Beruflich Dokumente
Kultur Dokumente
Formalmente, este problema aparece en 1941 cuando F.L. Hitchcock publica una
solucin analtica para este problema, aunque su desarrollo se produce a finales de los
aos 40, cuando Koopmans (un joven holands) realiza su tesis doctoral sobre los
problemas de embarque de la marina holandesa.
Este problema se puede comprender mejor con la ayuda del grfico siguiente, en
donde se han representado los orgenes y los destinos:
Origen 1 Destino 1
a1 b1
Origen 2 Destino 2
a2 b2
Xij Destino j
Origen i bj
ai
Origen m Destino n
am bn
Por tanto, el problema se puede plantear matemticamente como:
m n
Min
cijxij
i1
j1
s.a:
n
j 1
xij ai i=1,2,...m
m
j=1,2,...n
xij b
j
i 1
xi 0 i=1,2,...m j=1,2,...n
n
En este problema, el primer conjunto de restricciones ( xij ai ) nos esta
j 1
indicando que los envos totales de cada uno de los i orgenes no puede exceder de la
cantidad disponibles en cada uno de los i almacenes. Por ejemplo, consideremos el
origen 3. Para este origen la ecuacin correspondiente seria la siguiente:
en donde x31 representa la cantidad enviada desde el origen 3 hasta el almacn 1, x32 es
la cantidad enviada desde el origen 3 hasta el almacn 2, y as sucesivamente. El
termino independiente a 3 representa la cantidad total disponible en el origen 3, la cual
-
por supuesto- no puede sobrepasarse.
m
El segundo conjunto de restricciones del problema ( xij b j ) esta indicando
i 1
que la cantidad recibida por cada uno de los j destinos no puede ser inferior a la
demanda del mismo. Estas ecuaciones tienen una interpretacin similar a la dad
anteriormente.
las demandas.
Min Z = c x
s.a:
Ax=d
x 0.
n m
a i bj =
M
i1 j1
Esta cuarta condicin nos permite garantizar que si los ai y los bj son enteros no
negativos, los valores de las variables en toda solucin factible bsica y entonces, existe
por lo menos una solucin factible bsica optima que es entera.
Estas condiciones son las que han permitido desarrollar nuevos algoritmos ms
eficientes que el mtodo simplex, es decir, algoritmos que emplean menos tiempo y
menos iteraciones en resolver el problema. No obstante, como ya hemos comentado con
anterioridad para resolver los problemas que plantearemos a continuacin usaremos un
programa lineal.
PARAMETERS
A(I) CANTIDAD DISPONIBLE
/ SEV 350
SAN 600/
B(J) DEMANDA EN DESTINO
/ MAD 325
BAR 300
VAL 275/;
SEV
SAN
VARIABLES
X(I,J)
Z;
POSITIVE VARIABLES X;
EQUATIONS
OBJ
OFERTA(I)
DEMANDA(J);
MODEL
TYPE
SOLVER
**** SOLVER
**** MODEL STATUS 1 OPTIMAL
**** OBJECTIVE VALUE 2299875.0000
Objective : 2299875.000000
---- VAR X
---- VAR Z
E x e
---- 4
SEV 2
SAN 30
Sevilla - Madrid
Sevilla - Barcelona
Sevilla - Valencia
Santander - Madrid
Santander - Barcelona
Santander - Valencia.
Los orgenes los representamos con cantidades negativas, mientras que los
destinos los representamos con cantidades positivas, por tanto, este problema tiene
entonces la representacin de un problema lineal con una matriz tcnica o matriz de
incidencias M y un nico vector de trminos independientes.
PARAMETERS
A(I)
/SEV
SAN
MAD
BAR
VAL
C(J)
/SEV-MAD
SEV-BAR
SEV-VAL
SAN-MAD
SAN-BAR
SAN-VAL
VARIABLES
X(J)
Z;
POSITIVE VARIABLES X;
EQUATIONS
OBJ
RESTRIC(I);
Al igual que en el caso anterior vamos a recoger por separado las ecuaciones del
problema y la solucin del mismo.
MODEL
TYPE
SOLVER
**** SOLVER
**** MODEL STATUS 1 OPTIMAL
**** OBJECTIVE VALUE 2299875.0000
Objective : 2299875.000000
---- VAR X
E x e c
---- 50 VARIABLE X.L
Para hacer el anlisis de sensibilidad de los RHS, lo nico que hay que hacer es
adicionar al fichero original una serie de instrucciones en donde se explicite lo que
deseamos realizar.
PARAMETERS
A(I) CANTIDAD DISPONIBLE
/ SEV 350
SAN 600/
B(J) DEMANDA EN DESTINO
/ MAD 325
BAR 300
VAL 275/;
SEV
SAN
VARIABLES
X(I,J)
Z;
POSITIVE VARIABLES X;
EQUATIONS
OBJ
OFERTA(I)
DEMANDA(J);
OPTION LP = CPLEX;
TR1.DICTFILE = 4;
TR1.OPTFILE = 1;
SOLVE TR1 USING LP MINIMIZING Z;
objrng all
rhsrng all
Con ello en el fichero LST, obtenemos las siguientes soluciones para los
intervalos:
EQUATION NAME
-------------
OBJ
OFERTA(SEV)
OFERTA(SAN)
DEMANDA(MAD)
DEMANDA(BAR)
DEMANDA(VAL)
VARIABLE NAME
-------------
X(SEV, MAD)
X(SEV, BAR)
X(SEV, VAL)
X(SAN, MAD)
X(SAN, BAR)
X(SAN, VAL)
Z
E x e c u t i o n
----
SEV
SAN
Con relacin a los coeficientes de la funcin objetivo, tenemos que sustituir los valores
originales:
VARIABLE NAME
-------------
X(SEV, MAD)
X(SEV, BAR)
X(SEV, VAL)
X(SAN, MAD)
X(SAN, BAR)
X(SAN, VAL)
m n
Min
cijxij
i1
j1
s.a:
n
i=1,2,...m
x i
j 1
x
i 1
i j=1,2,...n
s.a:
n
xij ai i=1,2,...m
j 1
m
j=1,2,...n
xij b
j
i 1
xi 0 i=1,2,...m j=1,2,...n
n m
Max
j 1
b j Pj a i U i
i 1
s.a:
Pj - U i c ij
i=1,2,...m j=1,2,...n
Pj 0, Ui 0
i
i 1
Pj - U i c ij i=1,2,...m j=1,2,...n
indican que la ventaja de enviar desde cualquier fabrica hasta cualquiera de los
mercados es la diferencia entre los correspondientes precio y alquiler de ubicacin.
Como mucho esta diferencia debe ser igual al coste unitario de transporte, esto se ve
ms claro si reordenamos los trminos de forma que:
Pj c ij + U i
con lo que el precio debe ser menor que la suma del coste de transporte ms el alquiler
de la ubicacin.
xij P - U
i i cij 0
Por tanto, a partir de estas condiciones de holgura complementaria, junto al
signo de las variables duales, podemos deducir las siguientes conclusiones:
a)
b)
uso (xij > 0 ) est rendir una utilidad cero, mientras que las rutas que no estn en uso
Los alquileres de los almacenes son los siguientes (valores duales de las
ecuaciones de oferta):
Sevilla 0
Santander 725
Vamos a comparar los costes de las diferentes rutas con los alquileres y los
valores de mercado a fin de determinar la utilidad de las diferentes rutas:
Ruta
Sevilla-Madrid
Sevilla-Barcelona
Sevilla-Valencia
Santander-Madrid
Santander-Barcelona
Santander-Valencia
Tambin podemos plantear y resolver el dual. Para ello el fichero GMS (incluye
la posibilidad del anlisis de sensibilidad) es (pulsar aqu):
MODEL
TYPE
SOLVER
**** SOLVER S
**** MODEL STATUS
**** OBJECTIVE VALUE 2299875.0000
Objective :
EQUATION NAME
-------------
OBJ
UNO(SEV, MAD)
UNO(SEV, BAR)
UNO(SEV, VAL)
UNO(SAN, MAD)
UNO(SAN, BAR)
UNO(SAN, VAL)
VARIABLE NAME
-------------
P(MAD)
P(BAR)
P(VAL)
U(SEV)
U(SAN)
G
SEV.MAD
SEV.BAR
SEV.VAL
SAN.MAD
SAN.BAR
SAN.VAL
---- VAR P
LOWER
MAD
BAR
VAL
---- VAR U
LOWER
SEV
SAN
E x e c u t i o n
SAN 725.000
Se trata de una variante del problema del transporte donde existen coeficientes
asociados a las variables en cada una de las restricciones.
El planteamiento de este problema es el siguiente:
m n
Min
cijxij
i1
j1
s.a:
n
d ij xij ai i=1,2,...m
j 1
m
bj j=1,2,...n
i 1
f ij xij
xi 0 i=1,2,...m j=1,2,...n
tenemos que:
f ij cij
pij y wij
dij d ij
con lo que el problema se puede escribir ahora como:
m n
Min w
i 1 j 1
ij yij
s.a:
n
yij ai i=1,2,...m
j 1
m
bj j=1,2,...n
i 1
pij yij
Cartagena
Tarragona
Las fugas previstas en cada una de las diferentes rutas, de forma que se expresa
el porcentaje de tonelada que llega a su destino, son las siguientes:
Cartagena
Tarragona
Con esta informacin la empresa debe determinar cual ha de ser la estrategia
de envo para poder abastecer la ciudades de destino con el menor coste de transporte.
EQUATIONS
COSTE FUNCION OBJETIVO
OFERTA(I) LIMITE DE PRODUCCION DE LA FABRICA I
DEMANDA(J) DEMANDA DEL ALMACEN J;
MODEL
TYPE
SOLVER
**** SOLVER
**** MODEL STATUS 1 OPTIMAL
**** OBJECTIVE VALUE 84920.6735
Objective : 84920.673533
CARTAG
TARRAG
ALICAN
VALENC
ZARAGO
BARCEL
MADRID
CARTAG.ALICAN
CARTAG.VALENC
CARTAG.ZARAGO
CARTAG.BARCEL
CARTAG.MADRID
TARRAG.ALICAN
TARRAG.VALENC
TARRAG.ZARAGO
TARRAG.BARCEL
TARRAG.MADRID
---- VAR Z
E x e c u t i o n
ALICAN
CARTAG 150.000
TARRAG
CARTAG
TARRAG
En la solucin anterior es inmediato observar que se satisfacen las condiciones
de demanda de cada uno de los destinos, incluyendo las mermas del oleoducto, as:
s.a:
n
j 1
xij ai i=1,2,...m
m
j=1,2,...n
xij b
j
i 1
xi 0 i=1,2,...m
S. Vicente 422
Silla 352
Nules 417
Las demandas de cada uno de los mercados es (en Toneladas) de:
Madrid 150 Tn.
Barcelona 125 Tn
Bilbao 80 Tn
Valencia 150 Tn
Corua 75 Tn
Valladolid 50 Tn
Sevilla 100 Tn
Zaragoza 80 Tn
Las capacidades de envo de cada uno de los almacenes es de:
San Vicente 200 Tn
Silla 400 Tn
Nules 300 Tn
Al disponer de camiones propios, existen determinadas rutas en las cuales no se
puede sobrepasar la capacidad del camin de envo. As las siguientes rutas estn
limitadas:
Origen Destino Limite
S. Vicente Madrid 50
S. Vicente Valencia 50
S. Vicente Sevilla 50
Silla Valencia 50
Silla Sevilla 50
Nules Barcelona 50
Nules Bilbao 50
Nules Corua 50
Con estos datos, determinar la estrategia de distribucin que debe seguir la
empresa Naranjas de Levante para minimizar los costes de envo.
S O L V E S U M M A R Y
MODEL
TYPE
SOLVER
**** SOLVER STATUS 1 NORMAL COMPLETION
**** MODEL STATUS 1 OPTIMAL
**** OBJECTIVE VALUE 341340.0000
Objective : 341340.000000
---- VAR X
E x e c u t i o n
50.000
SVICE
SILLA 100.000
NULES
+ SEVILL
SVICE 50.000
SILLA NULES 50.000
---- 49 VARIABLE
6.9 PROBLEMAS DE TRANSPORTE CON TRANSBORDOS O
Vamos a ver ahora otra variante del problema del transporte, y es que admitimos
que puede existir flujo desde los destinos a los orgenes, cuestin que no esta implcita
en el problema del transporte original. Esta problemtica se plantea cuando pueden
existir devoluciones de los clientes hacia el proveedor, o tambin que existen puntos de
deposito intermedios, es decir, que pueden plantearse problemas de almacenes
intermedios entre los proveedores y los clientes.
En el problema original de transporte existe m orgenes y n destinos, y el flujo se
realiza desde un origen hacia cada uno de los diferentes destinos. Si en este caso
permitimos el flujo en ambos sentidos (de origen a destino y de destino a origen) se
puede hablar de un problema con m+n orgenes y m+n destinos. A este tipo de
problemas se les conoce con el nombre de problemas de transbordo (transhipment
problems) o transporte con nodos intermedios.
En el caso ms general, cada punto (origen o destino) puede ser un punto de
transbordo, es decir, cada origen puede enviar o transportar a otros orgenes o a
destinos; y los destinos pueden transportar a su vez a otros destinos o volver a los
orgenes. Un punto conserva su identidad, origen o destino, solamente cuando sea,
respectivamente, un punto que originalmente disponga de un suministro o un punto que
tenga una demanda a satisfacer.
El planteamiento matemtico de esta problema es:
mn mn
Min Z = c
i 1 j 1
ij xij
ij
s.a:
mn
mn
x ik
- x
k 1
ki = ai i = 1,2,..,m
k 1 k i
k i
mn
mn
x k ,m j
-
k 1
x
m j ,k = bj j = 1,2,..,n
k 1 k m j
k m j
Los costes de transporte (por tonelada) desde las fabricas y los almacenes
intermedios son los siguientes(expresadas en pesetas):
Modelizacin y Optimizacin
Huelva Tarragona
Huelva 146
Tarragona 146
Orense - -
Sevilla 322 371
Zaragoza 284 210
Soria - 569
Albacete - 608
Logroo - -
Bilbao 453 336
Barcelona 505 407
Valencia - 687
Madrid 868 781
300.000
HUELVA
TARRAGO
ORENSE
SEVILL
ZARAGO
SORIA
+ ALBACE
300.000
BILBAO
BARCEL
VALENC
MADRID
---- 80 VARIABLE
HUELVA
HUELVA
TARRAGO 232.000
ORENSE 100193.000
SEVILL 646.000
ZARAGO 570.000
SORIA 100551.000
ALBACE 100612.000
LOGRON 100351.000
BILBAO 874.000
BARCEL 998.000
VALENC 100552.000
MADRID 1702.000
+ ALBACE
HUELVA 99386.000
TARRAGO 82.000
ORENSE
SEVILL 141.000
ZARAGO 94.000
SORIA 20.000
ALBACE
LOGRON 27.000
BILBAO 423.000
BARCEL 161.000
VALENC 176.000
MADRID 450.000
---- 80 VARIABLE
Orense
Podemos observar que tanto Bilbao como Valencia han cubierto la demanda
final, pero en Barcelona hay un exceso y en Madrid un dficit. Por tanto, en este caso
Barcelona acta tambin como nodo intermedio y transfiere a Madrid la cantidad de 55
unidades, por lo tanto las cantidades definitivas son:
Bilbao
Barcelona
Valencia
Madrid
Una de las hiptesis bsicas del problema del transporte consiste en que cada
uno de los orgenes dispone de un nico producto, y adems es homogneo. Una
generalizacin de este problema, es cuando los orgenes disponen de diferentes
productos, no todos ello homogneos, y que es posible enviar a diferentes destinos.
Desde el punto de vista formal, este problema consiste en:
Una fabrica posee l factoras distribuidas en diferentes lugares. Cada una de las l
factoras puede fabricar n tipos diferentes de un producto que se distribuye en m reas
de venta.
Sean:
aik : el numero de unidades enviadas al rea k desde la factora i.
bjk : el numero de unidades del tipo j enviadas al rea k.
dij : el numero de unidades del tipo j enviadas por la factora i.
xijk : el nmero de unidades del tipo j fabricadas en la factora i, y enviadas al
rea k.
cijk : el coste unitario de transporte de una unidad de tipo j fabricada en la
factora i, y enviada al rea k.
Min c
i j k
ijk xijk
s.a:
j
xijk aik
i
xijk b jk
d ij
xijk k
xijk 0
Para que este problema sea consistente, debe verificarse que:
d ij ; a b
ik jk ; d ij b jk ;
j i j i k
aik k
Una empresa fabrica dos modelos de coches (grande y mediano) en dos fabricas
situadas en la ciudades Cdiz y Benavente. La venta de estos coches se realiza en tres
grandes ciudades Madrid, Barcelona y Sevilla. Los costes de transporte de un coche
(independientemente del modelo) de cada fabrica a cada ciudad son los siguiente:
Cdiz
Benavente
Las demandas de los diferentes modelos de coche en cada una de las ciudades
es:
Grande
Mediano
Cdiz
Benavente
MADRID
BARCELO
SEVILLA
TABLE C(I,J,K
GRANDE
CADIZ.
CADIZ.
CADIZ.
BENAVE
BENAVE
BENAVEN.SEVILLA 40 40;
TABLE G(I,J) DEMANDAS MINIMAS
CADIZ
BENAVEN
VARIABLE
X(I,J,K) CANTIDAD TRANSPORTADA DE LA FABRICA I AL ALMACEN J DEL
MODELO K
F;
POSITIVE VARIABLE X(I,J,K);
EQUATION
OBJ FUNCION OBJETIVO
DEMANDA(J,K)
FACTORIAS(I,K)
DEMANMIN(I,J);
MODEL COCHES/ALL/;
SOLVE COCHES USING LP MINIMIZING F;
DISPLAY X.L, F.L;
DEMANDA(BARCELO,MEDIANO).. X(CADIZ,BARCELO,MEDIANO) +
X(BENAVEN,BARCELO,MEDIANO) =G= 1000 ;
DEMANDA(SEVILLA,MEDIANO).. X(CADIZ,SEVILLA,MEDIANO) +
X(BENAVEN,SEVILLA,MEDIANO) =G= 1500 ;
---- FACTORIAS =L=
FACTORIAS(BENAVEN,GRANDE).. X(BENAVEN,MADRID,GRANDE) +
X(BENAVEN,BARCELO,GRANDE) + X(BENAVEN,SEVILLA,GRANDE) =L= 4000 ;
FACTORIAS(BENAVEN,MEDIANO).. X(BENAVEN,MADRID,MEDIANO) +
X(BENAVEN,BARCELO,MEDIANO) + X(BENAVEN,SEVILLA,MEDIANO) =L= 6000 ;
---- DEMANMIN =G=
DEMANMIN(BENAVEN,MADRID).. X(BENAVEN,MADRID,GRANDE) +
X(BENAVEN,MADRID,MEDIANO) =G= 1000 ;
DEMANMIN(BENAVEN,BARCELO).. X(BENAVEN,BARCELO,GRANDE) +
X(BENAVEN,BARCELO,MEDIANO) =G= 1000 ;
DEMANMIN(BENAVEN,SEVILLA).. X(BENAVEN,SEVILLA,GRANDE) +
X(BENAVEN,SEVILLA,MEDIANO) =G= 3000 ;
CADIZ
CADIZ
CADIZ
BENAVEN.MADRID
BENAVEN.BARCELO
BENAVEN.SEVILLA
En algunos problemas de transporte hay casos en los que los distintos almacenes
tienen ciertas preferencias por los fabricantes, debido a que el producto puede variar en
alguna caracterstica de uno a otro. Un ejemplo tpico de esto es plantea en las
fundiciones de hierro, donde el transporte y distribucin de la pirita de hierro puede
presentar impurezas segn su origen.
Este problema se puede plantear como un problema de transporte con dos
conjuntos de restricciones adicionales.
Sean n factoras que disponen de ai (i=1,2..m) cantidades de un cierto producto,
y se desea enviar a unos destinos que demanda bj (j=1,2,..n) cantidades de este
producto. Una unidad de producto contiene pijk unidades de impurezas (k=1,2..p)
cuando es enviado de i a j.
El demandante no puede recibir ms de djk unidades de impurezas k.
El coste de transportar una unidad de producto de i a j es cij.
El problema es satisfacer la demanda, con el mnimo coste.
Denominamos xij la cantidad enviada desde el origen i hasta el destino j,
evidentemente, xij 0.
Por tanto el problema a resolver es:
m n
Min
cijxij
i1
j1
s.a:
m
xij b j j=1,2,...n
i 1
xij ai i=1,2,...m
j 1
m
k=1,2,..p
i 1
pijk xij d jk
m
n b
a
i 1
i
j
j 1
xi 0 i=1,2,...m j=1,2,...n