Práctica Calificada 1I
INVESTIGACION OPERATIVA
2025 - Ciclo 1 Marzo
Docente: Ing. Juan Manuel Ordinola Brenis Duración: 90 min Calificación:
Quispe Alfaro Victor Martin
ESTUDIANTE
NRC
CARRERA Ing industrial FECHA: 15 /05 /2025 (NÚMERO DE 33034
CLASE)
INDICACIONES:
1. Se debe contestar cada apartado de la pregunta correspondiente de manera clara y precisa.
2. Puede usar libros, apuntes, calculadora, laptop.
3. Recuerda que tanto el plagio de internet u otro compañero son sancionados
4. Las soluciones de los ejercicios, junto con los pantallazos del Lindo u otro programa colgarlos en
formato PDF, con nombre PC2_nombre_apellido
5. Tomar en cuenta que la PC se cierra puntualmente al término de la clase. No se recibirán Pcs por otro
medio
Pregunta 1 (5 ptos)
En la siguiente figura se ha graficado el recinto de posibles soluciones de un PL que
tiene dos variables de decisión y cinco restricciones, enumeradas del 1 al 5. Sean b1,
b2, …,b5 las disponibilidades de los recursos correspondientes a las 5 restricciones, y
m1,m2,…,m5, sus respectivas pendientes. Los vértices enumerados del I al VI
representan las posibles soluciones óptimas,
a) Si la solución óptima es el vértice V, ¿cuáles recursos son escasos y cuáles
abundantes?
Recursos escasos (restricciones activas):
Las restricciones cuyas rectas pasan por el vértice V. Estas son las que
limitan la solución óptima.
Recursos abundantes (restricciones inactivas):
Las restricciones cuyas rectas no pasan por V. Estas tienen holgura (no
se consumen completamente).
R:
Depende de qué restricciones intersectan en V. Si el vértice V es la
intersección de las restricciones 2 y 4, entonces:
Escasos: Recursos 2 y 4 (se usan completamente).
Abundantes: Recursos 1, 3 y 5 (tienen holgura).
b) ¿Podrían ser abundantes los 5 recursos? ¿Cuándo?
Sí, si la solución óptima es un vértice interior (donde ninguna restricción
es activa).
Condición:
Esto ocurre cuando la solución óptima está en un punto donde ninguna
restricción es vinculante (por ejemplo, en problemas con regiones
factibles no acotadas y la función objetivo no intersecta las
restricciones).
c) ¿Podrían ser abundantes 4 recursos? ¿Cuándo?
Sí, si solo una restricción es activa en la solución óptima.
Condición:
La solución óptima está en un vértice donde solo una restricción se
satisface con igualdad (por ejemplo, una esquina de la región factible
donde solo una recta de restricción toca el punto óptimo).
d) Si la solución óptima es el vértice II, ¿se podría determinar un límite
para b2b2 a partir del cual x=0x=0?
Sí, si el vértice II está en la intersección de la restricción 2 con otro eje o
restricción.
Procedimiento:
1. Identificar la pendiente (m2m2) de la restricción 2.
2. Calcular el valor de b2 que hace que la restricción 2 pase
exactamente por el punto donde x=0 (eje vertical).
3. Si b2 aumenta más allá de este valor, la solución óptima se
desplaza a x=0
El límite
es b2≥valor donde la restriccion 2 intersecta el eje y sin afectar a x.
e) Si la solución óptima es el vértice V, ¿se podrían tener exactamente 2
recursos abundantes? ¿Cuándo?
Sí, si el vértice V es la intersección de 3 restricciones (pero solo 2 son
activas).
Condición:
o Dos restricciones son activas (pasan por V).
o Tres restricciones son redundantes (no afectan el óptimo).
Si V es la intersección de las restricciones 1 y 2, pero la restricción 3 también
pasa por V pero no limita la solución, entonces:
Escasos: Recursos 1 y 2.
Abundantes: Recursos 3, 4 y 5 (pero 3 es redundante).
R:
Sí, cuando dos restricciones son activas y las otras tres son redundantes o no
limitan la solución.
2)
A)
MODEL:
MAX = 800*x1 + 450*x2;
x1 + x2 <= 200; ! Terreno;
35*x1 + 10*x2 <= 3500; ! Invierno;
40*x1 + 20*x2 <= 4800; ! Verano;
x1 >= 0;
x2 >= 0;
END
Pregunta 2 (7 ptos)
Pregunta 2
Una familia campesina, que es propietaria de 200 acres de terreno, tiene la posibilidad
de obtener ingresos a partir de dos tipos de cosecha: maíz y avena. Sus miembros
pueden producir un total de 3500 horas-hombre de mano de obra durante los meses
de invierno y 4800 horas-hombre durante el verano. Las estimaciones de las horas
hombre y el beneficio por acre plantado con cada tipo de cosecha son:
Máxima utilidad: S/. 104,000
Asignación óptima:
o Producto 1 (x1): 40 unidades
o Producto 2 (x2): 160 unidades
Restricciones activas y limitantes:
o Terreno total
o Restricción de verano
Restricción con holgura:
o Condición de invierno (con 500 unidades de recurso sobrantes)
b) Recursos Empleados Totalmente:
Invierno: Se usan todas las 3500 horas (restricción activa).
Terreno y verano: Tienen holgura (no se usan completamente).
c) Reducción de Horas en Invierno para No Sembrar Maíz:
Condición: El precio sombra de la restricción de invierno es $22.86/hora.
Cálculo:
Para que no convenga sembrar maíz, la reducción debe hacer que la restricción de
invierno ya no sea activa.
Reducir en 1500 horas (quedando 2000 horas).
d) Precio Máximo por 40 Acres Adicionales:
Precio sombra del terreno: $0 (no es restrictivo en la solución actual).
Interpretación: No pagaría nada adicional, pues ya hay 100 acres sin usar.
e) Respuesta a Juan:
Explicación:
La solución óptima actual usa todas las horas de invierno (3500 horas). Si solo se usan
3000 horas, el modelo debe ajustarse para reflejar esto, lo que podría cambiar la
solución óptima.
Conclusión: Juan tiene razón si los datos son incorrectos; de lo contrario, el modelo ya
es óptimo.
f) Misma Cantidad de Maíz y Avena (x1=x2):
SOLUCION
g) Terreno Limitado a 180 Acres:
3) Debido a la gran aceptación del cebiche en bolsa, ahora Juanito está planificando
para el próximo verano la venta de sopa en botellón. Las sopas de mayor demanda
son: especial de pollo, marítima de mariscos y tradicional de habas. Los ingredientes
principales son: pollo, mariscos, habas y alverjas. La siguiente tabla muestra el
requerimiento de los ingredientes que se utilizan por cada botellón de 3 litros:
FUNCION
RESTRICCIONES
DEMANDA MINIMA
Disponibilidad de ingredientes
Límite de compra a tías
NO NEGATIVIDAD
FORMA LINGO METODO COMPACTO
MODELAMIENTO (SIN PROGRAMA)
Solución:
Xi: Numero de sopas que prepara de cada tipo i (i=1,2,3)
Yi: Numero de sopas que compro de su tía de cada tipo i.
Zi: Numero de sopas que compro a su tía Bertha de cada tipo i.
Max Z =20.25* X1 + 20.5* X2 + 10*X3 + 10*Y1 + 15*Y2 - 5*Y3 + 5*Y3
+5*Z1 + 5*Z2 + 5*Z3
Restricciones:
0.3*X1 + 0.15* X3 <=50
0.3*X2 + 0.15* X3 <=40
0.25*X1 + 0.1* X2 + X3 <=200
X1 + Y1 + Z1 >= 250
X2 + Y2 + Z2 >= 100
X3 + Y3 + Z3 >= 300
Y1 + Z1 <=X1
Y2 + Z2 <=X2
Y3 + Z3 <=X3
X1,X2,X3,Y1,Y2,Y3,Z1,Z2,Z3>=0
VARIABLES DE DECISIÓN
Xi = Número de sopas que preparo el mismo de tipo i (i=1, 2, 3)
Yi =Número de sopas que compró a su tía Julia del tipo i (i=1, 2, 3)
Wi = Número de sopas que compró a su tía Bertha del tipo i (i=1, 2, 3)
MODELAMIENTO (CON EL PROGRAMA)
MODEL:
[_1] MAX= 20.25 * X_1 + 10 * Y_1 + 5 * Z_1 + 20.5 * X_2 +
15 * Y_2 + 5 * Z_2 + 10 *
X_3 - 5 * Y_3 + 5 * Z_3;
[_2] 0.3 * X_1 + 0.15 * X_3 <= 80;
[_3] 0.3 * X_2 + 0.15 * X_3 <= 40;
[_4] 0.25 * X_1 + 0.1 * X_2 + X_3 <= 200;
[_5] 0.25 * X_1 + 0.5 * X_2 + 0.25 * X_3 <= 150;
[_6] X_1 + Y_1 + Z_1 >= 250;
[_7] X_2 + Y_2 + Z_2 >= 100;
[_8] X_3 + Y_3 + Z_3 >= 300;
[_9] - X_1 + Y_1 + Z_1 <= 0;
[_10] - X_2 + Y_2 + Z_2 <= 0;
[_11] - X_3 + Y_3 + Z_3 <= 0;
END
CÓDIGO LINGO
SETS:
PROD/1..3/:UTIL, X,Y,Z,MINIM,TIJ,TIB;
COMP/1..4/:DISP;
FMA(PROD,COMP):REQ;
END SETS
DATA:
UTIL= 20.25,20.5,10;
TIJ= 20,20,30;
TIB= 25,30,20;
MINIM= 250,100,300;
DISP= 80,40,200,150;
REQ= 0.3,0,0.25,0.25,0,0.30,0.1,0.5,0.15,0.15,1,0.25;
END DATA
MAX=@SUM(PROD:UTIL*X)-@SUM(PROD:TIJ*Y)-@SUM(PROD:TIB*Z)
+30*Y(1)+30*Z(1)+35*Y(2)+35*Z(2)+25*Y(3)+25*Z(3);
@FOR(COMP(J):@SUM(PROD(I):REQ(I,J)*X(I))<=DISP(J));
@FOR(PROD(I):X(I)+Y(I)+Z(I)>=MINIM(I));
@FOR(PROD(I):Y(I)+Z(I)<=X(I));
El modelo logró maximizar el objetivo en 9655.90 unidades.
Las variables X indican las decisiones de asignación óptimas.
Varias restricciones están saturadas, por lo tanto, son críticas para
mantener la solución óptima.
El análisis dual muestra qué restricciones limitan más el beneficio y
podrían ser puntos de mejora o inversión.
SOLUCION OPTIMA (LINGO)
