METODOS CUANTITATIVOS EN LA TOMA

DE DECISIONES
 PROGRAMA DE ESTUDIO
Objetivo
Consiste en formular y resolver diversos problemas orientados a
la toma de decisiones. La naturaleza de los problemas abordados
puede ser determinística, como en los Modelos de Programación
Matemática, donde la teoría de probabilidades no es necesaria, o
bien de problemas donde la presencia de incertidumbre tiene un
rol preponderante, como en los Modelos Probabilísticos.

Hoy en día, la toma de decisiones abarca una gran cantidad de

problemas reales cada vez más complejos y especializados, que
necesariamente requieren del uso de metodologías para la
formulación matemática de estos problemas y, conjuntamente, de
métodos y herramientas de resolución, como los que provee la
Investigación de Operaciones.
 PROGRAMA DE ESTUDIO
Contenido:

Capitulo 1: Naturaleza de la investigación de operaciones

Capitulo 2: Programación lineal

Capitulo 3: Algoritmo simplex

Capitulo 4: Teoría de la dualidad

Capitulo 5: Problema del transporte

Capitulo 6: Programación entera

Capitulo 8: Aplicaciones en IP

Capitulo 9: Programación de proyectos

 METODOLOGIA
• Clases expositivas para conceptos teóricos con discusiones sobre
cada tema.
• Practicas en PC, donde se conocerán diversos software de apoyo a
la Investigación de Operaciones.

EVALUACIÓN
• El curso tiene 2 exámenes y 1 trabajo monográfico durante el ciclo
académico. Los exámenes y monografías se califican de 0 a 20.
• Durante las clases teóricas se procurará que el alumno participe
activamente, llevándose a cabo ejemplos prácticos en la PC, con los
procedimientos a estudiar y una serie de preguntas por parte del
profesor para hacer que los mimos estudiantes sean los que
desarrollen y expliquen el problema en cuestión.

• NF = (Examen 1 + Examen 2 + Monografía)/3

NF: Nota final
 BIBLIOGRAFIA

• TAHA HAMDY A. Investigación de operaciones. PEARSON. 9

Ed. 2010
• HILLIER, FREDERICK Y LIEBERMAN, GERALD: “Introducción
a la Investigación de Operaciones”, McGraw – Hill
Interamericana
• WINSTON WAYNE L.: “Investigación de Operaciones:
Aplicaciones y Algoritmos”. Grupo Editorial Iberoamericana.
• DAVIS K ROSCOE y MC KEOWN Patrick. Modelos
Cuantitativos para Administración. Grupo editorial
Iberoamerica. 2 Ed. 1986.
• PRAWDA, Juan. Métodos y modelos de Investigación de
operaciones. Limusa.
• JORGE ALVAREZ ALVAREZ, Investigación de Operaciones,
Universidad Nacional de Ingeniería, Edición 2001
 CAPITULO 1
NATURALEZA DE LA INVESTIGACION DE OPERACIONES
 INVESTIGACION DE OPERACIONES

Definición:
Conjunto de técnicas matemáticas y estadísticas aplicable a diversos
sistemas con el fin de mejorarlos, buscando las mejores alternativas de
acción; esto mediante el modelamiento matemático de los problemas en
estudio.
¿Qué es la investigación de
operaciones?
Kamblesh Mathur: “Es el uso de la Matemática
y computadoras para ayudar a tomar
decisiones racionales frente a problemas de
administración”.

Jorge Alvarez: “Es un procedimiento o un

enfoque para resolver problemas relacionados
con la toma de decisiones”.

Resumiendo: La Investigación de Operaciones

es el uso de la matemática e informática para
resolver problemas del mundo real, tomando
decisiones acertadas que garanticen el éxito.
¿Qué es la investigación de
operaciones?
Lawrence y Pasternak, (1998) “Es un enfoque
científico para la toma de decisiones ejecutivas,
que consiste en:

• El arte de modelar situaciones complejas,

• La ciencia de desarrollar técnicas de
solución para resolver dichos modelos.
• La capacidad de comunicar efectivamente
los resultados”.
 TOMA DE DECISIONES

Toda toma de decisión empieza con la

detección de un problema.

Para tomar la decisión correcta, se debe:

Definir el problema en forma clara

Formular el o los objetivos

Identificar las restricciones

Identificar las alternativas de solución

Evaluar las alternativas y elegir la mejor

 TOMA DE DECISIONES

¿Como se elige la mejor

alternativa?

Métodos Cualitativos

En base a la experiencia y al juicio profesional

de la persona que toma la decisión

Métodos Cuantitativos

En base a la utilización de herramientas

matemáticas que permitan maximizar la
efectividad en la toma de decisiones.
INVESTIGACIÓN DE OPERACIONES

La dificultad de tomar decisiones ha hecho que el hombre se aboque

en la búsqueda de una herramienta o método que le permita tomar las
mejores decisiones de acuerdo a los recursos disponibles y a los
objetivos que persigue.

Este conjunto de herramientas o métodos es lo que llamaremos

Investigación de Operaciones.

Definición más formal

“Enfoque científico de la toma de decisiones que requiere la

operación de sistemas organizacionales”.

La IO nos ofrece una serie de herramientas cuantitativas para la toma

de decisiones.
 INVESTIGACIÓN DE OPERACIONES

Para la aplicación de la IO se siguen los siguientes pasos:

• La IO comienza con la observación cuidadosa de la realidad.

• Formular el problema.

• Construir un modelo que intente abstraer la esencia del problema real.

• Solución del modelo.

• Análisis de sensibilidad, hay que ver como se comporta el modelo

ante cambios en las restricciones y/o parámetros del modelo

• Implementar los resultados, se debe interpretar los resultados y dar

conclusiones y cursos de acción para la optimización del problema
real
 MODELOS DE LA INVESTIGACIÓN DE
OPERACIONES
Modelos de IO

Determinísticos Híbridos Estocásticos

Optimización Optimización
Programación Cadenas
Lineal no Lineal
Dinámica de Markov

Programación Métodos
Teoría de Teoría de
Lineal Clásicos
Inventarios Colas

Transporte y Métodos
Asignación de búsqueda Simulación Procesos
Estocásticos

Prog Entera Programación Pert / CPM

y 0,1 no lineal Teoría de
Decisiones
Heurísticas y Juegos
Redes
¿Qué se busca en el curso de Investigación
de Operaciones?

Se intenta encontrar una mejor solución llamada solución

óptima.

Areas de Aplicación de la Investigación de Operaciones

Manufactura.
Transporte.
Telecomunicaciones.
Salud.
Planeación.
Servicios.
Finanzas.
Otros.
 METODOLOGÍA DE LA
INVESTIGACION DE OPERACIONES
Problema

Es identificar, comprender y describir en

términos precisos, el problema que la
organización enfrenta. El enunciado es la
definición del problema. Un problema no se
formula sino se define.

Los sistemas
Los recursos son cada vez
son escasos más complejos

Cada vez es más difícil asignar los

recursos o actividades de la forma más eficaz
 INVESTIGACION DE OPERACIONES
Clasificación de los modelos según la
Investigación Operaciones
• Modelo Matemático
Es aquel modelo que describe el comportamiento de un sistema a
través de relaciones matemáticas y supone que todas las variables
relevantes son cuantificables. Por ende tiene una solución optima.

• Modelo de Simulación
Es un modelo que imita el comportamiento de un sistema sobre un
periodo de tiempo dado, esta basado en observaciones
estadísticas. Este tipo de modelo entrega soluciones aproximadas.

• Modelo Heurístico
Es una regla intuitiva que nos permite la determinación de una
solución mejorada, dada una solución actual del modelo,
generalmente son procedimientos de búsqueda. Este tipo de
modelo también entrega soluciones aproximadas.
 INVESTIGACION DE OPERACIONES
El Arte del Modelado

La Investigación de Operaciones debe ser considerada como

una ciencia y la vez como un arte.
• Una ciencia por el uso de técnicas matemáticas para la resolución
de los problemas.
• Un arte ya que la formulación del modelo depende en gran parte
de la creatividad y la experiencia de las operaciones del equipo
investigador.
 ELEMENTOS PARA FORMULACIÓN DE
PROBLEMAS

Habilidad para describir el diseño en términos matemáticos

• Variables
• Parámetros
• Funciones
 VARIABLES DE DISEÑO

• Los valores del conjunto de estas variables caracterizan un

diseño particular

• Cambian en un determinado rango a medida que buscamos

el diseño óptimo

• Son las incógnitas del problema

 Tamaño de un objeto, número de objetos, …

• Deben ser linealmente independientes

 VARIABLES DE DISEÑO

• El conjunto de variables de diseño se identifica como vector

de diseño

• Nomenclatura
 [X]
 Xóx
 [x1, x2, …, xn]
 xi, i = 1,2,…,n
 PARÁMETROS DE DISEÑO

• Constantes que no cambian para los diferentes diseños

• Importantes en modelo pero no en la búsqueda del diseño

óptimo

• Nomenclatura:
 [P]
 P
 [p1, p2, …, pq]
 FUNCIÓN OBJETIVO

• Problema: “Minimizar o maximizar cierta cantidad que se

calcula con una función”

• Un problema de maximización se puede convertir en uno de

minimización sin más que cambiar el signo de la función
objetivo

• Nomenclatura:
 f
 f(x1, x2, …, xn) o f(X)
 RESTRICCIONES

• Comparación con un valor numérico que limita

• Tipos:
 De igualdad: =
 De desigualdad: ≤, ≥

• Ejemplo 1
 Volumen de la lata: fun1(X) = 500 cm3

• Ejemplo 2
 Deflexión: fun2(X) ≤ 1 mm
 RESTRICCIONES

• Si las restricciones no se cumplen → No hay solución

• Diseño factible → Todas las restricciones se satisfacen

• Un diseño óptimo debe ser factible

• El espacio definido por las restricciones se llama dominio

factible
 FORMATO ESTÁNDAR

• Minimizar f(x1, x2, …, xn)

• Sujeto a
 hk(x1, x2, …, xn) = 0, k=1,2,…,l
 gj (x1, x2, …, xn) ≤ 0, j=1,2,…,m
 xil ≤ xi ≤ xiu, i=1,2,…,n

• Lenguaje natural
 “Minimizar la función objetivo f, sujeto a 1 restricciones
de igualdad, m restricciones de desigualdad, con n
variables de diseño comprendidas entre unos límites
inferior y superior”
 MODELADO EJEMPLO 1

• Variables de diseño: d, h
• Parámetro de diseño: C (coste del material por unidad área)
• Volumen = πd2h/4
• Área = πdh
• Restricción “estética”: h≥2d
 MODELO EJEMPLO 1

• Minimizar f(d,h): Cπdh

Sujeto a
 h1(d,h): πd2h/4 – 500 = 0
 g1(d,h): 2d – h ≤ 0
 6 ≤ d ≤ 9; 5 ≤ h ≤ 20

• Minimizar f(x1,x2): Cπx1x2

Sujeto a
 h1(x1,x2): πx12x2/4 – 500 = 0
 g1(x1,x2): 2x1 – x2 ≤ 0
 6 ≤ x1 ≤ 9; 5 ≤ x2 ≤ 20
 METODOLOGÍA DE LA INVESTIGACION
DE OPERACIONES

I) Identificacion de las variables Desarrollo de un modelo matemático Es la

Xij = # de consultores que viajan del
origen i al destino j traducción del problema a términos matemáticos.
II) Identificacion de la funcion
objetivo
Max Es formular un modelo matemático:
540X11+300X12+420X13+ Identificando variables
500X21+330X22+330X23+
520X31+310X32+350X33 Identificando la Función Objetivo
III) Identificacion de las Identificando las restricciones
restricciones
X11+X12+X13 ≤ 2
X21+X22+X23 ≤ 1 Objetivos: función objetivo
X31+X32+X33 ≤ 4
X11+X21+X31 = 3 alternativas: variables de decisión
X12+X22+X32 = 2 limitaciones del sistema: restricciones
X13+X23+X33 = 1
Xij ≥ 0 ; entero
 METODOLOGÍA DE LA INVESTIGACION
DE OPERACIONES
Desarrollo de un modelo matemático

Paso 1. Identificar las variables de decisión

¿Sobre qué tengo control?
¿Qué es lo que hay que decidir?
¿Cuál sería una respuesta válida del caso?

Paso 2. Identificar la función objetivo

¿Qué pretendemos conseguir?
¿qué me interesaría más?

Paso 3. Identificar las restricciones o factores que limitan la

decisión, recursos disponibles (trabajadores, máquinas,
material), fechas límite, naturaleza de las variables (no
negatividad, enteras, binarias).

Paso 4.Traducción de los elementos básicos a un modelo

matemático.
METODOLOGÍA DE LA INVESTIGACION
DE OPERACIONES
Resolución del modelo

Es resolver el modelo usando una técnica

adecuada, es decir obtener valores numéricos
para la variable de decisión.

Es determinar los valores de las variables de

decisión de modo que la solución sea óptima (o
satisfactoria) sujeta a las restricciones.

Puede haber distintos algoritmos y formas de

aplicarlos. En esta parte se usa el Software WIN
QSB. Hay otros como el LINDO, MLP y TORA
 VENTAJA DE LOS MODELOS
Un método óptimo para lograr un objetivo.
Una forma de evaluar preguntas de sensibilidad de la
forma:
¿Qué sucedería sí ...?
 CAPITULO 2

PROGRAMACION LINEAL
 EL MODELO DE
PROGRAMACIÓN LINEAL
PROVEE UNA SOLUCIÓN
INTELIGENTE PARA ESTE
PROBLEMA
 Es un Arte que mejora con la
práctica…

¡ PRACTIQUEMOS!
Hoy en día, la toma de decisiones abarca una gran cantidad
de problemas reales cada más complejos y especializados,
que necesariamente requieren del uso de metodologías para
la formulación matemática de estos problemas y,
conjuntamente, de métodos y herramientas de resolución,
como los que provee la Investigación de Operaciones.
 FORMULACION DE UN PROBLEMA
PROGRAMACIÓN LINEAL
Función Objetivo: Max o Min (Z) = C X

Sujeto a :
AX≤B
Xi ≥ 0 ; i = 1, 2,...., n

La Programación Lineal es una herramienta para resolver problemas

de optimización que se caracterizan por tener como función objetivo y
restricciones combinaciones lineales de las variables de decisión.

Conceptos Básicos:
• Variables de Decisión
• Función Objetivo
• Restricciones
• Restricciones de Signo
Consideremos los siguientes ejemplos para describir los conceptos
básicos presentes en todo problema de programación lineal (PPL)
 CONSTRUCCIÓN DE MODELOS DE PROGRAMACION
LINEAL
Ejemplo N° 1
La Compañía PARGOLF es un pequeño fabricante de equipo y suministros
para golf. El distribuidor de PARGOLF cree que existe un mercado tanto
para una bolsa de golf de precio moderado, denominada modelo estándar,
como para una bolsa de precio elevado, denominada modelo de lujo. El
distribuidor está tan confiado en el que, si PARGOLF puede hacer las
bolsas a un precio competitivo, el distribuidor comprará todas las bolsas
que PARGOLF pueda fabricar durante los siguientes tres meses. Un
análisis cuidadoso de los requerimientos de tiempo de producción para
las cuatro operaciones de manufactura y la estimación hecha por el
departamento de contabilidad de la contribución a la ganancia por bolsa.

Tiempo de producción (horas/bolsa)

Corte y Inspección Ganancia
Producto teñido Costura Terminado y empaque por bolsa

Estándar 7/10 1/2 1 1/10 S/. 10

De lujo 1 5/6 2/3 1/4 S/. 9

El director de manufactura estima que dispondrán de 630 horas de
tiempo de corte y teñido, 600 horas de tiempo de costura, 708 horas de
tiempo de terminado y 135 horas de tiempo de inspección y empaque
para la producción de bolsas de golf durante los siguientes tres meses.

a) Si la compañía desea maximizar la contribución a la ganancia

total, ¿Cuántas bolsas de cada modelo debería fabricar?
b) ¿Cuántas horas de tiempo de producción se programaran para
cada operación?
c) ¿Cuántas horas de tiempo de ocio se tendrán en cada operación?
Formulación:

Variable de decisión:

Xi = Número de bolsas de modelo i a fabricar por trimestre

∀ i = 1, 2

Objetivo:

Maximizar: Ganancia/trimestre

Restricciones: Corte y teñido

Corte
Tiempo disponible por trimestre
Acabado
Condiciones técnicas. Inspección y empaque

X1, X2 > 0
Modelo Matemático de Programación Lineal:

Máx: Ganancia
Max. (Z) = 1.42X1 + 1.43X2

S/. = S/. Bolsa

Trimestre Bolsa Trimestre
Sujeto a:
Hora Bolsas Horas
=
Bolsa Trimestre Trimestre

7/10X1 + X2 < 630 Corte y teñido

1/2X1 + 5/6X2 < 600 Costura
X1 + 2/3X2 < 708 Acabado
1/10X1 + 1/4X2 < 135 Inspección y empaque
X1, X2 > 0
 Ejemplo N° 2: El problema de la industria
de juguetes “Galaxia”.

• Galaxia produce dos tipos de juguetes:

* Space Ray
* Zapper

• Los recursos están limitados a:

* 1200 libras de plástico especial.
* 40 horas de producción semanalmente.
• Requerimientos de Marketing.

* La producción total no puede exceder de 800 docenas.

* El número de docenas de Space Rays no puede exceder al
número de docenas de Zappers por más de 450.

• Requerimientos Tecnológicos.

* Space Rays requiere 2 libras de plástico y 3 minutos de

producción por docena.
* Zappers requiere 1 libra de plástico y 4 minutos de producción
por docena.
• Plan común de producción para:

* Fabricar la mayor cantidad del producto que deje mejores

ganancias, el cual corresponde a Space Ray (S/. 8 de utilidad
por docena).
* Usar la menor cantidad de recursos para producir Zappers,
porque estos dejan una menor utilidad (S/. 5 de utilidad por
docena).
 Solución
• Variables de decisión

* X1 = Cantidad producida de Space Rays (en docenas por

semana).
* X2 = Cantidad producida de Zappers (en docenas por
semana).

• Función objetivo

* Maximizar la ganancia semanal.

• Modelo de Programación Lineal

Max (Z) = 8X1 + 5X2 (ganancia semanal)

Sujeto a:
2X1 + 1X2 ≤ 1200 (Cantidad de plástico)
3X1 + 4X2 ≤ 2400 (Tiempo de producción)
X1 + X2 ≤ 800 (Limite producción total)
X1 - X2 ≤ 450 (Producción en exceso)
Xj ≥ 0, j = 1, 2. (Resultados positivos)

• El plan común de producción consiste en:

Space Rays = 550 docenas

Zappers = 100 docenas

Utilidad = S/. 4900 por semana

FORMULACIÓN

En esta sección se presenta un conjunto de plantillas de

estructuras de problemas muy utilizados en los sectores
económicos como públicos en la vida diaria.

MEZCLA ÓPTIMA DE PRODUCTOS

El problema de la mezcla óptima de productos tiene como
característica un modelo que tiene como variables decisionales la
cantidad a producir de los bienes o productos y se encuentra
restringido por los recursos que utiliza, incluyendo la demanda que
impone el mercado. Los recursos pueden ser identificados por las
limitaciones en H-H en los departamentos, cantidad disponible· de
insumos, componentes o ingredientes, además, de las limitaciones
de la demanda del mercado. Muchas situaciones en el mundo real
caen dentro de esta categoría de modelos.
La empresa PETFOOD se dedica a la elaboración de alimentos para
mascotas. Existen dos tipos de alimentos el dogfood y el catfood. El
precio de venta por cada caja de alimentos con peso de una onza es
$10.5 y $14.5, respectivamente. El costo del envase es$1.5 por
unidad.

Cada uno de alimentos, contiene 3 ingredientes: A, By C. En la tabla

2.2, se presenta la composición de ingredientes por cada onza de
alimentos. Los costos de una onza de ingredientes son $4, $3 y $2,
respectivamente. La demanda del alimento dogfood es de 2000
unidades y 1500 unidades para catfood. La capacidad de producción
se limita a sol o 3000 unidades de producción total. Presentar la PL
para optimizar la utilidad total, sabiendo que existen limitaciones en la
cantidad de onzas de ingredientes disponibles.
El interés es conocer cuántas cajas del alimento dogfood y de
catfood se deben producir para maximizar la utilidad. La utilidad
viene como resultado de la diferencia entre el ingreso por la
venta y los costos por las onzas de ingredientes utilizados y el
de los envases.
Las variables de decisión vienen como:

x1 = Unidades a producir de dogfood

x2 = Unidades a producir de catfood

Las restricciones dadas por la demanda, así como

la capacidad total de producción son:

x1 =< 2000
x2 =< 1500
x1 +x2 =< 3000

Las restricciones impuestas por la disponibilidad de

ingredientes son:

0.30x1 + 0.25x2 =< 1000

0.40x1 + 0.50x2 =< 1400
0.30x1 + 0.25x2 =< 900
La función objetivo es Utilidad= Ingresos - Costos:

Ingresos= 10.5x1 + 14.5x2

Costos= 4(0.30x1 + 0.25x) + 3(0.40x1 + 0.50x2) + 2(0.30x1 + 0.25x2) +

1.50(x1 + x2)

Utilidad= 9x1 + 13x2 - (3x1 + 3x2) = 6x1 + 10x2

La PL es:
max z = 6x1 + 10x2

x1=< 2000
X2=< 1500
x1 +x2 =< 3000
0.30x1 + 0.25x2 =< 1000
0.40x1 + 0.50x2 =< 1400
0.30x1 + 0.25x2 =< 900
x1, x2 >= O
EL PROBLEMA DE LA DIETA

El problema de la dieta fue analizado y resuelto en 1945 por George J.

Stigler, premio Nobel de Economía en 1982. Este problema se
identifica porque se tienen alimentos a satisfacer, cumpliendo un peso
determinado y satisfaciendo restricciones de contenidos nutricionales.

Las aplicaciones del problema de la dieta se presentan en una

diversidad de situaciones de la vida real, no solo en el balance
dietético. A continuación, se presenta una versión aplicada a la mezcla
de aceros con la finalidad de conseguir una orden de producción en
una fundición.
La empresa IRON se dedica a la fundición de aceros para
conseguir un producto industrial. Actualmente se cuenta con
entregar una orden de 2000 libras, la que debe cumplir con un
contenido mínimo del 0.6 % de manganeso y el contenido de silicio
encontrarse entre 4.4 % y 5.5 %.
La empresa vende a $0.40 la libra de material fundido y hace uso de
cuatro tipos de aceros con el contenido de silicio (por cada 1000
libras de acero) y manganeso (en porcentaje) dado en la tabla 2.3. El
costo de los tipos de acero viene dado para miles de libras.

Formular una PL para ayudar a la empresa IRON a optimizar la

presente orden de producción, sabiendo que se puede comprar
manganeso a un precio de$8 la libra.

El interés es conocer cuántas libras de acero en los diferentes tipos y

libras de manganeso se deben utilizar para maximizar la utilidad. La
utilidad viene como resultado de la diferencia entre el ingreso por la
venta y los costos por las libras de acero y manganeso utilizados.
Las variables de decisión vienen como:
4

x1 = Miles de libras a utilizar del acero tipo A

x2 = Miles de libras a utilizar del acero tipo B
x3 = Miles de libras a utilizar del acero tipo C
x 4= Miles de libras a utilizar del acero tipo D
x5 = Libras a utilizar de manganeso

La función objetivo es maximizar la Utilidad= Ingresos - Costos:

Ingresos= 0.40(2000) = 800

Costos= 18X1 + 20x2 + 24x3 + 22x4 + 8x5

Utilidad= 800 - (18X1 + 20x2 + 24x3 + 22x4 + 8x5)

La restricción del peso del producto fundido:

1000x1 + 1000x2 + 1000x3 + l000x4 + x5 = 2000

La restricción impuesta para el contenido de manganeso viene de 5

libras de manganeso que están presentes en 1000 libras del acero A,
6 libras de manganeso están presentes en 1000 libras del acero B,
etc. Luego:

Equivalente
Las restricciones impuestas por el contenido de silicio:

50x1 + 40x2 + 30x3 + 60x4 > =88

50x1 + 40x2 + 30x3 + 60x4 =< 110

La PL es:

Sujeto a:

1000x1 + 1000x2 + 1000x3 + 1000x 4 + x5 = 2000

5x1 + 6x2 + 8x3 + 7x4 + x5 >= 12
50x1 + 40x2 + 30x3 + 60x4 >= 88
50x1 + 40x2 -t 30x3 + 60x4 =< 110
x1, x2, x3 , x4, x5 > 0
PLANEACIÓN DE CARTERA DE INVERSIONES

Una empresa acaba de obtener $500 0000 y está bus cando

oportunidades de inversión para los fondos. Se ha recomendado
invertir en la industria pesquera, minera o agroindustrial. Las
inversiones y tasas de rendimiento se muestran en la tabla 2.4.
Se imponen los siguientes lineamientos de inversión:

•Ninguna industria recibirá más de $250 000.

La inversión en agroindustrias deberá ser al menos 25 % de las

Inversiones mineras.
•La inversión en el fondo pesquero no excederá del 60 % de la
inversión pesquera
 1

Función objetivo: maximizar el interés total del portafolio

1

La inversión en Fondo pesquero genera: 0.08x1

La inversión en Pesca corp. genera: 0.11x2
La inversión en BISA genera: 0 .09 x3
La inversión en Mining corp. genera: 0.08x4
La inversión en agroindustrias genera: 0.05x5

Max z = 0.08x1 + 0.11x2 + 0.09x3 +0.08x4+0.05x5

El presupuesto disponible es de $500 000 que se invierte en

los proyectos:

x1 +x2 +x3 + x4 + x5 =< 500 000

la restricción para la industria pesquera:

x1 +x2 =< 250 000

La restricción para la industria minera:

x3 + x4 =< 250 000
 1

La restricción para agroindustrias:

1

x5 =< 250 000

L a inversión en agroindustrias al menos 25 % de las inversiones mineras:

X5 >= 25(x3 + x4 ), equivalente a

-0.25x3 - 0.25x4 + x5>= O

La inversión en fondo pesquero no excederá del 60 % de la

inversión en pesca:

x 1=< 0.60(x1 + x2), equivalente a

0.40x1 – 0.60x2 =< 0
 La PL: 1

Max z = 0.08x1 +0.11x2+ 0.09x3 + 0.08x4. + 0.05x5

Sujeto a:

x1 + x2 =< 250 000

x3 + x4 =< 250 000
x5 =< 250 00

x1 + x2+ x3 + x4 + x5 =< 500 000

0.25x3+ 0.25x4 – x5 =< 0
-0.60x1 + 0.40x2 =< 0
x1, x2, x3, x4, x5 >= 0