad de mano de obra:

30x1 + 25x2 + 40x3 60000

(5)

4. Naturaleza de las variables:

xi Z+

i = 1, 2, 3

(6)

yi {0, 1}

i = 1, 2, 3

(7)

Funci
on Objetivo
La funcion objetivo queda definida por la combinacion lineal de las variables xi por sus respectivos beneficios
unitarios (en miles):
max 2x1 + 3x2 + 4x3

Pauta Problema 2
Parte (a)
Al tomar como variables de decisi
on:

xi =

1
0

si se invierte en la opcion i
en caso contrario

y considerando todos los valores en miles de US, la restriccion presupuestara sera

5x1 + 7x2 + 4x3 + 3x4 14
y el modelo de Programaci
on Lineal Entera queda de la forma:
max 16x1 + 22x2 + 12x3 + 8x4

(PLE)

5x1 + 7x2 + 4x3 + 3x4 14

xi {0, 1}
Parte (b)
El Corte x1 + x2 + x3 + x4 3 no es admisible ya que no deja afuera el punto x0 = 1 , 1 ,
evaluamos la desigualdad que define el corte en el punto, esta es valida:
x01 + x02 + x03 + x04 = 1 + 1 +

, 0 , es decir, si

1
= 2.5 < 3
2

El segundo corte si es admisible, por una parte deja afuera al punto x0 = 1 , 1 ,

la desigualdad que define el corte en el punto, esta NO es valida:
x01 + x02 + x03 = 1 + 1 +

1
2

1
= 2.5 > 2
2

1
2

, 0 , es decir, si evaluamos

y ademas, NO deja afuera ning

un punto factible, de hecho los u
nicos puntos posibles que deja afuera son
(1 , 1 , 1 , 0) y (1 , 1 , 1 , 1), y ninguno de ellos es factible del modelo (PLE) ya que al evaluarlos en la restricci
on
5x1 + 7x2 + 4x3 + 3x4 14
esta NO se cumple (5 + 7 + 4 = 16 > 14).

Pauta Problema 3
Como vemos, este es un modelo tipo mochila, con variables enteras (no binarias). El primer paso, resolvemos
el modelo relajado, el cual (por tener solamente una restriccion) es equivalente a:


26
26
26
= max {86.666, 97.5, 88.4} = 97.5
(R.1)
max 10 , 15 , 17
3
4
5
es decir, la soluci
on optima es
x1 =

0 6 12

>

0 0

y el valor optimo z1 = 97.5. Ahora resolvemos dos nuevos problema agregando las restricciones x2 6 y
x2 7, es decir:
max

10x1 + 15x2 + 17x3

3x1 + 4x2 + 5x3 + x4 = 26
x2 + x5 = 6
xi 0

max 10x1 + 15x2 + 17x3

3x1 + 4x2 + 5x3 + x4 = 26
x2 + x5 = 7
xi 0

Sin embargo, el segundo problema claramente es infactible, por lo tanto su valor optimo se define como
z = . El primer problema tendr
a como solucion optima basica a las variables x2 y x3 (note que en la
relacion (R.1), el pr
oximo n
umero m
as grande corresponde a la variable x3 ) y por tanto,




0 1
4 5
1
= B =
B=
1
4
1 0
5 5
y
x
=B


b=

0
1
5

1
45



26
6


=

2
5

y comprobando la optimalidad del punto, tenemos que

c>
N

> 1
= c>
N cB B N






0 1
3 1 0
10 0 0 15 17
=
1
4
0 0 1
5 5


1
17
7
=
0
5
5
5

y por tanto, la soluci

on optima es
x2 =

2
5

0 6

0 0

>

y el valor optimo z2 = 96.8. Ahora, dado que la solucion sigue siendo no entera, seguimos con el punto tres
del algoritmo propuesto, es decir aplicamos Cortes de Gomory. Para esto, es mucho mas comodo si escribimos
el Tableau optimo asociado al problema que acabamos de resolver, este es:
4

1
5

17
5

7
5

484
5

3
5

1
5

45

2
5

y tomando la u
ltima fila para generar el Corte:
3
1
1
2
x1 + x3 + x4 x5 + x5 =
5
5
5
5
y pasando al lado derecho los terminos fraccionarios
3
1
1
2
x3 x5 = x1 x4 x5 + 0
5
5
5
5
obtenemos finalmente:

1
1
2
3
x1 x4 x5
5
5
5
5
Por tanto, si incorporamos esta u
ltima restriccion en el Tableau optimo tenemos:
1
5

17
5

7
5

484
5

3
5

1
5

45

2
5

51

15

25

35

Tomando como pivote el elemento en negrita, llegamos a:

0

10
3

4
3

1
3

290
3

1
3

1
3

53

2
3

>
La solucion obtenida x3 = 23 6 0 0 0
sigue siendo no entera por lo que volvemos aplicar un Corte
de Gomory, para lo cual tomamos la u
ltima fila:
1
1
1
2
x1 + x4 + x5 2x6 + x6 =
3
3
3
3
y pasando al lado derecho los terminos fraccionarios
1
1
1
2
x1 2x6 = x4 x5 x6 + 0
3
3
3
3
5

obtenemos finalmente:

1
1
1
2
x4 x5 x6
3
3
3
3
Por tanto, si incorporamos esta u
ltima restriccion en el Tableau optimo tenemos:
0

10
3

4
3

1
3

290
3

1
3

1
3

53

2
3

13

13

13

23

Tomando como pivote el elemento en negrita, obtenemos:

0

96

(2)

y volviendo a iterar usando el algoritmo del Simplex Dual, obtenemos finalmente:

0

1
2

5
2

5
2

95

1
2

12

3
2

21

1
2

32

1
2

1
2

32

Por tanto, la soluci

on del problema es x4 =

2 5 0 0 1 1 0
x =

2 5 0

>

>

, es decir