SlideShare uma empresa Scribd logo
1 de 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.

Mais conteúdo relacionado

Mais procurados

21066515 ejercicios-resueltos-de-programacion-lineal
21066515 ejercicios-resueltos-de-programacion-lineal21066515 ejercicios-resueltos-de-programacion-lineal
21066515 ejercicios-resueltos-de-programacion-linealAlex Hanco
 
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
 
Investigación de Operaciones 2/2
Investigación de Operaciones 2/2Investigación de Operaciones 2/2
Investigación de Operaciones 2/2CEMEX
 
Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)Ayda Ramirez Montalvo
 
Problemas de programacion lineal
Problemas de programacion linealProblemas de programacion lineal
Problemas de programacion linealCALDE24
 
Inv de operaciones el metodo grafico
Inv de operaciones el metodo graficoInv de operaciones el metodo grafico
Inv de operaciones el metodo graficoRafael Rangel
 
Problemas resueltos-de-teorc3ada-de-colas1
Problemas resueltos-de-teorc3ada-de-colas1Problemas resueltos-de-teorc3ada-de-colas1
Problemas resueltos-de-teorc3ada-de-colas1darwing12345
 
Ejercicios lindo
Ejercicios lindoEjercicios lindo
Ejercicios lindoJulio Pari
 
Programacin lineal segundo problema
Programacin lineal segundo problemaProgramacin lineal segundo problema
Programacin lineal segundo problemaJessica Bernal Ruiz
 
ANALISIS DE SENSIBILIDAD
ANALISIS DE SENSIBILIDADANALISIS DE SENSIBILIDAD
ANALISIS DE SENSIBILIDADAlumic S.A
 
Tarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestasTarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestasIPN
 
Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1   parte 2Ejercicios resueltos io 1   parte 2
Ejercicios resueltos io 1 parte 2fzeus
 
Problema de Asignación
Problema de AsignaciónProblema de Asignación
Problema de AsignaciónJose
 
5.0 programación lineal
5.0 programación lineal5.0 programación lineal
5.0 programación linealjaldanam
 
ejercicios método simplex
ejercicios método simplexejercicios método simplex
ejercicios método simplexLorena Llerena
 
Dinamica grupal 14 unidad 3.
Dinamica grupal 14 unidad 3.Dinamica grupal 14 unidad 3.
Dinamica grupal 14 unidad 3.ramiro miranda
 
MINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXMINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXcabriales
 

Mais procurados (20)

21066515 ejercicios-resueltos-de-programacion-lineal
21066515 ejercicios-resueltos-de-programacion-lineal21066515 ejercicios-resueltos-de-programacion-lineal
21066515 ejercicios-resueltos-de-programacion-lineal
 
Formulas lineas de espera
Formulas lineas de esperaFormulas lineas de espera
Formulas lineas de espera
 
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
 
Investigación de Operaciones 2/2
Investigación de Operaciones 2/2Investigación de Operaciones 2/2
Investigación de Operaciones 2/2
 
Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)Expo 3 analisis de sensibilidad (metodo simplex)
Expo 3 analisis de sensibilidad (metodo simplex)
 
Problemas de programacion lineal
Problemas de programacion linealProblemas de programacion lineal
Problemas de programacion lineal
 
Inv de operaciones el metodo grafico
Inv de operaciones el metodo graficoInv de operaciones el metodo grafico
Inv de operaciones el metodo grafico
 
Problemas resueltos-de-teorc3ada-de-colas1
Problemas resueltos-de-teorc3ada-de-colas1Problemas resueltos-de-teorc3ada-de-colas1
Problemas resueltos-de-teorc3ada-de-colas1
 
Ejercicios lindo
Ejercicios lindoEjercicios lindo
Ejercicios lindo
 
Metodo De Transporte & Transbordo
Metodo De Transporte & TransbordoMetodo De Transporte & Transbordo
Metodo De Transporte & Transbordo
 
Programacin lineal segundo problema
Programacin lineal segundo problemaProgramacin lineal segundo problema
Programacin lineal segundo problema
 
ANALISIS DE SENSIBILIDAD
ANALISIS DE SENSIBILIDADANALISIS DE SENSIBILIDAD
ANALISIS DE SENSIBILIDAD
 
Trabajo arbol dedecisiones
Trabajo arbol dedecisiones Trabajo arbol dedecisiones
Trabajo arbol dedecisiones
 
Tarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestasTarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestas
 
Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1   parte 2Ejercicios resueltos io 1   parte 2
Ejercicios resueltos io 1 parte 2
 
Problema de Asignación
Problema de AsignaciónProblema de Asignación
Problema de Asignación
 
5.0 programación lineal
5.0 programación lineal5.0 programación lineal
5.0 programación lineal
 
ejercicios método simplex
ejercicios método simplexejercicios método simplex
ejercicios método simplex
 
Dinamica grupal 14 unidad 3.
Dinamica grupal 14 unidad 3.Dinamica grupal 14 unidad 3.
Dinamica grupal 14 unidad 3.
 
MINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXMINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEX
 

Semelhante a IO Soluciones Ejercicios

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
 
Programacion lineal entera invope
Programacion lineal entera invopeProgramacion lineal entera invope
Programacion lineal entera invopeDeysi Tasilla Dilas
 
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
 

Semelhante a IO Soluciones Ejercicios (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
 
Programacion lineal entera invope
Programacion lineal entera invopeProgramacion lineal entera invope
Programacion lineal entera invope
 
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 (1)
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
Taller de números naturales i periodoTaller de números naturales i periodo
Taller de números naturales i periodo
 
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
 

Último

CIENCIAS NATURALES 4 TO ambientes .docx
CIENCIAS NATURALES 4 TO  ambientes .docxCIENCIAS NATURALES 4 TO  ambientes .docx
CIENCIAS NATURALES 4 TO ambientes .docxAgustinaNuez21
 
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdfTarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdfCarol Andrea Eraso Guerrero
 
Fisiologia.Articular. 3 Kapandji.6a.Ed.pdf
Fisiologia.Articular. 3 Kapandji.6a.Ed.pdfFisiologia.Articular. 3 Kapandji.6a.Ed.pdf
Fisiologia.Articular. 3 Kapandji.6a.Ed.pdfcoloncopias5
 
Introducción:Los objetivos de Desarrollo Sostenible
Introducción:Los objetivos de Desarrollo SostenibleIntroducción:Los objetivos de Desarrollo Sostenible
Introducción:Los objetivos de Desarrollo SostenibleJonathanCovena1
 
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDUFICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDUgustavorojas179704
 
Día de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundialDía de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundialpatriciaines1993
 
Estrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdfEstrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdfromanmillans
 
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptxSINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptxlclcarmen
 
Mapa Mental de estrategias de articulación de las areas curriculares.pdf
Mapa Mental de estrategias de articulación de las areas curriculares.pdfMapa Mental de estrategias de articulación de las areas curriculares.pdf
Mapa Mental de estrategias de articulación de las areas curriculares.pdfvictorbeltuce
 
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024gharce
 
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARONARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFAROJosé Luis Palma
 
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOTUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOweislaco
 
TEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdfTEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdfDannyTola1
 
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdf
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdfÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdf
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdfluisantoniocruzcorte1
 
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...fcastellanos3
 
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxLINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxdanalikcruz2000
 
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdfEstrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdfAlfredoRamirez953210
 

Último (20)

CIENCIAS NATURALES 4 TO ambientes .docx
CIENCIAS NATURALES 4 TO  ambientes .docxCIENCIAS NATURALES 4 TO  ambientes .docx
CIENCIAS NATURALES 4 TO ambientes .docx
 
PPTX: La luz brilla en la oscuridad.pptx
PPTX: La luz brilla en la oscuridad.pptxPPTX: La luz brilla en la oscuridad.pptx
PPTX: La luz brilla en la oscuridad.pptx
 
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdfTarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdf
 
Fisiologia.Articular. 3 Kapandji.6a.Ed.pdf
Fisiologia.Articular. 3 Kapandji.6a.Ed.pdfFisiologia.Articular. 3 Kapandji.6a.Ed.pdf
Fisiologia.Articular. 3 Kapandji.6a.Ed.pdf
 
Introducción:Los objetivos de Desarrollo Sostenible
Introducción:Los objetivos de Desarrollo SostenibleIntroducción:Los objetivos de Desarrollo Sostenible
Introducción:Los objetivos de Desarrollo Sostenible
 
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDUFICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
 
Día de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundialDía de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundial
 
Estrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdfEstrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdf
 
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptxSINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
 
Mapa Mental de estrategias de articulación de las areas curriculares.pdf
Mapa Mental de estrategias de articulación de las areas curriculares.pdfMapa Mental de estrategias de articulación de las areas curriculares.pdf
Mapa Mental de estrategias de articulación de las areas curriculares.pdf
 
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
 
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARONARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
 
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOTUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
 
TEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdfTEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdf
 
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdf
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdfÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdf
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdf
 
Earth Day Everyday 2024 54th anniversary
Earth Day Everyday 2024 54th anniversaryEarth Day Everyday 2024 54th anniversary
Earth Day Everyday 2024 54th anniversary
 
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
 
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxLINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
 
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdfEstrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
 
Sesión La luz brilla en la oscuridad.pdf
Sesión  La luz brilla en la oscuridad.pdfSesión  La luz brilla en la oscuridad.pdf
Sesión La luz brilla en la oscuridad.pdf
 

IO Soluciones Ejercicios

  • 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.