Repblica Bolivariana de Venezuela

Ministerio del Poder Popular para la Educacin Superior

Instituto Tecnolgico Dr. Cristbal Mendoza
El Viga, Estado Mrida

Progr
amaci
n Participantes:

Daniel Osorio, C.I.: 23.718.902.

Jensen
Lineal Perez, C.I.: 23.718.879.

Luis Mrquez, C.I.: 24.608.993.

Yorluis Echeverra, C.I.: 26.258.467.

Informtica, V Semestre, Sabatino.

El Viga, enero de 2017

ndice
Introduccin...3

Programacin Lineal..4

Soluciones Grficas y Algebraicas..4

Cuando solo aparece una variable..5

Cuando aparecen las dos variables5

Regin Factible.6

Crecimiento de z = 3 x + 2 y..7

Localizacin del ptimo.7

Algoritmo Simplex8

Tipos de Soluciones al Problema de Programacin Lineal..8

ptima nica.8

Optima Mltiple (Alterna)...8

No Acotada (ilimitada o Indeterminada)9

Infactible (sin solucin)..9

Degenerada (Degradada)...9

Ecuaciones Redundantes..9

Precio Sombra.10

Anlisis de Dualidad..10

Anlisis de Sensibilidad10

Caractersticas del Anlisis de Sensibilidad...11

Problemas Especiales de Programacin Lineal.11

El Problema de asignacin.11

El Problema de Transporte.12

Solucin..12

Variables de Decisin.12
 Funcin Objetivo..13

Restricciones.13

Satisfacer los requerimientos de Demanda..13

Sujeto a la Oferta de las plantas..13

No Negatividad.13

Formulacin de Modelos de Transporte.13

Estructura General del Modelo de Transporte14

Ejemplo..15

Tabla de resumen de datos...15

Variables.16

Funcin objetivo..16

Oferta...16

Demanda.16

Soluciones al Problema de Transporte..17

Mtodo de Vogel..17

Mtodo de Costo mnimo..18

Mtodo de Esquina noroeste18

Degeneracin en Problema de Transporte Dual del Modelo de

Transporte..19-21

Conclusin22

Introduccin
 Mucha gente sita el desarrollo de la programacin lineal entre los avances
cientficos ms importantes de la mitad del siglo XX, y debemos estar de acuerdo
con esta afirmacin si tenemos en cuenta que su impacto desde 1950 ha sido
extraordinario. Se han escrito decenas de libros de texto sobre la materia y los
artculos publicados que describen aplicaciones importantes se cuentan ahora por
cientos. De hecho, una proporcin importante de todo el clculo cientfico que se
lleva a cabo en computadoras se dedica al uso de la programacin lineal y a
tcnicas ntimamente relacionadas. (Esta proporcin se estim en un 25%, en un
estudio de la IBM).

Un modelo de programacin lineal proporciona un mtodo eficiente para

determinar una decisin ptima, (o una estrategia ptima o un plan ptimo) escogida
de un gran nmero de decisiones posibles.

En todos los problemas de Programacin Lineal, el objetivo es la

maximizacin o minimizacin de alguna cantidad.

Programacin Lineal
 La programacin lineal es una tcnica matemtica relativamente reciente
(siglo XX), que consiste en una serie de mtodos y procedimientos que permiten
resolver problemas de optimizacin en el mbito, sobre todo, de las Ciencias
Sociales.

Es un enfoque de solucin de problemas elaborado para ayudar a tomar

decisiones. Es un modelo matemtico con una funcin objetivo lineal, un conjunto
de restricciones lineales variables no negativas. En el ambiente de negocios actual,
pueden encontrarse gran cantidad de aplicaciones.

Soluciones Grficas y Algebraicas

El mtodo grfico de solucin de problemas de programacin lineal (PL) solo

aplica a problemas con dos variables de decisin; sin embargo, ilustra
adecuadamente los conceptos que nos permitirn entender la naturaleza del
problema PL y de all entender los mtodos de solucin algebraicos. Primeramente
graficaremos la regin factible. Despus ilustraremos el comportamiento de
funciones lineales para entender como determinar los puntos ptimos.

Ejemplo 1

Suponga que se desea resolver el problema PL:

Max z = 3x + 2y
Sujeto a:

2 x + y _ 100 R5
x + y _ 80 R4
X _ 40 R3
X _ 0 R1
Y _ 0 R2

Nuestra primera meta es graficar en el plano la regin factible; es decir, graficar la

totalidad de puntos del plano que satisfacen las restricciones. Notemos que las
restricciones se deben cumplir simultneamente. Es decir, que los puntos deben
cumplir la restriccin R1, la restriccin R2, y as sucesivamente hasta la restriccin
R5. Desde el punto de vista de teora bsica de conjuntos, la regin factible es la
interseccin de los conjuntos que satisfacen por separado cada una de las
restricciones. Para avanzar en nuestra meta, debemos saber cmo determinar los
puntos del plano que satisfacen una desigualdad lineal. Distinguimos dos casos:

Cuando en la desigualdad solo aparece una variable de decisin (es

decir, la otra variable tiene coeficiente cero).
Cuando en la desigualdad aparecen las dos variables de decisin
(es decir, ambas tienen coeficientes diferentes de cero en tal
desigualdad).

Cuando solo aparece una variable

En este caso, cuando cambiamos el smbolo de desigualdad por el smbolo

de igualdad lo que obtenemos es el conjunto frontera del conjunto de puntos que
cumple la desigualdad. En este caso, dicha frontera es una lnea horizontal o
vertical: por inspeccin, es fcil determinar el lado de dicha frontera que cumple la
desigualdad.

Cuando aparecen las dos variables

Nuevamente, cambiamos el smbolo de desigualdad por el smbolo de

igualdad y lo que obtenemos es una lnea recta. Esta recta es fcil de graficar
usando la tcnica de interseccin con los ejes: hacemos cero una de las variables y
despejamos para la otra variable. De nuevo, la recta es la frontera de nuestro
conjunto: por inspeccin, es fcil determinar el lado de dicha frontera que cumple la
desigualdad.

Regin Factible

Se forma haciendo una interseccin de los conjuntos de puntos que hemos

encontrado (El punto S (20; 60) se determina resolviendo el sistema 2 x + y = 100 y
x + y = 80; el punto R (20; 60) se determina resolviendo el sistema 2 x + y = 100 y x
= 40).
 Crecimiento de z = 3 x + 2 y

De momento, nos olvidamos de la regin factible y vemos en qu direccin

crece la funcin z: siendo el gradiente de la funcin

determinamos que en tal direccin crece z; direcciones perpendiculares a

dan las curvas de nivel.

Localizacin del ptimo

Ahora graficamos las curvas de nivel de z encima de la regin factible y

determinamos aquel punto de la regin factible que queda en la curva de nivel de
mayor valor (caso de maximizacin).
Algoritmo Simplex

El algoritmo simplex fue descubierto por el matemtico norteamericano

George Bernard Dantzig en 1947, es una tcnica para dar soluciones numricas a
problema de programacin lineal.

El mtodo Simplex es un algoritmo iterativo que permite mejorar la

solucin con cada paso sucesivo. El algoritmo termina cuando no se puede
seguir mejorando ms la solucin.

Se parte de una solucin bsica inicial para la funcin objetivo en un

vrtice cualquiera, el mtodo consiste en buscar sucesivamente otro vrtice
que mejore la anterior solucin. La bsqueda se hace siempre a travs de los
lados del polgono de soluciones factibles o de las aristas de la regin solucin, si
el nmero de variables es mayor. Cmo el nmero de vrtices y de lados o
aristas es finito, siempre se podr encontrar la solucin.

El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo

Z, no toma su valor mximo en el vrtice A, entonces hay una arista o lado
que parte de A, a lo largo de la cual Z aumenta.

Tipos de Soluciones al Problema de Programacin Lineal

 ptima nica: este tipo de solucin es la ms comn una vez que el modelo
ha sido formulado como un problema real de programacin lineal. Se da cuando
slo existe un punto extremo del conjunto de soluciones factibles que hace posible
encontrar el valor ptimo de Z.

Optima Mltiple (Alterna): esto ocurre cuando la recta de la funcin objetivo

es paralela a alguna de las restricciones; entonces todos los puntos que estn sobre
la recta son soluciones ptimas del modelo. Como una recta tiene un nmero infinito
de puntos, hemos encontrado un nmero infinito de soluciones ptimas
equivalentes. De otra manera se dice que el modelo tiene soluciones ptimas
alternativas.

No Acotada (ilimitada o Indeterminada): se presenta cuando una o ms

variables y la funcin objetivo toman un valor ilimitado, cumpliendo con las
restricciones estructurales. Cuando se obtiene solucin ilimitada es debido a una de
las siguientes causas:

a. Omisin de una o ms restricciones

b. Fallas en la formulacin
c. Errores en el valor de los parmetros

Lo que indica que ningn problema real de programacin lineal tiene este tipo de
solucin y cuando se presenta es porque se ha cometido alguno de los errores
descritos.

Infactible (sin solucin): esto ocurre cuando no pueden encontrarse

soluciones que, adems de cumplir con las restricciones estructurales, cumplan con
la condicin de no negatividad de las variables (cuando en el tablero ptimo queda
una variable artificial en la base). Geomtricamente, esto implica que la regin de
los puntos que cumplen todas las restricciones se halla fuera del primer cuadrante.
Cuando se obtiene solucin infactible se ha cometido alguno de los errores descritos
en soluciones no acotadas.

Degenerada (Degradada): se da cuando en un tablero del Simplex una

variable bsica toma el cero en lugar de un valor positivo; este caso se presenta
normalmente cuando se escoge arbitrariamente una variable para salir de la base
cuando hay empate entre algunas variables.

Ecuaciones Redundantes: se presenta en un problema cuando, al

graficarlo, es posible hacerlo slo con una parte de las ecuaciones, es decir, el resto
de ecuaciones sobran.

Cabe mencionar que cuando el empate entre las variables es cero, se

conduce al caso llamado ciclaje, el cual consiste en que despus de varias
iteraciones a partir de una solucin se regresa nuevamente a la misma solucin.

Precio Sombra

Precio sombra, o precio social, o precio cuenta, es el precio de referencia

que tendra un bien en condiciones de competencia perfecta, incluyendo los costos
sociales adems de los privados. Representa el costo oportunidad de producir o
consumir un bien o servicio.

Un bien o servicio puede no tener un precio de mercado; sin embargo,

siempre es posible asignarle un precio sombra, que permite hacer un anlisis de
costo-beneficio y clculos de programacin lineal.

El Precio Sombra de una restriccin representa la tasa de cambio del valor

ptimo ante una modificacin marginal del lado derecho de una restriccin. Se
entiende por marginal aquella modificacin que no cambia la geometra del
problema, es decir, que la nueva solucin ptima se puede encontrar a travs de la
resolucin del sistema de ecuaciones al que da origen las restricciones activas
originales (previa actualizacin del parmetro que estamos modificando). En este
contexto el precio sombra puede ser un valor positivo, negativo o cero y en
particular nos referiremos a este ltimo caso en este artculo.

Anlisis de Dualidad
 En el contexto de las matemticas, la dualidad posee numerosos
significados, y se ha manifestado en casi todas las reas de las matemticas.

Por ejemplo, la dualidad est presente tambin en la programacin lineal, un

tema de la investigacin operativa, en el rea de la matemtica. En programacin
lineal, dualidad significa que existe otro problema de PL asociado con cada
problema de PL, que se designa como problema dual (D). En esta relacin con el
problema dual, el problema original se designa como problema primario (P).

Anlisis de Sensibilidad

Es una herramienta til cuando no tenemos una certeza absoluta sobre los
valores que se han dado a los trminos independientes de las restricciones o los
coeficientes de la funcin objetivo, en este sentido el anlisis de sensibilidad
consiste en estudiar cmo evoluciona el ptimo y el valor de la funcin objetivo del
optimo ante variaciones de dichos trminos independientes y coeficientes.

Estudia los intervalos para los cuales la modificacin de un valor en el

programa lineal de forma individualizada, no cambia las variables que componen la
base de nuestra solucin, hallando para el rango de valores definido en el intervalo,
la evolucin de la funcin objetivo expresado a travs de los precios sombra.

Caractersticas del Anlisis de Sensibilidad

El anlisis de sensibilidad es una herramienta efectiva por dos razones

fundamentales.

Los modelos de programacin lineal son frecuencias grandes y costosas por

lo tanto no es recomendable para usarlos en un solo caso.
Los elementos que se dan como datos para un problema de programacin
lineal la mayora de las veces son estimaciones; por lo tanto es necesario
investigar o tener en cuenta ms de un conjunto de casos posibles.

Problemas Especiales de Programacin Lineal

El Problema de asignacin
 El Problema de la Asignacin es un problema clsico de la Investigacin de
Operaciones y es un caso particular del Problema del Transporte. Este problema se
trata de asignar una serie de Recursos a una serie de tareas.

Tiene una limitante y es que a cada tarea se le puede asignar slo un

recurso, pueden sobrar recursos o podran sobrar tareas pero no se le puede
asignar dos recursos a una misma tarea, o tres... por ejemplo si se tienen tres
operarios con diferentes tiempos de operacin en cuatro mquinas el modelo nos
dira como asignar los tres operarios a tres mquinas (nos sobrara una) de manera
que se minimice el tiempo total, pero no nos dira como asignar dos operarios a dos
mquinas y el otro operario a las otras dos mquinas.

El Problema de la Asignacin se basa en una informacin comparativa para

tomar la decisin de que asignar a que, por ejemplo una matriz de costos, una
matriz de tiempos, de ingresos, etc.

Cuando la matriz no est balanceada, es decir, cuando no es cuadrada,

cuando sobran filas o columnas, se debe balancear para que tenga solucin
mediante la inclusin de filas o columnas ficticias, con valores de cero en dicha
matriz.

El Problema de Transporte

El problema consiste en decidir cuntas unidades trasladar desde ciertos

puntos de origen (platas, ciudades, etc.) a ciertos puntos de destino (centros de
distribucin, ciudades, etc.) de modo de minimizar los costos de transporte, dada la
oferta y demanda en dichos puntos. Se suponen conocidos los costos unitarios de
transporte, los requerimientos de demanda y la oferta disponible.

Por ejemplo, suponga que una empresa posee dos plantas que elaboran un
determinado producto en cantidades de 250 y 400 unidades diarias,
respectivamente. Dichas unidades deben ser trasladadas a tres centros de
distribucin con demandas diarias de 200, 200 y 250 unidades, respectivamente.
Los costos de transporte (en $/unidad) son:
Se requiere formular un modelo de Programacin Lineal que permita satisfacer los
requerimientos de demanda al mnimo costo.

Solucin

Variables de Decisin: Xij: Unidades transportadas desde la planta i (i=1, 2)

hasta el centro de distribucin j (j=1, 2, 3)

Funcin Objetivo: Minimizar el costo de transporte dado por la funcin:

21X11 + 25X12 + 15X13 + 28X21 + 13X22 + 19X23

Restricciones

Satisfacer los requerimientos de Demanda:

X11+ X21 = 200

X12 + X22 = 200

X13 + X23 = 250

Sujeto a la Oferta de las plantas:

X11+ X12 + X13 = 250

X21 + X22+ X23 = 400

No Negatividad: Xij >= 0

Formulacin de Modelos de Transporte

En la Formulacin y Construccin del Modelo Lineal de Transporte deben

considerarse aspectos ya estudiados en la formulacin de modelos lineales
generales tales como:
 Definir claramente las variables de decisin y expresarlas simblicamente
Definir claramente la Funcin Objetivo y las restricciones y expresarlas
matemticamente como funciones lineales.

Para que el modelo se acerque a la realidad, debe cuidarse que los elementos
componentes del modelo sean expresados para el mismo perodo de tiempo y se
debe estipular que las variables de decisin sean mayores o iguales a cero. Cabe
decir que un modelo de programacin lineal de transporte se basa en un mercado
perfecto donde lo disponible es igual a lo requerido y la oferta es igual a la
demanda.

La Funcin Objetivo del Modelo Lineal de Transporte es la formulacin

matemtica de una meta establecida. Es una funcin Lineal a ser maximizada o
minimizada. En el modelo original de transporte representa los costos totales de
transporte a ser minimizados. Los orgenes o sitios, desde donde se transporta el
bien, estn simbolizados en el subndice i y los destinos, hasta los que se transporta
el bien, con el subndice j.

Estructura General del Modelo de Transporte

El modelo lineal del transporte tiene la siguiente estructura matemtica

general:

Minimizar _ (i=0) ^m _ (j=1) ^nc_ij x_ij

Donde tenemos los siguientes elementos:

Cij matemticamente, simboliza el coeficiente de la variable Xij. Son datos de

insumo del modelo. En la funcin objetivo representan la cantidad con la cual
contribuye cada unidad de la variable Xij, al valor total deseado en el objetivo.
Especficamente en transporte representa el costo de transporte de cada unidad, del
bien a transportar, desde el origen i hasta el destino j.

Xij, matemticamente, simboliza a las variables de decisin. Son los valores

numricos que se determinan con la solucin del modelo y estn relacionadas con
la actividad de transporte. En el Modelo de Transporte representan la cantidad del
bien a transportar desde el origen i hasta el destino j. Los orgenes i pueden existir
en cualquier cantidad, desde 1 hasta m orgenes; igualmente puede existir cualquier
cantidad de destinos j, desde 1 hasta n.

En otras palabras un problema de programacin lineal de transporte consta

de un conjunto de m puntos de oferta. Cada punto de oferta i tiene asociado una
oferta si. Un conjunto de n puntos de demanda. Cada punto de demanda j tiene
asociada una demanda dj. Cada unidad enviada desde un punto de oferta i a un
punto de demanda j tiene un costo unitario de transporte cij.

Las restricciones, desde el punto de vista matemtico, son funciones lineales

expresadas como igualdades o desigualdades que limitan el valor de las variables
de decisin a valores permisibles. Representan, en el Modelo de Transporte, la
cantidad del bien disponible en cada origen para ser transportada (restricciones de
oferta) y las cantidades demandadas que deben ser transportadas a los destinos
(restricciones de demanda). Las restricciones del Modelo Lineal de Transporte,
incluida la de no- negatividad de las variables, tienen la forma general siguiente:

Oferta _(j=1)^nx_ija_i

Donde ai representa la disponibilidad (ofertas) en la fuente.

Demanda _(i=1)^mx_ijb_j

Donde bj representa el requerimiento en demandas del destino.

Cada modelo tiene tantas restricciones de oferta como el nmero de

orgenes (m) que existan y tantas restricciones de demanda como el nmero de
destinos (n) que existan. O sea el nmero de restricciones del modelo es igual a
m+n. As existirn m+n-1 variables bsicas y (mxn)-(m+n-1) variables no bsicas.

Ejemplo

La empresa Gal elabora cerveza, como uno de sus productos, en tres

plantas localizadas en tres ciudades del pas, A, B y C. Este producto se transporta
a cuatro almacenes localizados en cuatro ciudades del pas, 1, 2, 3 y 4 para su
posterior distribucin. Los costos de transporte (en miles de pesos) por camin de
cerveza, se indican en la matriz de costos que se le presenta. Cada camin puede
transportar 1000 cajas de cerveza. La cantidad de cajas de cerveza, disponible en
las plantas, para transportar es la siguiente: A: 90.000; B: 40.000; C: 80.000. Las
cajas de cerveza que requiere cada almacn son las siguientes: 1: 40.000; 2:
60.000; 3: 50.000; 4: 60.000.

Tabla de resumen de datos

1 2 3 4 OFERTA
A 10 20 5 9 90.000
B 2 10 8 30 40.000
C 1 20 7 10 80.000
DEMAND 40.000 60.000 50.000 60.000
A

Variables

Xij: cantidad de camiones de cerveza a transportar desde la planta de la

ciudad i hasta el almacn de la ciudad j. con i= A, B, C y j = 1, 2, 3, 4

Funcin objetivo

Min z:
10XA1+20XA2+5XA3+9XA4+2XB1+10XB2+8XB3+30XB4+1XC1+10XC2+10XC3+1
0XC4

S.A

Oferta

Como cada camin tiene la capacidad de transportar 1000 cajas de cervezas

a la vez utilizaremos dividiremos la oferta de cada planta entre mil as las plantas A,
B, C coparan 90,40 y 80 camiones respectivamente.

10XA1+20XA2+5XA3+9XA4 90

2XB1+10XB2+8XB3+30XB4 40
1XC1+10XC2+10XC3+10XC4 80

Demanda

Como cada camin tiene la capacidad de transportar 1000 cajas de cervezas

a la vez utilizaremos dividiremos la demanda de cada almacn entre mil as los
almacenes 1, 2, 3 y coparan 40, 60, 50 y 60 camiones respectivamente.

10XA1+2XB1+1XC1 40

20XA2+10XB2+10XC2 60

5XA3+ 8XB3+ 10XC3 50

9XA4+30XB4+10XC4 60

XA1,XA2,XA3,XA4,XB1,XB2,XB3,XB4,XC1,XC2,XC3,XC40

Soluciones al Problema de Transporte

Mtodo de Vogel.

La programacin lineal es una herramienta de modelos cuantitativos para

manejar diferentes tipos de problemas y ayudar a la toma de decisiones. El modelo
de transporte es un problema de optimizacin de redes donde debe determinarse
como hacer llegar los productos desde los puntos de existencia hasta los puntos de
demanda, minimizando los costos de envi. El modelo busca determinar un plan de
transporte de una mercanca de varias fuentes a varios destinos. Entre los datos del
modelo se cuenta:

1.- Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.

2.- El costo de transporte unitario de la mercanca de cada fuente a cada

destino.

El modelo se utiliza para realizar actividades como: control de inventarios,

programacin del empleo, asignacin de personal, flujo de efectivo, programacin
de niveles de reservas en prensas entre otras. Este mtodo es heurstico y suele
producir una mejor solucin inicial, produce una solucin inicial ptima, o prxima al
nivel ptimo. Los pasos del procedimiento son los siguientes:

A) Se hacen diferentes entre los costos mnimos de rengln columna

B) Se selecciona la mayor de las diferencias.

C) Se escoge el costo mnimo del rengln o columna correspondiente.

D) Se asigna la mayor cantidad posible de unidades

E) se anula el rengln o columna saturada.

F) Se repite el proceso

Mtodo de Costo mnimo.

Este es un procedimiento que se utiliza tomando como base a las rutas que
tengan el menor costo: El procedimiento es el siguiente: Asgnese el valor ms
grande posible a la variable con menor costo unitario de toda la tabla. (Los empates
se rompen arbitrariamente). Tchese el rengln o columna satisfecha. (Como en el
mtodo de la esquina noroeste, si una columna y un rengln se satisfacen de
manera simultnea, slo una puede tacharse). Despus de ajustarla oferta y la
demanda de todos los renglones y columnas no tachados, reptase el proceso
asignando el valor ms grande posible a la variable con el costo unitario no tachad o
ms pequeo. El procedimiento est completo cuando queda exactamente un
rengln o una columna sin tachar.

Consiste en localizar el costo mnimo de la matriz y asignar ah el mximo

posible de unidades. Se anula entonces la columna o el rengln, segn se haya
satisfecho la demanda o agotado la disponibilidad y as sucesivamente.

Mtodo de Esquina noroeste.

Es tambin considerado por ser el menos probable para dar una buena
solucin inicial y de bajo costo porque ignora la magnitud relativa de los costos Cij.
Antes de describir el procedimiento, es necesario establecer que el nmero de
variables bsicas en cualquier solucin bsica de un problema de transporte es una
menos de la que se espera. Normalmente, en los problemas de programacin lineal,
se tiene una variable bsica para cada restriccin. En los problemas de transporte
con m recursos y n destinos el nmero de restricciones funcionales es m + n. Sin
embargo, el nmero de variables bsicas = m + n 1.

Este procedimiento est dado por los siguientes tres pasos:1.- Seleccionar la
celda de la esquina noroeste (esquina superior izquierda) para envo.2.- Efectuar el
ms grande envo como pueda en la celda dela esquina noroeste. Esta operacin
agotar completamente la disponibilidad de suministros en un origen o los
requerimientos de demanda en un destino.3.- Corrija los nmeros de suministro y
los requerimientos para reflejar lo que va quedando de suministro y requerimiento y
regresar al paso 1.

Degeneracin en Problema de Transporte Dual del Modelo de Transporte

Otro aspecto de la mecnica del desarrollo de una solucin que es preciso

mencionar es la condicin conocida como degeneracin. La degeneracin se
presenta en los problemas de distribucin cuando, al cambiar las asignaciones para
provechar una mejora potencial, dos de las asignaciones existentes se convierten
en cero, en vez de que talcosa suceda slo con una de ellas, como se vio en los
ejemplos anteriores.
 Al examinar el problema de tabla 7 se advierte que esto est a punto de
ocurrir. Tal problema se plante en la forma usual, y se determin una solucin
inicial de la esquina noroeste. Se evaluaron los cuadros abiertos columna por
columna y se hicieron cambios de asignaciones cuando parecan indicar una
mejora.

En la tabla 7 se evala el cuadro BZ mediante el patrn de ruta cerrada que

se indica. Aparece una mejora potencial, ya que el cambio de una unidad ahorra 15
minutos. Se desea aprovechar esta ventaja al mximo cambiando el mayor nmero
posible de cargas. Estamos limitados por los cuadros BX y CZ, cada uno de los
cuales tiene una asignacin de 5 cargas. Cuando se ejecuta el cambio de
asignaciones, tanto BX como CZ se reducen a cero.

As se muestran en la matriz de distribucin la resultante representada en la

tabla 8. Varios de los cuadros abiertos CW, AX, BX, CY, CZ no se pueden evaluar
porque no es posible establecer una ruta cerrada para ellos.
 La degeneracin se puede resolver considerando uno de los dos cuadros
donde desaparecen las asignaciones como un cuadro con asignacin de cero
(piense en una asignacin sumamente pequea) As se ilustra en la tabla 9.

Luego se utiliza el cuadro de asignacin cero para completar rutas en la

forma acostumbrada. Si en manipulaciones subsecuentes ocurre que el cuadro con
asignacin de cero es el que limita los cambios de asignacin se cambia la
asignacin cero al cuadro que se est evaluando y se continua luego con el
procedimiento usual. As se ilustra en la tabla 10.
 Cuando se evala el cuadro CY, aparece una mejora potencial, pero no se
puede hacer ningn cambio de las asignaciones existentes a causa de la limitacin
de la asignacin de cero. Entonces se transfiere la asignacin cero a CY y se
contina el procedimiento hasta que se obtenga una solucin ptima.

Conclusin

La programacin lineal es una tcnica poderosa para tratar problemas de

asignacin de recursos escasos entre actividades que compiten, al igual que otros
problemas cuya formulacin matemtica es parecida. Se ha convertido en una
herramienta estndar de gran importancia para muchas organizaciones industriales
y de negocios. An ms, casi cualquier organizacin social tiene el problema de
asignar recursos en algn contexto y cada vez mayor el reconocimiento de la
aplicabilidad tan amplia de esta tcnica.

Sin embargo, no todos los problemas de asignacin de recursos limitados se

pueden formular de manera que se ajusten a un modelo de programacin lineal, ni
siquiera como una aproximacin razonable. Cuando no se cumplen una o ms de
las suposiciones de programacin lineal, tal vez sea posible aplicar otro tipo de
modelos matemticos, por ejemplo, los modelos de programacin entera o de
programacin no lineal.