Programación Lineal Entera y Binaria

Capítulo 12
Programación Lineal Entera y Binaria
X2

Max Z = 5X1+2X2
C.S.R. 2X1 + 2X2 < 9
3X1 + X2 < 11
Max Z = 5X1+2X2 X2 > 2
C.S.R. 2X1 + 2X2 < 9
3X1 + X2 < 11 XJ > 0 ; J = 1,2
X2 < 1 X2 > 2

X2 < 1
X1

2X1 + 2X2 < 9

Z = 5X1 + 2X2 = 10
3X1 + X2 < 11

Introducción

Muchos de los problemas de la vida real exigen soluciones con números entero, por lo tanto
las variables de dicho problema deben ser definidas como variables enteras. Los métodos
de solución que contemplaremos en éste capitulo son: Método gráfico, Método de los planos
cortantes de Gomory, Método de Bifurcación y Acotación (Branch And Bound), el Método
de Egon Balas en donde las variables son de carácter binario (0,1). Por último se ilustra el
uso del software WinQsb para atender éste tipo de problema.

Método Gráfico

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

205
 Programación Lineal Entera y Binaria

Ejemplo

Max Z = 5X1 + 3X2 3X1 + 5X2 < 15 5X1 + 2X2 < 10 Z = 5X1 + 3X2 = 15
3X1 + 5X2 = 15 5X1 + 2X2 = 10
C.S.R. 3X1 + 5X2 < 15 X1 = 0 X2 = 0 X1 = 0 X2 = 0 X1 = 0 X2 = 0
5X1 + 2X2 < 10 X2 = 3 X1 = 5 X2 = 5 X1 = 2 X2 = 5 X1 = 3
P(0,0) ⇒ 0 < 15 P(0,0) ⇒ 0 < 10
Xj > 0 y Enteras ∀j Verdad Verdad

Aquí, las intersecciones de la cuadrícula, contenida en el

área sombreada, conforma las soluciones factibles.

Entonces, el punto más a la derecha del área, que se

intercepte con el barrido de la función objetivo, es la
solución óptima.

Éste método es eficaz sólo para problemas de dos (2)

variables ó menos. para problemas de más de 2
variables, estudiaremos el Método de los planos
cortantes de Gomory y el Método de Bifurcación ý
acotación, denominado también Branch And Bound.

Método de los planos cortantes de Gomory

Éste método sirve para solucionar problemas de más de dos (2) variables.

Algoritmo

1. Encontrar la solución, empleando el método simplex.

2. Si la solución es entera, entonces estamos en el óptimo.

3. Si no es entera, introducir una restricción nueva para la variable no entera, que tenga la
mayor parte fraccional (Quebrar empates arbitrariamente) y resolver el nuevo problema
mediante el método dual simplex.

206
 Programación Lineal Entera y Binaria

Nueva restricción a partir de la restricción actual que tenga la variable cuyo valor en su
parte fraccional sea mayor.

a) Escriba cada constante como la suma de: Un número entero de cualquier signo y una
fracción no negativa, menor que uno (1).

b) Cambiar la ecuación trasladando los coeficientes enteros al lado derecho.

Ejemplo

Max: Z = X1 + 5X2 Max: Z = X1 + 5X2

î
C.S.R. X1 + 10X2 < 20 C.S.R. X1 + 10X2 + X3 = 20
X1 < 2 X1 + X4 = 2
Xj > 0 y enteros para toda j Xj > 0 y enteros para toda j

A continuación solucionamos el problema por el método simplex, tal como se haría si el

problema fuese de programación lineal continua.

Cj î 1 5 0 0 b Variable que entra X2

VB b X1 X2 X3 X4 a Variable que sale X3
0 X3 20 1 10 1 0 2 (1/10)
0 X4 2 1 0 0 1 NO
Zj - Cj 0 -1 -5 0 0
↑

Cj î 1 5 0 0 b Variable que entra X1

VB b X1 X2 X3 X4 a Variable que sale X4
5 X2 2 1/10 1 1/10 0 20
0 X4 2 1 0 0 1 2 →
Zj - Cj 10 -5/10 0 5/10 0
↑

207
 Programación Lineal Entera y Binaria

Cj î 1 5 0 0 Solución óptima pero no entera: X1 = 2 ; X2 = 9/5 ;

VB b X1 X2 X3 X4 X3 = 0 ; X4 = 0 ; Z* = 11
5 X2 9/5 0 1 1/10 -1/10 → Ecuación 1 (Fila 1) para construir la nueva
1 X1 2 1 0 0 1 -1/10 restricción; ya que tiene la variable (X2), cuyo valor
Zj - Cj 11 0 0 1/2 1/2 en su parte fraccional es mayor.

Cálculo de la nueva restricción, a partir de la ecuación 2.

X2 + 1/10X3 – 1/10X4 = 9/5

Remplazamos cada constante por la suma de un número entero de cualquier signo y una
fracción no negativa menor que uno (1).

(1+0)X2 + (0+1/10)X3 + (-1+9/10)X4 = (1+4/5) Simplificando

X2 + 1/10X3 – X4 + 9/10X4 = 4/5 + 1 ;Trasladamos los términos con coeficiente entero, al

lado derecho.

1/10X3 + 9/10X4 = 4/5 + 1 – X2 + X4 ; Fíjese que el lado izquierdo subrayado debe ser
positivo y el lado derecho subrayado, debe ser entero, luego podemos asegurar que:

1/10X3 + 9/10X4 > 4/5 ; Multiplicando por (-1) ; -1/10X3 – 9/10X4 < -4/5 ; Adicionando una
variable de holgura; -1/10X3 – 9/10X4 + X5 = -4/5 ; Ecuación ésta que adicionamos, así:

Cj î 1 5 0 0 0 Cj î 1 5 0 0 0
VB b X1 X2 X3 X4 X5 VB b X1 X2 X3 X4 X5
5 X2 9/5 0 1 1/0 -1/10 0 5 X2 17/9 0 1 1/9 0 -1/9
1 X1 2 1 0 0 1 0 1 X1 10/9 1 0 -1/9 0 10/9
0 X5 -4/5 0 0 -1/10 -9/10 1 → 0 X4 8/9 0 0 1/9 1 -10/9
Zj - Cj 11 0 0 1/2 1/2 0 Zj - Cj 95/9 0 0 4/9 0 5/9
Zj – Cj / arj NO NO -5 -5/9 NO
↑

X1 = 10/9 = 1 + 1/9 ; X2 = 17/9 = 1 + 8/9 ; X3 = 0 ; X4 = 8/9 ; X5 = 0 ; Z = 95/9 = 10, 5

Escogemos la variable básica con mayor parte fraccionaria, en caso de empate, escoja al
azar. Escojo X4

208
 Programación Lineal Entera y Binaria

1/9X3 + X4 – 10/9X5 = 8/9 ⇒ (0+1/9)X3 + (1+0)X4 + (-2+8/9)X5 = 8/9 ⇒

1/9X3 + X4 –2X5 + 8/9X5 = 8/9 ⇒ 8/9 – X4 + 2X5

Positivo Entero

1/9X3 + 8/9X5 > 8/9 ⇒ -1/9X3 – 8/9X5 < -8/9 ⇒ -1/9X3 – 8/9X5 + X6 = -8/9

Cj î 1 5 0 0 0 0 Cj î 1 5 0 0 0 0
VB b X1 X2 X3 X4 X5 X6 VB b X1 X2 X3 X4 X5 X6
5 X2 17/9 0 1 1/9 0 -1/9 0 5 X2 2 0 1 1/8 0 0 -1/8
1 X1 10/9 1 0 -1/9 0 10/9 0 1 X1 0 1 0 -1/4 0 0 5/4
0 X4 8/9 0 0 1/9 1 -10/9 0 0 X4 2 0 0 1/4 1 0 -5/4
0 X6 -8/9 0 0 -1/9 0 -8/9 1 → 0 X5 1 0 0 1/8 0 1 -9/8
Zj - Cj 95/9 0 0 4/9 0 5/9 0 Zj - Cj 10 0 0 3/8 0 0 5/8
Zj – Cj / arj NO NO -4 NO -5/8 NO
↑ Solución factible, óptima y entera

X1* = 0 Y1* = 3/8

X2* = 2 Y2* = 0
X3* = 0 Y3* = 0
X4* = 2 Y4* = 5/8
X5* = 1 Y5* = 0
X6* = 0 Y6* = 0
Zx* = 10 ZY* = 10

Método de Bifurcación y Acotación (Branch And Bound)

Es una estrategia sistemática, que reduce mucho el número de combinaciones que se deben
examinar.

Algoritmo

1. Encontrar la solución mediante el Método Simplex. Si la solución no es entera, pase al

segundo punto.
2. Comienza con la solución óptima del simplex en donde se ignoran las restricciones de
variables enteras.

209
 Programación Lineal Entera y Binaria

3. Se selecciona una variable con valor no cero y se crean dos ramas mutuamente
excluyentes, esto da lugar a dos (2) nuevos problemas de Programación Lineal; que se
deben resolver.
4. Si ninguna solución es entera, con la rama de mayor valor de Z, se crean nuevas ramas y
se resuelven nuevos problemas por programación lineal (Método Simplex).
5. Se repite el punto 4), Hasta encontrar la solución entera óptima.

Max: Z = 5X1 + 2X2 INICIO

C.S.R. 2X1 + 2X2 < 9 X1 = 3,25
3X1 + X2 < 11 X2 = 1,25
XJ > 0 ; j = 1, 2 y Enteros Z = 18,75

X2 < 1 X2 > 2
Max: Z = 5X1 + 2X2 Max: Z = 5X1 + 2X2
C.S.R. 2X1 + 2X2 < 9 X1 = 3,33 X1 = 2,50 C.S.R. 2X1 + 2X2 < 9
3X1 + X2 < 11 X2 = 1,00 X2 = 2,00 3X1 + X2 < 11
X2 < 1 Z = 18,67 Z = 16,50 X2 > 2
XJ > 0 ; j = 1, 2 y Enteros El Mayor Z XJ > 0 ; j = 1, 2 y Enteros

X1 < 3 X1 > 4
Max: Z = 5X1 + 2X2 Max: Z = 5X1 + 2X2
C.S.R. 2X1 + 2X2 < 9 X1 = 3 No hay C.S.R. 2X1 + 2X2 < 9
3X1 + X2 < 11 X2 = 1 Solución 3X1 + X2 < 11
X2 > 2 Z = 17 Factible X2 > 2
X1 < 3 X1 > 4
XJ > 0 ; j = 1, 2 y Enteros XJ > 0 ; j = 1, 2 y Enteros

Observe que la primera acotación se realizó sobre la variable X2 , pero pudo haber sido
sobre X1 , de todas formas el método es dispendioso, en especial si se hace manualmente.

Método Aditivo de Egon Balas para problemas binarios (0,1)

No confundir éste método para solucionar problemas de asignaciones, aquí el problema de

programación lineal tiene la forma general y lo diferente es que las variables solo pueden
tomar valores binarios (0,1). La filosofía del método se basa en pensar que si se tiene una
función objetiva minimizando y todos sus términos son positivos, entonces, entre menos
variables tomen el valor de uno (1), la función objetiva será mínima.

210
 Programación Lineal Entera y Binaria

Algoritmo

1. La función objetivo se minimiza, en caso de maximización, use la regla de equivalencia:

Maximizar (Z) = Minimizar (-Z).

2. Se requiere que Cj > 0 , ∀j . En caso de que Cj < 0 , entonces Xj se sustituye por:

XJ = 1 - X j , es decir X j es el complemento.

Ejemplo: Min Z = 3X1 – 2X2 ⇒ X2 = 1 - X 2 ; Remplazando Z = 3X1 – 2(1- X 2)

Min Z = 3X1 + 2 X 2 – 2 , que para el caso: Min Z = 3X1 + 2 X 2

Nota: El cambio de variable, también se debe aplicar a todas las restricciones.

Para apreciar la utilidad del método, resolveremos el siguiente ejemplo, primero,

contemplando todas las posibles soluciones y a continuación aplicando el método aditivo de
Egon Balas, que reduce el número de soluciones posibles a contemplar.

Minimice : Z = 8X1 + 7X2 + 6X3 + 5X4 + X5

C.S.R. -6X1 – 3X2 + 2X3 – 4X4 – X5 < -3
-4X1 – 5X2 – 4X3 – 3X4 + 3X5 < -7
XJ = 0, 1 j = 1, 2, 3, 4, 5

El número posible de soluciones es de 2n , en donde n es el número de variables. En el

ejemplo, el número posible de soluciones es 25 = 32

En el siguiente diagrama se muestran todas las 32 posibles soluciones.

32 POSIBLES SOLUCIONES
X1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
X2 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1
X3 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1
X4 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1
X5 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1

211
 Programación Lineal Entera y Binaria

Algunas de éstas soluciones no son factibles, ya que no satisfacen las restricciones.

Aquellas que satisfagan las restricciones, deberán ser remplazadas en la función objetivo y
la que la haga más pequeña, será la solución óptima. Éste procedimiento es dispendioso,
tanto en la consecución de todas las soluciones como en su evaluación para todas las
restricciones y en su evaluación final sobre la función objetiva.

Aplicación del Método de Egon Balas

Evaluamos cada restricción, primeramente suponiendo que todas las variables valgan cero, y
después, alternativamente a cada variable le asignamos el valor de uno (1) y al resto de
variables el valor de cero (0). Cada vez que una solución no satisfaga una restricción, el que
tan lejos está de satisfacerla, lo llamamos infactibilidad.

Ejemplo: Si X1 = 1 y X2 = X3 = X4 = X5 = 0

Remplazando en la restricción uno (1), establecemos que: -3 < 0 , luego aquí la infactibilidad
es cero (0), ya que la solución evaluada, satisface la restricción, convirtiéndola en una
afirmación verdadera.

Remplazando en la restricción dos (2), establecemos que: 3 < 0 , luego aquí la infactibilidad
es tres (3), ya que la solución evaluada, no satisface la restricción, convirtiéndola en una
afirmación falsa. El que tan lejos está de ser una verdad, es lo que llamamos infactibilidad.

En total, la solución evaluada tiene una infactibilidad de 0 + 3 = 3

Si en ésta primera iteración, encontramos una solución cuya infactibilidad sea cero (0),
hemos encontrado la solución factible y óptima. Si encontramos que varias soluciones
tienen la infactibilidad igual a cero (0), remplazamos todas éstas soluciones en la función
objetivo y la solución óptima será aquella que haga que Z sea mínima.

Si no hay ninguna solución con su infactibilidad igual a cero (0), Escogemos la solución que
menor infactibilidad tenga y de ella la variable que esté valiendo uno (1). Remplazamos en
las restricciones dicha variable y sobre dichas restricciones iniciamos la segunda iteración.
Éste procedimiento se repite hasta encontrar la solución óptima factible.

212
 Programación Lineal Entera y Binaria

Primera Iteración Segunda Iteración (X2 = 1)

-6X1 – 3X2 + 2X3 – 4X4 – X5 + 3 < 0 -6X1 + 2X3 – 4X4 – X5 <0
-4X1 – 5X2 – 4X3 – 3X4 + 3X5 + 7 < 0 -4X1 – 4X3 – 3X4 + 3X5 + 2 < 0

X1 = X2 = X3 = X4 = X5 = 0 X1 = 1 ; X3 = X4 = X5 = 0
3<0 -6 < 0
7 < 0 Infactibilidad = 10 -2 < 0 Infactibilidad = 0 ; Z=15

X1 = 1 ; X2 = X3 = X4 = X5 = 0 X3 = 1 ; X1 = X4 = X5 = 0
-3 < 0 2<0
3 < 0 Infactibilidad = 3 -2 < 0 Infactibilidad = 2

X2 = 1 ; X1 = X3 = X4 = X5 = 0 X4 = 1 ; X1 = X3 = X5 = 0
0<0 -4 < 0
2 < 0 Infactibilidad = 2 ; La menor -1 < 0 Infactibilidad = 0 Z=12

X3 = 1 ; X1 = X2 = X4 = X5 = 0 X5 = 1 ; X1 = X3 = X4 = 0
5<0 -1 < 0
3 < 0 Infactibilidad = 8 5 < 0 Infactibilidad = 5

X4 = 1 ; X1 = X2 = X3 = X5 = 0 En ésta iteración hay dos soluciones con

-1 < 0 infactibilidad igual a cero (0), evaluado la
4 < 0 Infactibilidad = 4 función objetivo con ambas soluciones,
encontramos la solución óptima con Z = 12
X5 = 1 ; X1 = X2 = X3 = X4 = 0 Solución: X1* = 0 ; X2* = 1 ; X3* = 0 ; X4* = 1
2 <0 X5* = 0 ; Z* = 12
10 < 0 Infactibilidad = 12

Aquí concluimos, que lo menos malo es fijar Solamente se hizo necesario escudriñar 10
la primera variable con valor de uno (1) a X2 de las 32 soluciones posibles. Podemos
ya que presenta la menor infactibilidad, asegurar que el método hace una búsqueda
remplazamos a X2 = 1 en las dos sistemática que evita probar todas las
restricciones e iniciamos la 2º iteración. combinaciones posibles.

213
 Programación Lineal Entera y Binaria

Software WinQsb

El software WinQsb en su módulo de programación lineal y entera, presenta en su ventana

inicial las opciones respectivas, incluyendo la de programación lineal binaria, de la siguiente
manera:

En ésta ventana se selecciona una de

las opciones encerradas en la elipse
de color rojo. El resto de las
ventanas se tramita de igual manera
que para un problema de
programación lineal continua.

En la siguiente ventana, el WinQsb

permite establecer el tipo de
variable de manera individual; de ahí
que podemos tener un problema de
programación lineal con variables
mezcladas, como se muestra en el
siguiente ejemplo.

Dando doble clic sobre la casilla de

tipo de variable, se ofrece
consecutivamente las variables tipo
continua, entera, binaria e
irrestricta, éste último tipo de
variable es la que no tiene
restricción en el signo y puede tomar
valores tanto negativos como positivos. También podemos fijar límites para los valores de
las variables, siendo un problema de programación lineal restringido, en el ejemplo se exige
que X1 puede tomar valores enteros entre 3 y 50.
La solución se muestra en ventanas idénticas a las ya explicadas en programación lineal
continua y se ofrece el mismo tipo de información.
Una conclusión relevante es la utilidad del computador y del software para la solución de
problemas de programación lineal, que sin dicha herramienta es supremamente dispendiosa
la consecución de la solución óptima para problemas de tamaño mediano y grande, que son
los que en la vida real se presentan.

214
 Programación Lineal Entera y Binaria

Problemas propuestos

1. Resolver gráficamente los siguientes ejercicios de programación lineal entera.

a) Max : Z = X1 + 5X2 b) Max : Z = 3X1 + X2 c) Max : Z = 5/2X1 + X2

C.S.R. X1 + 10X2 < 20 C.S.R. X1 + 2X2 < 8 C.S.R. 3X1 + 5X2 < 15
X1 < 2 3X1 – 4X2 < 12 5X1 + 2X2 < 10
XJ > 0 J = 1, 2 y Enteros Xj > 0 ∀j y Enteros Xj > 0 ∀j y Enteros

2. Resolver manualmente empleando el método de los planos cortantes de Gomory y

mediante el software WinQsb los siguientes ejercicios de programación lineal entera.

a) Max : Z = 3X1 + X2 b) Max : Z = 5X1 + 2X2

C.S.R. X1 + 2X2 < 8 C.S.R. 2X1 + 2X2 + X3 =9
3X1 – 4X2 < 12 3X1 + X2 + X4 = 11
XJ > 0 ∀j y Enteros Xj > 0 ∀j y Enteros
Solución: X1*=5 ; X2*=1 ; Z*= 16 Solución: X1*=3 ; X2*=1 ; Z*= 17

c) Max : Z = 5X1 + 2X2

C.S.R. 2X1 + 2X2 + X3 =9
3X1 + X2 + X4 = 11
Xj > 0 ∀j y X1 , X3 Enteros
Solución: X1*=3 ; X2*=3/2 ; X3*=0 ; X4*=1/2 ; Z*= 18

3. Resolver manualmente empleando el método de Bifurcación y Acotación (Branch And

Bound) y mediante el software WinQsb los siguientes ejercicios de programación lineal
entera.

a) Max : Z = 5X1 + 2X2 b) Max : Z = 60X1 + 50X2

C.S.R. 2X1 + 2X2 < 9 C.S.R. 2X1 + 4X2 < 80
3X1 + X2 < 11 3X1 + 2X2 < 55
X1 < 16
X2 < 18
XJ > 0 ∀j y X2 Entero Xj > 0 ∀j y Enteros
Solución: X1*=3,3 ; X2*=1 ; X3*=0,3 Solución: X1*=9 ; X2*=14 ; Z*= 1.240
X4*=X5*=0 ; Z*= 18,67

215
 Programación Lineal Entera y Binaria

4. Resolver manualmente empleando el método aditivo de Egon Balas y mediante el

software WinQsb los siguientes ejercicios de programación lineal binaria.

a) Min: Z = 5X1 + 7X2 + 10X3 + 3X4 + X5 b) Max: Z = 3X1 + 2X2 - 5X3 - 2X4 + 3X5
C.S.R. - X1 + 3X2 + 5X3 – X4 + 4X5 < -2 C.S.R. X1 + X2 + X3 + 2X4 + X5 < 4
2X1 - 6X2 + 3X3 + 2X4 – 2X5 < 0 7X1 + 3X3 - 4X4 + 3X5 < 8
X2 - 2X3 + X4 + X5 < -1 11X1 – 6X2 + 3X4 - 3X5 > 3
XJ = 0,1 j = 1,2,3,4,5 XJ = 0,1 j = 1,2,3,4,5

5. Una Compañía se especializa en la preparación de programas de computadora para el

gobierno y la industria. Estos programas se escriben en uno de cuatro lenguajes de
programación: Fortran, assambler, cobol y apl. La compañía tiene un programador que
realiza ésta labor y existen cinco trabajos de programación que deben terminarse lo más
pronto posible. La utilidad de cada tarea se muestra en la siguiente tabla.

T R A B A J O
PROGRAMADOR 1 2 3 4 5
JOSE 100 150 200 100 50

En la siguiente tabla se muestra el tiempo que necesita el programador para terminar

cada trabajo y el tiempo de que dispone después de realizar sus demás tareas.

T R A B A J O TIEMPO DISPONIBLE
PROGRAMADOR 1 2 3 4 5 (HORAS)
JOSE 40 15 20 10 5 35

¿Qué trabajos debe aceptar realizar la compañía para maximizar la utilidad?

Formule el problema como uno de programación lineal binaria, emplee el método manual
de egon balas y el software WinQsb para solucionarlo.

Solución: Aceptar los trabajos 3, 4 y 5 para una utilidad máxima de $350

216