You are on page 1of 42

Desarrollo de un algoritmo para la resolucion del

problema de transporte
Ingeniera de Organizacion y Logstica
Fernando Alegra Medina
Universidad Nacional de Educacion a Distancia
Febrero 2015

Desarrollo de un algoritmo para la resolucin del problema de transporte

ndice
Lista de Figuras

ii

Lista de Tablas

iii

1 Introduccin

2 Objetivos

3 Contexto
3.1 Contexto dentro de la Ingeniera de Organizacin y Logstica . . . .
3.2 Contexto histrico . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3
3
5

4 Estado de la tcnica
4.1 Descripcin general del problema de transporte . . . . . . . . . . . .
4.2 Mtodo de simplex para la resolucin del problema de transporte . .
4.3 Variantes del problema de transporte . . . . . . . . . . . . . . . . . .

7
7
12
20

5 Desarrollo del algoritmo del simplex


5.1 Introduccin de los datos del problema . . . . . . . . . .
5.2 Mtodo de la esquina noroeste . . . . . . . . . . . . . .
5.3 Multiplicadores simplex y coeficientes de coste relativos
5.4 Mejora de una solucin bsica factible por pivotes . . .
5.5 Aplicacin del software al problema de las aceras . . . .

29
29
30
31
33
35

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

6 Conclusin

37

Bibliografa

38

Fernando Alegra Medina

Lista de Figuras

Lista de Figuras
5.1
5.2
5.3
5.4

ii

Introduccin de los datos del problema en el software .


Introduccin de los datos del problema en el software .
Solucin ptima para el problema de transporte . . . .
Solucin ptima para el problema de las aceras . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

29
30
32
36

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte

Lista de Tablas
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
4.14
4.15
4.16
4.17
4.18
4.19
4.20
4.21
4.22
4.23
4.24
5.1

Costes de envo por tonelada de acero y cantidades semanales (en


toneladas) de suministro y demanda . . . . . . . . . . . . . . . . .
Solucin del problema de las aceras con exceso de suministro . . .
Penalizaciones por tonelada no recibida . . . . . . . . . . . . . . .
Solucin del problema de las aceras con exceso de demanda . . . .
Solucin bsica factible por el mtodo de la esquina noroeste . . .
Solucin bsica factible degenerada . . . . . . . . . . . . . . . . . .
Solucin bsica factible degenerada . . . . . . . . . . . . . . . . . .
Solucin bsica factible por el mtodo del costo mnimo . . . . . .
Paso 1 del mtodo de aproximacin de Vogel . . . . . . . . . . . .
Paso 2 del mtodo de aproximacin de Vogel . . . . . . . . . . . .
Paso 3 del mtodo de aproximacin de Vogel . . . . . . . . . . . .
Multiplicadores simplex . . . . . . . . . . . . . . . . . . . . . . . .
Coeficientes de coste relativo . . . . . . . . . . . . . . . . . . . . .
Asignacin de signos de las variables bsicas . . . . . . . . . . . . .
Nueva solucin bsica factible obtenida por pivotes . . . . . . . . .
Tiempos de preparacin para el problema de asignacin . . . . . .
Paso 1 del mtodo hngaro . . . . . . . . . . . . . . . . . . . . . .
Paso 2 del mtodo hngaro . . . . . . . . . . . . . . . . . . . . . .
Solucin ptima del problema de asignacin . . . . . . . . . . . . .
Demanda de veleros en los cuatro trimestres . . . . . . . . . . . . .
Adaptacin del problema de asignacin al problema de transporte
Solucin ptima del problema de inventario . . . . . . . . . . . . .
Costes de envo por tonelada de acero y cantidades semanales (en
toneladas) de suministro y demanda . . . . . . . . . . . . . . . . .
Solucin ptima del problema de transbordo . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

9
10
10
11
13
14
14
15
16
16
16
17
18
19
19
22
22
22
23
23
24
24

. . .
. . .

26
27

Costes de envo por tonelada de acero y cantidades semanales (en


toneladas) de suministro y demanda . . . . . . . . . . . . . . . . . . . .

35

Fernando Alegra Medina

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

iii

Desarrollo de un algoritmo para la resolucin del problema de transporte

Captulo 1

Introduccin
El presente trabajo recoge la investigacin realizada sobre el problema de transporte
en la Ingeniera de Organizacin y Logstica. Por un lado, pretende situar dicho
problema en el mbito de la ingeniera y el entorno organizacional. Se pretende
concienciar al lector de la importancia de la minimizacin de los costes logsticos,
entre los que se encuentran los costes de transporte. De esta manera, se consiguen
aumentar los beneficios de la organizacin de forma indirecta. Tambin se ver que
el problema de transporte abarca otras cuestiones de la logstica como la reduccin
de inventario, la mejora de costes a travs de este, la asignacin de tareas a nivel de
planta, etc.
Para dar base a todo ello, se presenta la descripcin general del problema de
transporte junto a uno de los mtodos ms importantes de resolucin del mismo,
el mtodo de simplex. Adems, para asimilar todos los conocimientos adquiridos
durante el estudio del problema, se ha desarrollado un algoritmo que permite la
resolucin de problemas de transporte de gran extensin. Mostramos dicho software
junto con la aplicacin a un caso relacionado con la Ingeniera de Organizacin y
Logstica.

Fernando Alegra Medina

CAPTULO 2. OBJETIVOS

Captulo 2

Objetivos
Para la realizacin del presente trabajo de investigacin se han propuesto una serie
de objetivos. Su finalidad es guiar el estudio del problema y enfocarlo a la aplicacin
del mtodo. Los objetivos propuestos son los siguientes:
Entender los fundamentos del problema de transporte
Contextualizar el problema de transporte dentro de la Ingeniera de
Organizacin y Logstica
Estudiar los mtodos existentes para la resolucin del problema de transporte
Relacionar el problema de transporte con posibles variantes del mismo
Desarrollar un algoritmo basado en los mtodos estudiados para la resolucin
del problema de transporte
Aplicar el algoritmo desarrollado a un caso relacionado con la Ingeniera de
Organizacin y Logstica

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte

Captulo 3

Contexto
Este apartado trata de situar el problema de transporte dentro de la Ingeniera de
Organizacin y Logstica y mostrar cuales fueron las ideas bsicas que dieron base a
su estudio.

3.1

Contexto dentro de la Ingeniera de Organizacin


y Logstica

En un ambiente competitivo, obtener el mximo beneficio es un aspecto clave para el


xito de una organizacin. Los costes logsticos forman gran parte de los costes totales
de las organizaciones pero, por suerte para estas, pueden reducirse optimizando la
cadena de suministros. El anlisis de la logstica denota la importancia de los costes
de transporte dentro de los costes logsticos de las empresas. Por eso, es importante
estudiar la manera en que los costes de transporte pueden ser optimizados dentro de
una empresa logstica.
El transporte de la empresa consiste en llevar a cabo las actividades logsticas de
transporte necesarias para mover el inventario de un lugar a otro. Este inventario
puede ser materia prima, material en proceso o producto terminado, dependiendo
de la etapa de produccin en la que nos encontremos. Es errneo pensar que la
actividad de transporte solo engloba el transporte de mercanca a los clientes y que
solo se enfrenta este problema en empresas de produccin. Todos las empresas, de
un tipo u otro, necesitan transportar sus inventarios desde la fbrica a los almacenes.
Los almacenes pueden estar situados dentro o fuera de las instalaciones de la
propia empresa y pueden ser propiedad de la empresa o alquilados. Lo importante es
que se trata de un espacio del que la empresa dispone para organizar su inventario.
Por tanto, segn se ha estructurado el problema existen dos trayectos principales:
De la fbrica a los almacenes
De los almacenes a los clientes
Esto quiere decir que se plantean dos problemas de transporte.

Fernando Alegra Medina

CAPTULO 3. CONTEXTO
Como se ver ms adelante, podra tratarse el problema conjunto mediante el
uso de los problemas de transbordo y de inventario. En tal caso sera necesario
considerar el coste de mantener la mercanca almacenada por largos periodos de
tiempo (problema de inventario) y la posibilidad de utilizar los almacenes como
punto intermedio de la cadena de suministro, pudiendo estos actuar como puntos de
demanda y de suministro a la vez (problema de transbordo).
Si recordamos la tarea sobre logstica de productos derivados del petrleo realizada
en la asignatura [1], en CLH exista una clara separacin entre los dos tipos de
trayectos comentados. Por un lado utilizaban el trmino logstica bsica para referirse
al transporte desde las refineras o los puertos de importacin hasta los almacenes, y
por otro se referan como logstica capilar al transporte desde los almacenes hasta
las instalaciones del cliente.
Para analizar los trayectos antes citados es necesario considerar para un problema
los costes de transporte para todas las posibles conexiones entre fbricas y almacenes
y para otro los costes de las conexiones entre almacenes y clientes. El problema de
transporte consiste, por tanto, en minimizar los costes logsticos en la actividad de
transporte de la organizacin estudiada. Para ello, la empresa cuenta con una serie
de recursos que le ayudan en la optimizacin de la logstica:
Recursos tcnicos. Se refiere a los equipos informticos y las comunicaciones de
los que dispone la compaa para poder llevar a cabo un plan de optimizacin
del transporte.
Recursos humanos. Se compone de las personas y grupos capaces de plantear
el problema para su resolucin.
Recursos de capital, para financiar los costes del plan de mejora del transporte
y de las posibles inversiones a realizar para la aplicacin del nuevo plan.
Los costes de transporte dependen de una serie de aspectos que debemos tener
en cuenta para evitar un excesivo coste de venta. Algunos de estos aspectos se citan
a continuacin:
Mano de obra
Energa
Comunicaciones
Combustible
Tiempo
Oportunidad de inversin
Asesora
4

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte

3.2

Contexto histrico

El problema de transporte es un mtodo clsico de optimizacin, razn por la cual


se encuentra ligado desde su origen a la ciencia matemtica y a investigaciones
sobre programacin lineal. El problema tal y como lo conocemos hoy, y como ser
mostrado en prximos apartados, fue formulado por F.L. Hitchcock en 1941. Ms
tarde, Kantorovich y Koopmans, en 1941 y 1948 respectivamente, lograron resolver
el problema de optimizacin. Por eso este problema se denomina en ocasiones
problema de transporte de Monge-Kantorovich o problema de transporte de
Hitchcock-Koopmans [11].
Sin embargo, el trabajo de A.N. Tolsto en 1930, resumido en su artculo Mtodos
para encontrar el mnimo kilometraje en la planificacin del transporte de mercancia 1 ,
puede considerarse el germen de este problema logstico [9]. En el citado artculo,
A.N. Tolsto estudia una primera aproximacin al problema de transporte y describe
un nmero de posibles soluciones, entre las cuales encuentra la solucin ptima.
Primera aplicacin del problema de transporte
La aplicacin de este primer problema de transporte intentaba resolver el transporte
de sal, cemento y otro tipo de mercancas entre los puntos de suministro y sus
posibles destinos en la red ferroviaria de la Unin Sovitica.
Concretamente, se contaba con 10 ciudades que suministraban la mercanca y
68 ciudades a donde se diriga la mercanca. Como veremos ms adelante, en un
problema de tales caractersticas lo normal sera contar con 10 68 = 680 conexiones
entre las distintas ciudades, pero por las limitaciones de la red ferroviaria de aquella
poca solo existan 155 conexiones.
Tolsto midi las 155 distancias entre ciudades con el objetivo de obtener la
ruta con el menor kilometraje. El resto de conexiones, al no tener ninguna via de
comunicacin, pueden tratarse como distancias infinitas.
Ahora explicamos la secuencia empleada para resolver el problema ya conocido
de transporte de mercanca. Primero consider el problema de transporte para el
caso de solo dos puntos de suministro. Observ que en ese caso es posible ordenar
los destinos por la diferencia entre distancias de los dos puntos de suministro. El
primero de ellos empieza a proveer de recursos a las ciudades destino hasta que se
emplea toda su capacidad de suministro. El otro suministra a las ciudades restantes.
Entonces se dio cuenta de que el procedimiento era independiente de los datos de
suministro y demanda, lo que dio pie a un estudio ms amplio.
A pesar de su desconocimiento de la formulacin del problema matemtico,
Tolsto consigui llegar a la solucin ptima haciendo uso de su conocimiento de la
geografa de la Unin Sovitica.

Traduccin del ttulo original en Ruso: Metody nakhozhdeniya naimenshego summovogo


kilometrazha pri planirovanii perevozok v prostranstve

Fernando Alegra Medina

CAPTULO 3. CONTEXTO
Analiz todos los puntos de suministro empezando por los ms remotos. Para
cada punto de suministro X encontr aquellos destinos para los que X era el punto
ms cercano o el segundo ms cercano. Basndose de nuevo en la diferencia de
distancias, asignaba mercanca desde X a las ciudades destino hasta que la capacidad
de suministro se agotaba.
No fue capaz de seguir el mtodo comentado para algunas de las ciudades y tuvo
que estudiarlas mediante el empleo de la dependencia circular, que se refiere a la
situacin geogrfica de los puntos de suministro y demanda dentro del pas. En su
artculo presume de haber verificado cual es la solucin ptima. En realidad, l logr
llegar a esta pero la verificacin de la misma no fue posible hasta su formulacin
definitiva.
Es importante tener en cuenta la dificultad que este problema supona en aquella
poca debido a la gran cantidad de informacin y la inexistencia de mtodos
computacionales. Se trata de un problema que sera dficil de resolver a mano
con los mtodos disponibles en la actualidad. Por ello, nos proponemos resolverlo
con la ayuda de nuestro software para medir su eficiencia.

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte

Captulo 4

Estado de la tcnica
Este apartado recoge la investigacin realizada en el presente trabajo en torno al
problema de transporte. Primero veremos como se define el problema analticamente.
De esta forma se consigue mostrar un problema generalizado con aplicacin en
multitud de reas, ms all de las barreras del problema logstico en el mbito de
la ingeniera. Ms tarde, se explicar el mtodo del simplex para la resolucin del
problema formulado. Este ser el mtodo sobre el que se desarrollar el algoritmo,
como se expone en el captulo siguiente. Por ltimo, trataremos las variantes
del problema que se han encontrado en la literatura. Entre ellos, los problemas
de asignacin y los problemas de inventario son los ms importantes en cuanto
a contenido, ambos pretenden resolver problemas logsticos que pueden surgir en
cualquier planta de produccin. Adems pueden resolverse con el mismo mtodo que
el problema de transporte como se ver ms adelante.

4.1

Descripcin general del problema de transporte

Hasta ahora hemos explicado el problema de transporte como parte de la logstica


de una empresa. Este apartado pretende recoger las ideas comentadas formulando el
problema de transporte como hizo por primera vez F.L. Hitchcock en 1941 [3]. Ello
servir como base para su optimizacin en el Apartado 4.2.
El problema de transporte se compone por m puntos de suministro que contienen
diferentes cantidades de un producto que deben ser distribuidas a n puntos de
demanda. Como su nombre indica, los m puntos de suministro deben satisfacer la
demanda de cada uno de los n puntos de demanda. Analticamente puede resumirse
en que el punto de suministro i contiene una cantidad de producto ai , mientras que
el punto de demanda j pretende recibir una cantidad de producto bj . Se supone, por
su significado que
ai 0, bj 0,

i = 1, 2, . . . , m; j = 1, 2, . . . , n

(4.1)

Adems en algunos casos hemos de considerarlos como enteros. Por ejemplo, en


el caso del transporte de acero podramos tratar las cantidades como kilogramos o
como barras de acero.
Fernando Alegra Medina

CAPTULO 4. ESTADO DE LA TCNICA


Se puede demostrar que si todos las cantidades ai y bj son nmeros enteros
cualquier solucin obtenida, sea o no ptima, est compuesta por nmeros enteros.
Llamamos cij al coste unitario asociado al envo de un producto desde el punto de
suministro i hasta el punto de demanda j.
El problema consiste en hallar las cantidades de envo que hay que asignar entre
los puntos de suministro y los puntos de demanda de manera que se satisfagan todas
las necesidades de los ltimos con el menor coste posible. Sea xij la cantidad de
producto que se enva desde el punto de suministro i hasta el punto de demanda j,
el problema puede formularse como:
minimizar
s.a.

m X
n
X

cij xij

(4.2)

i=1 j=1
n
X
j=1
m
X

xij ai

i = 1, 2, . . . , m

(4.3)

xij bj

j = 1, 2, . . . , n

(4.4)

i=1

xij 0

i, j

(4.5)

En el problema de transporte se suele cumplir la relacin


m
X

ai =

i=1

n
X

bj ,

(4.6)

j=1

denominndolo entonces problema de transporte equilibrado porque el suministro es


igual a la demanda.
Problema de transporte equilibrado
Si se cumple la relacin anterior las restricciones del problema de transporte cambian
segn
minimizar
s.a.

m X
n
X

cij xij

i=1 j=1
n
X
j=1
m
X

(4.7)

xij = ai

i = 1, 2, . . . , m

(4.8)

xij = bj

j = 1, 2, . . . , n

(4.9)

i=1

xij 0

i, j

(4.10)

Este es el problema de transporte generalizado que trataremos de resolver ms


adelante con nuestro desarrollo en C. Aqu mostramos el caso que intentaremos
resolver, con unos datos similares ante los que se podra encontrar cualquier empresa.
8

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte


Ejemplo1 . Las aceras de Bethlehem, Birmingham y Gary producen distintas
cantidades de acero (ai , i = 1, 2, 3) y abastecen a las plantas de fabricacin de Detroit,
St. Louis, Chicago y Norfolk. Estas cuatro ciudades requieren diferentes demandas
(bj , j = 1, 2, 3, 4) en funcin de las dimensiones de sus plantas y de sus necesidades de
produccin. El coste de envo por tonelada de acero cij vara segn el trayecto, ya que
las distancias difieren significativamente. Se necesita conocer la cantidad de toneladas
de acero xij que deben enviarse desde las aceras a las plantas de fabricacin.
Bethlehem
Birmingham
Gary

Detroit
14$
11$
16$
140

St. Louis
9$
8$
12$
80

Chicago
16$
7$
10$
200

Norfolk
18$
16$
22$
260

150
210
320

Tabla 4.1: Costes de envo por tonelada de acero y cantidades semanales (en
toneladas) de suministro y demanda
Puede comprobarse que
m
X

ai =

i=1

n
X

bj = 680

(4.11)

j=1

por lo que se trata de un problema de transporte equilibrado.


No obstante, no todos los problemas de transporte son equilibrados y necesitamos
buscar la manera de equilibrarlos para lograr su optimizacin. Se emplea el problema
equilibrado en el algoritmo de optimizacin por su relativa sencillez frente a los
problemas desequilibrados. Existen dos casos de problema desequilibrado que se
estudiarn a continuacin.
Problema de transporte con ms suministro que demanda
En este tipo de problema se cumple
m
X
i=1

ai >

n
X

bj

(4.12)

j=1

La solucin a este exceso de suministro se basa en crear un punto de demanda


ficticio adicional con una cantidad de producto demandada bj igual al exceso. Al
ser los envos a este nuevo destino ficticios, se les asocia un coste de transporte nulo
(cij = 0). La solucin asignar cierta cantidad de producto a este punto de demanda,
considerando dicha cantidad como capacidad de suministro sin uso.
Para mostrar la idea explcitamente imaginemos que en el problema antes
enunciado la ciudad de Gary aumenta su suministro a 330 toneladas de acero
semanales y el resto de datos se mantiene igual. En ese caso, se obtendra la solucin
de la tabla siguiente mediante el empleo de los mtodos que se vern en el Apartado
4.2.
1

Este ejemplo est basado en [10]

Fernando Alegra Medina

CAPTULO 4. ESTADO DE LA TCNICA


Detroit
Bethlehem
Birmingham
Gary

20
120
140

St. Louis
80

Chicago

200
200

80

Norfolk
70
190
260

Ficticio

10
10

150
210
330

Tabla 4.2: Solucin del problema de las aceras con exceso de suministro
Como puede observarse las 10 toneladas de exceso se quedarn sin enviar en la
acera de Gary. Por tanto, mediante este mtodo conseguimos saber cuales son los
puntos de suministro que en el caso de no enviar el exceso de suministro daran lugar
al mnimo coste de transporte posible. En este caso concreto se ha logrado un coste
total de transporte de 9160$.
Problema de transporte con ms demanda que suministro
En este tipo de problema se cumple
m
X
i=1

ai <

n
X

bj

(4.13)

j=1

Evidentemente, si no se puede suministrar la cantidad total requerida en los


puntos de demanda no existe solucin factible al problema de transporte. Sin embargo,
en ocasiones puede optarse por dejar parte de la demanda total sin satisfacer bajo
penalizacin por parte de los puntos de demanda que no reciben parte de su pedido.
Aqu entra en juego la penalizacin que aplica cada punto de demanda en caso de
que le falte parte de su pedido por cubrir.
De manera similar al procedimiento seguido cuando el suministro exceda a la
demanda, se crea un punto de suministro ficticio con una cantidad ai de producto a
repartir igual al exceso de demanda. Los costes unitarios para los envios desde este
nuevo punto de suministro se corresponden con las penalizaciones que imponen los
puntos de demanda por no recibir la mercanca.
Igual que se hizo en el caso anterior, aplicamos el mtodo desarrollado al problema
de las aceras. En este caso, St. Louis solicita una demanda de 100 toneladas de
acero semanales, mientras que el resto siguen demandando las mismas cantidades.
En la siguiente tabla mostramos las penalizaciones que impodran las plantas de
Detroit, St. Louis, Chicago y Norfolk por cada tonelada de acero no recibida.
Ciudad
Detroit
St. Louis
Chicago
Norfolk

Penalizacin
5$
7$
6$
5$

Tabla 4.3: Penalizaciones por tonelada no recibida


10

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte


Tras analizar el problema, se llega a la optimizacin del problema equilibrado
con exceso de demanda sin asignar (punto de suministro ficticio).
Detroit
Bethlehem
Birmingham
Gary
Ficticio

St. Louis
100

20
120
140

Chicago

Norfolk
50
190

200
100

200

20
260

150
210
320
20

Tabla 4.4: Solucin del problema de las aceras con exceso de demanda
St. Louis, que es la nica que ha aumentado su demanda, penaliza demasiado la
tonelada de acero no recibida en comparacin con el resto de puntos de demanda. Por
ello, incurriremos en menos costes si dejamos 20 toneladas de Norfolk sin cubrir. La
solucin ptima nos dice que el menor coste de transporte posible para este problema
es de 9080$, de los cuales 20 5 = 100 se destinarn a pagar la falta de toneladas en
Norfolk.

Fernando Alegra Medina

11

CAPTULO 4. ESTADO DE LA TCNICA

4.2

Mtodo de simplex para la resolucin del


problema de transporte

Antes de comenzar la explicacin del mtodo de simplex es necesario comentar otros


aspectos. El problema de transporte equilibrado se dice que es un problema definido
porque siempre existe una solucin que cumple con los requisitos de suministro y
demanda. Cualquier solucin que cumpla esto es una solucin bsica factible. El
mtodo de simplex comienza siempre con la obtencin de una primera solucin bsica
factible, que puede ser ptima o no. Adems puede asegurarse que las soluciones
estn limitadas por las cantidades de suministro ai y de demanda bj . Ello nos lleva
a la conclusin de que todo problema de transporte tiene solucin ptima.
Lo siguiente es estudiar la estructura del problema y de su solucin. Como se
vi en el apartado precendente, el problema est formado por m + n restricciones
de suministro y demanda (4.8 y 4.9). Se puede demostrar que las ecuaciones de ese
sistema no son independientes, es decir, que cualquiera de ellas es combinacin lineal
de las dems. Si numeramos las restricciones de suministro como (1), (2), . . . , (m)
y las de demanda como (m + 1), (m + 2), . . . , (m + n), podemos expresar la ltima
ecuacin como
(m + n) = (1) + (2) + . . . + (m) (m + 1) (m + 2) . . . (m + n 1) (4.14)
Una vez se elimina una ecuacin cualquiera las restantes son independientes,
ya que no es posible formarlas como combinacin lineal de las dems. Por tanto,
cualquier solucin bsica factible estar compuesta por m + n + 1 variables. Entonces
se dice que estas variables son variables bsicas y pertenecen a la base del problema
de transporte. El resto de variables ser igual a cero, pero no implica que todas las
variables bsicas sean distintas de cero. Cuando una solucin tiene al menos una
variable bsica igual a cero decimos que es una solucin degenerada. Es importante
entender este prrafo pues ser clave en el desarrollo de uno de los pasos del mtodo
de simplex.

4.2.1

Obtencin de una solucin bsica factible

Encontrar una solucin bsica factible es el primer paso del mtodo de simplex. Se
han encontrado tres mtodos diferentes en la literatura para obtener una solucin
bsica factible:
Mtodo de la esquina noroeste
Mtodo del costo mnimo
Mtodo de aproximacin de Vogel
Se muestran ordenados por grado de dificultad en cuanto a su implementacin
sobre el problema de transporte. Sin embargo, la relativa dificultad del ltimo mtodo
en este caso es una ventaja porque se obtienen soluciones prximas a la ptima.

12

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte


Ello permite evitar excesivas iteraciones en los siguientes pasos del mtodo del
simplex, que pueden suponer una gran carga computacional. En nuestro desarrollo se
decidi implementar el mtodo de la esquina noroeste por ser el ms intuitivo de los
tres. A pesar de ello consideramos interesante desarrollar todos ellos a continuacin.
Mtodo de la esquina noroeste
El mtodo de la esquina noroeste [5] est compuesto por una serie de pasos:
1. Comenzar en la casilla de la esquina noroeste de la matriz
2. Asignar la mxima cantidad posible de producto a esa casilla teniendo en
cuenta sus restricciones de suministro y demanda.
xij = min{ai , bj }

(4.15)

3. Restar a las restricciones de suministro y demanda la cantidad asignada


ai = ai xij

bj = bj xij

(4.16)

4. Si no queda ms demanda por asignar (bj = 0) pasar a la siguiente columna,


y si no queda ms suministro por asignar (ai = 0) pasar a la siguiente fila
5. Si todas las necesidades de suministro y demanda se han cubierto ya se tiene
la solucin bsica factible. Si no volver al paso 2.
Ahora mostramos como se aplica este algoritmo al problema de las aceras antes
mostrado para hacer ms clara la explicacin.

Bethlehem
Birmingham
Gary

Detroit
140

140

St. Louis
10
70
80

Chicago
140
60
200

Norfolk

260
260

150
210
320

Tabla 4.5: Solucin bsica factible por el mtodo de la esquina noroeste


Empezando por la esquina noroeste la cantidad demandada (140) es menor que la
suministrada (150), por tanto, se asigna dicha cantidad a la casilla. Al no quedar ms
demanda por asignar (b1 = 0) nos desplazamos a la segunda columna. Ahora solo
quedan 10 toneladas de acero por asignar en el suministro frente a 80 de la demanda,
por tanto, se asignan 10 toneladas a la casilla. Al ser a1 = 0 nos desplazamos a la
segunda fila. Procediendo igual con el resto de casillas se obtiene la solucin bsica
factible al llegar a la esquina sudeste.

Fernando Alegra Medina

13

CAPTULO 4. ESTADO DE LA TCNICA


Podra ocurrir que ai y bj se anulasen a la vez en el paso 4. En tal caso
estaramos ante una solucin bsica factible degenerada. En el caso de que ocurriese,
el desplazamiento podra hacerse a la siguiente fila o a la siguiente columna
indistintamente. Por ejemplo, si cambiasen el suministro de Birmingham y la
demanda de Norfolk a 70 y 120 respectivamente, entonces habra dos soluciones
posibles (Tablas 4.6 y 4.7).

Bethlehem
Birmingham
Gary

Detroit
140

140

St. Louis
10
70
80

Chicago
0
200
200

Norfolk

120
120

150
70
320

Tabla 4.6: Solucin bsica factible degenerada

Bethlehem
Birmingham
Gary

Detroit
140

140

St. Louis
10
70
0
80

Chicago

200
200

Norfolk

120
120

150
70
320

Tabla 4.7: Solucin bsica factible degenerada

Mtodo del costo mnimo


El mtodo del coste mnimo es capaz de hallar soluciones bsicas factibles ms
cercanas a la ptima que el mtodo de la esquina noroeste. Ello se debe a que
hace uso de los costes de transporte unitarios cij . El procedimiento a seguir para la
obtencin de la solucin bsica factible es el siguiente [8]:
1. Asignar la mxima cantidad de producto posible a la celda con el menor coste
unitario cij teniendo en cuenta sus restricciones de suministro y de demanda.
Si hay ms de una casilla con el mismo coste unitario escoger arbitrariamente
una de ellas.
2. Tachar la fila o columna que haya cubierto el suministro o la demanda. Si
se cubren el suministro y la demanda a la vez tachar arbitrariamente la fila o
la columna, pero no los dos.
3. Restar la cantidad asignada al suministro y a la demanda correspondientes
a la celda siempre que no est tachada su fila o columna.
4. Si queda solo una fila o solo una columna todas las variables restantes son
bsicas y solo existe una solucin bsica factible, de modo que se asignan las
cantidades restantes para terminar. Si no volver al paso 1 evitando las filas y
columnas tachadas.
14

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte


Lo explicamos nuevamente con el problema de las aceras, del que mostramos
directamente su solucin ptima por el mtodo del costo mnimo.

Bethlehem
Birmingham
Gary

Detroit
80
60
140

St. Louis
70
10

Chicago

80

200

Norfolk

200
260
260

150
210
320

Tabla 4.8: Solucin bsica factible por el mtodo del costo mnimo
La celda con el coste mnimo se encuentra en la posicin (2,3) y puesto que la
demanda es menor que el suministro se asignan 200 toneladas a la celda. Despus se
tacha la columna 3 y se resta la cantidad asignada al suministro. Entre los restantes
el coste mnimo se encuentra en (2,2) y se le asignan 10 toneladas que quedan por
asignar de suministro. Por tanto, se tacha la fila 2 y se restan 10 toneladas de la
demanda. En los siguientes pasos se asignan 70 toneladas a (1,2), se tacha la columna
2, se asignan 80 toneladas a (1,1) y se tacha la fila 1. Solo queda la fila 3 sin tacha,
por tanto, las nicas celulas que quedan sin tachar (3,1) y (3,4) se completan con las
cantidades coherentes con sus respectivos suministros y demandas.
Mtodo de aproximacin de Vogel
El mtodo de aproximacin de Vogel [4] se basa en el concepto de la penalizacin.
Si la persona que trata de resolver el problema elige incorrectamente entre
varias alternativas posibles es penalizada. En el problema de transporte elegir
incorrectamente quiere decir asignar unidades a una celda que no tiene el mnimo
coste. Por ello, este mtodo comienza calculando las penalizaciones para cada
suministro y demanda.
1. Para cada fila y columna, calcular la diferencia entre los dos costes mnimos.
Esta ser la penalizacin o coste de oportunidad por no tomar la mejor decisin.
2. Encontrar la fila o la columna con el mayor coste de oportunidad, y asignar
la mxima cantidad de producto posible a la celda con menor coste unitario en
esa fila o columna. Igual que en los mtodos anteriores ha de tenerse en cuenta
el suministro y la demanda de la celda.
3. Tachar cualquier fila o columna cuyo suministro o demanda se haya asignado
completamente.
4. Recalcular los costes de oportunidad omitiendo las filas y columnas tachadas.
5. Volver al paso 2 hasta que se obtenga la solucin bsica factible

Fernando Alegra Medina

15

CAPTULO 4. ESTADO DE LA TCNICA


Veamos su aplicacin con el mismo ejemplo empleado en los otros mtodos.
Partiendo de los costes unitarios calculamos los costes de oportunidad.

Bethlehem
Birmingham
Gary

Detroit
14
11
16
140
3

St. Louis
9
8
12
80
1

Chicago
16
7
10
200
3

Norfolk
18
16
22
260
2

150
210
320

5
1
2

Tabla 4.9: Paso 1 del mtodo de aproximacin de Vogel


El coste de oportunidad mximo es 5, por tanto, seleccionamos la casilla (1,2)
que es la de menor coste unitario en esa fila. Se le asignan 80 toneladas por ser
menor la demanda que el suministro y se tacha la columna. Despus se recalculan
los costes de oportunidad como muestra la Tabla 4.10.
Detroit
Bethlehem
Birmingham
Gary
140
3

St. Louis
80
X
X
80

Chicago

Norfolk
150
210
320

200
3

2
4
6

260
2

Tabla 4.10: Paso 2 del mtodo de aproximacin de Vogel


Ahora el coste de oportunidad mximo es 6, por lo que se asignan 200 toneladas
en la celda (3,3). Tras sucesivas iteraciones procediendo de la misma manera se llega
a la solucin bsica factible.
Bethlehem
Birmingham
Gary

Detroit
X
20
120
140

St. Louis
80
X
X
80

Chicago
X
X
200
200

Norfolk
70
190
X
260

150
210
320

Tabla 4.11: Paso 3 del mtodo de aproximacin de Vogel

4.2.2

Multiplicadores simplex y coeficientes de coste relativo

Ahora introduciremos los multiplicadores simplex, que se han de calcular tras obtener
una solucin bsica factible. Esto es as porque los multiplicadores simplex se calculan
a partir de las variables bsicas. Las ecuaciones mediante las cuales se obtienen son
ui + vj = cij
16

(4.17)

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte


Disponemos de m + n multiplicadores simplex, ui con i = 1, 2, . . . , m y vj con
j = 1, 2, . . . , n. Sin embargo, como las ecuaciones solo se aplican a las variables
bsicas solo hay m + n 1 ecuaciones. No es posible resolver el sistema de ecuaciones
pues hay ms incgnitas que ecuaciones. En este caso lo que se hace es dar un valor
arbitrario a cualquiera de los multipicadores simplex. Normalmente se escoge vn = 0
para generalizar el mtodo. De ese modo queda un sistema de ecuaciones compatible
determinado del que podemos obtener los multiplicadores del simplex. Si trasladamos
este procedimiento de clculo a la tabla de transporte, puede enunciarse como:
1. Asignar un valor arbitrario a cualquiera de los multipicadores simplex
2. Buscar en la tabla hasta que se encuentre un coste cij redondeado tal que
ui o vj (pero no los dos) ya se haya determinado. El coste redondeado denota
que pertenece a una variable bsica.
3. Para ese cij calcular el multiplicador simplex que quede por determinar
mediante la ecuacin cij = ui + vj . Si se han hallado todos los multiplicadores
simplex ha finalizado el procedimiento. Si no, volver al paso 2.
Una vez que se han hallado los multiplicadores simplex se calculan los coeficientes
de coste relativo
rij = cij ui vj

i = 1, 2, . . . , m; j = 1, 2, . . . , n

(4.18)

Como puede verse, los coeficientes de coste relativo solo tienen sentido para las
variables no bsicas. En las variables bsicas sern siempre iguales a cero. En el
mtodo del simplex estos coeficientes son de gran importancia. Si conseguimos que
rij 0

i = 1, 2, . . . , m; j = 1, 2, . . . , n

(4.19)

significar que la solucin obtenida anteriormente es la ptima.


Veamos como aplicar toda esta teora al ejemplo que venimos tratando desde
apartados anteriores. Lo primero es decidir cual de las 3 soluciones bsicas factibles
escogemos. Elegiremos la obtenida por el mtodo de la esquina noroeste por seguir
el procedimiento del algoritmo del Captulo 5, aunque cualquiera de ellas es vlida.
Si volvemos a la Tabla 4.5 veremos cuales son las variables que componen la base,
a partir de las cuales se obtendrn los multiplicadores. Siguiendo el procedimiento
indicado anteriormente se llega al siguiente resultado:
Bethlehem
Birmingham
Gary

Detroit
14
11
16
-6

St. Louis
9
8
12
-11

Chicago
16
7
10
-12

Norfolk
18
16
22
0

20
19
22

Tabla 4.12: Multiplicadores simplex. En negrita se muestran los costes de las


variables bsicas.

Fernando Alegra Medina

17

CAPTULO 4. ESTADO DE LA TCNICA


Y a partir de los multiplicadores se obtienen los coeficientes de coste relativo.
Bethlehem
Birmingham
Gary

Detroit
0
-2
0
-6

St. Louis
0
0
1
-11

Chicago
8
0
0
-12

Norfolk
-2
-3
0
0

20
19
22

Tabla 4.13: Coeficientes de coste relativo


A la vista de los resultados, la solucin bsica factible obtenida por el mtodo de
la esquina noroeste no es la solucin ptima. En el siguiente apartado veremos una
herramienta que nos permite modificar la solucin de manera adecuada para irnos
aproximando poco a poco a la solucin ptima.

4.2.3

Mejora de una solucin bsica factible por pivotes

La idea principal del algoritmo es probar con soluciones nuevas cada vez ms cercanas
a la optimizacin. Ello se consigue introduciendo cada vez una variable nueva a
la base y eliminando una de las anteriores, que pasa a ser variable no bsica. Es
necesario eliminar una variable porque la base no pude tener ms de m + n 1
variables.
La nueva variable a introducir en el mtodo de simplex suele ser la variable
con el coeficiente de coste relativo ms negativo. Podra seleccionarse cualquier
otra variable con coeficiente de coste relativo negativo pero nos acercaramos ms
lentamente a la situacin ptima. Una vez se ha seleccionado la variable se coloca
un signo + en su casilla, ya que pretendemos aadirle una cierta cantidad para
incluirla en la base. Ahora se trata de completar las casillas de las variables bsicas
con +, - 0 indicando que se le sumar , restar o que no se modificar. Para
saber que signo aadir nos basamos en los suministros y demandas. Estos deben
permanecer constantes, por tanto, hay que modificar las filas y columnas para que
cada suma se compense con una resta y viceversa. Ser interesante ver como se ha
sistematizado este proceso en el algoritmo desarrollado.
Una vez se hayan conseguido aadir todos los signos (en las variables bsicas)
hay que escoger el valor de . Este valor es el de la menor variable bsica con un
signo - asociado. De esta manera, al restarle a esa variable esta es igual a cero y
pasa a ser una variable no bsica. De esta manera hemos conseguido sustituir una
variable por otra. Con el resto de variables bsicas hay que realizar las operaciones
pertinentes: las que tengan signo + se les suma , las que tengan signo - se les resta
y las que tengan un 0 se mantienen constantes.
Hemos obtenido una solucin bsica diferente a la inicial. Lo que sigue es hallar
los multiplicadores simplex y los coeficientes de coste relativo para esta nueva solucin
y comprobar si hemos llegado a la solucin ptima. En caso de no haber llegado
an, se volvera a aplicar este mtodo de pivotes para obtener otra solucin bsica
factible. Tras sucesivas iteraciones se encontrar la solucin ptima al problema de
transporte.
18

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte


Puesto que obtuvimos los coeficientes de coste relativo para el ejemplo seguido
en el apartado anterior, ahora podemos obtener una nueva solucin bsica factible
basndonos en ellos. En la Tabla 4.13 vemos que la casilla Birmingham-Norfolk tiene
el menor coeficiente de coste relativo. Por tanto, se aade esta variable a la base y
se asignan signos a las variables bsicas.

Bethlehem
Birmingham
Gary

Detroit
1400

140

St. Louis
100
700
80

Chicago

Norfolk

140
60+
200

+
260
260

150
210
320

Tabla 4.14: Asignacin de signos de las variables bsicas


En este caso la variable menor con signo - asociado es x23 , por tanto, = 140.
Recalculando variables la solucin es la que se muestra en la tabla siguiente.

Bethlehem
Birmingham
Gary

Detroit
140

140

St. Louis
10
70
80

Chicago

Norfolk

200
200

140
120
260

150
210
320

Tabla 4.15: Nueva solucin bsica factible obtenida por pivotes

4.2.4

Resumen del mtodo de simplex

Resumiendo todo lo anterior, para hallar la solucin ptima del problema de


transporte por el mtodo de simplex se han de seguir los siguientes pasos:
1. Obtener una solucin bsica factible por el mtodo de la esquina noroeste,
el de los costos mnimos o el de aproximacin de Vogel
2. Calcular los multiplicadores simplex y los coeficientes de coste relativo.
Si todos los coeficientes de coste relativo son mayores o iguales a cero se ha
obtenido la solucin ptima. Si no, continuar con el paso 3.
3. Elegir la variable no bsica con el coeficiente de coste relativo ms negativo
para ser introducida en la base. A partir de esta, asignar signos a las variables
bsicas y asignar a el valor de la menor variable bsica con signo -. Recalcular
los valores de las variables e ir al paso 2.
En este trabajo nos hemos centrado en la investigacin del mtodo de simplex. No
obstante, existen otros mtodos como el algoritmo de Stepping-Stone que permiten
obtener la solucin ptima del problema de transporte equilibrado.

Fernando Alegra Medina

19

CAPTULO 4. ESTADO DE LA TCNICA

4.3

Variantes del problema de transporte

Al comenzar este captulo ya se mencionaron algunas de las variantes del problema


de transporte. Aqu resumimos todas ellas:
Problema de asignacin
Problema de inventario
Problema de transbordo
Problema de fabricacin
Problema de almacenamiento
Problema del agente viajero
De aqu en adelante se tratar de explicar brevemente cada una de ellos haciendo
hincapi en su relacin con el problema de transporte y con la Ingeniera de
Organizacin y Logstica.

4.3.1

Problema de asignacin

El problema de asignacin es un caso especial del problema de transporte por dos


razones: porque sus campos de aplicacin difieren de los del problema de transporte
general y porque tiene una estructura diferente. Esto hace que cambie el sentido del
problema de transporte reiterando la primera razn expuesta.
Este problema tiene mltiples acepciones en funcin del campo de aplicacin.
Aqu lo explicamos de manera general en su aplicacin a la fabricacin. Se trata
de asignar n mquinas a n tareas por realizar. Se consideran mquinas universales
capaces de realizar cualquiera de las n tareas, por lo que no habr restricciones en ese
sentido. Los costes unitarios del problema de transporte cij en este caso corresponden
al tiempo de preparacin de las mquinas. Como parece obvio, lo que se pretende
conseguir es la combinacin de mquinas y tareas que da lugar al menor tiempo de
preparacin posible.
Decimos que su estructura es particular por dos razones. Una ya la hemos visto,
y es que tiene que haber el mismo nmero de mquinas que de tareas. Y por otra
parte, cada mquina tiene que estar asignada a una nica tarea exactamente, y
cada tarea a su vez tiene que tener una mquina asignada. Esto implica que las
asignaciones xij del problema de transporte se traten como variables booleanas.
xij = 1
=0
20

si la mquina i se asigna a la tarea j

(4.20)

si la mquina i no se asigna a la tarea j

(4.21)

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte


Las ltimas restricciones cambian ligeramente la descripcin del problema como
podemos ver a continuacin.
minimizar
s.a.

n X
n
X

cij xij

i=1 j=1
n
X
j=1
n
X

(4.22)

xij = 1

i = 1, 2, . . . , n

(4.23)

xij = 1

j = 1, 2, . . . , n

(4.24)

i=1

xij 0

i, j

(4.25)

En la formulacin del problema de transporte se coment que si las cantidades ai


y bj eran nmeros enteros la solucin estara formada por nmero enteros. En este
caso, todos esos valores son 1 con lo que se asegura que la solucin est formada no
solo por nmero enteros sino adems por nmeros booleanos que dan significado al
problema.
El mtodo de simplex, que es el mtodo que hemos desarrollado en apartados
previos para la resolucin del problema general de transporte, es bastante ineficiente
en este caso. En su lugar, dos matemticos hngaros desarrollaron un mtodo ms
eficiente para su resolucin. Sin embargo, fue H.W. Kuhn en 1955 [6] el que public
el desarrollo del mtodo y que acordndose del trabajo de los primeros lo denomin
mtodo hngaro. A continuacin mostramos de manera breve y sencilla como se
encuentra la solucin ptima al problema de asignacin por este mtodo. Tambin
se muestra un ejemplo de aplicacin para mostrar claramente el procedimiento.
1. Busque el tiempo de preparacin cij mnimo de cada fila (mquina) y reste a
los elementos de cada fila su tiempo mnimo. Despus, busque el tiempo mnimo
para cada columna (tarea) y reste los diferentes mnimos a los elementos de
cada columna.
2. Trace el menor nmero posible de lneas horizontales y/o verticales para
cubrir todos los ceros que aparecen en la matriz. Si son necesarias n lneas la
solucin ptima se construye con las posiciones de los ceros fijndonos uno a
uno en si son los nicos ceros en su fila/columna para conseguir uno por cada
fila/columna como requiere el problema. Si se cubren con menos de n lneas
continuar con el siguiente paso.
3. Busque el menor elemento que no est cubierto por las lneas antes trazadas.
Reste este valor a los elementos no cubiertos, adalo a los cubiertos por dos
lineas y vuelva al paso anterior.

Fernando Alegra Medina

21

CAPTULO 4. ESTADO DE LA TCNICA


Ejemplo. La Tabla 4.16 muestra los tiempos de preparacin de 4 mquinas
en el caso de que se usen para la realizacin de cada una de las 4 tareas durante
el turno a planificar. En adelante se encuentra el desarrollo del mtodo hngaro
hasta obtener la solucin ptima.

M1
M2
M3
M4

T1
13
3
6
3

T2
11
7
3
8

T3
2
5
7
7

T4
9
4
5
10

Tabla 4.16: Tiempos de preparacin para el problema de asignacin


Lo primero es encontrar los tiempos de preparacin mnimos de cada fila y
restrselos a los elementos por filas.

M1
M2
M3
M4

T1
11
0
3
0

T2
9
4
0
5

T3
0
2
4
4

T4
7
1
2
7

2
3
3
3

Tabla 4.17: Paso 1 del mtodo hngaro


Despus se sigue el mismo procedimiento con las columnas de la matriz.

M1
M2
M3
M4

T1
11
0
3
0
0

T2
9
4
0
5
0

T3
0
2
4
4
0

T4
6
0
1
6
1

Tabla 4.18: Paso 2 del mtodo hngaro


Lo siguiente es trazar las mnimas lneas horizontales y verticales para cubrir
todos los ceros de la matriz. En este caso hacen falta 4 lineas para cubrirlos todos,
que podran estar en la columna 1 y en las filas 1, 2 y 3. Eso quiere decir que
podemos obtener la solucin ptima (Tabla 4.19) con las posiciones de los ceros y no
es necesario continuar con el procedimiento. En la posicin (2,1) existe un cero pero
no hay asignacin en dicha casilla, la mquina 2 se debe asignar a la tarea 4 porque
es la nica opcin que existe para esta ltima.

22

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte


T1
M1
M2
M3
M4

T2

T3
X

T4
X

X
X

Tabla 4.19: Solucin ptima del problema de asignacin

4.3.2

Problema de inventario

No existe una descripcin analtica de este problema aparte de la ya conocida del


problema general de transporte. Se trata de una serie de problemas que se pueden
resolver por el mtodo del simplex, que se vio en el apartado anterior, pero en los
que las asignaciones guardan relacin con el inventario de las plantas de produccin
y no con el envo desde un punto de suministro a un punto de demanda. Por eso,
vemos ms sentido explicar los problemas de este tipo a partir de un ejemplo.
Ejemplo2 . Una compaa quiere conocer de antemano cuantos veleros ha de producir
durante cada uno de los siguientes cuatro trimestres, pudiendo distribuirlos en el
mismo trimestre que los fabrica o almacenarlos para su distribucin en trimestres
posteriores. La demanda en estos periodos se muestra en la Tabla 4.20.
Trimestre
1
2
3
4

Demanda
40 veleros
60 veleros
75 veleros
25 veleros

Tabla 4.20: Demanda de veleros en los cuatro trimestres


El suministro puede realizarse por varias vas:
La compaa dispone de 10 veleros ya fabricados al principio del primer trimestre
Puede producir hasta 40 veleros por trimestre a 400$ cada uno durante la
jornada regular
Puede producir ms veleros a 450$ cada uno aadiendo turnos de trabajo extra
Adems, ha de pagar un coste de 20$ por cada velero que mantiene en el almacn de
un trimestre para otro.

Este ejemplo est basado en [12]

Fernando Alegra Medina

23

CAPTULO 4. ESTADO DE LA TCNICA

Inicial
TR1
TE1
TR2
TE2
TR3
TE3
TR4
TE4

1
0
400
450
10000
10000
10000
10000
10000
10000
40

2
20
420
470
400
450
10000
10000
10000
10000
60

3
40
440
490
420
470
400
450
10000
10000
75

4
60
460
510
440
490
420
470
400
450
25

Ficticio
0
0
0
0
0
0
0
0
0
570

10
40
150
40
150
40
150
40
150

Tabla 4.21: Adaptacin del problema de asignacin al problema de transporte

Para su resolucin puede tratarse como un problema de transporte con exceso


de suministro. Su estructura es la que se muestra en la Tabla 4.21, junto con las
cantidades de suministro ai y de demanda bj y los costes unitarios cij . Como puede
verse, los costes se han calculado como la suma del coste de produccin ms los
de retencin. Es importante explicar un par de valores de la tabla. El valor de la
demanda del tiempo extra de cada trimestre surge de restarle a la demanda total el
inventario inicial y la capacidad de produccin en tiempo regular (2001040 = 150).
Y por otra parte, el valor de 10000 representa un valor infinito y se aade para evitar
la situacin ilgica en la que se distribuiran los veleros antes de ser fabricados.

Inicial
TR1
TE1
TR2
TE2
TR3
TE3
TR4
TE4

1
10
30

Ficticio

10
150
40
10

140
40
35
25

40

60

75

25

115
15
150
570

10
40
150
40
150
40
150
40
150

Tabla 4.22: Solucin ptima del problema de inventario

24

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte


Es importante comentar la solucin ptima obtenida (Tabla 4.22), pues su
significado difiere del obtenido como problema de transporte general.
La demanda del primer trimestre se cubre con el inventario inicial y la
produccin en el mismo trimestre.
La demanda del segundo trimestre se cubre con lo guardo del trimestre anterior
y la produccin en el mismo trimestre en jornada regular ms horas extra.
La demanda del tercer trimestre se cubre nicamente con la produccin durante
ese periodo, aunque se necesita contratar horas extra.
La demanda del cuarto trimestre se cubre nicamente con la produccin durante
ese periodo en horario regular.

4.3.3

Problema de transbordo

Los problemas de transbordo son problemas de transporte en cuanto al concepto y


en cuanto a su estructura. La nica diferencia reside en la introduccin de los puntos
de transbordo. A diferencia de los puntos de suministro de los que nicamente sale
el producto y los puntos de demanda a los que solo llega el producto, los puntos
de transbordo permiten la transmisin del producto en ambas direcciones. En este
sentido, si es posible que un punto de suministro reciba mercanca de otros puntos
de suministro este pasa a ser lo que conocemos como punto de transbordo. De la
misma manera, si un punto de demanda puede enviar mercanca a otros puntos de
demanda tambin pasar a ser un punto de transbordo. Sin embargo, este nuevo
concepto se entiende normalmente como un punto intermedio en el trayecto desde el
suministro hasta su destino final.
Igual que ocurra con los problemas previamente estudiados, este problema puede
resolverse por el mismo mtodo que el problema de transporte general, el mtodo
del simplex. Aqu exponemos la secuencia a seguir para su resolucin y ms adelante
se aclarar su ejecucin con el ejemplo de las aceras.
Si antes organizbamos el problema de transporte utilizando las columnas para
los puntos de demanda y las filas para los puntos de suministro, en este caso se
emplearn las columnas para los puntos de demanda y los puntos de transbordo y las
filas para los puntos de suministro y los puntos de transbordo tambin. El problema
cuenta con m puntos de suministro, n puntos de demanda y k puntos de transbordo.
Para establecer la demanda y el suministro de los puntos de transbordo, hemos de
emplear el suministro total de los puntos de suministro
a=

m
X

ai

(4.26)

i=1

Fernando Alegra Medina

25

CAPTULO 4. ESTADO DE LA TCNICA


Por tanto, la demanda y el suministro de los puntos de transbordo se obtendrn
como
a
i = a + ai
bj = a + bj

i = m + 1, m + 2, . . . , m + k

(4.27)

j = n + 1, n + 2, . . . , n + k

(4.28)

De esta manera conseguimos que el problema y los puntos de transbordo se mantengan


equilibrados.
Volviendo al caso de las aceras, pongamos el caso de que disponemos de dos
almacenes adicionales de transbordo en Pittsburgh y Cincinnati. Ahora hay que
analizar ms costes unitarios pues existen nuevos trayectos: de los puntos de
suministro a los de transbordo, de los puntos de transbordo a los de demanda
y entre puntos de transbordo.

1
2
3
4
5

1
14$
11$
16$
6$
4$
140

2
9$
8$
12$
7$
5$
80

3
16$
7$
10$
5$
7$
200

4
8$
16$
22$
5$
4$
260

5
4$
6$
4$
0
3$
680

6
7$
6$
5$
3$
0
680

150
210
320
680
680

Tabla 4.23: Costes de envo por tonelada de acero y cantidades semanales (en
toneladas) de suministro y demanda
Punto
Punto
Punto
Punto
Punto
Punto
Punto
Punto
Punto
Punto
Punto

de
de
de
de
de
de
de
de
de
de
de

suministro 1: Bethlehem
suministro 2: Birmingham
suministro 3: Gary
suministro 4: Pittsburgh
suministro 5: Cincinnati
demanda 1: Detroit
demanda 2: St. Louis
demanda 3: Chicago
demanda 4: Norfolk
demanda 5: Pittsburgh
demanda 6: Cincinnati

Al tratarlo como un problema de transporte general es posible obtener su solucin


ptima como mostramos en la Tabla 4.24. No obstante, es necesaria una aclaracin
de esta solucin. Los envos de Pittsburgh a Pittsburgh y de Cincinnati a Cincinnati
claramente no existen y se refieren a la cantidad de producto que, en lugar de pasar
por los puntos de transbordo, se enva directamente desde los puntos de suministro a
los puntos de demanda. Se ha utilizado solo parte de su capacidad como almacenes
intermedios en dos trayectos, Gary-Pittsburgh-Norfolk y Gary-Cincinnati-Detroit.

26

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte


1
1
2
3
4
5

140
140

2
70
100

80

4
80

200

200

180

180
500

260

680

140
540
680

150
210
320
680
680

Tabla 4.24: Solucin ptima del problema de transbordo

4.3.4

Otras variantes

Problema de fabricacin
Supongamos que tenemos una instalacin capaz de llevar a cabo n actividades de
produccin diferentes, cada una de las cuales produce diferentes cantidades de m
productos. Cada actividad se puede operar a cualquier nivel xi 0, y cuando se
opera a nivel unitario la actividad i tiene un coste de ci y produce aij unidades de
producto j. Si se conocen los datos de demanda de cada producto b1 , b2 , . . . , bm , el
problema pretende optimizar el proceso para satisfacer la demanda con el mnimo
coste posible.
La conexin de este problema con el de transporte podemos encontrarla en el
tema que tratan, estando ambos ligados a la planificacin en el entorno organizacional.
Adems, su resolucin es semejante debido a que sus respectivos mtodos se basan
en la programacin lineal.
Problema de almacenamiento
Este caso considera el problema de administrar un almacn. El almacn tiene una
capacidad C y aplica un coste r por cada unidad de producto que se mantenga en
almacn durante un cierto periodo. Este coste es similar al coste de mantenimiento
que se aplicaba en el problema de inventario. Adems, se sabe que el precio del
producto vara entre meses, mantenindose fijo durante cada mes tanto para la
compra como para la venta. Y como ltimo dato sabemos que no hay inventario ni
al principio ni al final del ao en el que analizamos el almacn. La idea es comprar o
vender existencias del producto para maximizar beneficios.
Del problema de almacenamiento podemos decir lo mismo que en el caso
anterior, est relacionado con la planificacin de la produccin dentro del entorno
organizacional y su resolucin se basa en la programacin lineal.

Fernando Alegra Medina

27

CAPTULO 4. ESTADO DE LA TCNICA


Problema del agente viajero
El problema del agente viajero o Traveling Salesman Problem (TSP) [2] guarda
mucha relacin con el problema de transporte ya que ambos estudian desplazamientos
entre diferentes puntos. La explicacin es sencilla. Un vendedor tiene una lista de
destinos por los que tiene que pasar a ofrecer su producto. No puede olvidar ninguno
de los destinos y su ruta empieza y acaba en el mismo punto. El problema trata de
optimizar la ruta para que sea lo ms corta posible.
En el caso de que la lista de destinos fuese relativamente corta, se podran plantear
la opcin de considerar cada ruta posible. De esta forma, se garantizara la ruta ms
corta por el mtodo conocido como fuerza bruta. Sin embargo, cuando el problema
es ms complejo es necesario emplear tcnicas de optimizacin para su resolucin.

28

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte

Captulo 5

Desarrollo del algoritmo del


simplex
Este captulo pretende mostrar como se ha implementado el mtodo del simplex
en nuestro desarrollo en C. Se encuentra subdividido en los pasos sucesivos de este
mtodo, que se estudiaron en el captulo anterior.

5.1

Introduccin de los datos del problema

Tras ejecutar el software se piden los datos del problema de transporte. En la Figura
5.1 vemos una captura de pantalla con el modo en que estos se introducen.

Figura 5.1: Introduccin de los datos del problema en el software

Fernando Alegra Medina

29

CAPTULO 5. DESARROLLO DEL ALGORITMO DEL SIMPLEX


Lo primero que se debe conocer es la cantidad de puntos de suministro y de
demanda del problema de transporte. Despus ya pueden introducirse las cantidades
de producto suministradas ai y demandadas bj y los costes unitarios de envo cij
entre los distintos puntos de suministro y demanda. El software adems nos da la
opcin de reintroducir algn dato errneo como puede verse en la imagen arriba
mostrada.
Una vez introducidos los datos el software comprueba si el problema de transporte
es equilibrado. Si no lo es pide al usuario que reajuste los datos para que el problema
sea equilibrado. En caso de serlo, procede a la resolucin del mismo por el mtodo
de simplex.

Figura 5.2: Comprobacin de equilibrio del problema de transporte

5.2

Mtodo de la esquina noroeste

Ahora nos centraremos un poco ms en la explicacin del funcionamiento de nuestro


desarrollo. El primer paso del mtodo de simplex es obtener una solucin bsica
factible. Para ello, se ha implementado el mtodo de la esquina noroeste.
Podemos ver el cdigo fuente en la pgina siguiente. Lo explicamos a continuacin
de modo que los lectores sin conocimientos previos del lenguaje de programacin
C puedan seguir el desarrollo del mtodo. Las variables as x[i] y bs x[j] contienen
las cantidades de suministro y demanda an sin asignar de las celdas. Por lo que
se asignar a las cantidades de envo xij el mximo posible teniendo en cuenta las
cantidades de suministro y demanda que quedan por asignar. Despus se recalculan
las cantidades de suministro y demanda restantes y se desplaza una fila si no queda
suministro por asignar o una columna si no queda demanda por asignar. circulo[i][j]
denota si la variable xij es bsica o no.

30

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte

// Metodo de la esquina noroeste


i =0;
j =0;
while (i < m && j < n ) {
if ( a_sx [ i ] < b_sx [ j ]) {
x [ i ][ j ] = a_sx [ i ];
circulo [ i ][ j ]++;
b_sx [ j ] -= a_sx [ i ];
a_sx [ i ] = 0;
i ++;
}
else {
x [ i ][ j ] = b_sx [ j ];
circulo [ i ][ j ]++;
a_sx [ i ] -= b_sx [ j ];
b_sx [ j ] = 0;
j ++;
}
}

5.3

Multiplicadores simplex y coeficientes de coste


relativos

El siguiente paso en el mtodo de simplex es la obtencin de los multiplicadores


simplex a partir de la solucin bsica factible.
// Hallar multiplicadores simplex
for ( i =0; i < m ; i ++)
u [ i ] = UNKNOWN ;
for ( j =0; j < n ; j ++)
v [ j ] = UNKNOWN ;
v [n -1] = 0;
aux = m +n -1;
while ( aux >0) {
for ( i =0; i < m ; i ++) {
for ( j =0; j < n ; j ++) {
if ( circulo [ i ][ j ]&& u [ i ]== UNKNOWN && v [
j ]!= UNKNOWN ) {
u [ i ] = c [ i ][ j ] - v [ j ];
aux - -;
}
else if ( circulo [ i ][ j ]&& u [ i ]!=
UNKNOWN && v [ j ]== UNKNOWN ) {
v [ j ] = c [ i ][ j ] - u [ i ];
aux - -;
}
}
}
}

Fernando Alegra Medina

31

CAPTULO 5. DESARROLLO DEL ALGORITMO DEL SIMPLEX


El algoritmo empleado es muy sencillo. Empieza con vn = 0 para poder resolver
el sistema de ecuaciones. Despus rastrea la matriz para encontrar entre las variables
bsicas una celda para la que se haya determinado ai o vj , pero no los dos. Entonces
halla el multiplicador restante con la expresin
cij = ui + vj

(5.1)

Finalmente contina rastreando hasta que todos los multiplicadores simplex se han
obtenido.
Los coeficientes de coste relativo se calculan con la expresin (4.18) que se expuso
en el captulo anterior.
// Hallar los coeficientes de coste relativos
for ( i =0; i < m ; i ++)
for ( j =0; j < n ; j ++)
r [ i ][ j ] = c [ i ][ j ] - u [ i ] - v [ j ];

Los coeficientes de coste relativo sirven para conocer si se ha llegado o no a la


solucin ptima. Por ello, el software comprueba el signo de todos estos coeficientes
y si detecta que al menos uno es negativo continua aplicando el mtodo de simplex.
Si los coeficientes determinan que se ha llegado a la solucin ptima entonces el
programa nos la muestra por pantalla.

Figura 5.3: Solucin ptima para el problema de transporte


El coste mnimo que se ha conseguido se calcula segn la expresin
z=

m X
n
X

cij xij

(5.2)

i=1 j=1

Tambin puede verse en la imagen que el programa muestra las soluciones bsicas
factibles previas a la solucin ptima para que se vea el proceso por el que se ha
llegado hasta esta.
32

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte

5.4

Mejora de una solucin bsica factible por pivotes

El anlisis de esta parte del algoritmo es ms interesante que las anteriores. Lo que
a simple vista parece sencillo para una mente humana puede ser ms complicado
de describir matemticamente. En este sentido, la asignacin de signos es un paso
bastante sencillo del algoritmo pero su programacin es ms compleja.
Lo primero que hacemos es ir fila a fila y columna a columna aadiendo el signo
0 cuando estas solo contienen una variable bsica. Es la nica forma de mantener
constante el suministro y la demanda de esas filas y columnas respectivamente. Se
emplea el nmero 7 para denotar que el signo de la celda correspondiente a una
determinada variable bsica an no se ha asignado.
// Se rastrea para meter ceros en las filas y columnas con
un solo circulo
for ( i =0; i < m ; i ++) {
for ( j =0; j < n ; j ++)
if ( circulo [ i ][ j ])
i_circulos ++;
if ( i_circulos ==1) {
for ( j =0; j < n ; j ++) {
if ( signo [ i ][ j ]==7) {
signo [ i ][ j ] = 0;
break ;
}
}
}
i_circulos = 0;
}
for ( j =0; j < n ; j ++) {
for ( i =0; i < m ; i ++)
if ( circulo [ i ][ j ])
j_circulos ++;
if ( j_circulos ==1) {
for ( i =0; i < m ; i ++) {
if ( signo [ i ][ j ]==7) {
signo [ i ][ j ] = 0;
break ;
}
}
}
j_circulos = 0;
}

En la siguiente pgina mostramos la continuacin del algoritmo. Lo que se hace


es rastrear filas y columnas para encontrar aquellas en las que solo queda un signo
por asignar. En este informe solo se muestra la parte correspondiente al rastreo por
filas. Consideramos redundante mostrar ambas soluciones ya que son idnticas. El
rastreo por columnas se obtiene cambiando i (fila) por j (columna) y m (nmero de
filas) por n (nmero de columnas). Para hallar el signo que falta se halla la suma de
los signos restantes de la fila (variable sum_circulos), considerando + como +1 y como -1.

Fernando Alegra Medina

33

CAPTULO 5. DESARROLLO DEL ALGORITMO DEL SIMPLEX

// Se rastrea para meter signos en las filas que solo falta


uno por completar
for ( i =0; i < m ; i ++) {
for ( j =0; j < n ; j ++) {
if ( circulo [ i ][ j ]) {
sum_pivote += signo [ i ][ j ];
if ( signo [ i ][ j ]!=7)
sum_circulos += signo [ i ][ j
];
}
}
if ( sum_pivote >=6&& sum_pivote <=8) {
for ( j =0; j < n ; j ++) {
if ( signo [ i ][ j ]==7) {
if ( sum_circulos ==1)
signo [ i ][ j ] = -1;
else if ( sum_circulos ==0)
signo [ i ][ j ] = 0;
else if ( sum_circulos == -1)
signo [ i ][ j ] = 1;
}
}
}
sum_pivote = 0;
sum_circulos = 0;
}

El signo se obtiene intuitivamente segn:


Si sum_circulos = +1 falta un signo - para compensar
Si sum_circulos = 0 falta un signo 0 para compensar
Si sum_circulos = 1 falta un signo + para compensar
Se repetir este ltimo procedimiento hasta que todos los signos se hayan asignado.
Una vez conseguido esto, se obtiene como la variable bsica de menor valor con
signo - y se recalcula la solucin.
// Obtener theta
aux =0;
for ( i =0; i < m ; i ++) {
for ( j =0; j < n ; j ++) {
if ( signo [ i ][ j ]== -1&&( x [ i ][ j ] < theta || aux ==0)
){
theta = x [ i ][ j ];
i_nb = i ;
j_nb = j ;
aux = 1;
}
}
}

34

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte

// Actualizar la solucion para incluir la nueva variable


circulo [ i_nb ][ j_nb ] = 0;
for ( i =0; i < m ; i ++)
for ( j =0; j < n ; j ++)
x [ i ][ j ] += signo [ i ][ j ]* theta ;

Con esto finaliza la explicacin sobre el desarrollo de nuestro algoritmo en C. Si


el lector desea consultar el cdigo fuente ntegro puede contactarnos por email a
travs de falegria5@alumno.uned.es.

5.5

Aplicacin del software al problema de las aceras

Emplearemos el ejemplo enunciado en el captulo anterior para mostrar la solucin


ptima hallada con el uso del software desarrollado. Se enuncia aqu nuevamente
para facilitar su estudio.
Ejemplo. Las aceras de Bethlehem, Birmingham y Gary producen distintas
cantidades de acero (ai , i = 1, 2, 3) y abastecen a las plantas de fabricacin de
Detroit, St. Louis, Chicago y Norfolk. Estas cuatro ciudades requieren diferentes
demandas (bj , j = 1, 2, 3, 4) en funcin de las dimensiones de sus plantas y de sus
necesidades de produccin. El coste de envo por tonelada de acero cij varia segn
el trayecto, ya que las distancias difieren significativamente. Se necesita conocer la
cantidad de toneladas de acero xij que deben enviarse desde las aceras a las plantas
de fabricacin.
Bethlehem
Birmingham
Gary

Detroit
14$
11$
16$
140

St. Louis
9$
8$
12$
80

Chicago
16$
7$
10$
200

Norfolk
18$
16$
22$
260

150
210
320

Tabla 5.1: Costes de envo por tonelada de acero y cantidades semanales (en
toneladas) de suministro y demanda
En la pgina siguiente puede verse la solucin ptima obtenida. De ella sacamos
varias conclusiones.
La acera de Bethlehem suministra 80 toneladas de acero a la planta de St.
Louis y 70 a la planta de Norfolk
La acera de Birmingham suministra 20 toneladas de acero a la planta de
Detroit y 9 a la de Norfolk
La acera de Gary suministra 120 toneladas a la planta de Detroit y 200 a la
de Chicago

Fernando Alegra Medina

35

CAPTULO 5. DESARROLLO DEL ALGORITMO DEL SIMPLEX

Figura 5.4: Solucin ptima para el problema de las aceras

Adems vemos que el coste de transporte total ser de 9160$. Una buena idea
para reducir an ms los costes logsticos sera considerar almacenes intermedios en
el trayecto. Ese caso ya se consider en la explicacin del problema de transbordo.

36

Escuela Tcnica Superior de Ingenieros Industriales (UNED)

Desarrollo de un algoritmo para la resolucin del problema de transporte

Captulo 6

Conclusin
Llegados a este punto puede comprobarse que se han logrado todos los objetivos
propuestos al principio del trabajo.
Se ha comprendido la finalidad del problema de transporte. Ello queda plasmado
en la descripcin que se ha realizado del mismo en el Captulo 4. Para ello ha
sido de gran ayuda investigar sobre el proyecto del que surgi el problema de
transporte [9].
Se ha logrado comprender la importancia que supone la minimizacin de los
costes de transporte para la logstica de una organizacin.
Se ha comprendido cada uno de los pasos en los que se basa el mtodo de
simplex. Adems, se han estudiado varias alternativas para la obtencin de la
solucin bsica factible.
Se ha investigado sobre otros problemas similares al de transporte, y se han
conseguido emplear los mtodos desarrollados para la resolucin de algunos de
ellos.
Se ha implementado un algoritmo en C basado en los conocimientos adquiridos
sobre el mtodo de simplex
Se ha logrado resolver satisfactoriamente el problema logstico propuesto con
el software desarrollado
Podra continuarse la lnea de investigacin con
El estudio del algoritmo de Stepping-Stone
La mejora del algoritmo desarrollado, pudiendo abarcar algunas de las variantes
estudiadas
Aplicacin del algoritmo a un caso logstico real de mayores dimensiones
Si el lector est interesado en ampliar informacin acerca del mtodo de simplex
para la resolucin del problema de transporte se recomienda consultar la bibliografa.
Fernando Alegra Medina

37

BIBLIOGRAFA

Bibliografa
[1]

F. Alegra. Anlisis del sistema logstico de productos derivados del petrleo


en Espaa. Trabajo para la asignatura Ingeniera de Organizacin y Logstica
del Master de Ingeniera Industrial (UNED), 2015.

[2]

Google. Traveling salesman problem. URL: https://developers.google.


com/optimization/routing/tsp?hl=en, ltima comprobacin 21-01-2016,
2015.

[3]

F.L. Hitchcock. The distribution of a product from several sources to numerous


localities. Journal of Mathematical Physics, 20:224230, 2006.

[4]

J.Heizer, B. Render, y P. Griffin. Operations Management. Sustainability and


supply chain management. Pearson Canada, 2016.

[5]

B. Klinz y G.J. Woeginger. The northwest corner rule revisited. Discrete


Applied Mathematics, 159(12):12841289, 2011.

[6]

H.W. Kuhn. The hungarian method for the assignment problem. Naval
Research Logistics Quarterly, 2:8397, 1955.

[7]

D.G. Luenberger y Y. Ye. Linear and Nonlinear Programming. Springer, 2008.

[8]

J.F. Rayman. Transportation problems. Apuntes de la Universidad de Surrey.

[9]

A. Schrijver. On the history of the transportation and the maximum flow


problems. Mathematical Programming 91, pages 437445, 2002.

[10] B.W. Taylor. Introduction to Management Science. Pearson Education, 2013.


[11] Wikipedia. Transportation theory (mathematics). URL: https://en.
wikipedia.org/wiki/Transportation_theory_(mathematics), ltima
comprobacin 21-01-2016, 2016.
[12] W.L. Winston. Investigacin de operaciones. Aplicaciones y algoritmos.
Thomson, 2005.
[13] Q.Y. Yan, Q. Zhang, y D.F.M. Torres. The optimization of transportation
costs in logistics enterprises with time-window constraints. Discrete Dynamics
in Nature and Society, 2015.

38

Escuela Tcnica Superior de Ingenieros Industriales (UNED)