PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR

ESCUELA DE CIENCIAS ADMINISTRATIVAS Y CONTABLES

IC - CA

NIVEL/PARALELO

CUARTO NIVEL/A

MATERIA

INVESTIGACIÓN OPERATIVA

TÍTULO DEL TRABAJO

EXPOSICIÓN 2 (GRUPO Nº1)

INGRESO DE DATOS Y LECTURA GENERAL DE LA HOJA ELECTRÓNICA

(ANÁLISIS DE SENSIBILIDAD CON LOS RESULTADOS DEL SOFTWARE LINDO)

NOMBRES Y APELLIDOS DEL ESTUDIANTE

MACARENA IZQUIERDO ANDRADE (IC)

AULARICIA DE LA CRUZ (IC)

GISSELA MENA (CA)

DOCENTE

MG. CÉSAR MEJIA

08/05/18
 ÍNDICE

Introducción………………………………………………………………..……....……....Pg.2

Capítulo 1

Ingreso de datos y lectura general de la hoja electrónica

1.1 LINDO (lectura general)……………........……..…………………….…………..……Pg.3

1.2 Conceptos fundamentales y casos con software…………………………….…………..Pg.6
1.2.1 Conceptos básicos en Análisis de Sensibilidad………………………………….….Pg.6
1.2.2 Análisis de Sensibilidad con LINDO……………………………………………….Pg.7

Conclusión……………..……………………….…………………………..…..……...…Pg.14
Bibliografía……………………………………………...…………………...….......……Pg.14

Investigación Operativa 1
 Introducción

LINDO es un intuitivo programa para resolver problemas de optimización matemática, en

particular de programación lineal (continuos, enteros y binarios). El nombre de LINDO es un
acrónimo de Linear, Interactive, and Discrete Optimizer. El presente pretende ser un escueto
manual de LINDO, por lo cual aborda lo más general de este programa sin detenerse en detalles.

LINDO es una aplicación para computadoras que se utiliza para resolver problemas de
programación lineal, cuadrática y entera.

Desde 1979 el programa LINDO ha sido una de las herramientas de optimización favoritas de
las comunidades Educativas y Empresariales. LINDO Systems se ha dedicado a proveer
poderosas e innovativas herramientas de optimización que también son flexibles y muy fáciles
de usar. LINDO tiene una larga historia y es uno de los pioneros en crear poderosos programas
de optimización.

En 1979 se vendió en México la primer copia comercial de LINDO, la ayuda que este
proporcionó en aquel momento, le hizo ganar popularidad muy rápidamente para luego ser
utilizado en aplicaciones industriales. En 1983 la versión LINDO/PC fue el primer paquete
para programación lineal, este manejaba 60 restricciones y 120 variables. En 1996 apareció la
versión 6.0 para WINDOWS.

Antes que aparecieran Lotus 1-2-3 o Excel, LINDO había sido incorporado a la planilla de
cálculo VisiCalc, el paquete se llamó VINO y es el equivalente del SOLVER que viene con
Excel. En estos momentos existe una hoja de cálculo llamada WHAT´S Best! la cual se integra
a EXCEL o LOTUS 1-2-3; ésta resuelve problemas de optimización con algoritmos de LINDO
Systems.

Investigación Operativa 2
Capítulo 1

INGRESO DE DATOS Y LECTURA GENERAL DE LA HOJA ELECTRÓNICA

1.1 LINDO

LINDO es un intuitivo programa para resolver problemas de optimización matemática, en

particular de programación lineal (continuos, enteros y binarios). El nombre de LINDO es un
acrónimo de Linear, Interactive, and Discrete Optimizer. El presente pretende ser un escueto
manual de LINDO, por lo cual aborda lo más general de este programa sin detenerse en detalles.

El programa LINDO puede conseguirse desde su página oficial, http://www.lindo.com/ donde

se puede descargar una versión de prueba limitada a 300 variables continuas, 30 variables
discretas (enteras o binarias) y 150 restricciones. Ideal para estudiantes.

Iniciemos con nuestro manual. Supongamos que tenemos el siguiente problema de

programación lineal:

En LINDO podemos escribirlo con el siguiente código:

Con base en este primer ejemplo, podemos mencionar las siguientes características:

1. Insensibilidad a mayúsculas: LINDO es insensible a mayúsculas y minúsculas, por lo cual

escribir la función objetivo de la forma MAX 3X1 + X2 es completamente equivalente a Max
3X1 + X2 o a max 3x1 + x2. En este manual, por claridad, utilizaremos mayúsculas en general.

2. Máx o mín: Respecto al sentido de la optimización, la palabra clave con que inicia la función
objetivo es MAX para maximizar y MIN para minimizar.

Investigación Operativa 3
3. «Sujeto a»: La palabra clave S.T. en el segundo renglón proviene de subject to (sujeto a, en
inglés) o de such that (tal que, en inglés). También puede usarse ST, SUBJECT TO o SUCH
THAT.

4. Desigualdades: Para LINDO, las desigualdades siempre incluyen la igualdad, por lo cual
escribir simplemente < en el código es equivalente al operador matemático ≤, pero si se
prefiere, LINDO también admite <=. Similarmente para ≥.

5. No negatividad: Para LINDO, por defecto las variables son siempre no negativas, por lo
cual no ha sido necesario especificar en el código las restricciones lógicas x1, x2 ≥ 0. Después
de lo básico, cuyo uso ha podido apreciarse en nuestro primer ejemplo, conviene mencionar
algunas cosas útiles adicionales.

6. Nombres de las variables: Los nombres de las variables deben comenzar con un carácter
alfabético (A a la Z) seguido de hasta siete caracteres más que excluyan los símbolos ! ) + - =
> <. Por ejemplo, X, Y12, DEM.MX o VAR_X son válidas mientras que 2INICIA,
DEMASIADOLARGO, UN-GION y EUREKA! no lo son.

7. Título: A cada modelo puede añadirse un título mediante la palabra clave TITLE al inicio
del código.

8. Nombres en restricciones: En LINDO cada restricción puede tener un nombre, el cual debe
escribirse al inicio de la restricción y concluir con un cierre de paréntesis ( ) ).

9. Fin: Aunque en el ejemplo presentado no fue incluido, en ocasiones será necesario indicar
a LINDO que el modelo ha concluido mediante la palabra clave END al finalizar las
restricciones.

10. Comentarios: El signo de cierre de exclamación ( ! ) es interpretado como el inicio de un

comentario, el cual deberá ser ignorado por el optimizador. Dicho signo puede iniciar o no un
renglón, por lo que sólo el texto que se encuentre a la derecha será considerado como
comentario.

Investigación Operativa 4
Con estas nuevas características, nuestro primer ejemplo puede quedar de la siguiente manera:

Observe que hemos agregado un título descriptivo del modelo y que hemos nombrado las
restricciones CAP y DEM1, además de que hemos colocado algunos comentarios.

Ahora conviene comentar un par de puntos técnicos adicionales:

11. Operadores: LINDO sólo reconoce cinco operadores matemáticos: +, -, =, > y <.

12. Estructura de las restricciones: En cada restricción las variables deben aparecer a la
izquierda del operador de comparación (> = <) y a la derecha sólo debe aparecer una constante.
Por ejemplo, la restricción X < Y será rechazada por el optimizador, por lo que debería
reescribirse como X - Y < 0 (o también Y - X > 0). Por último, dado que para lindo las variables
siempre son no negativas, conviene saber cómo modificar este comportamiento por defecto.
Las siguientes instrucciones deben escribirse después del END.

13. Variables sin restricción de signo: La palabra clave FREE permite a la variable indicada
tener cualquier valor entre −∞ y ∞, es decir, FREE X1 es el equivalente de x1 ∈ R.

14. Variables enteras: La palabra clave GIN indica al programa que la variable debe tener un
valor entero (no negativo), es decir, GIN Y1 es el equivalente a y1 ∈ Z, y1 ≥ 0.

15. Variables binarias: La palabra clave INT indica al programa que la variable elegida debe
tener un valor binario, es decir, INT X2 es el equivalente a x2 ∈ {0, 1}.

16. Cotas: Las palabras clave SLB y SUB indican que las variables seleccionadas tienen una
cota inferior o superior, respectivamente, el cual también debe ser indicado. Por ejemplo, SLB
Y4 3 indica al programa que la variable Y4 no debe tomar un valor menor a 3. Similarmente,
SUB Y5 12 indica que la variable Y5 no debe tomar un valor mayor a 12.

Investigación Operativa 5
Los anteriores atributos pueden combinarse en una misma variable para emplearse como en el
siguiente ejemplo:

1.2 Conceptos fundamentales y casos con software

1.2.1 Conceptos básicos en Análisis de Sensibilidad
El Análisis de Sensibilidad se utiliza para examinar los efectos de cambios en tres áreas
diferenciadas del problema:
1. Los coeficientes de la función objetivo (coeficientes objetivo). Los cambios en los
coeficientes objetivos NO afectan la forma de la región factible, por lo que no afectarán a la
solución óptima (aunque sí al valor de la función objetivo).
2. Los coeficientes tecnológicos (aquellos coeficientes que afectan a las variables de las
restricciones, situados a la izquierda de la desigualdad). Los cambios en estos coeficientes

Investigación Operativa 6
provocarán cambios sustanciales en la forma de la región factible. Gráficamente (en el caso de
2 variables) lo que varía es la pendiente de las rectas que representan las restricciones.
3. Los recursos disponibles (los términos independientes de cada restricción, situados a la
derecha de la desigualdad). Intuitivamente (para 2 variables), los cambios en el RHS suponen
desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual hará variar la forma
de la región factible y, con ello, a la solución óptima.

1.2.2 Análisis de Sensibilidad con LINDO

Ejemplo:
Reddy Mikks produce pinturas para interiores y exteriores con dos materias primas, M1 y
M2.
La tabla siguiente proporciona los datos básicos del problema:

Una encuesta de mercado indica que la demanda diaria de pintura para interiores no puede
exceder la de pintura para exteriores en más de una tonelada. Asimismo, que la demanda
diaria máxima de pintura para interiores es de dos toneladas.
Reddy Mikks se propone determinar la (mejor) combinación óptima de pinturas para
interiores y exteriores que maximice la utilidad diaria total.

Investigación Operativa 7
Investigación Operativa 8
Investigación Operativa 9
Explicación:

OBJECTIVE FUNCTION VALUE

Investigación Operativa 10
  REDUCED COST: Cantidad en que tendría que “mejorar” (aumentar en un MAX,
disminuir en un MIN) el coeficiente objetivo asociado para que resultase “rentable”
asignar un valor no nulo a la variable.
 DUAL PRICES: Cantidad en que “mejoraría” la función objetivo (aumentando en un
MAX, disminuyendo en un MIN) si “relajásemos” la restricción asociada en una
unidad.
 SLACK OR SURPLUS: Nos dice cuan cerca estamos (en unidades) de “agotar” la
restricción asociada (cumplirla en igualdad). Si es del tipo <= será un “Slack” y si es
del tipo >=, un “Surplus”.

Aparte de observar el valor de la solución óptima (X = 3, Y = 1.50), y el consiguiente valor de

la función objetivo (21), nos interesa ahora destacar el resto de la información que se nos
proporciona y que se explica en los cuadros anteriores. Así, utilizando la columna de coste
reducido, sabemos que, en la solución final, la variable X no tomará un valor estrictamente
positivo a menos que su coeficiente objetivo aumente en más de 1 unidad (es decir, pase de ser
5 a ser mayor de 6); a partir de la columna de carencia o excedente (Slack or Surplus),
deducimos que la primera de las restricciones se cumple en igualdad (agotamos las 24 unidades
disponibles), mientras que en la segunda estamos utilizando 0 unidades menos de las permitidas
(hay una carencia de 0 unidades). Finalmente, el precio dual (o precio sombra) toma un valor
de 0.75 en la primera de las restricciones, lo que significa que nos saldría rentable pagar hasta
0.75 unidades más por “relajar” esta restricción en una unidad (disponer de 25 unidades en vez
de 24) siempre que los demás parámetros sigan fijos. Como es lógico, el precio dual de la
segunda restricción es 0, puesto que no nos saldría a cuenta pagar por otra unidad de un recurso
que no hemos agotado.

Veamos ahora cuál sería el “output” extra del programa al escoger la opción SENSIBILITY
(RANGE) ANALYSIS (opción también seleccionable desde la barra de menú como
Reports>Range):

Investigación Operativa 11
RANGES IN WHICH THE BASIS IS UNCHANGED

 OBJ COEFFICIENT RANGES: Cantidad máxima en que podemos

aumentar/disminuir los coeficientes objetivo sin variar la solución óptima.
 RIGHTHAND SIDE RANGES: Cantidad máxima en que podemos
aumentar/disminuir los recursos disponibles sin variar la solución.

1. Cambios en los Coeficientes Objetivo: Distinguiremos entre variables básicas, que son las
que toman valores no nulos en la solución óptima (Y en nuestro ejemplo), y variables no
básicas, las cuales toman el valor 0 (X en este caso). Por lo que respecta al coeficiente objetivo
asociado a la variable no básica (5), la solución actual (X = 3, Y = 1.50) seguirá siendo válida
siempre que éste no exceda de 6 (su incremento permitido es de 1 unidad); si este coeficiente
excediese de 6, la variable pasaría a ser básica, cambiando así la sol óptima. Por lo que respecta
al coeficiente objetivo asociado a la variable básica (4), la solución actual será válida siempre
que éste no disminuya en más de 0.66 unidades.

Observar que, dentro de los rangos especificados, los cambios en uno de los coeficientes
objetivo no alterarán la solución óptima, pero sí harán variar el valor final de la función
objetivo.

2. Cambios en los Coeficientes Tecnológicos: Estos cambios se deben a menudo a

innovaciones tecnológicas o a mejoras en la productividad. Este tipo de cambios no producirá
variación alguna en la función objetivo, pero sí alterará sustancialmente la “forma” de la región
factible, por lo que la solución óptima también variará. Su análisis puede llegar a ser muy
complejo, motivo por el cual lo omitiremos.

3. Cambios en los recursos: Los valores que quedan a la derecha de las desigualdades (Right-
Hand-Side) representan la disponibilidad de recursos de la empresa (horas de mano de obra,

Investigación Operativa 12
materias primas, etc.). Los cambios que se puedan producir en estos valores afectarán también
a la “forma” de la región factible y, por extensión, al valor de la solución óptima. A pesar de
ello, si el parámetro que varía lo hace dentro de un rango predeterminado, seremos capaces de
predecir (vía precios sombra) cómo este cambio afectará a la función objetivo, pues la base
(conjunto de variables básicas de la solución) no variará.

Como ya hemos comentado, el precio dual asociado a una restricción nos informa de cuánto
mejoraría el valor de la función objetivo si relajásemos la restricción en una unidad. Ello nos
da una idea de la cantidad que estaríamos dispuestos a pagar por cada unidad adicional del
recurso asociado. Por supuesto, no es posible seguir aumentando indefinidamente los recursos
disponibles sin que ello afecte a la clasificación actual de variables básicas y no básicas. La
información que el “output” nos proporciona es, precisamente, el rango en el cual este precio
sombra es válido. Así, en la primera de las restricciones anteriores, podríamos aumentar los
recursos disponibles hasta un total de 36 unidades (24+12), incrementando con ello el valor de
la función objetivo en unas 9 unidades (12*0.75).

Investigación Operativa 13
Conclusiones

 LINDO es un intuitivo programa para resolver problemas de optimización matemática,

en particular de programación lineal (continuos, enteros y binarios).
 El nombre de LINDO es un acrónimo de Linear, Interactive, and Discrete Optimizer.
El presente pretende ser un escueto manual de LINDO, por lo cual aborda lo más
general de este programa sin detenerse en detalles.
 LINDO es una aplicación para computadoras que se utiliza para resolver problemas de
programación lineal, cuadrática y entera.

Bibliografía

Mata, M. (2015). Manual de LINDO. Recuperado el 06 de Mayo del 2018,

http://logistica.fime.uanl.mx/miguel/docs/manual-lindo.pdf

Investigación Operativa 14