P.L.

E ♥ MÈTODO
GRÀFICO
INVESTIGACIÓN DE OPERACIONES I

PRESENTAN:
CHAVEZ PONCE, ERICK ROBERTO
GURROLA GONZÀLEZ, SOCORRO
TERCERO SERRANO, KARLA ALEJANDRA
 Introducción
En muchos modelos algunas o todas las
variables de decisión deben ser enteras.
Estos modelos son conocidos como modelos
de programación lineal entera.
Métodos de Resolución
de problemas enteros
 método gráfico Solución
optima, ¿no es
entera?

PROBLEMA DE 2 VARIABLES

Encontrar la solución optima

entera a partir de la
solución óptima continua
utilizando el método gráfico.

Soluciones enteras cercanas

dentro del área de soluciones
factibles.
Es idéntico al método gráfico de programación lineal continua, solo que aquí, se
seleccionan sólo las soluciones enteras dentro del área de soluciones factibles.

Para problemas de más

Resolución de problemas variables, se aplicarán el
de P.L.E Método de los planos
cortantes y Brand and Bound.
1. Resolver el problema por
medio de programación NÙMEROS ENTEROS
lineal. FACTIBLES.

2. A partir de la solución
relajada, obtener la S.O
entera. En donde;
El punto intercepte con la función
objetivo es la solución optima.

 PASOS PARA RESOLVER UN PROBLEMA DE
PROGRAMACIÒN LINEAL ENTERA
PROGRAMACIÒN LINEAL
Resolver por medio del método
gráfico de programación lineal:
1. Declarar variables
2. Función Objetivo
3. Restricciones
4. Representación gráfica
5. Definir la región de solución y
calcular el punto optimo.
Este método es eficaz para
problemas de dos variables o
menos.
2. PROGRAMACIÒN
ENTERA
A partir de los resultados
obtenidos, encontrar la S.O.
entera, en donde:
◦ Las intersecciones de la
cuadricula conforman soluciones
factibles.
◦ El punto que intercepte con el
barrido de F.O. será la solución
optima.
 ¿Cómo plantear?
«Modelo matemático»
Un carpintero desea determinar la cantidad de sillas y mesas que debe
producir el próximo día para maximizar su ganancia. Cuenta con 38 metros
cuadrados de madera y disponible de 7,5 horas/hombre. Se requiere de 4
metros cuadrados y 1hora/hombre para confeccionar cada silla; y de 9,5
metros cuadrados de madera y 1 hora/hombre para confeccionar cada
mesa. Se asume que se vende todo lo que se produce y que el beneficio
por silla es de $4, mientras que el beneficio por mesa es de $8,5. ¿Cuántas
sillas y mesas se deben producir?

¿Qué significa hacer un modelo matemático? Hacer un modelo matemático es

interpretar lo mejor posible la realidad a través de ciertas formulas.
 modelo matemático

NÙMEROS
ENTEROS
FACTIBLES.

 SOLUCIÒN ÒPTIMA FRACCIONARIA: (6.05, 1.45)

 ¿CÒMO FORMULAR UN PROBLEMA ENTERO?

◦ ¡No podemos producir 6.05 sillas y 1.45 mesas!

◦ ¿Qué le falta al modelo?
◦ Las variables tienen que tomar números
enteros: 0, 1, 2, 3…
 ¿Por qué no sólo
redondear la solución
real para obtener la
óptima entera?
 Posibles resultados de redondeo
A veces es tentador usar el procedimiento
aproximado y aplicar el método simplex al
relajamiento de PL y después redondear los valores
no enteros a enteros en la solución que se obtuvo.

¿POR QUÈ NO REDONDEAR?

◦ Este enfoque puede ser adecuado en algunas
aplicaciones. Sin embargo, debe tenerse cuidado,
pues se corren dos riesgos.
 EJEMPLO
Dificultades que aparecen al calcular la
solución optima de un modelo lineal entero.
◦ Sea el modelo lineal:
Representación gráfica

◦ Tenemos que:
X1 X2
Primera restricción: 0 7
7 0
X1 + X2 = 7

Segunda restricción: X1 X2
0 12
12X1 + 5X2 = 60 5 0

Graficar ambas restricciones.

GRAFICANDO: 1

2
Valor de la función
obj. en cada punto
El número de puntos de la región es
finito y, por lo tanto, se pueden
calcular todos los puntos y el valor
de la función objetivo en cada uno
para identificar la solución óptima.

 Pero este método no es eficaz

para problemas con muchas
variables por la cantidad de
puntos de la región.
 En el siguiente grafica se da la

Problema Relajado.* solución óptima del problema

relajado

◦ Otra manera de obtener una

solución para el modelo entero es
resolverlo sin tener en cuenta la
restricción de que las variables
7
deben tomar valores enteros y 6
obtener la solución entera optima
5
4
por redondeo. 3
2
1
 Es decir, resolvemos el problema
0 123456 7
quitando la restricción de enteras a
las variables; llamaremos a este
PROBLEMA RELAJADO.
 Problema Relajado.
◦ En este caso, la solución óptima
del problema relajado se
encuentra en el punto = (3.6, 3.4)
y el valor optimo es Z = 440.

 Este punto no es solución

óptima del problema entero
porque las variables optimas no
son enteras.
Aproximación por redondeo

Podemos considerar todas las

aproximaciones por redondeo:
(3, 3), (3, 4), (4, 3), (4, 4), y
evaluar la función objetivo en
todas las soluciones aproximadas
para calcular la óptima.
 RIESGOS
Una solución óptima de programación lineal
no necesariamente es factible después de
redondearla.

(4,4)

En este caso la solución óptima sería el

punto (4, 4). Sin embargo, se puede ver que
el punto no verifica las restricciones.
SOLUCIÒN NO FACTIBLE
Riesgos!!
Aun cuando una solución óptima, se
pueda redondear con éxito. No existe
garantía de que esta solución
redondeada sea la solución óptima de
programación entera. En realidad, puede
ser que se encuentre muy lejos del óptimo.

Si redondeamos a (3,3) se cumple con las

(3,3)
restricciones, es una solución factible. Sin

embargo, no es la solución optima. Z = 375

El valor de Z esta bastante alejado del

punto optimo del problema relajado. Solución factible, NO
OPTIMA.
¿Solución óptima?
Existen diversos riesgos al momento
de redondear, sin embargo existe
la posibilidad de que al redondear
obtengamos una solución optima.
 Si recordamos los valores de la
función objetivo por redondeo: (3,4)

(3, 4): Z=420 (4, 4): Z=500

Valores:
(3, 3): Z=375 (4, 3): Z=455

El punto (3,4) cumple con las

restricciones, (es una solución
factible). Al mismo tiempo el valor
de z es el valor máximo entero, por
lo tanto, es también la solución
Solución factible y OPTIMA.
optima.
 en resumen….
◦ Los puntos pueden ser no factibles
◦ Los puntos pueden ser factibles,no óptimos.
◦ Los puntos pueden ser factibles y óptimos
 Problema de aplicación de

Aplicación* Programación entera

Un granjero decide subdividir su terreno en 6 campos de la misma área, de modo que en cada
campo sólo podrá plantar un tipo de cultivo, ya sea cebada o lechugas. El granjero ha calculado que
según el precio mínimo garantizado por el Gobierno Europeo y después de restar todos los costes,
obtendrá un beneficio neto de 1000 euros por campo de cebada y 1600 euros por campo de
lechugas. La recogida de un campo de cebada necesita 80 horas de mano obra y la de un campo de
lechugas de 160 horas. Durante la cosecha el granjero dispondrá de 700 horas disponibles de
mano de obra. Existe además la restricción de que no podrá plantar más de 3 campos de cebada.

¿Cuántos campos de lechugas y cuántos campos de cebada debe cultivar el agricultor para
maximizar su beneficio?
 Planteamiento
◦ Función Objetivo:
Max Z = 1000 X1 + 1600X2

◦ Variables de decisión:
X1 = campos en que el agricultor cultivará cebada
X2 = campos en que el agricultor cultivará lechugas

◦ Restricciones
X1 ≤ 3 No podrá plantar más de 3 campos de cebada
80X1 + 160X2 ≤ 700 Las cosechas requieren de un tiempo de obra
X1 + X2 ≤ 6 La suma de las divisiones debe ser igual o menor a 6
 2.-Graficamos.
Ejercicio 1
Sea el modelo lineal. 1
Max Z = 1000 X1 + 1600X2

Sujeto a:
X1 ≤ 3
80X1 + 160X2 ≤ 700
X1 + X2 ≤ 6

X1 , X2 ≥ 0 2

1.-Obtener las coordenadas.

80X1 + 160X2 = 700 X1 + X2 = 6 X1 = 3

X1 X2 X1 X2
0 4.37 0 6
8.75 0 6 0 3
Ejercicio 1
3. Valor de la función 1
obj. en cada punto

Vértices X1 X2 Z

A 0 0 0
B 0 4.37 6 992
C 3 2.88 7608 2
(3, 72/25)

D 3 0 3000 Z = 7608

Solución
Solución optima, ¿no
es entera?
optima C (3, 72/25)
3
 Ejercicio 1
Identificar el punto entero más
1
cercano a la función objetivo

A partir de los resultados

obtenidos, encontrar la
S.O. entera, en donde:
Z = 1000 X1 + 1600X2 = 7608
◦ Las intersecciones de la
cuadricula conforman 2
soluciones factibles. (3, 72/25)

Z = 7608
◦ El punto más a la derecha
(máximo) que intercepte
con el barrido de F.O.
conformará una solución
optima.

3
Ejercicio 1
1
Valor de la función
obj. en cada punto
Vértices X1 X2 Z

- 0 4 6 400
- 0 3 4 800
2
- 1 3 5 800 (3, 72/25)

- 2 3 6 800 Z = 7608
- 3 2 6 200

Solución
optima (2 , 3)
3
 Ejercicio 1
1
Identificar el punto entero
máximo más cercano a la
función objetivo

Solución optima
(problema relajado)
X1 = 3, X2 = 72/25, Z = 7 608 2
(3, 72/25)

Z = 7608
Solución optima
(problema entero) Solución
optima,
ENTERA
X1 = 2, X2 = 3, Z = 6 800 Max.

3
¿Qué cree que suceda? En el siguiente grafica se da la
solución óptima del problema
relajado y soluciones redondeadas.

Valor z de la solución 1
optima con el problema
relajado.

2
(3 , 72/25): Z = 7608

Posibles redondeos con sus

valores

(3 , 3):
Z = 7800 No cumple con
las restricciones
(3 , 2):
Z = 6200
Solución factible,
NO OPTIMA. 3
 3
Ejercicio 2 2.- Graficamos.

Sea el modelo lineal.

Max Z = 1200 X1 + 2000 X2

Sujeto a:
200 000X1 + 600 000X2 ≤ 2 700 000

X2 ≥ 2
3X1 + X2 ≤ 19

X1 , X2 ≥ 0

1.-Obtener las coordenadas.

2
200 000X1 + 600 000X2 = 700
1
X1 X2 3X1 + X2 = 19
0 4.5 X1 X2
13.5 0
0 19
6.3 0 X2 = 2
 3
Ejercicio 2
3. Valor de la función
obj. en cada punto

Vértices X1 X2 Z

A 0 2 4 000
B 0 4.5 9 000
C 5.5 2.8 12 200

D 5.8 2 10 960
2

Solución 1

optima C (5.5, 2.8)

 3
Ejercicio 2
4.- Identificar el punto entero
más cercano a la función
objetivo

Solución optima
(problema relajado) Solución
optima entera
X1 = 5.5, X2= 2.8, Z = 12 200

Solución optima 2
(problema entero)
1
X1 = 4, X2= 3, Z = 10 800
 2.-Graficamos.

Ejercicio ·3
Sea el modelo lineal.

Max z = 3x1 + x2

Sujeto a

x1 + x2 ≤ 8
3x1 - 4x2 ≤ 12 2

x1, x2 ≥ 0 y
enteras

1.-Obtenemos las
coordenadas.
1.-x1 + 2x2 = 8 2.-3x1 – 4x2 = 12 1
x1 x2 x1 x2
0 4 0 -3
8 0 4 0
3.-Valores enteros 3.-Solucion optima con el
factibles. problema relajado.

2 2

1
1
 6.-Posiciones de las soluciones redondeos

4.- Valor z de la solución

optima con el problema
relajado.
(5.6 , 1.4): Z = 18.2

2
5.-Posibles redondeos con
sus valores

(5 , 2): Z = 17 (6 , 2): Z = 20

1
(5 , 1): Z = 16 (6 , 1): Z = 19
6.-Factibilidad de los posibles
redondeos

(5 , 2): Z = (6 , 2): Z =
17 20
No cumple No cumple
con las con las
restricciones restricciones

(5 , 1): Z = (6 , 1): Z =
16 19
Cumple con No cumple
las con las
restricciones restricciones
1
 Resultado

El resultado a este
problema es :

(5 , 1): Z =
16 2

Cumple con
las
restricciones

Es el punto con el que 1

se obtiene el valor
mas alto
Comprobación.

(4,2): Z = 14

(2,3): Z = 9
2

(0,4): Z = 4

1
¡GRACIAS POR SU
ATENCIÒN!