Sie sind auf Seite 1von 25

Metodo de multiplicadores

Investigacin de Operaciones
Ejercicio medio (Respuesta)
1.
Primero calculamos: oferta total = 25+40+50=115 y demanda total = 30+35+25=90. Como no son iguales tenemos un
problema no balanceado, esto implica aadir una 4ta. ciudad ficticia con una demanda de 25, para tener un problema
balanceado.
Despus construimos la tabla de transporte asociada e iniciamos asignando 25 a la celda (1,1) y ajustamos la oferta y
la demanda como se muestra en la tabla:

Ahora asignamos 5 a la celda (2,1) y ajustamos la oferta y la demanda como se muestra en la tabla:

En seguida asignamos 35 a la celda (2,2) y ajustamos la oferta y la demanda como se muestra en la tabla:

Posteriormente asignamos 0 a la celda (3,2) y ajustamos la oferta y la demanda como se muestra en la tabla:

Despus ajustamos el rengln restante, como se muestra en la tabla:

Entonces tenemos una solucin inicial:


x1,1=25, x2,1=5, x2,2=35, x3,2=0, x3,3=25 y x3,4=25, con un costo mnimo de $38,350.
Ahora aplicamos el Mtodo de Modi para ver si la solucin inicial obtenida es ptima. Calculamos los valores de los
multiplicadores:

Celda (1,1)

u1+v1=600

u1=0, v1=600

Celda (2,1)

u2+v1=320

u2=-280

Celda (2,2)

u2+v2=300

v2=580

Celda (3,2)

u3+v2=480

u3=-100

Celda (3,3)

u3+v3=450

v3=550

Celda (3,4)

u3+v4=0

v4=100

Despus calculamos los costos marginales asociados:

Celda (1,2)

700-u1-v2=120

Celda (1,3)

700-u1-v3=150

Celda (1,4)

0-u1-v4=-100

Celda (2,3)

350-u2-v3=80

Celda (2,4)

0-u2-v4=180

Celda (3,1)

500-u3-v1=0

Como tenemos un valor negativo la solucin inicial no es ptima. Elegimos la celda (1,4) para construir una trayectoria
cerrada:

Oferta

600
25 -

700

700

25
0

320
5 +

300
35 -

350

40
0

500

480
0 +

450
25

0
25 -

50
0

Dem.

30
0

35
0

25
0

25
0

Como todas las asignaciones deben ser mayores o iguales a cero, obtenemos las siguientes desigualdades:

El mximo valor de que satisface todas las desigualdades es 25; realizamos los ajustes a cada una de las celdas:

Oferta

600
0

700

700

0
2.5

25
0

320
30

300
10

350

40
0

500

480
25

450
25

50
0

Dem.

30
0

35
0

25
0

25
0

Entonces tenemos una solucin inicial:


x1,1=0, x1,4=25, x2,1=30, x2,2=10, x3,2=25 y x3,3=25, con un costo mnimo de $35,850.00.
Ahora aplicamos el Mtodo de Modi para ver si la solucin inicial obtenida es ptima. Calculamos los valores de los
multiplicadores:

Celda (1,1)

u1+v1=600

u1=0, v1=600

Celda (1,4)

u1+v4=0

v4=0

Celda (2,1)

u2+v1=320

u2=-280

Celda (2,2)

u2+v2=300

v2=580

Celda (3,2)

u3+v2=480

u3=-100

Celda (3,3)

u3+v3=450

v3=550

Despus calculamos los costos marginales asociados:

Celda (1,2)

700-u1-v1=100

Celda (1,3)

700-u1-v3=150

Celda (2,3)

350-u2-v3=80

Celda (2,4)

0-u2-v4=280

Celda (3,1)

500-u3-v1=0

Celda (3,4)

0-u3-v4=100

Como todos los costos marginales son positivos la solucin inicial es ptima.
Nota: La 4ta. ciudad es ficticia, por lo que no existe suministro de la planta 1 a esta ciudad.
Entonces la asignacin que minimiza el costo total de transporte es:
Que la planta 1 transporta 0 millones de kilovatios/hora a la ciudad 1.
Que la planta 2 transporta 30 millones de kilovatios/hora a la ciudad
2.
Que la planta 2 transporta 10 millones de kilovatios/hora a la ciudad
2.

Que la planta 3 transporta 25 millones de kilovatios/hora a la ciudad


2.
Que la planta 3 transporta 25 millones de kilovatios/hora a la ciudad
3.
Con un costo mnimo de $35,850.

METODO DE LA ESQUINA NOROESTE.


Este mtodo comienza asignando la cantidad mxima permisible para la oferta y la demanda a la
variable X11 (la que est en la esquina noroeste de la tabla).
La columna o rengln satisfechos se tacha indicando que las variables restantes en la columna o
rengln tachado son igual a cero. Si la columna y el rengln se satisfacen simultneamente,
nicamente uno (cualquiera de los dos) debe tacharse. Esta condicin garantiza localizar las variables
bsicas cero si es que existen. Despus de ajustar las cantidades de oferta y demanda para todos los
renglones y columnas no tachados, la cantidad mxima factible se asigna al primer elemento no
tachado en la nueva columna o rengln. El procedimiento termina cuando exactamente un rengln o
una columna se dejan sin tachar.
Ejemplo 1:
Una compaa tiene 3 almacenes con 15, 25 y 5 artculos disponibles respectivamente. Con estos
productos disponibles desea satisfacer la demanda de 4 clientes que requieren 5, 15, 15 y 10
unidades respectivamente. Los costos asociados con el envo de mercanca del almacn al cliente por
unidad se dan en la siguiente tabla.
Clientes
Almacn....1....2....3....4
......1..........10...0..20..11
......2..........12...7...9...20
......3...........0...14..16..18
Construya la solucin bsica inicial por el mtodo de la esquina noroeste.

______________________________________________________
MTODO DE ASIGNACION
El modelo de asignacin es un caso especial del modelo de transporte, en el que los recursos se
asignan a las actividades en trminos de uno a uno, haciendo notar que la matriz correspondiente
debe ser cuadrada. As entonces cada recurso debe asignarse, de modo nico a una actividad
particular o asignacin.
El modelo de asignacin es un caso especial del modelo de transporte, en el que los recursos se
asignan a las actividades en trminos de uno a uno, haciendo notar que la matriz correspondiente
debe ser cuadrada. As entonces cada recurso debe asignarse, de modo nico a una actividad
particular o asignacin.
Se tiene un costo Cij asociado con el recurso que es asignado, de modo que el objetivo es determinar
en que forma deben realizarse todas las asignaciones para minimizar los costos totales.
Ejemplo de un modelo de asignacin general de tres orgenes y tres destinos es:

Ejemplos:
Se necesita procesar 4 diferentes tareas para lo cual se cuenta con 4 mquinas. Por diferencias
tecnolgicas el desperdicio que se produce depende del tipo de tarea y la mquina en la cual se
ejecuta, dada la matriz de Desperdicios expresada en pesos definir la asignacin ptima.

Como se trata de Desperdicios, buscaremos MINIMIZARLOS.


Checamos que todas las casillas tengan su costo unitario, en este caso se cumple sin ningn
problema.
Balanceamos la tabla M= renglones = 4 N= columnas= 4
Por lo que M=N, quedando balanceada.

POR RENGLN
Elegir el menor valor de rengln y restarlo a los dems. En este caso es son : 49,45,46,38.
Restamos ese valor a cada uno de los dems del rengln.
Formamos la nueva tabla

POR COLUMNA.
Elegimos los menores valores de cada columna en este caso son : 0,0,5,21
Restamos esos valores a los dems nmeros de las columnas

Trazamos las lneas.

Contamos el nmero de lneas y observamos que son 3 lneas y el nmero de la matriz es de 4 por lo
que NO ES PTIMO.
Buscamos dentro de la tabla el menor valor no tachado en este caso es 12

Lo restamos a todos los dems, respetando los valores de los ya tachados y adicionndolos a los que
estn intersectados.

Nos queda:

Trazamos las lneas.


3 4 NO ES PTIMO
Volvemos a buscar el menor nmero de los no tachados.

En este caso es 3 y se lo restamos a los dems no tachados y respetamos a los tachados y se los
sumamos a los intersectados. Y volvemos a trazar lneas.

4=4 ES PTIMO
Ahora checamos las asignaciones, sean 1 a 1.

Solucin:
Realizar la tarea A en la mquina 3 con un costo de $54
Realizar la tarea B con la mquina 4 con un costo $81.
Realizar la tarea C en la mquina 1 con un costo $46.
Realizar la tarea D en la mquina 2 con un costo $38.COSTO TOTAL MNIMO= $219
_____________________________________________________

MTODOLOGIA Y DEFINICION DE VOGEL


Mtodo de Aproximacin de Vogel: para cada rengln y columna que queda bajo consideracin, se
calcula su diferencia, que se define como la diferencia aritmtica entre el costo unitario ms pequeo
(cij) y el que le sigue, de los que quedan en ese rengln o columna. (Si se tiene un empate para el
costo ms pequeo de los restantes de un rengln o columna, entonces la diferencia es 0). En el
rengln o columna que tiene la mayor diferencia se elige la variable que tiene el menor costo unitario
que queda. (Los empates para la mayor de estas diferencias se pueden romper de manera arbitraria).
Para hacer ms concreta esta descripcin, se ilustrar el procedimiento general, utilizando el mtodo
de aproximacin de Vogel
para resolver el ejemplo presentado anteriormente y que fue resuelto por la regla de la esquina
noroeste:
Iniciamos el mtodo calculando las primeras diferencias para cada rengln y columna. De las
diferencias que obtuvimos nos fijamos en la mayor (Por qu?), que resulta ser para la tercera
columna. En esa columna encontramos el costo unitario (cij) menor y en esa celda realizamos la
primera asignacin:

Nota: Marcaremos a la mayor de las diferencias seleccionada encerrndola en un crculo y


escribindole como superndice el nmero que le corresponda en la secuencia de seleccin.
Observemos en la figura anterior que nicamente eliminamos el segundo rengln ya que la tercera
columna nos servir despus para hacer la asignacin de una variable bsica degenerada.
Continuando con la aplicacin del mtodo, tenemos que calcular nuevamente las diferencias de las
columnas ya que hemos eliminado un rengln y sto puede ocasionar que las diferencias aritmticas
entre el costo unitario ms pequeo y el que le sigue ya no sean las mismas:

Como siguiente paso deberamos calcular las nuevas diferencias de columnas, pero ya que solamente
queda un rengln dentro de las posibilidades (sto no significa que solamente un rengln quede bajo
consideracin ya que podemos observar que ninguna de las cuatro columnas (destinos) ha sido
eliminada y todas quedan todava bajo consideracin), no es posible encontrar la diferencia aritmtica

entre el costo menor y el que le sigue, por lo tanto vamos tomando una a una las celdas que quedan
comenzando con la de menor costo unitario hasta que todas hayan sido asignadas.

La solucin inicial bsica factible es x11=3, x12=1, x13=0 (variable bsica degenerada), x14=1,
x23=2 y x32=3 y el costo total de transporte asociado a esta primera Poltica de Transporte factible
es de:

Es necesario aclarar que sta puede o no ser la solucin final del problema, es necesario aplicar a esta
primera solucin factible la prueba de optimalidad ya que puede existir una mejor poltica de
transporte que minimice todava ms el costo total.

_____________________________________________________
METODO DE LAS DOS FASES
FASE 1.
Formule un nuevo problema reemplazando la funcin objetivo por la suma de las variables artificiales.
La nueva funcin objetivo se minimiza sujeta a las restricciones del problema original. Si el problema
tiene un espacio factible el valor mnimo de la funcin objetivo ptimo ser cero, lo cual indica que
todas las variables artificiales son cero. En este momento pasamos a la fase 2.
* Si el valor mnimo de la funcin objetivo ptima es mayor que cero, el problema no tiene solucin y
termina anotndose que no existen soluciones factibles
FASE 2.
Utilice la solucin ptima de la fase 1 como solucin de inicio para el problema original. En este caso,
la funcin objetivo original se expresa en trminos de las variables no bsicas utilizando las
eliminaciones usuales Gauss-Jordan.
PROBLEMA # 1
Minimizar Z = 2000X1 + 500X2
Sujeto a:
2X1 + 3X2 > 36
3X1 + 6X2 > 60
X1, X2 > 0

Minimizar Z = 2000X1 + 500X2


Sujeto a:
2X1 + 3X2 + R1 = 36 + S1
3X1 + 6X2 + R2 = 60 +S2
X1, X2 > 0
FASE I
Minimizar Z = R1 + R2
Sujeto a:
2X1 + 3X2 - S1 + R1 = 36
3X1 + 6X2 - S2 + R2 = 60
X1, X2 > 0
Minimizar Z 0X1 0X2 0S1 02 R1 R2 = 0
Sujeto a:
2X1 + 3X2 - S1 + R1 = 36
3X1 + 6X2 - S2 + R2 = 60
X1, X2 > 0
FASE II.
Minimizar
Z = 2000X1 + 5000X2 + OS1 + OS2
Z - 2000X1 - 5000X2 - OS1 - OS2 = 0

FASE II.
Minimizar

Z = 2000X1 + 5000X2 + OS1 + OS2


Z - 2000X1 - 5000X2 - OS1 - OS2 = 0

Solucin ptima:
X1 = 0
X2 = 12
Z = 6000

__________________________________________________________

DEFINICIN Y APLICACIN DEL MODELO DE TRANSPORTE


El modelo de transporte busca determinar un plan de transporte de una mercanca de varias fuentes a
varios destinos. Los datos del modelo son:
1. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.
2. El costo de transporte unitario de la mercanca a cada destino.
Como solo hay una mercanca un destino puede recibir su demanda de una o ms fuentes. El objetivo
del modelo es el de determinar la cantidad que se enviar de cada fuente a cada destino, tal que se
minimice el costo del transporte total.
La suposicin bsica del modelo es que el costo del transporte en una ruta es directamente
proporcional al nmero de unidades transportadas. La definicin de unidad de transporte variar

dependiendo de la mercanca que se transporte.

El esquema siguiente representa el modelo de transporte como una red con m fuentes y n destinos.
Una fuente o un destino esta representado por un nodo, el arco que une fuente y un destino
representan la ruta por la cual se transporta la mercanca. La cantidad de la oferta en la fuente i es ai,
y la demanda en el destino j es bj. El costo de transporte unitario entre la fuente i y el destino j es
Cij.
Si Xi j representa la cantidad transportada desde la fuente i al destino j, entonces, el modelo general
de PL que representa el modelo de transporte es:

Minimizar Z= S i=1 m S j=1 n C i j X i j


Sujeta a:
S j=1 n X i j <= ai , i=1,2,, m S i=1 m X I j >= bj , j=1,2,, n
X i j >=0 para todas las i y j

El primer conjunto de restricciones estipula que la suma de los envos desde una fuente no puede ser
mayor que su oferta; en forma anloga, el segundo conjunto requiere que la suma de los envos a un
destino satisfaga su demanda.
El modelo que se acaba de escribir implica que la oferta total Si=1 m ai debe ser cuando menos igual
a la demanda total Sj=1 n bj. Cuando la oferta total es igual a la demanda total, la formulacin
resultante recibe el nombre de modelo de transporte equilibrado. Este difiere del modelo solo en el
hecho de que todas las restricciones son ecuaciones, es decir:

SX i j = ai, i=1,2,..., m
SX i j = bj, j=1,2,..., n
En el mundo real, no necesariamente la oferta debe ser igual a la demanda o mayor que ella. Sin
embargo, un modelo de transporte siempre puede equilibrarse. El equilibrio, adems de su utilidad en
la representacin a travs de modelos de ciertas situaciones prcticas, es importante para el
desarrollo del mtodo de solucin que explote completamente la estructura especial del modelo de
transporte. Los dos ejemplos que siguen presentan la idea del equilibrio y tambin sus implicaciones
prcticas.

Ejemplo 1
MG Auto Company tiene plantas en Los ngeles, Detroit y Nueva Orlens. Sus centros de distribucin
principales son Denver y Miami. Las capacidades de las plantas durante el trimestre prximo son 1
000, 1 500, y 1 200 automviles. Las demandas trimestrales en los dos centros de distribucin son de
2 300 y 1 400 vehculos. El costo del transporte de un automvil por tren es de 8 centavos por milla.
El diagrama de las distancias recorridas entre las plantas y los centros de distribucin son:

Mediante el uso de cdigos numricos que representan las plantas y centros de distribucin, hacemos
que X i j represente el nmero de automviles transportados de la fuente i al destino j. Como la oferta
total (= 1 000 + 1 500 + 1 200 = 3 700) es igual a la demanda ( = 2 300 + 1 400 = 3 700), el
modelo de transporte resultante esta equilibrado. Por lo tanto, el siguiente modelo de PL que
representa el problema tiene todas las restricciones de igualdad.
Minimizar Z = 80X 11 + 215X 12 + 100X 21 + 108X 22 + 102X 31 + 68X 32

Sujeto a:
X 11 X 12 = 1 000
X 21 X 22 = 1 500
X 31 X 32 = 1 200
X 11 X 21 X 31 = 2 300
X 12 X 22 X 32 = 1 400
X i j para todas las i y j

_______________________________________________________
EL MTODO DUAL SIMPLEX
Como sabemos, el mtodo simplex es un algoritmo iterativo que iniciando en una solucin bsica
factible pero no ptima, genera soluciones bsicas factibles cada vez mejores hasta encontrar la
solucin ptima (s esta existe). Ntese que la base de su lgica es mantener la factibilidad, mientras

busca la optimalidad. Pero surge la posibilidad de usar otro esquema igualmente iterativo, que como
contraparte del simplex, comienza en una solucin bsica ptima, pero no factible y mantiene la
inmejorabilidad mientras busca la factibilidad. Con este procedimiento se llega igualmente a la
solucin ptima.
El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con el nombre de Mtodo
Dual-Simplex. A continuacin se presenta su estructura y un ejemplo para ilustrar su aplicacin.
Algoritmo Dual-Simplex para un modelo de maximizacin
Introduccin
Primero se debe expresar el modelo en formato estndar, agregando las variables de holgura y de
exceso que se requieran.Enseguida, en las ecuaciones que tengan variables de exceso (resultantes de
restricciones de tipo >), se debe multiplicar por (-1) en ambos lados , para hacer positivo el
coeficiente de la variable de exceso, y formar as un vector unitario que nos permita tomar esta
variable de exceso como una variable bsica inicial. sin necesidad de agregar una variable artificial en
esa restriccin.Al hacer lo anterior se logra que debajo de las variables bsicas aparezca una matriz
identidad, que es la que el simplex siempre toma como base inicial.
Obtendremos que los trminos del lado derecho de las ecuaciones multiplicadas por (-1) quedan con
signo negativo, lo cual hace que la solucin inicial sea infactible.
Es importante destacar que este proceso es muy til ya que en muchos modelos evita la inclusin de
variables artificiales en el momento de transformar un modelo a formato estndar.
El algoritmo para resolver un modelo de maximizacin es el siguiente:
Paso 1: Hallar una solucin bsica inicial infactible e inmejorable
Escribir el tablero inicial tomando a las variables de holgura y de exceso como variables bsicas
iniciales Paso 2: Prueba de factibilidad
a. Si todas las variables bsicas son no negatvas, la actual solucin es la ptima.
b. Si hay al menos una variable bsica negativa, seleccionar como variable de salida,( llammosla
(XB)s ), a aquella con el valor mas negativo. Los empates se pueden romper arbitrariamente.
Paso 3: Prueba de inmejorabilidad
a. S en el rengln de la variable bsica de salida (XB)s todos los coeficientes de reemplazo con las
variables no bsicas son no negativos, la solucin del modelo es ptima limitada. Se termina el
proceso.
Si en el rengln de la variable bsica de salida (XB)s, hay al menos un coeficiente de intercambio
negativo , se efectan los cocientes entre el efecto neto de cada variable no bsicas y su
correspondientel coeficiente de intercambio negativo.
Es decir, siendo (XB)s la variable de salida se calculan todos los

cocientes

Se toma como variable de entrada ( llammosla Xe ) a aquella que corresponda al mnimo de los
cocientes del anterior conjuntoSi la variable de entrada es Xe el elemento pivote ser el elemento
(Se)s
El empate se puede romper arbitrariamente.
b. Aplicar la operacin de pivoteo para generar la nueva tabla, en la cual aparezca Xe como variable
bsica en lugar de la variable de salida (XB)s
c. Repetir el algoritmo a partir del paso 2.
Ejemplo de aplicacin del Mtodo Dual Simplex

Sea el siguiente modelo:

'
Expresemos el modelo en formato estndar

multipliquemos por (-1) en ambos lados de las ecuaciones, para formar los vectores unitarios,
requeridos para contar con una base inicial unitaria

paso 1.
Tomando las variables bsicas iniciales hacemos lo siguiente:

Paso 2
Sale E2 = (XB)2 o sea s = 2
Paso 3
a. Calculando los cocientes para todo (Sj)2 < id="BLOGGER_PHOTO_ID_5191415677997158930"
style="CURSOR: hand" alt=""
src="http://1.bp.blogspot.com/_sotvZvY2eQ8/SAudDchqEhI/AAAAAAAAAFg/yciwH4OfjpQ/s400/56.jpg" border="0">

o sea que X3 es la variable de entrada( entonces e = 3) y el elemento pivote es el (Se)s = (S3)2 = -9


b. Efectuando el pivoteo obtenemos la tabla siguiente:

Tabla 1 (maximizar)

c. Repitiendo el algoritmo desde el paso 1, obtenemos:


sale E1 = (XB)1 y entra X2 por lo cual obtenemos la siguiente tabla

Tabla 2

Como se observa, ahora estamos en el ptimo.En definitiva:


X2* = 11/7

X3* = 13/7

Z* = - 61/7

__________________________________________________________
METODO DE MULTIPLICADORES
Este mtodo reproduce exactamente las mismas iteraciones del mtodo de banquillo. La principal
diferencia ocurre en la forma en que las variables no bsicas se evalan en cada iteracin. Asociados a
cada rengln i de la tabla existen multiplicadores Ui similarmente se asocia un multiplicador Vj a cada
columna de la tabla j. Para cada variable bsica Xij de la solucin actual, se escribe la ecuacin Ui +Vj
= Cij. Esas ecuaciones proporcionan m+n-1 relaciones con m+n incgnitas.
Los valores de los multiplicadores pueden ser determinados a partir de las ecuaciones suponiendo un
valor arbitrario para cualquiera de los multiplicadores (usualmente se establece U1=0) y resolviendo el

sistema de ecuaciones para encontrar los multiplicadores desconocidos. Una vez que se hace esto, la
evaluacin de cada variable no bsica X pq est dada como:
El criterio que se utiliza para seleccionar la variable que entra es el mismo que el mtodo de banquillo
(la mayor negativa).
Ejemplo:
Una compaa est considerando una demanda de 5 clientes utilizando artculos que tienen disponibles
en 2 almacenes. Los almacenes cuentan con 800 y 1000 unidades respectivamente. Los clientes
necesitan 200, 150, 200, 180 y 500 unidades respectivamente. Los costos de embarque por artculo
de los almacenes de los clientes son:

Resuelva el modelo de transporte empleando.


a) Una solucin inicial por el mtodo de aproximacin de vogel.
b) La solucin ptima por el mtodo de multiplicadores.

DESTINO FICTICIO = 570 ARTCULOS

Z = (15)(200) + (23)(200) +(18)(180) + (40)(220) + (22)(150) + (44)(280) + (0)(570) = $35,260

METODO DE MULTIPLICADORES (MODI).

Este mtodo reproduce exactamente las mismas iteraciones del mtodo de


banquillo. La principal diferencia ocurre en la forma en que las variables no
bsicas se evalan en cada iteracin. Asociados a cada rengln i de la tabla
existen multiplicadores Ui similarmente se asocia un multiplicador Vj a cada
columna de la tabla j. Para cada variable bsica X ij de la solucin actual, se escribe
la ecuacin Ui +Vj = Cij. Esas ecuaciones proporcionan m+n-1 relaciones con m+n
incgnitas.
Los valores de los multiplicadores pueden ser determinados a partir de las
ecuaciones suponiendo un valor arbitrario para cualquiera de los multiplicadores
(usualmente se establece U1=0) y resolviendo el sistema de ecuaciones para
encontrar los multiplicadores desconocidos. Una vez que se hace esto, la
evaluacin de cada variable no bsica X pq est dada como:

El criterio que se utiliza para seleccionar la variable que entra es el mismo que el
mtodo de banquillo (la mayor negativa).

Ejemplo:
Una compaa est considerando una demanda de 5 clientes utilizando artculos
que tienen disponibles en 2 almacenes. Los almacenes cuentan con 800 y 1000
unidades respectivamente. Los clientes necesitan 200, 150, 200, 180 y 500
unidades respectivamente. Los costos de embarque por artculo de los almacenes
de los clientes son:

Resuelva el modelo de transporte empleando.


a) Una solucin inicial por el mtodo de aproximacin de vogel.

b) La solucin ptima por el mtodo de multiplicadores.

DESTINO FICTICIO = 570 ARTCULOS

Para encontrar el valor de los multiplicadores

Se acostumbra:

Para encontrar costos:

Encuentre la solucin ptima por el mtodo de multiplicadores a partir de la


siguiente tabla inicial.