SlideShare ist ein Scribd-Unternehmen logo
1 von 22
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
Ejercicios Propuestos de Investigación de operaciones Resueltos
1. Con motivo del 5º centenario del nacimiento de un célebre pintor, un
importante museo ha decidido restaurar cinco de sus obras, para lo cual ha
contratado tres equipos de restauración. Cada equipo ha presentado el
presupuesto de restauración para cada una de las obras, como se recoge en
el siguiente cuadro, en miles de
euros.
O1 O2 O3 O4 O5
R1 60 -- 90 -- 120
R2 70 90 80 100 80
R3 -- 70 120 90 100
(Donde “--“ significa que dicho equipo no restaurará en ningún caso la obra
correspondiente)
E l primer equipo restaurador está compuesto por seis personas, el segundo por
cuatro y el tercero por tres. En la restauración de cada una de las obras son
necesarias dos personas. Cada persona de un equipo sólo restaura una obra.
a) ¿A qué tabla se debe aplicar el Método Húngaro para realizar las cinco
restauraciones, con el menor coste posible, teniendo en cuenta que cada una
de ellas debe ser realizada por un único equipo restaurador, y que los tres
equipos deben participar en dichas restauraciones?
b) Dado que el coste de restauración de las cinco obras es muy elevado, la
directiva del museo decide restaurar únicamente tres, asignando una única
obra a cada equipo. Determinar, aplicando el Método Húngaro, todas las
posibles asignaciones que minimicen el coste total.
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
Solución:
a) Aplicaremos el Método Húngaro a la siguiente tabla:
O1 O2 O3 O4 O5 F
R1 60 M 90 M 120 0
R1 60 M 90 M 120 0
R1 60 M 90 M 120 0
R2 70 90 80 100 80 0
R2 70 90 80 100 80 0
R3 M 70 120 90 100 M
Con M positivo suficientemente grande.
b) Aplicamos el Método Húngaro a la siguiente tabla:
O1 O2 O3 O4 O5
R1 60 M 90 M 120
R2 70 90 80 100 80
R3 M 70 120 90 100
F1 0 0 0 0 0
F2 0 0 0 0 0
Con M positivo suficientemente grande.
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
2. La compañía Ordenata S.A. desea planificar el ensamblaje de dos nuevos
modelos de ordenador el Core Duo KS500 y el Core Duo KS600. Ambos
modelos precisan del mismo tipo de carcasa y lector óptico. En el modelo KS500
se ensambla la carcasa con 2 lectores ópticos. En el modelo KS600 se ensambla
la carcasa con un lector óptico y además se añade un lector de tarjetas. Se
dispone semanalmente de 1000 lectores ópticos, 500 lectores de tarjetas y de
600 carcasas. El ensamblaje de un KS500 lleva una 1 hora de trabajo y
proporciona un beneficio
de 200 euros y el del KS600 lleva 1.5 horas de trabajo y su beneficio es de 500
euros.
Teniendo en cuenta las restricciones anteriores, el director de la compañía
desea alcanzar las siguientes metas en orden de prioridad:
Prioridad 1. Producir semanalmente al menos 200 ordenadores KS500.
Prioridad 2. Ensamblar al menos 500 ordenadores en total a la semana.
Prioridad 3. Igualar el número de horas totales de trabajo dedicadas al
ensamblaje de los dos tipos de ordenador.
Prioridad 4. Obtener un beneficio semanal de al menos 250000 euros.
Obtener e interpretar la solución óptima del problema relajado, planteando
y resolviendo gráficamente cada una de las metas.
Solución:
Definimos las variables de decisión siguientes:
x1 = unidades ensambladas semanalmente del ordenador Core Duo KS500
x2 = unidades ensambladas semanalmente del ordenador Core Duo KS600
La modelización queda como sigue:


Min L( y1 , y2 , y3  y3 , y4 )
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
2x1  x2 1000 (1)


x2  500 (2)
x1  x2  600 (3)
x1  y1  y1  200 (4)
s.a 
x1  x2  y2  y2  500 (5)
x1 1.5x2  y3  y3  0 (6)
200 x1  500x2  y4  y4  250000 (7)
x1  0, x2  0 y enteras
yi  0, yi  0 i 1,2, 3,4
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
3. En un hospital comarcal se pueden realizar operaciones de riñón, de corazón y
de vesícula. Por problemas de personal cada día se realizan operaciones como
mucho de dos clases. Debido al gran número de operaciones pendientes se deben
realizar al menos tantas operaciones de vesícula como de riñón. Por otra parte, no
se pueden realizar más de 50 operaciones de vesícula diarias. Cada
operación de riñón requiere la presencia de dos médicos y se realiza en una
hora. Las operaciones de corazón requieren 3 médicos y se realizan en 5 horas.
Cada operación de vesícula sólo requiere un médico y se realiza en una hora Para
estos tipos de operaciones el hospital tiene asignados 20 médicos y cuenta con 60
horas diarias de quirófano.
a) (6 puntos) Modelizar el problema como un problema de programación lineal
entera para maximizar el número de operaciones diarias.
b) (4 puntos) El hospital recibe una subvención y se plantea o bien modernizar el
hospital y, así, poder realizar también operaciones de cataratas, o bien contratar
dos nuevos médicos. Las operaciones de cataratas requieren un médico y una
hora de quirófano, además, si se opera de cataratas se deben realizar como
mínimo 5 operaciones al día y no más de 10. Modelizar el problema como un
problema de programación lineal entera para maximizar el número de
operaciones.
Solución:
a) Definimos las variables de decisión siguientes:
x1 = número de operaciones de riñón al día
x2 = número de operaciones de corazón al día
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com


x3 = número de operaciones de vesícula al día
1 si se realizan operaciones de riñón
y1 
0 en caso contrario
1 si se realizan operaciones de corazón
y2 
0 en caso contrario
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com


2 2
 1 2 3
1 si se realizan operaciones de vesícula
y3 
0 en caso contrario
La modelización queda como sigue:
Max (x1  x2  x3 )
2x1  3x2  x3  20

s.a
x1  5x2  x3  60
 y  y  y  2
x1  x3

x1  My1
x  My

x3  50 y3

xi  0

i 1, 2, 3 y enteras
 yi  0, 1 i  1, 2, 3
Con M positivo suficientemente grande.
b) Sea definen además de las variables del apartado anterior:
1 si se decide realizar operaciones de cataratas
z 
0 en caso contrario
x4 = número de operaciones de cataratas al día
La modelización queda como sigue:
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com

2 2
 1 2 3
Max (x1  x2  x3  x4 )
2x1  3x2  x3  x4  20  2(1 z)

s.a
x1  5x2  x3  x4  60
 y  y  y  z  2
x1  x3
x1  My1
x  My
x  50 y

3 3
5z  x4 10z


xi  0 i 1, 2, 3,4 y entera

z  0, 1
Con M positivo suficientemente grande.
 0, 1 i  1, 2
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
4. Roperos S.AC produce dos tipos de roperos: roperos modelo A y, roperos
modelo B.lo máximo a vender de escritorios modelo A son 600 unidades y
modelo B son 400 unidades .Fabricar un escritorio modelo A requiere 1 hora y
fabricar un escritorio modelo B requiere 2 horas. la capacidad de producción es
1300 horas en total por los dos modelos, cabe resaltar que no es posible trabajar
horas extras. Cada ropero modelo A entrega una utilidad de $15.Todo lo que se
fabrica se vende.
La gerencia, además, ha establecido las siguientes metas
Meta 1: Alcanzar una utilidad semanal por lo menos de $11000.
Meta 2: Que no exista capacidad de producción ociosa.
Meta 3: Que se produzcan 600 de 2 cajones.
Meta 4: Que se produzcan 400 escritorios de 3 cajones.
La meta 1 es de primera prioridad; la meta 2, de segunda; la 3, de tercera y la meta 4
tiene la última prioridad de cumplimiento.
1) Defina las variables de decisión y formule el modelo de programación lineal por
metas correspondiente.
2) Presentar un informe administrativo de la solución óptima, indicando que metas
se cumplen o no, es necesario realizar la gráfica.
Solución:
Parte 1:
X: Numero de roperos Modelos “A” a producir
Y: Numero de roperos Modelos “B” a producir
Metas:
1)Min Z=P1(d1)
10X+15Y+d1-e1=11000(>=)
2) Min Z=P2(d2)
1X+2Y+d1=1300(=)
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
3) Min Z=P3(d3)
1X+d3=600(=)
4) Min Z=P4(d4)
Y+d4=400(=)
NO HAY RESTRICCIONES DURAS
Objetivo:
Min Z=P1d1+P2+d2+P3d3+P4d4
Parte 2:
Gráfica:
Puntos de interseccion:
A(500,400)
B(600,350)
C(600,333.33)
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
Metas:
1) P1d1 =La Región ABC Cumple
2) P2d2 =Recta AB
3) P3d3 =Punto B
4) P4d4 =No Cumple
Se Toma el punto B(600,350)
Metas
X=600
Y=350 ¿Cumplen?
1
d1=0
e1=250 si
2 d2=0 si
3 d3=0 si
4 d4=50 NO
Se debe producir 600 roperos A y 350 roperos B Para que se llegue a una utilidad de
$ 11,250, Donde se cumplen las metas 1,2 y 3.
5. Un ayuntamiento tiene previsto construir cuatro instalaciones deportivas
diferentes dentro del municipio. El ayuntamiento se compone de cuatro distritos
A, B, C y D y quiere asegurar la construcción de un polideportivo en los
distritos más grandes: A y B. Además, cabría la posibilidad de construir
dos polideportivos en el distrito B. La siguiente tabla muestra el número de
usuarios semanales (en centenas) que se estiman para cada tipo de
instalación deportiva
según en el distrito en que se construya.
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
Polideportivo
Distrito
P1 P2 P3 P4
A 12 14 17 19
B 16 19 24 17
C 10 12 18 15
D 13 9 20 17
Resolver mediante el Método Húngaro el problema de dónde se deben construir
los
4 polideportivos si el ayuntamiento desea maximizar el número de
usuarios semanales.
Solución:
Aplicamos el Método Húngaro a la siguiente tabla:
P1 P2 P3 P4 F1
A -12 -14 -17 -19 M
B -16 -19 -24 -17 M
B -16 -19 -24 -17 0
C -10 -12 -18 -15 0
D -13 -9 -20 -17 0
Con M positivo suficientemente grande.
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
P1 P2 P3 P4 F1
A -12 -14 -17 -19 M
B -16 -19 -24 -17 M
B -16 -19 -24 -17 0
C -10 -12 -18 -15 0
D -13 -9 -20 -17 0
+16 +19 +24 +19
Con M positivo suficientemente grande.
P1 P2 P3 P4 F1
A 4 5 7 0 M
B 0 0 0 2 M
B 0 0 0 2 0
C 6 7 6 4 0
D 3 10 4 2 0
Con M positivo suficientemente grande.
P1 P2 P3 P4 F1
A 4 5 7 0 M -3
B 0 0 0 2 M
B 0 0 0 2 0
C 6 7 6 4 0 -3
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
Con
M positivo suficientemente grande.
+3 +3
D 3 10 4 2 0 -3
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
P1 P2 P3 P4 F1
A 1 2 4 0 M
B 0 0 0 5 M
B 0 0 0 5 3
C 3 4 3 4 0
D 0 7 1 2 0
Con M positivo suficientemente grande.
Se obtiene la siguiente asignación óptima: A Polideportivo 4, B
Polideportivos 2 y 3, D Polideportivo 1.
Valor óptimo, 7500 usuarios semanales.
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
6. Una empresa realiza dos tipos de bombones, de calidad excelente y de
primera calidad. Para producirlos utiliza cacao y almendras, de los que dispone
semanalmente de 48 kilos y 4.5 kilos respectivamente. Para realizar una caja de
bombones de calidad excelente se necesita 600 gramos de cacao y 50 gramos
de almendras mientras que para una caja de primera calidad se necesita 400
gramos de cacao y 50 gramos de almendras. Por cada caja de calidad excelente
se obtiene un beneficio de 70 € y por cada una de primera calidad de 40 € y
además se vende sin problemas todo lo que se produce.
a) Determinar, resolviendo el problema relajado, las producciones semanales
eficientes de cajas de bombones de modo que la empresa maximice sus
beneficios y el volumen de ventas.
b) Si la empresa considera cada venta como 10 € de beneficio, modelizar el
problema relajado correspondiente.
c) Si la empresa necesita 7 horas de producción para obtener una caja de calidad
excelente y 4 horas para una caja de primera calidad, determinar al menos
dos producciones semanales eficientes del problema relajado de modo que la
empresa maximice sus beneficios, y el volumen de ventas y minimice las
horas de producción.
Solución:
a) Definimos las variables de decisión siguientes:
x1 = cajas de bombones de calidad excelenteproducidas semanalmente
x2 = cajas de bombones de primera calidad producidas semanalmente
La modelización queda como sigue:
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com


Max (70x1  40x2, x1  x2)
s.a
600x1  400x2  48000
50 x1  50x2  4500

x1  0, x2  0 y enteras
Resolveremos el problema relajado:
Max (70x1  40x2, x1  x2)
s.a
600x1  400x2  48000 (1)
50 x1  50x2  4500 (2)

x1  0, x2  0
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
Vértices
X
Vértices
f(X )
(0,0)
(80,0)
(60,30)
(0,90)
(0,0)
(5600,80)
(5400,90)
(3600,90)
Soluciones eficientes: 80, 060, 30
www.investigaciondeoperaciones.net
Grupo HETUES
iopsolution@gmail.com
b) La modelización queda como sigue:
Max 70x1 40x2 10 x1 x2
c) La modelización queda como sigue:
Max 70x1 40x2, x1 x2, 7x1 4x2
s.a X
Por el teorema de Zadeh si damos pesos positivos a las funciones objetivo, la solución
óptima del problema ponderado será una solución eficiente del problema multiobjetivo
Asignando: l1 =1, l2 =1, l3 =10 el modelo lineal ponderado tiene como
Soluciones óptimas(0,90)(60,30) . Estas serán soluciones eficientes del modelo
multiobjetivo.

Weitere ähnliche Inhalte

Was ist angesagt?

5.3 arbol expansión minima algoritmo de kruskal
5.3 arbol expansión minima algoritmo de kruskal5.3 arbol expansión minima algoritmo de kruskal
5.3 arbol expansión minima algoritmo de kruskalADRIANA NIETO
 
OPTIMIZACIÓN Y PROGRAMACIÓN LINEAL
OPTIMIZACIÓN Y PROGRAMACIÓN LINEALOPTIMIZACIÓN Y PROGRAMACIÓN LINEAL
OPTIMIZACIÓN Y PROGRAMACIÓN LINEALYanina C.J
 
Metodo simplexdual
Metodo simplexdualMetodo simplexdual
Metodo simplexdualAndres Mena
 
Ejercicios resueltos io 1 parte 1
Ejercicios resueltos io 1   parte 1Ejercicios resueltos io 1   parte 1
Ejercicios resueltos io 1 parte 1fzeus
 
5.5 flujo a costo minimo
5.5 flujo a costo minimo5.5 flujo a costo minimo
5.5 flujo a costo minimoADRIANA NIETO
 
Programación lineal entera y binaria
Programación lineal entera y binariaProgramación lineal entera y binaria
Programación lineal entera y binariaJaime Medrano
 
5.0 programación lineal
5.0 programación lineal5.0 programación lineal
5.0 programación linealjaldanam
 
programación lineal ejercicios de sensibilidad resueltos
programación lineal ejercicios  de sensibilidad resueltos programación lineal ejercicios  de sensibilidad resueltos
programación lineal ejercicios de sensibilidad resueltos javier008
 
Trabajo de investigacion operativa (x)
Trabajo de investigacion operativa (x)Trabajo de investigacion operativa (x)
Trabajo de investigacion operativa (x)jeanclaudeDelcastill
 
Solución de problemas en programación lineal
Solución de problemas en programación linealSolución de problemas en programación lineal
Solución de problemas en programación linealARLO SOLIS
 
Beneficio de la investigación de operaciones
Beneficio de la investigación de operacionesBeneficio de la investigación de operaciones
Beneficio de la investigación de operacionesJose Echeverria Cervera
 
Ejercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisionesEjercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisionesHéctor Antonio Barba Nanfuñay
 
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESMETODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESJuanMiguelCustodioMo
 

Was ist angesagt? (20)

5.3 arbol expansión minima algoritmo de kruskal
5.3 arbol expansión minima algoritmo de kruskal5.3 arbol expansión minima algoritmo de kruskal
5.3 arbol expansión minima algoritmo de kruskal
 
Guia I
Guia IGuia I
Guia I
 
OPTIMIZACIÓN Y PROGRAMACIÓN LINEAL
OPTIMIZACIÓN Y PROGRAMACIÓN LINEALOPTIMIZACIÓN Y PROGRAMACIÓN LINEAL
OPTIMIZACIÓN Y PROGRAMACIÓN LINEAL
 
Metodo simplexdual
Metodo simplexdualMetodo simplexdual
Metodo simplexdual
 
Ejercicios resueltos io 1 parte 1
Ejercicios resueltos io 1   parte 1Ejercicios resueltos io 1   parte 1
Ejercicios resueltos io 1 parte 1
 
Programacionlineal
ProgramacionlinealProgramacionlineal
Programacionlineal
 
Programacion de metas y objetivos
Programacion de metas y objetivosProgramacion de metas y objetivos
Programacion de metas y objetivos
 
Método gráfico
Método gráficoMétodo gráfico
Método gráfico
 
5.5 flujo a costo minimo
5.5 flujo a costo minimo5.5 flujo a costo minimo
5.5 flujo a costo minimo
 
Programación lineal entera y binaria
Programación lineal entera y binariaProgramación lineal entera y binaria
Programación lineal entera y binaria
 
Optimizacion de redes
Optimizacion de redesOptimizacion de redes
Optimizacion de redes
 
5.0 programación lineal
5.0 programación lineal5.0 programación lineal
5.0 programación lineal
 
programación lineal ejercicios de sensibilidad resueltos
programación lineal ejercicios  de sensibilidad resueltos programación lineal ejercicios  de sensibilidad resueltos
programación lineal ejercicios de sensibilidad resueltos
 
Trabajo de investigacion operativa (x)
Trabajo de investigacion operativa (x)Trabajo de investigacion operativa (x)
Trabajo de investigacion operativa (x)
 
Solución de problemas en programación lineal
Solución de problemas en programación linealSolución de problemas en programación lineal
Solución de problemas en programación lineal
 
Beneficio de la investigación de operaciones
Beneficio de la investigación de operacionesBeneficio de la investigación de operaciones
Beneficio de la investigación de operaciones
 
Ejercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisionesEjercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisiones
 
Programacion lineal entera
Programacion lineal enteraProgramacion lineal entera
Programacion lineal entera
 
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESMETODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
 
Investigción de Operaciones: Programación Lineal
Investigción de Operaciones: Programación LinealInvestigción de Operaciones: Programación Lineal
Investigción de Operaciones: Programación Lineal
 

Ähnlich wie Ejercicios de investigación operativa resueltos

Seminario problemas de complemento matematico
Seminario problemas de complemento matematicoSeminario problemas de complemento matematico
Seminario problemas de complemento matematicoDario Lopez
 
Informe Proyecto Programación lineal
Informe Proyecto Programación linealInforme Proyecto Programación lineal
Informe Proyecto Programación linealMichelle Cordano
 
S1 banco de preguntas
S1 banco de preguntasS1 banco de preguntas
S1 banco de preguntasmikyto
 
Investigacion de operaciones problemas1
Investigacion de operaciones problemas1Investigacion de operaciones problemas1
Investigacion de operaciones problemas1Alonso Stark
 
SESIÓN N°3-Programación Lineal (Uso del Programa LINDO).pdf
SESIÓN N°3-Programación Lineal (Uso del Programa LINDO).pdfSESIÓN N°3-Programación Lineal (Uso del Programa LINDO).pdf
SESIÓN N°3-Programación Lineal (Uso del Programa LINDO).pdfRonnyAlexandersSanch
 
Ejercicios Metodo Gráfico 2.pdf
Ejercicios Metodo Gráfico 2.pdfEjercicios Metodo Gráfico 2.pdf
Ejercicios Metodo Gráfico 2.pdfCastañeda Samanamu
 
MATEMÁTICA-IIº-M-GUIA-reforzamiento-potencias-2-medio-matemática-Alvaro-Iturr...
MATEMÁTICA-IIº-M-GUIA-reforzamiento-potencias-2-medio-matemática-Alvaro-Iturr...MATEMÁTICA-IIº-M-GUIA-reforzamiento-potencias-2-medio-matemática-Alvaro-Iturr...
MATEMÁTICA-IIº-M-GUIA-reforzamiento-potencias-2-medio-matemática-Alvaro-Iturr...Claudia Aravena Alcapio
 
Examen Islas Baleares Julio 2018
Examen Islas Baleares Julio 2018Examen Islas Baleares Julio 2018
Examen Islas Baleares Julio 2018escafondrex
 
Ppt programacion lineal profesor arthur nuñez mendoza
Ppt programacion lineal profesor arthur nuñez mendozaPpt programacion lineal profesor arthur nuñez mendoza
Ppt programacion lineal profesor arthur nuñez mendozaArthur Gabriel Nuñez Mendoza
 
Inecuaciones cuadrã -ticas
Inecuaciones cuadrã -ticasInecuaciones cuadrã -ticas
Inecuaciones cuadrã -ticasLuis Ramires
 
Taller de números naturales i periodo
Taller de números naturales i periodoTaller de números naturales i periodo
Taller de números naturales i periodobelrosy
 
Colegio cefas ensayo 1 de matematica paes
Colegio  cefas ensayo 1 de matematica paes Colegio  cefas ensayo 1 de matematica paes
Colegio cefas ensayo 1 de matematica paes karina ivett martinez
 
segundo parcial de algebra del cbc ciencias economicas
segundo parcial de algebra del cbc ciencias economicassegundo parcial de algebra del cbc ciencias economicas
segundo parcial de algebra del cbc ciencias economicasapuntescbc
 
NÚMEROS NATURALES 1
NÚMEROS NATURALES 1NÚMEROS NATURALES 1
NÚMEROS NATURALES 1Educación
 
Laboratorio 03 análisis de sensibilidad
Laboratorio 03   análisis de sensibilidadLaboratorio 03   análisis de sensibilidad
Laboratorio 03 análisis de sensibilidadssolia
 

Ähnlich wie Ejercicios de investigación operativa resueltos (20)

Los números naturales
Los números naturalesLos números naturales
Los números naturales
 
Seminario problemas de complemento matematico
Seminario problemas de complemento matematicoSeminario problemas de complemento matematico
Seminario problemas de complemento matematico
 
Informe Proyecto Programación lineal
Informe Proyecto Programación linealInforme Proyecto Programación lineal
Informe Proyecto Programación lineal
 
S1 banco de preguntas
S1 banco de preguntasS1 banco de preguntas
S1 banco de preguntas
 
Ht s3 2_pdn_productos notables
Ht s3 2_pdn_productos notablesHt s3 2_pdn_productos notables
Ht s3 2_pdn_productos notables
 
Investigacion de operaciones problemas1
Investigacion de operaciones problemas1Investigacion de operaciones problemas1
Investigacion de operaciones problemas1
 
SESIÓN N°3-Programación Lineal (Uso del Programa LINDO).pdf
SESIÓN N°3-Programación Lineal (Uso del Programa LINDO).pdfSESIÓN N°3-Programación Lineal (Uso del Programa LINDO).pdf
SESIÓN N°3-Programación Lineal (Uso del Programa LINDO).pdf
 
Ejercicios Metodo Gráfico 2.pdf
Ejercicios Metodo Gráfico 2.pdfEjercicios Metodo Gráfico 2.pdf
Ejercicios Metodo Gráfico 2.pdf
 
MATEMÁTICA-IIº-M-GUIA-reforzamiento-potencias-2-medio-matemática-Alvaro-Iturr...
MATEMÁTICA-IIº-M-GUIA-reforzamiento-potencias-2-medio-matemática-Alvaro-Iturr...MATEMÁTICA-IIº-M-GUIA-reforzamiento-potencias-2-medio-matemática-Alvaro-Iturr...
MATEMÁTICA-IIº-M-GUIA-reforzamiento-potencias-2-medio-matemática-Alvaro-Iturr...
 
Examen Islas Baleares Julio 2018
Examen Islas Baleares Julio 2018Examen Islas Baleares Julio 2018
Examen Islas Baleares Julio 2018
 
Ppt programacion lineal profesor arthur nuñez mendoza
Ppt programacion lineal profesor arthur nuñez mendozaPpt programacion lineal profesor arthur nuñez mendoza
Ppt programacion lineal profesor arthur nuñez mendoza
 
Inecuaciones cuadrã -ticas
Inecuaciones cuadrã -ticasInecuaciones cuadrã -ticas
Inecuaciones cuadrã -ticas
 
EJERCICIOS DE MATEMATICAS 1
EJERCICIOS DE MATEMATICAS 1EJERCICIOS DE MATEMATICAS 1
EJERCICIOS DE MATEMATICAS 1
 
Taller de números naturales i periodo
Taller de números naturales i periodoTaller de números naturales i periodo
Taller de números naturales i periodo
 
Taller de números naturales i periodo (1)
Taller de números naturales i periodo (1)Taller de números naturales i periodo (1)
Taller de números naturales i periodo (1)
 
Colegio cefas ensayo 1 de matematica paes
Colegio  cefas ensayo 1 de matematica paes Colegio  cefas ensayo 1 de matematica paes
Colegio cefas ensayo 1 de matematica paes
 
segundo parcial de algebra del cbc ciencias economicas
segundo parcial de algebra del cbc ciencias economicassegundo parcial de algebra del cbc ciencias economicas
segundo parcial de algebra del cbc ciencias economicas
 
NÚMEROS NATURALES 1
NÚMEROS NATURALES 1NÚMEROS NATURALES 1
NÚMEROS NATURALES 1
 
Laboratorio 03 análisis de sensibilidad
Laboratorio 03   análisis de sensibilidadLaboratorio 03   análisis de sensibilidad
Laboratorio 03 análisis de sensibilidad
 
2010 i semana 8
2010   i semana 82010   i semana 8
2010 i semana 8
 

Kürzlich hochgeladen

Abril 2024 - Maestra Jardinera Ediba.pdf
Abril 2024 -  Maestra Jardinera Ediba.pdfAbril 2024 -  Maestra Jardinera Ediba.pdf
Abril 2024 - Maestra Jardinera Ediba.pdfValeriaCorrea29
 
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptPINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptAlberto Rubio
 
INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptxdeimerhdz21
 
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptxRigoTito
 
Infografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdfInfografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdfAlfaresbilingual
 
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICABIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICAÁngel Encinas
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...JonathanCovena1
 
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
 
5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL
5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL
5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONALMiNeyi1
 
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdfFeliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdfMercedes Gonzalez
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfAngélica Soledad Vega Ramírez
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñotapirjackluis
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAEl Fortí
 
Criterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficiosCriterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficiosJonathanCovena1
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Lourdes Feria
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Alejandrino Halire Ccahuana
 
Dinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes dDinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes dstEphaniiie
 
Programacion Anual Matemática5 MPG 2024 Ccesa007.pdf
Programacion Anual Matemática5    MPG 2024  Ccesa007.pdfProgramacion Anual Matemática5    MPG 2024  Ccesa007.pdf
Programacion Anual Matemática5 MPG 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 
Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024Juan Martín Martín
 
2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf
2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf
2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdfMiguelHuaman31
 

Kürzlich hochgeladen (20)

Abril 2024 - Maestra Jardinera Ediba.pdf
Abril 2024 -  Maestra Jardinera Ediba.pdfAbril 2024 -  Maestra Jardinera Ediba.pdf
Abril 2024 - Maestra Jardinera Ediba.pdf
 
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptPINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
 
INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptx
 
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
 
Infografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdfInfografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdf
 
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICABIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...
 
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
 
5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL
5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL
5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL
 
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdfFeliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
 
Criterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficiosCriterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficios
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
 
Dinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes dDinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes d
 
Programacion Anual Matemática5 MPG 2024 Ccesa007.pdf
Programacion Anual Matemática5    MPG 2024  Ccesa007.pdfProgramacion Anual Matemática5    MPG 2024  Ccesa007.pdf
Programacion Anual Matemática5 MPG 2024 Ccesa007.pdf
 
Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024
 
2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf
2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf
2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf
 

Ejercicios de investigación operativa resueltos

  • 1. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com Ejercicios Propuestos de Investigación de operaciones Resueltos 1. Con motivo del 5º centenario del nacimiento de un célebre pintor, un importante museo ha decidido restaurar cinco de sus obras, para lo cual ha contratado tres equipos de restauración. Cada equipo ha presentado el presupuesto de restauración para cada una de las obras, como se recoge en el siguiente cuadro, en miles de euros. O1 O2 O3 O4 O5 R1 60 -- 90 -- 120 R2 70 90 80 100 80 R3 -- 70 120 90 100 (Donde “--“ significa que dicho equipo no restaurará en ningún caso la obra correspondiente) E l primer equipo restaurador está compuesto por seis personas, el segundo por cuatro y el tercero por tres. En la restauración de cada una de las obras son necesarias dos personas. Cada persona de un equipo sólo restaura una obra. a) ¿A qué tabla se debe aplicar el Método Húngaro para realizar las cinco restauraciones, con el menor coste posible, teniendo en cuenta que cada una de ellas debe ser realizada por un único equipo restaurador, y que los tres equipos deben participar en dichas restauraciones? b) Dado que el coste de restauración de las cinco obras es muy elevado, la directiva del museo decide restaurar únicamente tres, asignando una única obra a cada equipo. Determinar, aplicando el Método Húngaro, todas las posibles asignaciones que minimicen el coste total.
  • 2. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com Solución: a) Aplicaremos el Método Húngaro a la siguiente tabla: O1 O2 O3 O4 O5 F R1 60 M 90 M 120 0 R1 60 M 90 M 120 0 R1 60 M 90 M 120 0 R2 70 90 80 100 80 0 R2 70 90 80 100 80 0 R3 M 70 120 90 100 M Con M positivo suficientemente grande. b) Aplicamos el Método Húngaro a la siguiente tabla: O1 O2 O3 O4 O5 R1 60 M 90 M 120 R2 70 90 80 100 80 R3 M 70 120 90 100 F1 0 0 0 0 0 F2 0 0 0 0 0 Con M positivo suficientemente grande.
  • 4. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com 2. La compañía Ordenata S.A. desea planificar el ensamblaje de dos nuevos modelos de ordenador el Core Duo KS500 y el Core Duo KS600. Ambos modelos precisan del mismo tipo de carcasa y lector óptico. En el modelo KS500 se ensambla la carcasa con 2 lectores ópticos. En el modelo KS600 se ensambla la carcasa con un lector óptico y además se añade un lector de tarjetas. Se dispone semanalmente de 1000 lectores ópticos, 500 lectores de tarjetas y de 600 carcasas. El ensamblaje de un KS500 lleva una 1 hora de trabajo y proporciona un beneficio de 200 euros y el del KS600 lleva 1.5 horas de trabajo y su beneficio es de 500 euros. Teniendo en cuenta las restricciones anteriores, el director de la compañía desea alcanzar las siguientes metas en orden de prioridad: Prioridad 1. Producir semanalmente al menos 200 ordenadores KS500. Prioridad 2. Ensamblar al menos 500 ordenadores en total a la semana. Prioridad 3. Igualar el número de horas totales de trabajo dedicadas al ensamblaje de los dos tipos de ordenador. Prioridad 4. Obtener un beneficio semanal de al menos 250000 euros. Obtener e interpretar la solución óptima del problema relajado, planteando y resolviendo gráficamente cada una de las metas. Solución: Definimos las variables de decisión siguientes: x1 = unidades ensambladas semanalmente del ordenador Core Duo KS500 x2 = unidades ensambladas semanalmente del ordenador Core Duo KS600 La modelización queda como sigue:   Min L( y1 , y2 , y3  y3 , y4 )
  • 5. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com 2x1  x2 1000 (1)   x2  500 (2) x1  x2  600 (3) x1  y1  y1  200 (4) s.a  x1  x2  y2  y2  500 (5) x1 1.5x2  y3  y3  0 (6) 200 x1  500x2  y4  y4  250000 (7) x1  0, x2  0 y enteras yi  0, yi  0 i 1,2, 3,4
  • 8. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com 3. En un hospital comarcal se pueden realizar operaciones de riñón, de corazón y de vesícula. Por problemas de personal cada día se realizan operaciones como mucho de dos clases. Debido al gran número de operaciones pendientes se deben realizar al menos tantas operaciones de vesícula como de riñón. Por otra parte, no se pueden realizar más de 50 operaciones de vesícula diarias. Cada operación de riñón requiere la presencia de dos médicos y se realiza en una hora. Las operaciones de corazón requieren 3 médicos y se realizan en 5 horas. Cada operación de vesícula sólo requiere un médico y se realiza en una hora Para estos tipos de operaciones el hospital tiene asignados 20 médicos y cuenta con 60 horas diarias de quirófano. a) (6 puntos) Modelizar el problema como un problema de programación lineal entera para maximizar el número de operaciones diarias. b) (4 puntos) El hospital recibe una subvención y se plantea o bien modernizar el hospital y, así, poder realizar también operaciones de cataratas, o bien contratar dos nuevos médicos. Las operaciones de cataratas requieren un médico y una hora de quirófano, además, si se opera de cataratas se deben realizar como mínimo 5 operaciones al día y no más de 10. Modelizar el problema como un problema de programación lineal entera para maximizar el número de operaciones. Solución: a) Definimos las variables de decisión siguientes: x1 = número de operaciones de riñón al día x2 = número de operaciones de corazón al día
  • 9. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com   x3 = número de operaciones de vesícula al día 1 si se realizan operaciones de riñón y1  0 en caso contrario 1 si se realizan operaciones de corazón y2  0 en caso contrario
  • 10. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com   2 2  1 2 3 1 si se realizan operaciones de vesícula y3  0 en caso contrario La modelización queda como sigue: Max (x1  x2  x3 ) 2x1  3x2  x3  20  s.a x1  5x2  x3  60  y  y  y  2 x1  x3  x1  My1 x  My  x3  50 y3  xi  0  i 1, 2, 3 y enteras  yi  0, 1 i  1, 2, 3 Con M positivo suficientemente grande. b) Sea definen además de las variables del apartado anterior: 1 si se decide realizar operaciones de cataratas z  0 en caso contrario x4 = número de operaciones de cataratas al día La modelización queda como sigue:
  • 11. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com  2 2  1 2 3 Max (x1  x2  x3  x4 ) 2x1  3x2  x3  x4  20  2(1 z)  s.a x1  5x2  x3  x4  60  y  y  y  z  2 x1  x3 x1  My1 x  My x  50 y  3 3 5z  x4 10z   xi  0 i 1, 2, 3,4 y entera  z  0, 1 Con M positivo suficientemente grande.  0, 1 i  1, 2
  • 12. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com 4. Roperos S.AC produce dos tipos de roperos: roperos modelo A y, roperos modelo B.lo máximo a vender de escritorios modelo A son 600 unidades y modelo B son 400 unidades .Fabricar un escritorio modelo A requiere 1 hora y fabricar un escritorio modelo B requiere 2 horas. la capacidad de producción es 1300 horas en total por los dos modelos, cabe resaltar que no es posible trabajar horas extras. Cada ropero modelo A entrega una utilidad de $15.Todo lo que se fabrica se vende. La gerencia, además, ha establecido las siguientes metas Meta 1: Alcanzar una utilidad semanal por lo menos de $11000. Meta 2: Que no exista capacidad de producción ociosa. Meta 3: Que se produzcan 600 de 2 cajones. Meta 4: Que se produzcan 400 escritorios de 3 cajones. La meta 1 es de primera prioridad; la meta 2, de segunda; la 3, de tercera y la meta 4 tiene la última prioridad de cumplimiento. 1) Defina las variables de decisión y formule el modelo de programación lineal por metas correspondiente. 2) Presentar un informe administrativo de la solución óptima, indicando que metas se cumplen o no, es necesario realizar la gráfica. Solución: Parte 1: X: Numero de roperos Modelos “A” a producir Y: Numero de roperos Modelos “B” a producir Metas: 1)Min Z=P1(d1) 10X+15Y+d1-e1=11000(>=) 2) Min Z=P2(d2) 1X+2Y+d1=1300(=)
  • 13. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com 3) Min Z=P3(d3) 1X+d3=600(=) 4) Min Z=P4(d4) Y+d4=400(=) NO HAY RESTRICCIONES DURAS Objetivo: Min Z=P1d1+P2+d2+P3d3+P4d4 Parte 2: Gráfica: Puntos de interseccion: A(500,400) B(600,350) C(600,333.33)
  • 14. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com Metas: 1) P1d1 =La Región ABC Cumple 2) P2d2 =Recta AB 3) P3d3 =Punto B 4) P4d4 =No Cumple Se Toma el punto B(600,350) Metas X=600 Y=350 ¿Cumplen? 1 d1=0 e1=250 si 2 d2=0 si 3 d3=0 si 4 d4=50 NO Se debe producir 600 roperos A y 350 roperos B Para que se llegue a una utilidad de $ 11,250, Donde se cumplen las metas 1,2 y 3. 5. Un ayuntamiento tiene previsto construir cuatro instalaciones deportivas diferentes dentro del municipio. El ayuntamiento se compone de cuatro distritos A, B, C y D y quiere asegurar la construcción de un polideportivo en los distritos más grandes: A y B. Además, cabría la posibilidad de construir dos polideportivos en el distrito B. La siguiente tabla muestra el número de usuarios semanales (en centenas) que se estiman para cada tipo de instalación deportiva según en el distrito en que se construya.
  • 15. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com Polideportivo Distrito P1 P2 P3 P4 A 12 14 17 19 B 16 19 24 17 C 10 12 18 15 D 13 9 20 17 Resolver mediante el Método Húngaro el problema de dónde se deben construir los 4 polideportivos si el ayuntamiento desea maximizar el número de usuarios semanales. Solución: Aplicamos el Método Húngaro a la siguiente tabla: P1 P2 P3 P4 F1 A -12 -14 -17 -19 M B -16 -19 -24 -17 M B -16 -19 -24 -17 0 C -10 -12 -18 -15 0 D -13 -9 -20 -17 0 Con M positivo suficientemente grande.
  • 16. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com P1 P2 P3 P4 F1 A -12 -14 -17 -19 M B -16 -19 -24 -17 M B -16 -19 -24 -17 0 C -10 -12 -18 -15 0 D -13 -9 -20 -17 0 +16 +19 +24 +19 Con M positivo suficientemente grande. P1 P2 P3 P4 F1 A 4 5 7 0 M B 0 0 0 2 M B 0 0 0 2 0 C 6 7 6 4 0 D 3 10 4 2 0 Con M positivo suficientemente grande. P1 P2 P3 P4 F1 A 4 5 7 0 M -3 B 0 0 0 2 M B 0 0 0 2 0 C 6 7 6 4 0 -3
  • 18. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com P1 P2 P3 P4 F1 A 1 2 4 0 M B 0 0 0 5 M B 0 0 0 5 3 C 3 4 3 4 0 D 0 7 1 2 0 Con M positivo suficientemente grande. Se obtiene la siguiente asignación óptima: A Polideportivo 4, B Polideportivos 2 y 3, D Polideportivo 1. Valor óptimo, 7500 usuarios semanales.
  • 19. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com 6. Una empresa realiza dos tipos de bombones, de calidad excelente y de primera calidad. Para producirlos utiliza cacao y almendras, de los que dispone semanalmente de 48 kilos y 4.5 kilos respectivamente. Para realizar una caja de bombones de calidad excelente se necesita 600 gramos de cacao y 50 gramos de almendras mientras que para una caja de primera calidad se necesita 400 gramos de cacao y 50 gramos de almendras. Por cada caja de calidad excelente se obtiene un beneficio de 70 € y por cada una de primera calidad de 40 € y además se vende sin problemas todo lo que se produce. a) Determinar, resolviendo el problema relajado, las producciones semanales eficientes de cajas de bombones de modo que la empresa maximice sus beneficios y el volumen de ventas. b) Si la empresa considera cada venta como 10 € de beneficio, modelizar el problema relajado correspondiente. c) Si la empresa necesita 7 horas de producción para obtener una caja de calidad excelente y 4 horas para una caja de primera calidad, determinar al menos dos producciones semanales eficientes del problema relajado de modo que la empresa maximice sus beneficios, y el volumen de ventas y minimice las horas de producción. Solución: a) Definimos las variables de decisión siguientes: x1 = cajas de bombones de calidad excelenteproducidas semanalmente x2 = cajas de bombones de primera calidad producidas semanalmente La modelización queda como sigue:
  • 20. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com   Max (70x1  40x2, x1  x2) s.a 600x1  400x2  48000 50 x1  50x2  4500  x1  0, x2  0 y enteras Resolveremos el problema relajado: Max (70x1  40x2, x1  x2) s.a 600x1  400x2  48000 (1) 50 x1  50x2  4500 (2)  x1  0, x2  0
  • 22. www.investigaciondeoperaciones.net Grupo HETUES iopsolution@gmail.com b) La modelización queda como sigue: Max 70x1 40x2 10 x1 x2 c) La modelización queda como sigue: Max 70x1 40x2, x1 x2, 7x1 4x2 s.a X Por el teorema de Zadeh si damos pesos positivos a las funciones objetivo, la solución óptima del problema ponderado será una solución eficiente del problema multiobjetivo Asignando: l1 =1, l2 =1, l3 =10 el modelo lineal ponderado tiene como Soluciones óptimas(0,90)(60,30) . Estas serán soluciones eficientes del modelo multiobjetivo.