Tarea 2 - Métodos de Programación de Operaciones

UNIVERSIDAD NACIONAL DE SAN
Mtodos de Programacin AGUSTN

de Operaciones
Ingeniera Industrial Ingeniera de Produccin
FACULTAD DE INGENIERA DE
PRODUCCIN Y SERVICIOS
INGENIERA DE PRODUCCIN
MTODOS DE PROGRAMACIN DE
OPERACIONES
PRESENTADO POR:
BERNAL HAYA, GLEYSBY YASMERI
MACHACA ESCOBAR, JUDITH VALIA
TITO CHURATA, DMARIS GRALDINNE
DOCENTE:
Ing. Pablo Azlgara
Grupo: B Arequipa -
Mtodos de Programacin de Operaciones
NDICE
MTODOS DE PROGRAMACIN DE OPERACIONES
1. PROGRAMACIN LINEAL ............................................................... 1
1.1.- MTODO GRFICO ....................................................................................................... 1

1.1.1.- FORMULACIN........................................................................................................... 1
1.1.2.- CONSTRUCCIN DEL MODELO................................................................................... 2
1.1.2.1.- Funcin Objetivo ................................................................................................. 2
1.1.2.2.- Restricciones estructurales ................................................................................. 2
1.1.2.3.- Restricciones de no negatividad ......................................................................... 3
1.1.3.- SOLUCIN DEL PROBLEMA ........................................................................................ 3
1.2.- MTODO SIMPLEX ....................................................................................................... 7

1.2.1.- PROCESO DE ESTANDARIZACION ............................................................................... 7
1.2.2.- TIPO DE OPTIMIZACIN ............................................................................................. 8
1.2.2.1.- Mtodo Simplex Maximizacin ........................................................................... 8
1.2.2.2.- Mtodo Simplex Minimizacin ......................................................................... 13
2.- MTODO DE TRANSPORTE ......................................................... 15
2.1.- DEFINICIN DEL MODELO DE TRANSPORTE ...................................................... 16
2.2.- MODELOS DE TRANSPORTE NO TRADICIONALES ............................................ 16

2.2.1.- CONTROL DE PRODUCCIN E INVENTARIOS: EJEMPLO .......................................... 16
2.3.- ALGORITMO DE TRANSPORTE ............................................................................... 18

2.3.1.- APLICACIN DEL ALGORITMO DEL TRANSPORTE .................................................... 19
2.3.1.1.- Representacin grfica ..................................................................................... 19
2.3.1.2.- Matriz del Problema de Transporte .................................................................. 20
2.3.2.- DETERMINACIN DE LA SOLUCIN DE INICIO ......................................................... 21
2.3.2.1.- Mtodo de la esquina noroeste ........................................................................ 21

2.3.2.2.- Mtodo del Costo Mnimo ................................................................................ 22
2.3.2.3.- Mtodo de aproximacin de Vogel (MAV) ....................................................... 23
2.3.3.- MTODO DE SOLUCIN PTIMA ............................................................................. 24
2.3.3.1.- Mtodo MODI ................................................................................................... 25
3.- MODELOS DE REDES ................................................................. 26
3.1.- ALGORITMO DE LA RUTA MS CORTA ................................................................ 28

3.1.1.- UTILIZACIN DEL WINQSB ....................................................................................... 31
3.2.- ALGORITMO DEL RBOL DE EXTENSIN MNIMA ........................................... 33
3.3.- ALGORITMO DEL FLUJO MXIMO ......................................................................... 35

1. PROGRAMACIN LINEAL
1.1.- MTODO GRFICO

El mtodo grfico es un procedimiento de solucin de problemas de programacin lineal
muy limitado en cuanto al nmero de variables, de dos a tres variables de decisin, siendo
ms aplicativo para problemas con dos variables cuya solucin o soluciones deben estar
ubicadas en el primer cuadrante de los ejes coordenados, debido a que el modelo
contempla restricciones de no negatividad, establecindose un conjunto de soluciones
factibles formadas por las restricciones estructurales que se plantean en el modelo de
programacin lineal.
Este consiste en representar cada una de las restricciones y encontrar en la medida de lo

posible el polgono factible, comnmente llamado el conjunto solucin o regin factible, en
el cual por razones trigonomtricas en uno de sus vrtices se encuentra la mejor respuesta,
es decir, la solucin ptima.
PLANTEO DE UN PROBLEMA:
Una empresa elabora dos productos: pantaln y chaqueta, para lo cual el fabricante dispone recursos
para la confeccin, tiene 750 m de tejido de algodn y 1000 m de tejido de polister. Cada pantaln
precisa 1 m de algodn y 2 m de polister. Para cada chaqueta se necesita 1.5 m de algodn y 1 m de
polister.
Las utilidades que reportan cada producto son: del pantaln $ 50 y de la chaqueta $40.
Qu nmero de pantalones y chaquetas debe suministrar el fabricante a los almacenes para que estos
consigan un beneficio mximo?
SOLUCIN:
Generalmente en estos tipos de problemas se procede inicialmente a resumir los datos del
problema en un cuadro, como el siguiente:
PRODUCTO
COMPONENTE Disponible
Pantalon Chaqueta
Algodn 1 1.5 750
Poliester 2 1 1000
Utilidad $ 50.00 $ 40.00
1.1.1.- FORMULACIN
Quedar determinada por las condiciones que muestra el problema, es decir:
Que existen restricciones o limitaciones de recursos que significan disponibilidades

de 750 m de tejido de algodn y 1000 m de tejido de polister.
1
Cada producto genera una cierta utilidad de 50 y 40 dlares por los productos
pantaln y chaqueta respectivamente, por lo cual se desea determinara una
combinacin de ambos productos que hagan mximas las ganancias.
La cantidad de pantalones a fabricar es desconocida como lo es la cantidad de

chaquetas.
Por lo tanto podemos definir:
Variables de decisin
Sea
X1: nmero de pantalones
X2: nmero de chaquetas
Dado que X1 y X2 pueden tomar diferentes valores, reciben el nombre de variables.
Una vez definidas las incgnitas, el siguiente paso ser la construccin del modelo
matemtico mediante la obtencin de una funcin lineal de la funcin objetivo y de
las restricciones estructurales del problema.
1.1.2.- CONSTRUCCIN DEL MODELO
Estar determinada por:
1.1.2.1.- Funcin Objetivo
En este caso se trata de una funcin de utilidades que debe maximizarse.
Por ende, si se producen X1 unidades del producto pantalones y X2 del

producto chaquetas, la utilidad total para esta combinacin estar
determinada por la funcin:
Z = 50 X1 + 40 X2
Pero, dado que dichas utilidades deben ser las mximas posibles, se tratara
de maximizar la funcin anterior, como:
Maximizar (z) = 50 X1 + 40 X2
El mximo de esta funcin objetivo estar sujeta a las restricciones o

limitaciones de las disponibilidades de los recursos.
1.1.2.2.- Restricciones estructurales
Estarn limitadas por las disponibilidades de recursos de los componentes

algodn y polister. La restriccin de la disponibilidad del componente
algodn se ve reflejada por su disponibilidad de 750 m del mencionado
componente, luego:
2
X1 + 1.5 X2 750 (disponibilidad del recurso algodn)
La restriccin de la disponibilidad del componente polister se sujetara a los

1000 m que de ellos se dispone, luego:
2 X1 + X2 1000 (disponibilidad del recurso polister)
1.1.2.3.- Restricciones de no negatividad
Es determinada por las variables de decisin que deben ser igual a cero o
positivas, es decir:
X1>=0, X2 >=0(no negatividad)
Esta restriccin se impone por que no tendra sentido una solucin

tal como ejemplo X1=- 50, pues equivaldra a destruir 50 unidades
del producto pantaln. En cambio cualquier variable solucin puede
ser cero, por ejemplo X2 =0 tiene sentido econmico porque
equivaldra a dejar de producir el producto chaqueta.
En el problema expuesto se muestra las caractersticas generales de los

problemas de programacin lineal. Como se observa en le ejemplo es
necesaria la existencia de una funcin objetivo, que debe maximizarse o
minimizarse; adems dicha funcin deber ser de primer grado. Por otra
parte, debe contener un conjunto de restricciones estructurales, tambin
lineales a que debe estar sujeta la funcin objetivo. Debe cumplirse tambin
con las restricciones de no negatividad, que condiciona a que las variables
de solucin tomen valores mayores o iguales a cero.
Es necesario tener en cuenta que las mencionadas restricciones estructurales

pueden estar contenidas por igualdades o desigualdades a la combinacin
de ambos. Luego de haber construido el modelo matemtico el siguiente
paso es dar solucin al modelo planteado.
1.1.3.- SOLUCIN DEL PROBLEMA
Siendo este problema de dos variables podr ser evaluado por todas las tcnicas a
desarrollar, una de ellas ser aplicarle el mtodo grafico pero tambin puede ser
resuelto por otros mtodos.
Desarrollo del mtodo grfico
Para el desarrollo del mtodo grafico vamos a tomar consideracin el ejemplo de

planteado.
Para la aplicacin del mencionado mtodo seguiremos los siguientes pasos:
1. Formulacin del problema

2. Determinacin de la funcin objetivo y restricciones estructurales
3
3. Determinacin de los puntos de las rectas de restricciones

4. Determinacin del polgono de soluciones factibles
5. Determinacin de una recta de la funcin objetivo
Los anteriores pasos mencionados se desarrollaran a continuacin:
PRIMER Y SEGUNDO PASO: Formulacin del problema y determinacin de la

funcin objetivo y restricciones estructurales
MAX (Z) = 50 X1 + 40 X2
X1 + 1.5 X2 750
2X1 + X2 1000
X1>=0, X2 >=0
TERCER PASO: Determinacin de los puntos de las rectas de restricciones
Se tiene que representar grficamente las restricciones. Al ser x 0 e X 2 0,

trabajaremos en el primer cuadrante.
La determinacin de los puntos de las rectas de restriccin, la podemos realizar

dando valores arbitrarios a X1, X2 para un par de valores arbitrarios que generara
dos puntos que determinan la recta en cuestin para dar mayor facilidad a la
operatividad del mtodo se dan valores cero ya sea a X1, X2 y sea parte del supuesto
que no existe inecuacin, es decir que cada restriccin se contempla como si fuera
una igualdad.
De la inecuacin: X1 + 1.5 X2 750, supongamos que X1 =0, por ende el valor de

X2= 500, entonces el punto ser (0,500) y X2 = 0, el valor de X1= 750, entonces el
punto ser (750,0) y lo mismo para la otra restriccin
De la inecuacin: 2 X1 + X2 1000, supongamos que X1 =0, por ende el valor de

X2= 1000, entonces el punto ser (0,1000) y X2 = 0, el valor de X1= 500, entonces
el punto ser (500,0)
4
CUARTO PASO Determinacin del polgono de soluciones factibles
Resolvemos grficamente la inecuacin: x + 1.5y 750, para ello tomamos un

punto del plano, por ejemplo el (0,0).
0 + 1.5 0 750
0 750 entonces el punto (0,0) se encuentra en el semiplano donde se cumple la

desigualdad.
De modo anlogo resolvemos 2x + y 1000.
2 0 + 0 1 000
La zona de interseccin de las soluciones de las inecuaciones sera la solucin al

sistema de inecuaciones, que constituye el conjunto de las soluciones factibles
Representamos las rectas, a partir de sus puntos de corte con los ejes, como se ve a
continuacin.
La regin factible est dada por los puntos (0,500), (500,0) y (375,250. Esta regin
muestra las restricciones estructurales y de no negatividad, las cuales determinan un
polgono de soluciones factibles que satisfacen todas las restricciones del problema;
la que podemos interpretar que cualquier punto (X1, X2) contenido en la regin
factible es una solucin factible del problema, mientras que un punto fuera de la
regin factible no satisface los requerimientos de una, dos o todas las restricciones
del modelo matemtico.
5
QUINTO PASO: Determinacin de una recta de la funcin objetivo
En consecuencia en este problema la solucin ptima se ubicara en los puntos 1, 2,

3 el punto cero del origen no se toma en cuenta por que en el problema se est
maximizando; los puntos 1 y 3 son conocidos, por lo que es necesario determinar el
punto 2 que es definido `por la interseccin de las restricciones 1 y 2 as que se
determinara el punto 2 generando un sistema de dos ecuaciones que resolviendo
nos dan los valores de X1, X2.
Z = 50 X1 + 40
X2
2x + 3y = 1500 x=0 (0, 500)
2x + y = 1000 y = 0 (500, 0)
2x + 3y =1500; 2x + y = 1000 (375, 250)
Resolviendo el sistema de dos ecuaciones el resultado es X1= 375 y X2= 250
6
PUNTO X1 X2 Z = 50X1 + 40 X2
1 0 500 20 000
2 375 250 28 750 MAX S.O.
3 500 0 25 000
En consecuencia es ptimo fabricar 375 pantalones y 250 chaquetas para obtener un

beneficio de $ 28 750.
1.2.- MTODO SIMPLEX

El Mtodo Simplex es un mtodo analtico de solucin de problemas de programacin
lineal capaz de resolver modelos ms complejos que los resueltos mediante el mtodo
grfico sin restriccin en el nmero de variables.
El Mtodo Simplex es un mtodo iterativo que permite ir mejorando la solucin en cada

paso. La razn matemtica de esta mejora radica en que el mtodo consiste en caminar del
vrtice de un poliedro a un vrtice vecino de manera que aumente o disminuya,
dependiendo de la funcin objetivo.
1.2.1.- PROCESO DE ESTANDARIZACION
El mtodo simplex trabaja con ecuaciones y las restricciones iniciales que se

modelan mediante programacin lineal generalmente son inecuaciones, para ellos
hay que convertir estas inecuaciones en ecuaciones utilizando unas variables
denominadas de holgura, exceso y artificial relacionadas con el recurso al cual hace
referencia la restriccin y que en el tabulado final representa el Slack, surplus o
artificial estas variables adquieren un gran valor en el anlisis de sensibilidad y
juegan un rol fundamental en la creacin de la matriz identidad positiva del orden
del nmero de restricciones que se asocia al modelo original que es la base del
Simplex. Para que el simplex funcione a todo modelo de programacin lineal por el
proceso de estandarizacin se le debe asociar una matriz identidad positiva de
orden de nmero de restricciones.
o VARIABLE DE HOLGURA (Slack, +Si)
Es aquella variable que se adiciona a cada restriccin del tipo y en la

funcin objetivo con coeficiente cero. Si el valor de la variable es cero
significa que se ha usado todo el recurso, si por el contrario es mayor a cero
implica que el recurso no se us completamente por lo que est sobrando
recurso.
o VARIABLE DE EXCESO (Surplus, -Si)
Es aquella variable que se adiciona a cada restriccin del tipo y en la

funcin objetivo con coeficiente cero. Si el valor de la variable es cero
significa que se ha usado la cantidad mnima permitida, si por el contrario es
7
mayor a cero implica que el recurso se ha usado un excedente mayor al

mnimo permitido.
o VARIABLE ARTIFICIAL (Artificial, +Ai)
Es un artificio para convertir inecuaciones de tipo en ecuaciones, la

caracterstica principal de estas variables es que no deben formar parte de la
solucin, dado que no representan recursos reales. El objetivo fundamental
de estas variables es la formacin de la matriz identidad que es la base del
simplex, estas variables siempre se suman a las restricciones, su coeficiente es
M, por eso se denomina mtodo de la M grande, donde M significa un
numero demasiado grande muy poco atractivo para la funcin objetivo, y el
signo en la funcin objetivo va en contra del sentido de la misma, es decir, en
problemas de maximizacin su signo es menos (-) y en problemas de
minimizacin su signo es (+) en resumen:
Maximizacin= M Ai
Minimizacin= + M Ai
1.2.2.- TIPO DE OPTIMIZACIN
El objetivo del mtodo consistir en optimizar el valor de la funcin objetivo. Sin

embargo se presentan dos opciones: obtener el valor ptimo mayor (maximizar) u
obtener el valor ptimo menor (minimizar).
Adems existen diferencias en el algoritmo entre el objetivo de maximizacin y el

de minimizacin en cuanto al criterio de condicin de parada para finalizar las
iteraciones y a las condiciones de entrada y salida de la base. As:
1.2.2.1.- Mtodo Simplex Maximizacin
Condicin de parada: cuando en la fila Z no aparece ningn valor negativo.
Condicin de entrada a la base: el menor valor negativo en la fila Z (o el de

mayor valor absoluto entre los negativos) indica la variable Pj que entra a la
base.
Condicin de salida de la base: una vez obtenida la variable entrante, la

variable que sale se determina mediante el menor cociente P0/Pj de los
estrictamente positivos.
Pasos a seguir en el mtodo simplex
Para la aplicacin de este mtodo se presenta a continuacin un problema a

desarrollar:
El gerente de la Relojera la Torre desea conocer la ganancia mxima que se puede

obtener de la produccin y venta de dos clases de relojes econmicos digitales de
pulsera. La ganancia que se obtiene por la produccin y venta de un reloj de hombre
8
es de $4 y de $6 para un reloj de mujer. La empresa cuenta con 120 horas semanales

para la produccin de los relojes y 100 horas para la inspeccin y empaque de estos.
La fabricacin de un reloj de hombre requiere 2 horas de produccin y 2 horas de
inspeccin y empaque. Mientras que un reloj de mujer requiere 4 horas de produccin
y 3 horas de inspeccin y empaque.
PRODUCTO
RECURSO Reloj Reloj Disponible
Hombre Mujer
Horas de produccion 2 4 120
Horas de inspeccion y
empaque 2 3 100
Utilidad $ 4.00 $ 6.00
La formulacin del problema para esta situacin es la siguiente:
Maximizar Z = $4X1 + $6X2
Sujeto a:
2X1 + 4X2 120 (horas de produccin)
2X1 + 3X2 100 (horas de inspeccin y empaque)
X1, X2 0
Donde
X1 = cantidad de relojes de hombre que se producen semanalmente.
X2 = cantidad de relojes de mujer que se producen semanalmente.
PRIMER PASO: Transformacin del sistema de inecuacin en ecuaciones
Convertir las inecuaciones en ecuaciones (agregar las variables de holgura

necesarias
MAX Z (ganancia) = 4X1 + 6X2 +0S1 +0 S2

2X1 + 4X2 + 1S1 + 0S2 = 120
2X1 + 3X2 + 0S1 + 1S2 = 100
X1, X2, 0S1, 0S2 0
SEGUNDO PASO: Colocar los valores de los coeficientes de la funcin objetivo

asociado a las variables de la columna xk
Se identifica las variables de solucin o variables vascas de la columna xk.

En esta, se ubicaran las variables de la tabla que estn precedidos por
vectores unitarios positivos, como es el caso de S1 Y S2y para determinar
la fila que se ubicaran solo basta ver la ubicacin del valor uno del vector
unitario y en la direccin de su correspondiente filase ubicara su variable
asociada en xk.
9
Los coeficientes de S1 Y S2 es cero y eso se coloca en xk, sus coeficientes de

la funcin objetivo estandarizadas son respectivamente (0,0)
x1 x2 S1 S2
ck xk B
4 6 0 0
0 S1 120 2 4 1 0
0 S2 100 2 3 0 1
TERCER PASO: Valores de zj
Los valores de zj son definidos como el costo de oportunidad que obtiene

una determinada variable y sus valores los determinamos de la siguiente
manera:
Cada elemento del a columna ck se multiplica por cada elemento aij de

cada columna xj o S1 en la direccin de su correspondiente fila y el
resultado de su sumatoria es ubicada en la correspondiente columna a la
variable que ha sido multiplicado. Los elementos de la columna ck siempre
participan en la multiplicacin. Para determinar el valor de Z tambin se
sigue el mismo proceso participando en ella la columna b.
Z1 = (0)(2) + (0)(2) = 0
Z2 = (0)(4) + (0)(3) = 0
Z3 = (0)(1) + (0)(0) = 0
Z4 = (0)(0) + (0)(1) = 0
x1 x2 S1 S2
ck xk B
4 6 0 0
0 S1 120 2 4 1 0
0 S2 100 2 3 0 1
zj 0 0 0 0 0
CUARTO PASO: Determinar de cj-zj
En esta primera decisin para nuestro caso de maximizacin estar

determinada por la eleccin del mayor valor de la fila de primera decisin
que para nuestro caso ofrece mayor rentabilidad.
C1 - Z1 = 4 0 = 4
C2 - Z2 = 6 0 = 6
C3 - Z3 = 0 0 = 0
C4 - Z4 = 0 0 = 0
10
El valor elegido es el mayor valor identifica la columna pivotal y la

variable que ingresa a la base y mejora el valor Z.
En este caso se elige el mayor valor el cual es C2 - Z2 = 6 0 = 6
QUINTO PASO: Determinar el valor del Ratio
Se determina los valores positivos de la columna de segunda decisin que

consiste en elegir el menor valor de la columna de ratio mediante la
divisin de cada valor de la columna B por cada valor de la columna pivotal
elegida y el resultado es ubicado en su fila, la cual ser llamada fila pivotal,
correspondiente en la columna de segunda decisin.
1= 120/4=30 (primera fila)
2 = 100/3 = 33.33 (segunda fila)
Ahora, se elige el menor valor positivo, en este caso resulta ser 1, por lo
tanto la variable S1 ubicada en el primer rengln saldr y en su lugar la
ocupar la variable X2. Es decir sale la variable S1, entra la variable X2 y se
producen 30 unidades.
El Ratio seleccionado indica una produccin de 30 relojes y la columna

pivote indica que estos relojes sern de damas (X2). Si la aportacin a las
ganancias de la variable X2 son $6 por unidad entonces la ganancia total
ser de $180; ($6) (30 relojes).

x1 x2 S1 S2
ck xk B
4 6 0 0
0 S1 120 2 4 1 0 30
0 S2 100 2 3 0 1 33.33
zj 0 0 0 0 0
cj -zj 4 6 0 0
SEXTO PASO: Proceso de pivoteo completo
Despus de elegir el valor 4 como pipote, se procede a realizar los mismos

pasos seguidos en el mtodo de eliminacin completa de Gauss Jordan para
pivotear el pivote, cuyo resultado ser una nueva solucin ms ptima que
la anterior.
Des pues del proceso de pivoteo completo, es decir, despus de haber

obtenido los nuevos valores de la columna b y de los nuevos aij de las
columnas x1, x2, S1, S2 se procede a realzar los mismos pasos desde el
segundo al sexto inclusive hasta la obtencin de valores nulos o negativos
en la fila de primera decisin (cj-zj) que indicara que se lleg a la solucin
ptima.
11

x1 x2 S1 S2
ck xk B
4 6 0 0
0 S1 120 2 4 1 0 30
0 S2 100 2 3 0 1 33.33
zj 0 0 0 0 0
cj -zj 4 6 0 0
6 X2 30 A1/2 1 A1/4 0 60
0 S2 10 A1/2 0 A-3/4 1 20
zj 180 3 6 A3/2 0
cj -zj 1 0 A-3/2 0
6 X2 20 0 1 1 -1
4 X1 20 1 0 A-3/2 2
zj 200 4 6 0 2
cj -zj 0 0 0 -2 <= 0 S.O.
Las variables bsicas son aquellas que poseen cj-zj = 0 y sus valores al lado
derecho extremo son positivo. La variable X1 y X2 poseen cj-zj = 0 y un
coeficiente de 1 en la interseccin entre la columna y fila donde se
encuentra la variable.
El valor para la variable X1 es de 20 unidades mientras que X2 posee un

valor tambin de 20 unidades. Por otra lado las variables no bsicas poseen
cj-zj 0, (positivos o negativos) mientras que su valor es 0. De la tabla se
desprende a S1 y S2 como variables no bsicas y ambas con valores de 0. La
ganancia (Zj) que se obtiene de la mezcla de produccin son $200.
Se puede cotejar si la ganancia expresada en el tabln es la correcta

utilizando la siguiente relacin aritmtica; Zi +1 = Zi + (mejor cj-zj) (mejor
Ratio)
Z= Zi + (mejor cj-zj 2)( mejor Ratio 2)
Z= 180 + (1)(20) = 200
Interpretacin de los resultados:
En conclusin la produccin semanal ser de 20 relojes de hombre (X1) y 20

relojes de mujer (X2).
Se utiliz todos los recursos para obtener una ganancia mxima semanal de
$200.
12
1.2.2.2.- Mtodo Simplex Minimizacin
La solucin para un problema de minimizacin se simplifica despus de

haber realizado un problema de maximizacin. La diferencia en el
procedimiento es mnima.
Se presenta el siguiente ejemplo:
La empresa Pets se dedica a la produccin y venta de comida seca para perros. La

compaa produce y empaca dos clases de comidas en bolsos de 20 libras, estos son a
saber; comida seca para perros en crecimiento y comida seca para perros adultos. El
costo semanal de fabricar un saco de comida para crecimiento es de $5 y para adultos
de $7. A la comida para crecimiento se le puede aadir un mximo de 200 unidades
de vitaminas mientras que la comida para perros adultos deber tener un mnimo de
100 unidades. El total de unidades de vitaminas para la mezcla deber ser
exactamente 800 unidades.
La formulacin para este problema de programacin lineal es la siguiente.
Minimizar Z = $5X1 + $7X2
Sujeto a: 1X1 + 200 (vitaminas para perros en crecimiento)
+ 1X2 100 (vitaminas para perros adultos)
X1 + X2 = 800 (total de unidades de vitaminas)
(X1, X2 0)
Donde:
X1 = u. de vitaminas para las bolsas de comida para crecimiento
X2 = u. de vitaminas para bolsas de comida perros adultos
Se estandarizan las restricciones y la funcin objetivo aplicando una

variable de exceso y una variable artificial, las variables de exceso
multiplicadas por cero y las artificiales multiplicadas por un coeficiente M
dependiendo del objetivo.
MIN Z (costo) = $5X1 + $7X2 + $0S1 + $0S2 + MA1 + MA2
Sujeto a: 1X1 + 0X2 + 1S1 + 0S2 + 0A1 + 0A2 = 200
0X1 + 1X2 + 0S1 - 1S2 + 1A1 + 0A2 = 100
1X1 + 1X2 + 0S1 + 0S2 + 0A1 + 1A2 = 800
(X1, X2, S1, S2, A1, A2 0)
13
Aplicando los pasos del mtodo simplex se obtiene los siguientes resultados.

x1 x2 S1 S2 A1 A2
ck xk B
5 7 0 0 M M
200/0 = No
0 S1 200 1 0 1 0 0 0 definido
M A1 100 0 1 0 -1 1 0 100
M A2 800 1 1 0 0 0 1 800
zj 900M M 2M 0 -M M M
cj -zj 5-M 7-2M 0 M 0 0
El rengln A2 sale para dar entrada a la variable X2. Esto indica una
asignacin de 100 unidades para X2. Despus que una variable artificial sale
de la base o deja de ser variable bsica esta no podr entrar a la base.
Esto sucede porque el costo de entrar la variable es muy alto y el mtodo

descartar la variable.
Es recomendable aunque no necesario, la eliminacin de la columna A1 en

la tabla. Esto hace el clculo aritmtico ms fcil porque la tabla tiene
menos elementos. De existir una solucin ptima, el tabln final ser ms
pequeo.
ck
0
xk
S1 200
B
x1
5
1
x2
7
0
S1
0
1
S2
0
0
A2
M
0

200
7 X2 100 0 1 0 1 0 No definido
M A2 700 1 0 0 -1 1 700
zj 700+700M M 7 0 1 M
cj -zj 5-M 0 0 -7+M 0
Se repiten los pasos aprendidos en el caso de maximizacin para completar
el segundo cuadro.
ck
5
xk
X1 200
B
x1
5
1
x2
7
0
S1
0
1
S2
0
0
A2
M
0

No definido
7 X2 100 0 1 0 -1 0 -100
M A2 500 0 0 -1 1 1 500
zj 1700+500M 5 7 5-M. M-7 M
cj -zj 0 0 M-5 7-M 0
En la tercera tabla las variables bsicas son: X1 con un valor al lado derecho
de 200 unidades, X2 con 100 y A2 con 500.
El costo para esta solucin sigue siendo muy alto, $1700 + $500M. Este
costo es alto porque la variable artificial A2 se encuentra en la base, esto
14
violentan la tercera restriccin por 500 unidades ya que esta restriccin

exige que la combinacin de las variables reales, X1 y X2 en su totalidad sea
de 800 unidades.
Un anlisis de los cj-zj muestra que en la tercera tabla tiene un solo cambio
negativo de 7-M en la variable no bsica S2. Es conveniente entrar esta
variable a la base porque reducir el costo. Este cambio negativo indica que
la columna S2 ser la columna pivote.
Por consiguiente S2 ser la nueva variable bsica.
ck
5
xk
X1
B
200
x1
5
1
x2
7
0
S1
0
1
S2
0
0

7 X2 600 0 1 -1 0
0 S2 500 0 0 -1 1
zj 5200 5 7 -2 0
cj -zj 0 0 2 0 >= 0 S.O.
Aplicando los pasos del mtodo simplex se obtiene los resultados. Se sigui
los mismos pasos que para el caso de maximizacin.
Es necesario aclarar que para que existe solucin ptima cuando se hace el
uso de variables artificiales, estas no deben participar en la base.
2.- MTODO DE TRANSPORTE

El Modelo de transporte es una clase especial de problema de Programacin Lineal. Trata
la situacin en la cual se enva un bien de los puntos de origen (fbricas), a los puntos de
destino (almacenes, bodegas, depsitos).
El objetivo es determinar las cantidades a enviar desde cada punto de origen hasta cada
punto de destino, que minimicen el costo total de envo, al mismo tiempo que satisfagan
tanto los lmites de la oferta como los requerimientos de la demanda. El modelo supone
que el costo de envo de una ruta determinada es directamente proporcional al nmero de
unidades enviadas en esa ruta.
Sin embargo, algunas de sus aplicaciones importantes (como la Programacin de la

Produccin) de hecho no tienen nada que ver con el transporte. El contexto en el que se
aplica el modelo de transporte es amplio y puede generar soluciones atinentes al rea de
operaciones, inventario y asignacin de elementos.
El procedimiento de resolucin de un modelo de transporte se puede llevar a cabo

mediante programacin lineal comn, sin embargo su estructura permite la creacin de
mltiples alternativas de solucin tales como la estructura de asignacin o los mtodos
heursticos ms populares como Vogel, Esquina Noroeste o Mnimos Costos.
15
2.1.- DEFINICIN DEL MODELO DE TRANSPORTE

La red que aparece en la figura representa el problema. Hay m orgenes y n destinos, cada
uno representado por un nodo. Los arcos representan las rutas que unen los orgenes con
los destinos. El arco (i, j) que une el origen i con el destino j transporta dos piezas de
informacin: el costo de transporte por unidad, cij y la cantidad transportada, xij. La
cantidad de la oferta en el origen i es ai y la cantidad de la demanda en el destino j es bj.
El objetivo del modelo es minimizar el costo de transporte total al mismo tiempo que se
satisfacen las restricciones de la oferta y la demanda.
Representacin del modelo de transporte con nodos y arcos
2.2.- MODELOS DE TRANSPORTE NO TRADICIONALES

La aplicacin del modelo de transporte no se limita al transporte de artculos. Se presenta
dos aplicaciones no tradicionales en las reas de control de produccin e inventarios y el
servicio de afilado de herramientas.
2.2.1.- CONTROL DE PRODUCCIN E INVENTARIOS: EJEMPLO
Boralis fabrica mochilas para ciclistas. La demanda de su producto durante el periodo pico de
marzo a junio de cada ao es de 100, 200, 180 y 300 unidades, respectivamente. La compaa
utiliza mano de obra de tiempo parcial para acomodarse a las fluctuaciones de la demanda.
Se estima que Boralis puede producir 50, 180, 280 y 270 unidades de marzo a junio. La
demanda del mes en curso se puede satisfacer de tres maneras.
1. La produccin del mes en curso al costo de $40 por mochila.

2. La produccin excedente de un mes anterior a un costo de retencin adicional de
$.50 por mochila.
3. La produccin excedente en un mes posterior (pedido en espera) a un costo de
penalizacin adicional de $2.00 por mochila por mes.
Boralis desea determinar el programa de produccin ptimo durante los cuatro meses.
16
La siguiente tabla resume los paralelismos entre los elementos del problema de
produccin e inventario y el modelo de transporte:
El modelo de transporte resultante se da en la siguiente tabla:
El costo de transporte por unidad del periodo i al periodo j se calcula como
Por ejemplo,
c11 = $40.00
c24 = $40.00 + ($.50 + $.50) = $41.00
c41 = $40.00 + ($2.00 + $2.00 + $2.00) = $46.00
La solucin ptima se resume en la siguiente figura. Las lneas de rayas indican

pedidos en espera, las lneas punteadas indican produccin para un periodo futuro,
y las lneas continuas muestran la produccin en un periodo en curso. El costo total
es de $31,455.
Solucin ptima del modelo de produccin e inventario

17
2.3.- ALGORITMO DE TRANSPORTE

Los pasos bsicos del algoritmo de transporte son exactamente iguales a los del mtodo
simplex. Sin embargo, en lugar de utilizar la tabla simplex regular, aprovechamos la
estructura especial del modelo de transporte para organizar los clculos en una forma ms
conveniente.
Paso 1. Determine una solucin factible bsica inicial y vaya al paso 2.

Paso 2. Use la condicin de optimalidad del mtodo simplex para determinar la
variable de entrada de entre todas las variables no bsicas. Si se satisfacen las
condiciones de optimalidad, detngase. De lo contrario, avance al paso 3.
Paso 3. Use la condicin de factibilidad del mtodo simplex para determinar la
variable de entrada de entre todas las variables bsicas actuales, y halle la nueva
solucin bsica. Regrese al paso 2.
BALANCEO DEL MODELO DE TRANSPORTE: La representacin de la tabla de

transporte asume que el modelo est balanceado, es decir, que la demanda total es
igual a la oferta total. Si el modelo est desbalanceado, podemos agregar un origen
o un destino ficticios para restaurar el balance.
Los detalles del algoritmo se explicaran por medio de ejemplos posteriores.
Proceso de Solucin del Algoritmo del Transporte
18
2.3.1.- APLICACIN DEL ALGORITMO DEL TRANSPORTE
Una compaa tiene dos sucursales. Una ubicada en Caman que puede producir 3000
docenas de cajas a las ciudades de Cuzco, Tacna, Moquegua y Puno son de 5, 8, 3 y 6 dlares
respectivamente, la sucursal de Mollendo puede producir 4000 docenas de cajas y los costos de
enviar a las ciudades de Cuzco, Tacna, Moquegua y Puno son de 6, 2, 4 y 5 dlares
respectivamente, la fbrica principal ubicada en la ciudad de Arequipa puede producir 5 000
docenas de cajas y los costos de enviar a las ciudades de Cuzco, Tacna, Moquegua y Puno son
de 4, 5, 7 y 4 dlares respectivamente. Los consumos para las cuatro ciudades son de 2500,
1500, 4500 y 3500 docenas de cajas respectivamente. Determinar el mnimo costo de
transporte desde los centros de abastecimientos a los consumidores.
2.3.1.1.- Representacin grfica
Para tomar en consideracin todos los datos del problema, observamos que
el grfico anterior traduce en forma esquemtica los datos que son
conocidos del problema como son la oferta del producto en cada fbrica, las
demandas de productos en cada ciudad y los costos unitarios de transporte
en cada fbrica (origen) a cada ciudad consumidora (destino), adems
presentamos las variables incgnitas del problema de transporte que
generalizado representamos por:
Xij: Cantidad de docenas de cajas son enviadas de la fbrica

i al consumidor j
Cij: Costo de enviar una docena de cajas de la fbrica i al
consumidor j
ai: Cantidad de docenas de cajas que ofrece la fbrica i
(Oferta)
bj: Cantidad de docenas de cajas que consume el cliente j
(Demanda)
19
Los datos y variables incgnitas que representan al problema podemos

representarlos tambin en el siguiente cuadro:
2.3.1.2.- Matriz del Problema de Transporte
Como se puede observar en el cuadro anterior las variables incgnitas o de

decisin del problema estn determinados por Xij (docenas de cajas a
transportarse desde la fbrica i a la ciudad consumidora j) y los valores
conocidos estn determinados por Cij (costo de trasladar una docena de
cajas de la fbrica i a la ciudad j), as como la oferta de docenas de
cajas (ai) que producen cada una de las fbricas i y la cantidad de
demanda requerida por cada ciudad j (bj).
Luego de haber procedido a tabular los datos, estamos en condiciones de aplicar un

mtodo de solucin inicial mediante el algoritmo de transporte, para
posteriormente dar uso a otro algoritmo de solucin final, y de esta forma
determinar la solucin ptima del modelo de transporte en estudio.
20
2.3.2.- DETERMINACIN DE LA SOLUCIN DE INICIO
Un modelo de transporte general con m orgenes y n destinos tiene m+n ecuaciones

de restriccin, una por cada origen y cada destino. Sin embargo, como el modelo de
transporte siempre est balanceado (suma de la oferta=suma de la demanda) una de
las ecuaciones es redundante, por lo que el modelo se reduce a m+n-1 ecuaciones
independientes y m+n-1 variables bsicas
La estructura especial del problema de transporte permite asegurar una solucin

bsica inicial no artificial siguiendo uno de los tres mtodos:
1. Mtodo de la esquina noroeste

2. Mtodo del costo mnimo
3. Mtodo de aproximacin de Vogel
El primer mtodo es de naturaleza mecnica, y los dos restantes son heursticos

que buscan una solucin inicial de mejor calidad que d un valor objetivo ms
pequeo. Por lo general, el mtodo heurstico Vogel es mejor que el heurstico de
costo mnimo. Por otra parte, el mtodo de esquina noroeste implica la cantidad
mnima de clculos.
2.3.2.1.- Mtodo de la esquina noroeste
El mtodo se inicia en la celda de la esquina noroeste (ruta) de la tabla

(variable x11).
Paso 1. Asigne lo ms posible a la celda seleccionada, y ajuste las

cantidades asociadas de oferta y demanda restando la cantidad asignada.
Paso 2. Tache la columna o fila con oferta o demanda cero para indicar que
no se hagan ms asignaciones en esa fila o columna. Si una fila y una
columna dan cero al mismo tiempo, tache slo una, y deje una oferta
(demanda) cero en la fila (columna) no tachada.
Paso 3. Si se deja sin tachar exactamente una fila o columna, detngase. De

lo contrario, muvase a la celda a la derecha si acaba de tachar una
columna, o abajo si acaba de tachar una fila. Vaya al paso 1.
21
APLICACIN DEL MTODO DE LA ESQUINA NOROESTE
En razn a esto la solucin factible inicial quedar determinada por:
X11 = 2 500 X22 = 1 000 X33 = 500
X12 = 500 X23 = 4 000 X34 = 3 500
Estos valores en la funcin objetivo del problema hace un costo total de:
CT= 5(2500)+8(500)+5(1000)+7(4000)+4(500)+5(3500)=69000
2.3.2.2.- Mtodo del Costo Mnimo
El mtodo del costo mnimo determina una mejor solucin inicial al

concentrarse en las rutas ms econmicas. Asigna lo ms posible a la celda
con el costo unitario mnimo (los empates se rompen arbitrariamente).
Luego se tacha la fila o columna satisfecha y se ajustan las cantidades de

oferta y demanda como corresponda. Si una fila o una columna se
satisfacen al mismo tiempo, slo se tacha una, igual que en el mtodo de la
esquina noroeste.
A continuacin, seleccione la celda no tachada con el costo unitario

mnimo y repita el proceso hasta que se deje sin tachar exactamente una fila
o columna.
APLICACIN DEL MTODO DEL COSTO MINIMO
22
Con los clculos anteriores, generamos la solucin bsica inicial para

asignaciones de:
X32 = 1 500 X24 = 3 500 X33 = 1 500
X13 = 3 000 X21 = 1 500 X31 = 1 000
CT= 2(1500)+3(3000)+4(3500)+4(1500)+4(1500)+6(1000)=44000
2.3.2.3.- Mtodo de aproximacin de Vogel (MAV)
Este mtodo es una versin mejorada del mtodo del costo mnimo que por
lo general, pero no siempre, produce mejores soluciones iniciales.
Paso 1. Para cada fila (columna) determine una medida de penalizacin

restando el elemento de costo unitario mnimo en la fila (columna) del
siguiente elemento de costo mnimo en la misma fila (columna).
Paso 2. Identifique la fila o columna con la penalizacin mxima, que

rompa los empates arbitrariamente. Asigne lo ms posible a la variable con
el costo unitario mnimo en la fila o columna seleccionada. Ajuste la oferta
y la demanda, y tache la fila o columna satisfecha. Si una fila y una
columna se satisfacen al mismo tiempo, slo se tacha una de las dos, y a la
fila restante (columna) se le asigna una oferta (demanda) cero.
Paso 3.
(a) Si exactamente una fila o columna con oferta o demanda cero

permanece sin tachar, detngase.
23
(b) Si una fila (columna) con oferta (demanda) positiva permanece sin
tachar, determine las variables bsicas en la fila (columna) mediante el
mtodo del costo mnimo. Detngase.
(c) Si todas las filas y columnas no tachadas tienen oferta y demanda cero
(restantes), determine las variables bsicas cero por el mtodo del costo
mnimo. Detngase.
(d) De lo contrario, vaya al paso 1.
APLICACIN DEL MTODO VOGEL
CT= 3(3000)+4(2500)+4(2500)+2(1500)+4(1500)+5(1000)=43000
2.3.3.- MTODO DE SOLUCIN PTIMA
Antes de describir este procedimiento, es necesario establecer que el nmero de

variables bsicas en cualquier solucin bsica de un problema de transporte es una
menos de lo que se espera. Normalmente en los problemas de programacin lineal,
se tiene una variable bsica por cada restriccin funcional. En los problemas de
transporte con m recursos y n destinos el nmero de restricciones funcionales es
m+n. En funcin al nmero de variables bsicas (celdas asignadas) y variables no
bsicas (celdas no asignadas), es que se identifican dos tipos de soluciones:
Solucin no Degenerada:
Se establece que una solucin es no degenerada, cuando el nmero de variables

bsicas (NVB) es: NVB: m+n-1
24
Dnde: m (nmero de filas) y n (nmero de columnas)
Esto se debe a que se manejan restricciones de igualdad y este conjunto de m+n

ecuaciones tiene una ecuacin adicional que se puede eliminar.
Esto se debe a que se manejan restricciones de igualdad y este conjunto de m + n

ecuaciones tiene una ecuacin adicional o (redundante) que se puede eliminar. La
razn es que se sabe que la cantidad total que se manda desde todos los orgenes
debe ser igual que la cantidad total que se recibe en todos los destinos. Por lo tanto,
cualquier solucin bsica factible en una tabla de transporte debe aparecer con
exactamente m + n - 1 asignaciones no negativas, en donde la suma de las
asignaciones en cada rengln o columna es igual a su demanda o sus recursos
Solucin Degenerada:
Se establece que una solucin es degenerada, cuando el nmero de variables bsicas

(NVB), es:
NVB < m+n-1
Esta condicin es importante, porque de acuerdo al algoritmo de transporte no se

puede aplicar un mtodo de solucin final a una solucin degenerada. En el
presente informe se desarrolla el principal mtodo de solucin final u ptima que es
el METODO MODI.
2.3.3.1.- Mtodo MODI
El Mtodo de Modi nos ofrece la oportunidad de calcular costos marginales

basados en los valores de las variables de decisin del modelo, pero aunado
a esto tambin nos indica la celda no bsica en la cual se deben realizar los
ajustes para obtener una mejor solucin.
25
A partir de una tabla inicial con la primera solucin factible calculada por
cualquier mtodo (esquina noroeste o Vogel):
Paso 1. Calcular los multiplicadores (ui,vj) y los costos marginales (c.m.).
Los multiplicadores (ui,vj) estn asociados a toda celda bsica y su

expresin es:
Celda (i, j) ; ui,vj = cij
Esto es un sistema de m+n1 ecuaciones y m+n incgnitas. Los

valores de los multiplicadores se obtienen suponiendo un valor
arbitrario para uno de los multiplicadores y se calcula el resto,
resolviendo los m+n1 multiplicadores restantes.
Los costos marginales estn asociados a toda celda no bsica, con la

expresin:
Celda (i, j) ; c.m. = = cij - ui - vj
Si todos los costos marginales son no negativos, la solucin es ptima.

Termina
Paso 2. Si existe por lo menos un c.m. negativo, tomar la celda con mayor
valor negativo. Crear un circuito con todos los vrtices en celdas de
variables bsicas. Es decir, encontrar la trayectoria de la variable no
bsica que entrar a la solucin.
Paso 3. Ajustar el valor de xij en las celdas del circuito, comenzando por
sumar la variable a la celda seleccionada en el Paso 2, en el sentido de las
manecillas del reloj, y alternando una resta y suma de en cada celda de la
trayectoria hasta regresar a la celda primera, resolver una desigualdad ( 0)
para y ajustar la solucin. En todo caso volver al Paso 1.
3.- MODELOS DE REDES

Un modelo de red es un modelo de transbordo con capacidades de resolver problemas
comerciales , el cual puede adoptar diversas formas, como el modelo de la ruta ms corta y
el modelo del flujo mximo y mnimo, el problema de rbol de alcance mnimo , entre
otras aplicaciones de la planeacin financiera y de produccin.
La principal caracterstica de un modelo de transbordo con capacidades es que es una red

donde las ofertas estn en los puntos de origen especficos, las demandas en los puntos de
destino especficos y las alternativas de embarque se ofrecen por medio de los nodos
intermedios, de manera que siguen rutas con capacidades definidas desde los orgenes hasta
26
los destinos. El resultado de un problema de redes garantiza una solucin entera, dada su
estructura matemtica. No se necesitan restricciones adicionales para obtener este tipo de
solucin.
TERMINOLOGA DE REDES
Nodo: Es usualmente llamado vrtice, o punto. Es usualmente representado por un crculo.

En las redes de transporte, estos deberan ser las localidades o las ciudades en un mapa.
Arco: Es usualmente llamado borde o flecha. Este podra ser directo o indirecto. La cabeza
es el destino, y la cola el origen. La cabeza y la cola son nodos que pueden estar tanto al
origen como al final. En las redes de transporte, los arcos podran ser los caminos, los
canales de navegacin en un ro, o los patrones de vuelo de un avin. Los arcos
proporcionan la conectividad entre los nodos. Una calle de una sola direccin podra ser
representada por un arco, mientras que una calle de dos direcciones podra representada
por un arco sin direccin o por dos arcos que apuntan a direcciones opuestas.
Ruta: Una coleccin de arcos formados por una serie de nodos adyacentes
Ciclos: Un ciclo se produce cuando al partir de un nodo por un cierto camino se vuelve al
mismo nodo por otra ruta.
rbol: Una serie de nodos que no contienen ciclos.
Consideraciones importantes:
27
Las flechas/lneas de una sola direccin son arcos directos.

Las lneas con flujo para ambas direcciones son arcos indirectos.
Una red que tiene solamente arcos directos es una red directa.
Una red que tiene arcos en ambas direcciones es una red indirecta. Una ruta directa
del nodo i a la j es una secuencia de arcos conectados, por lo que es factible un flujo
que pase a travs de esa ruta.
Una ruta indirecta de un nodo i a j es una secuencia de arcos conectados, cuyo
sentido es de i a j o viceversa.
Una ruta que empieza y termina en el mismo nodo es un ciclo.
Si la red contiene como mnimo una ruta directa entre 2 nodos, se dice que estn
conectados. Para determinar cul de las rutas de la red ser elegida debemos
considerar los costos y las capacidades a lo largo del recorrido de las rutas.
3.1.- ALGORITMO DE LA RUTA MS CORTA

Por medio de la aplicacin del algoritmo de este problema podemos conocer la menor
distancia entre un nodo origen y un nodo destino.
Considere la red de la figura. El nodo H es el nodo inicial (fuente u origen) y el nodo 7 es el

punto terminal (sumidero o destino). Las distancias dij entre los nodos i y j se indican
directamente sobre cada rama. Sea uj = distancia ms corta entre el nodo 1 y el nodo j,
donde u1=0, por definicin. Los avalores uj, 1,2,.., n se calculan en forma recursiva por
medio de la formula siguiente:
= ( + )
La frmula recursiva implica que la distancia ms corta uj al nodo j se puede determinar

solo despus de que se calcula la distancia ms corta a cada nodo predecesor i enlazada a j
por un arco.
En la solucin final del modelo de la ruta ms corta no es suficiente determinar solo la uj

del nodo j. En forma concurrente, debemos identificar tambin los nodos encontrados a lo
largo de la ruta. Para lograr esto usamos un procedimiento de rotulacin, que asocia al
siguiente rotulo j:
Rotulo nodo j (uj,n)=(Distancia mnima hasta j, Precedencia desde i) donde n el nodo

que precede inmediatamente a j y que da la distancia ms corta uj:
uj=min.{uj+dij}=(un+dnj)
28
EJEMPLO:
Se etiqueta el nodo inicial H (0,0)
Se etiquetan los eventos que se pueden conectar con H, en 7(8, H), en 4(7, H) y en 1(4, H),
se elige la mnima (4,H) en 1 ,considerndose como etiqueta permanente.
Se etiquetan los eventos que se pueden conectar con 1, en 3(5,1),y en 2(10,1),agregndose

las temporales (7,H) y (8,H)se elige la minima(5,1) en 3,considerndose como etiqueta
permanente.
29
Se etiquetan los eventos que se pueden conectar con 3, en 4(6,3), y en 2(6,3), agregndose
la temporal (8, H) se elige la mnima (6,3) en 2, considerndose como etiqueta permanente.
Se etiquetan los eventos que se pueden conectar con 2, en 5(8,2), agregndose las
temporales (8, H) y (6,3) se elige la mnima (6,3) en 4, considerndose como etiqueta
permanente.
Como todos loS eventos tienen etiquetas permanentes, se finaliza el proceso.
30
Eventos Distancia Trayectoria

Iteracin i j Mnima
1 H 1 4 H1
2 H 2 6 H132
3 H 3 5 H13
4 H 4 6 H134
5 H 5 8 H1345
6 H 6 9 H76,H1346,H13476
7 H 7 8 HH7,H1347
3.1.1.- UTILIZACIN DEL WINQSB
Un minero ha quedado atrapado en una mina, la entrada a la mina se encuentra

ubicada en el nodo 1, se conoce de antemano que el minero permanece atrapado en
el nodo 9, para llegar a dicho nodo hay que atravesar una red de tneles que van
conectados entre s. El tiempo de vida que le queda al minero sin recibir auxilio es
cada vez menor y se hace indispensable hallar la ruta de acceso al nodo 9 ms
corta. Las distancias entre nodos de la mina se encuentran en la siguiente grfica
dadas en cientos de metros. Resuelva mediante cualquier paquete de herramientas
de investigacin operativa que permita establecer la ruta ms corta para poder as
auxiliar al minero.
Primero se debe ingresar al

mdulo Network
Modeling del paquete
WinQSB, una vez nos
encontremos en este
aparecer el men que se
muestra en la siguiente
grfica, men en el cual
tendremos que seleccionar
la opcin Shortest Path
Problem (Problema de la
ruta ms corta).
31
Adems en este men emergente debemos de ingresar la cantidad de nodos que

conforman la red del problema y tenemos la posibilidad de asignarle un nombre al
mismo, en nuestro caso la cantidad de nodos de la red es igual a 9; click en OK y
aparecer la siguiente ventana. En esta ventana se debe ingresar la magnitud de
cada ramal correspondiente a cada relacin entre los nodos, tal como veremos a
continuacin.
Damos click en Solve and Analize y tendremos un men emergente en el cual

tendremos que seleccionar el nodo fuente y el nodo destino, tal como se muestra en
la siguiente grfica.
Una vez efectuada la seleccin tendremos la opcin de ver el tabulado final y la

opcin de ver un paso a paso grfico; para el tabulado final click en SOLVE y para
el paso a paso click en SOLVE AND DISPLAY STEPS.
32
3.2.- ALGORITMO DEL RBOL DE EXTENSIN MNIMA

1. Se selecciona de manera arbitraria cualquier nodo y se conecta (es decir se pone
una ligadura) al nodo ms cercano distinto a este.
2. Se identifica para el ejemplo el nodo H se identifica como nodo inicial,

conectndose el ms cercano a un nodo conectado, y se conectan estos dos nodos.
3. Empates: los empates para el nodo ms cercano distinto (paso 1) o para el nodo no
conectado ms cercano (paso 2), se puede romper en forma arbitraria y el algoritmo
todava debe llevar a una solucin ptima .No obstante, estos empates son seal de
que puede existir (pero no necesariamente) solucione ptimas mltiples .Todas esa
soluciones se pueden identificar si se buscan las dems formas de romper los
empates hasta el final.
EJEMPLO:
Se inicia con la conexin del nodo H.
33
Se evalan las alternativas de conexin de H, con 7 distancias (8), con 4 distancias (7) y
con 1 distancia (4), la de menor distancia es 4, luego el evetno1 se conecta con H.
Se evalan las alternativas de conexin con H y 1, H se conecta con 7 distancias (8), con 4
distancias (7) y el evento 1 se conecta con 3 distancias (1) y con 2 distancias (6), la de
menor distancia es 1 con evento 3 se conectan ambos.
Se evalan las alternativas de conexin con H ,1 y 3, el evento H se conecta con 7 distancia

(8) y con 4 distancia (7); el evento 1 se conecta con 2 distancia (6) y el evento 3 con 4
distancia (1) y con 2 distancia (1), la de menor distancia es 1, existiendo dos alternativas de
conexin 3 con 4 o 3 con 2, se elige arbitrariamente cualquiera en nuestro caso elegimos 3
conectndose con 2.
34
Se sigue la misma secuencia, habindose conectado todos los eventos, la solucin es la

siguiente:
Eventos Distancia
Iteraciones Conectados No conectados Parcial Total
1 H 1234567 0 0
2 H1 234567 4 4
3 H13 24567 1 5
4 H132 4567 1 6
5 H1324 567 1 7
6 H13245 67 2 9
7 H132457 6 2 11
8 H1324576 1 12
3.3.- ALGORITMO DEL FLUJO MXIMO

1. Se identifica una trayectoria arbitraria de aumento encontrado alguna trayectoria
dirigida del nodo de origen al nodo destino en la red residual tal que cada arco
sobre esta trayectoria tiene capacidad residual estrictamente positiva. (Si no existe
una, los flujos netos ya asignados constituyen un patrn de flujo ptimo).
2. Se identifica la capacidad de flujo mximo de dicha trayectoria (determina por

aquel tramos de menor capacidad).
3. La capacidad definida en 2, se resta a todos los tramos de la trayectoria .se regresa

la paso 1.
Al realizar el paso 1, con frecuencia habr varias alternativas de aumento entre las cuales se
podr escoger. La estrategia algortmica para elegir es importante para la eficiencia en las
aplicaciones a gran escala.
EJEMPLO: Determine el flujo mximo que debe que debe ingresar por la estacin 1 y salir
por la estacin 6.
35
Consideramos 1-3-5-6, Flujo mximo=2, restamos a toda la trayectoria el flujo mximo 2,

resultando la siguiente figura.
Consideramos 1-2-4-6, Flujo mximo=4, restamos a toda la trayectoria el flujo mximo 4,

resultando la siguiente figura.
36
Consideramos 1-3-2-4-6, Flujo mximo=2, restamos a toda la trayectoria el flujo mximo

2, resultando la siguiente figura.
Solucin optima
Flujo Mximo
Trayectoria
Iteraciones Parcial Total
1 1356 2 2
2 1246 4 6
3 13246 2 8
37

Tarea 2 - Métodos de Programación de Operaciones

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Tarea 2 - Métodos de Programación de Operaciones

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDAD NACIONAL DE SAN

Mtodos de Programacin AGUSTN

MACHACA ESCOBAR, JUDITH VALIA

TITO CHURATA, DMARIS GRALDINNE

1. PROGRAMACIN LINEAL ............................................................... 1

1.1.- MTODO GRFICO ....................................................................................................... 1

1.2.- MTODO SIMPLEX ....................................................................................................... 7

2.- MTODO DE TRANSPORTE ......................................................... 15

2.1.- DEFINICIN DEL MODELO DE TRANSPORTE ...................................................... 16

2.2.- MODELOS DE TRANSPORTE NO TRADICIONALES ............................................ 16

2.3.- ALGORITMO DE TRANSPORTE ............................................................................... 18

2.3.2.1.- Mtodo de la esquina noroeste ........................................................................ 21

3.- MODELOS DE REDES ................................................................. 26

3.1.- ALGORITMO DE LA RUTA MS CORTA ................................................................ 28

3.2.- ALGORITMO DEL RBOL DE EXTENSIN MNIMA ........................................... 33

3.3.- ALGORITMO DEL FLUJO MXIMO ......................................................................... 35

1.1.- MTODO GRFICO

Este consiste en representar cada una de las restricciones y encontrar en la medida de lo

Quedar determinada por las condiciones que muestra el problema, es decir:

Que existen restricciones o limitaciones de recursos que significan disponibilidades

La cantidad de pantalones a fabricar es desconocida como lo es la cantidad de

Por lo tanto podemos definir:

X1: nmero de pantalones

X2: nmero de chaquetas

Dado que X1 y X2 pueden tomar diferentes valores, reciben el nombre de variables.

1.1.2.- CONSTRUCCIN DEL MODELO

Estar determinada por:

1.1.2.1.- Funcin Objetivo

En este caso se trata de una funcin de utilidades que debe maximizarse.

Por ende, si se producen X1 unidades del producto pantalones y X2 del

El mximo de esta funcin objetivo estar sujeta a las restricciones o

1.1.2.2.- Restricciones estructurales

Estarn limitadas por las disponibilidades de recursos de los componentes

X1 + 1.5 X2 750 (disponibilidad del recurso algodn)

La restriccin de la disponibilidad del componente polister se sujetara a los

2 X1 + X2 1000 (disponibilidad del recurso polister)

1.1.2.3.- Restricciones de no negatividad

X1>=0, X2 >=0(no negatividad)

Esta restriccin se impone por que no tendra sentido una solucin

En el problema expuesto se muestra las caractersticas generales de los

Es necesario tener en cuenta que las mencionadas restricciones estructurales

1.1.3.- SOLUCIN DEL PROBLEMA

Desarrollo del mtodo grfico

Para el desarrollo del mtodo grafico vamos a tomar consideracin el ejemplo de

Para la aplicacin del mencionado mtodo seguiremos los siguientes pasos:

1. Formulacin del problema

3. Determinacin de los puntos de las rectas de restricciones

Los anteriores pasos mencionados se desarrollaran a continuacin:

PRIMER Y SEGUNDO PASO: Formulacin del problema y determinacin de la

TERCER PASO: Determinacin de los puntos de las rectas de restricciones

Se tiene que representar grficamente las restricciones. Al ser x 0 e X 2 0,

La determinacin de los puntos de las rectas de restriccin, la podemos realizar

De la inecuacin: X1 + 1.5 X2 750, supongamos que X1 =0, por ende el valor de

De la inecuacin: 2 X1 + X2 1000, supongamos que X1 =0, por ende el valor de

CUARTO PASO Determinacin del polgono de soluciones factibles

Resolvemos grficamente la inecuacin: x + 1.5y 750, para ello tomamos un

0 750 entonces el punto (0,0) se encuentra en el semiplano donde se cumple la

De modo anlogo resolvemos 2x + y 1000.

La zona de interseccin de las soluciones de las inecuaciones sera la solucin al

QUINTO PASO: Determinacin de una recta de la funcin objetivo

En consecuencia en este problema la solucin ptima se ubicara en los puntos 1, 2,

2x + 3y = 1500 x=0 (0, 500)

2x + 3y =1500; 2x + y = 1000 (375, 250)