Professional Documents
Culture Documents
2
5. El problema de flujo a costo mínimo (1)
Representación de la red
Considere una red (N, A), en donde N es el
conjunto de nodos y A es el conjunto de arcos.
3
5. El problema de flujo a costo mínimo (2)
4
5. El problema de flujo a costo mínimo (3)
5
5. El problema de flujo a costo mínimo (4)
Formulación
Minimizar Z = todos los arcos Cij Xij
sujeta a:
j Xij - k Xki = bi
para cada nodo i en la red
Iij Xij Sij
para cada arco en la red
Con Xij 0
6
5. El problema de flujo a costo mínimo (5)
7
5.1 Problema de transporte
Características
• Un nodo de oferta para cada origen
• Un nodo de demanda para cada destino
• Los arcos son dirigidos desde el nodo de oferta hasta
el nodo de demanda
• Como el problema de transporte no impone
restricciones de cota superior sobre las Xij
individuales, todas las Sij=
8
Ejemplo 1.6.- Executive Furniture
Corporation (1)
Fabrica escritorios de oficina en tres localidades:
Des Moines, Evansville y Fort Lauderdale.
9
Ejemplo 1.6.- Executive Furniture
Corporation (2)
Cleveland
Des Moines (200 unid.)
(100 unid.) requerimiento
capacidad
Albuquerque
(300 unid.) Evansville Boston
requerimiento (300 unid.) (200 unid.)
capacidad requerimiento
Ft. Lauderdale
(300 unid.)
capacidad 10
Ejemplo 1.6.- Executive Furniture
Corporation (3)
Un estimado de la capacidad de producción mensual en cada fábrica y un
estimado del número de escritorios que son necesarios casa mes en cada
almacén es mostrado en la siguiente figura.
300 unid.
100 unid. Des Moines Albuquerque
200 unid.
300 unid. Evansville Boston
200 unid.
300 unid. Fort Lauderdale Cleveland
11
Costos de transporte (1)
Los costos de fabricación (intis por escritorio) en cada fábrica son
iguales; los únicos costos pertinentes son los de envío de cada origen
a cada destino.
Los costos de envío son considerados constantes sin importar el
volumen enviado.
A (Destinos)
De (Orígenes)
Albuquerque Boston Cleveland
Des Moines 5.00 4.00 3.00
13
Costos unitarios de envío:
De fábrica a almacén
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
(D)
Evansville 8 4 3
(E)
9 7 5
Fort
Lauderdale (F)
Requerimientos de
almacén
14
Demanda Total y Capacidad Total
Des Moines
100
(D)
Evansville
300
(E)
Fort
300
Lauderdale (F)
Requerimientos de
almacén 300 200 200 700
15
Tabla de Transporte
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100
(D)
Evansville 8 4 3
300
(E)
9 7 5
Fort
300
Lauderdale (F)
Requerimientos de
almacén
300 200 200 700
16
Regla de la esquina noroeste para
obtener una solución inicial (1)
Comenzar en la esquina superior izquierda (o esquina
noroeste) de la tabla y asignar unidades a las rutas de
envío como sigue:
1. Agotar la demanda (capacidad de la fábrica) en cada fila
antes de descender a la fila siguiente.
2. Agotar los requerimientos (almacén) de cada columna antes
de continuar hacia la derecha a la siguiente columna.
3. Comprobar que todas las ofertas y demandas se satisfagan.
17
Regla de la esquina noroeste para
obtener una solución inicial (2)
1. Comenzar en la esquina superior izquierda, asignar 100 unidades de
Des Moines a Albuquerque.
• Esto consume la capacidad u oferta de la fábrica de Des Moines.
• Pero aún le faltan 200 escritorios a Albuquerque.
• A continuación, se desciende a la segunda fila en la misma
columna.
2. Asignar 200 unidades de Evansville a Albuquerque.
• Esta cantidad satisface la demanda de Albuquerque para un total de
300 escritorios.
• La fábrica Evansville tiene 100 unidades sobrantes, entonces nos
movemos a la derecha hacia la siguiente columna de la segunda
fila.
18
Regla de la esquina noroeste para
obtener una solución inicial (3)
3. Asignar 100 unidades de Evansville a Boston.
• La oferta de Evansville se agotó, pero al almacén de Boston aún le
faltan 100 escritorios.
• En este punto se desciende verticalmente en la columna Boston a
la siguiente fila.
4. Asignar 100 unidades de Fort Lauderdale a Boston.
• Esta cantidad satisface la demanda de Boston para un total de 200
unidades.
• Note que la fábrica de Fort Lauderdale aún tiene 200 unidades
disponibles que todavía no ha enviado.
19
Regla de la esquina noroeste para
obtener una solución inicial (4)
5. Asignar 200 unidades de Fort Lauderdale a Cleveland.
• Este movimiento final satisface a la demanda de Cleveland y
agota la oferta de Fort Lauderdale.
• Esto sucede siempre con un problema balanceado.
• El programa inicial de envíos ya está completo.
20
Regla de la esquina noroeste para
obtener una solución inicial (5)
Esta solución es factible puesto que todas las restricciones de
oferta y demanda se satisfacen.
• Esta debe ser evaluada para ver si es óptima.
• Calcule un índice de mejora por cada celda vacía con el
método de salto de piedra en piedra o MODI.
• Si estos procedimientos indican que es posible una mejor
solución, se utiliza el trayecto de salto de piedra en piedra
para ir de esta solución a soluciones mejoradas hasta que
se encuentra una que sea óptima.
21
Regla de la esquina noroeste para
obtener una solución inicial (6)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
200 100 300
(E)
9 7 5
Fort 200
100 300
Lauderdale (F)
Requerimientos de
almacén
300 200 200 700
22
Regla de la esquina noroeste para
obtener una solución inicial (7)
23
Método del salto de piedra en piedra para
resolver problemas de transporte (1)
1. Seleccionar un cuadro no utilizado que será evaluado.
2. Comenzar en este cuadro. Trazar un trayecto cerrado de
regreso al cuadro original vía aquellos cuadros que actualmente
se utilizan (moverse en sentido antihorario sólo con
desplazamientos horizontales y verticales).
3. Iniciar con un signo mas (+) en el cuadro no utilizado, colocar
alternadamente signos menos (-) y signos mas (+) en cada
cuadro de esquina del trayecto que se acaba de trazar.
4. Calcular un índice de mejora mediante la suma de las cifras de
costo por unidad de cada cuadro que contenga un signo mas
(+) y luego restar los costos por unidad de cada cuadro que
contiene el signo menos (-).
24
Método del salto de piedra en piedra para
resolver problemas de transporte (2)
5. Repetir los pasos 1 a 4 hasta que se haya calculado un índice de
mejora para todos los cuadros no utilizados.
• Si todos los índices calculados son más grandes que o iguales
a cero, se llegó a una solución óptima.
• Sino, es posible mejorar la solución actual y disminuir los
costos totales de envío.
25
Método del salto de piedra en piedra (Des
Moines-Boston)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Requerimientos de
almacén
300 200 200 700
Índice: +4-5+8-4 = +3 26
Método del salto de piedra en piedra (Des
Moines-Cleveland)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Requerimientos de
almacén
300 200 200 700
Índice: +3-5+8-4+7-5 = +4 27
Método del salto de piedra en piedra
(Evansville-Cleveland)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 Inicio 3
200 100 300
(E) - +
9 7 5
Fort 200
100 300
Lauderdale (F) + -
Requerimientos de
almacén
300 200 200 700
Índice: +3-4+7-5 = +1 28
Método del salto de piedra en piedra (Fort
Lauderdale-Albuquerque)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
200 100 300
(E) - +
Fort Inicio 9 7 5
100 200 300
Lauderdale (F) + -
Requerimientos de
almacén
300 200 200 700
Índice: +9-7+4-8 = -2 OK 29
Método del salto de piedra en piedra:
Segunda solución (1)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
100 200 300
(E)
9 7 5
Fort 200
100 300
Lauderdale (F)
Requerimientos de
almacén
300 200 200 700
30
Método del salto de piedra en piedra:
Segunda solución (2)
31
Método del salto de piedra en piedra (Des
Moines-Boston)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Requerimientos de
almacén
300 200 200 700
Índice: +4-5+8-4 = +3 32
Método del salto de piedra en piedra (Des
Moines-Cleveland)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Fort + 9 7
- 200
5
100 300
Lauderdale (F)
Requerimientos de
almacén
300 200 200 700
Índice: +3-5+9-5 = +2 33
Método del salto de piedra en piedra
(Evansville-Cleveland)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 Inicio 3
200 300
(E) - 100
+
9 7 5
Fort 200 300
Lauderdale (F) + 100
-
Requerimientos de
almacén
300 200 200 700
Índice: +3-8+9-5 = -1 OK 34
Método del salto de piedra en piedra (Fort
Lauderdale-Boston)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
100 200 300
(E) + -
Fort 9 Inicio 7 5
Lauderdale (F) - 100
+
200 300
Requerimientos de
almacén
300 200 200 700
Índice: +7-4+8-9 = +2 35
Método del salto de piedra en piedra:
Tercera solución (1)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
200 100 300
(E)
9 7 5
Fort 100
200 300
Lauderdale (F)
Requerimientos de
almacén
300 200 200 700
36
Método del salto de piedra en piedra:
Tercera solución (2)
37
Método del salto de piedra en piedra (Des
Moines-Boston)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Requerimientos de
almacén
300 200 200 700
Índice: +4-5+9-5+3-4 = +2 38
Método del salto de piedra en piedra (Des
Moines-Cleveland)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Requerimientos de
almacén
300 200 200 700
Índice: +3-5+9-5 = +2 39
Método del salto de piedra en piedra
(Evansville-Albuquerque)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 100
(D)
Evansville Inicio 8 4 3
(E) + 200
- 100 300
9 7 5
Fort 100
200 300
Lauderdale (F) - +
Requerimientos de
almacén
300 200 200 700
Índice: +8-9+5-3 = +1 40
Método del salto de piedra en piedra (Fort
Lauderdale-Boston)
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
200
300
(E) - + 100
Fort 9 Inicio 7 5
200 100 300
Lauderdale (F) + -
Requerimientos de
almacén
300 200 200 700
Índice: +7-5+3-4 = +1 41
Método del salto de piedra en piedra:
Solución Óptima
42
Método de distribución modificada
para resolver problemas de
transporte (1)
El método de distribución modificada (MODI) permite calcular
índices de mejora con rapidez para cada cuadro no utilizado sin
tener que dibujar todos los caminos cerrados.
Debido a esta característica, con frecuencia se puede ahorrar un
tiempo considerable con respecto al método de salto de piedra
en piedra cuando se deben resolver problemas de transporte.
Para aplicar el método MODI se comienza con una solución
inicial.
43
Método de distribución modificada
para resolver problemas de
transporte (2)
Pero ahora hay que calcular el valor de cada fila (llámense
U1, U2, U3 si hay tres filas) y de cada columna (V1, V2, V3 si
hay tres columnas) en la tabla de transporte.
Los costos de envío del origen i al destino j se denominan Cij.
El valor asignado a la fila i se denomina Ui.
El valor asignado a la columna j se denomina Vj.
44
Método de distribución modificada
para resolver problemas de
transporte (3)
1. Calcule los valores de cada fila y cada columna: hágase Ui +
Vj = Cij para aquellos cuadros ocupados.
2. Después de escribir todas las ecuaciones, haga U1 = 0.
3. Resuelva el sistema de ecuaciones para los valores de Ui y
Vj.
4. Calcule el índice de mejora para cada cuadro no utilizado
mediante la fórmula: Iij = Cij - Ui - Vj
5. Seleccione el mejor índice negativo y proceda a resolver el
problema como se hizo con el método de salto de piedra en
piedra.
45
Método MODI: Solución Inicial (1)
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
200 100 300
(E)
9 7 5
Fort 200
100 300
Lauderdale (F)
Requerimientos de
almacén
300 200 200 700
46
Método MODI: Solución Inicial (2)
47
Método MODI: Solución Inicial (3)
Ecuaciones
U1 + V1 = 5
U2 + V1 = 8
U2 + V2 = 4
U3 + V2 = 7
U3 + V3 = 5
49
Método MODI: Solución Inicial (5)
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
200 100 300
(E) - +
Fort Inicio 9 7 5
100 200 300
Lauderdale (F) + -
Requerimientos de
almacén
300 200 200 700
50
Método MODI: Segunda solución (1)
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
100 200 300
(E)
9 7 5
Fort 200
100 300
Lauderdale (F)
Requerimientos de
almacén
300 200 200 700
51
Método MODI: Segunda solución (2)
52
Método MODI: Segunda solución (3)
Ecuaciones
U1 + V1 = 5
U2 + V1 = 8
U2 + V2 = 4
U3 + V1 = 9
U3 + V3 = 5
54
Método MODI: Segunda solución (5)
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 Inicio 3
200 300
(E) - 100
+
9 7 5
Fort 200 300
Lauderdale (F) + 100
-
Requerimientos de
almacén
300 200 200 700
55
Método MODI: Tercera solución (1)
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
200 100 300
(E)
9 7 5
Fort 100
200 300
Lauderdale (F)
Requerimientos de
almacén
300 200 200 700
56
Método MODI: Tercera solución (2)
57
Método MODI: Tercera solución (3)
Ecuaciones
U1 + V1 = 5
U2 + V2 = 4
U2 + V3 = 3
U3 + V1 = 9
U3 + V3 = 5
59
Método MODI: Solución óptima
60
Método de aproximación de Vogel para
obtener un solución inicial (1)
El método de aproximación de Vogel (VAM) no es tan simple
como el método de la esquina noroeste, pero permite obtener
una muy buena solución inicial, que usualmente es solución
óptima.
VAM aborda el problema de encontrar una buena solución
inicial bajo la premisa de tomar en cuenta los costos asociados
con cada ruta alternativa.
• Esto es algo que la regla de la esquina noroeste no hace.
Para aplicar VAM, primero se calcula para cada fila y columna
la penalización que se deberá enfrentar si se envía por la
segunda mejor ruta en lugar de hacerlo por la de costo mínimo.
61
Método de aproximación de Vogel para
obtener un solución inicial (2)
1. Para cada fila y columna, encontrar la diferencia entre los dos
costos más bajos.
Costo de oportunidad
2. Encontrar el costo de oportunidad más grande.
3. Asignar tantas unidades como sea posible al cuadro en la fila
o columna con el mayor costo de oportunidad.
4. Eliminar cualquier fila o columna que acaba de ser satisfecha.
5. Recalcular las diferencias de costos en las filas restantes
6. Regresar al paso 2 y repetir los pasos hasta obtener una
solución inicial factible.
62
Método de aproximación de Vogel para
obtener un solución inicial (3)
Costos de
3 0 0
oportunidad
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 1
(D)
8 4 3
Evansville
300 1
(E)
9 7 5
Fort 2
300
Lauderdale (F)
Requerimientos de
almacén
300 200 200
63
Método de aproximación de Vogel para
obtener un solución inicial (4)
Costos de
3 0 0
oportunidad
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 0 0 0 1
(D)
8 4 3
Evansville
300 1
(E)
9 7 5
Fort 2
300
Lauderdale (F)
Requerimientos de
almacén
200 200 200
64
Método de aproximación de Vogel para
obtener un solución inicial (5)
Costos de
1 3 2
oportunidad
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 0 0 0
(D)
8 4 3
Evansville
300 1
(E)
9 7 5
Fort 2
300
Lauderdale (F)
Requerimientos de
almacén
200 200 200
65
Método de aproximación de Vogel para
obtener un solución inicial (6)
Costos de
1 3 2
oportunidad
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 0 0 0
(D)
8 4 3
Evansville
200 100 1
(E)
9 7 5
Fort 2
0 300
Lauderdale (F)
Requerimientos de
almacén
200 0 200
66
Método de aproximación de Vogel para
obtener un solución inicial (7)
Costos de
1 2
oportunidad
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 0 0 0
(D)
8 4 3
Evansville
200 100 5
(E)
9 7 5
Fort 4
0 300
Lauderdale (F)
Requerimientos de
almacén
200 0 200
67
Método de aproximación de Vogel para
obtener un solución inicial (8)
Costos de
1 2
oportunidad
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 0 0 0
(D)
8 4 3
Evansville
0 200 100 0 5
(E)
9 7 5
Fort 4
0 300
Lauderdale (F)
Requerimientos de
almacén
200 0 100
68
Método de aproximación de Vogel para
obtener un solución inicial (9)
Costos de
0 0
oportunidad
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 0 0 0
(D)
Evansville 8 4 3
0 200 100 0
(E)
9 7 5
Fort 4
0 300
Lauderdale (F)
Requerimientos de
almacén
200 0 100
69
Método de aproximación de Vogel para
obtener un solución inicial (10)
Costos de
0 0
oportunidad
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 0 0 0
(D)
Evansville 8 4 3
0 200 100 0
(E)
9 7 5
Fort 4
0 100 200
Lauderdale (F)
Requerimientos de
almacén
200 0 0
70
Método de aproximación de Vogel para
obtener un solución inicial (11)
Costos de
0
oportunidad
Albuquerque Boston Cleveland
Capacidad
(A) (B) (C) de fábrica
Des Moines 5 4 3
100 0 0 0
(D)
Evansville 8 4 3
0 200 100 0
(E)
9 7 5
Fort 0
200 0 100 0
Lauderdale (F)
Requerimientos de
almacén
0 0 0
71
Método MODI: Solución inicial (1)
Ecuaciones
U1 + V1 = 5
U2 + V2 = 4
U2 + V3 = 3
U3 + V1 = 9
U3 + V3 = 5
72
Método MODI: Solución inicial (2)
Índices de Mejora (Iij = Cij - Ui - Vj )
Des Moines - Boston:
I12 = 4 – 0 – 2 = +2
Des Moines - Cleveland:
I13 = 3 – 0 – 1 = +2
Evansville - Albuquerque:
I21 = 8 – 2 – 5 = +1
Fort Lauderdale - Boston:
I32 = 7 – 4 – 2 = +1
73
Método MODI: Solución óptima
74
Casos especiales en el problema de
Transporte
Problema desbalanceado
• Demanda menor que la oferta
• Demanda mayor que la oferta
Degeneración
Más de una solución óptima
Rutas prohibidas o inaceptables
75
Problemas de transporte
desbalanceados (1)
En los problemas de la vida real, la demanda total no es
igual a la oferta total
Estos problemas desbalanceados pueden ser manejados con
facilidad usando orígenes ficticios o destinos ficticios.
Si la oferta total es mayor que la demanda total, un destino
ficticio (almacén), con demanda exactamente igual al
excedente, es creado.
Si la demanda total es mayor que la oferta total, un origen
ficticio (fábrica) con una oferta igual al exceso de demanda
sobre la oferta, es creado.
76
Problemas de transporte
desbalanceados (2)
En cualquiera de los dos casos, se asignan coeficientes de
cero al costo de envío a cada localidad o ruta ficticia.
Cualquier cantidad de unidades asignadas a un destino
ficticio representa una capacidad excedente y la asignada a
un origen ficticio representan una demanda no satisfecha.
77
Problema desbalanceado con
demanda menor que oferta
Cliente 1 Cliente 2 Cliente Capacidad
ficticio de fábrica
8 5 0
Fábrica 1 170
Fábrica 2 15 10 0
130
Fábrica 3 7 8 0
80
Requerimientos
del cliente 150 80 150 380
78
Problema desbalanceado con oferta
menor que demanda
Capacidad
Cliente 1 Cliente 2 Cliente 3 de fábrica
8 5 16
Fábrica 1 170
Fábrica 2 15 10 7
130
Fábrica ficticia 0 0 0
80
Requerimientos
del cliente 150 80 150 380
79
Degeneración (1)
La degeneración ocurre cuando el número de cuadros
ocupados en una tabla solución de transporte es menor que el
número de filas mas el número de columnas menos 1.
• # cuadros ocupados = # filas + # columnas – 1
Una situación así puede ocurrir en la solución inicial o en
cualquier solución subsiguiente.
• La degeneración requiere un procedimiento especial para corregir el
problema.
Sin suficientes cuadros ocupados para trazar un trayecto
cerrado por cada ruta que no se utiliza, sería imposible aplicar
el método de salto de piedra en piedra o calcular los valores
de U y V necesarios para la técnica MODI.
80
Degeneración (2)
Para manejar problemas degenerados se crea una celda
artificial ocupada.
Esto es, se coloca un cero (representa un envío ficticio)
en uno de los cuadros no utilizados y luego se procede
como si estuviera ocupado.
El cuadro seleccionado debe estar en una situación que
permita que todos los trayectos del salto de piedra en
piedra se cierren.
Usualmente hay una buena cantidad de flexibilidad al
seleccionar el cuadro no utilizado que recibirá cero.
81
Degeneración (3)
Cliente 1 Cliente 2 Cliente 3 Oferta del
almacén
100 8 2 6
Almacén 1
100
0 10 100 9 20 9
Almacén 2
120
Almacén 3 7 10 80 7
80
Demanda
del cliente 100 100 100 300
82
Más de una solución óptima (1)
Como con los problemas de PL, es posible que un problema de
transporte tenga soluciones múltiples.
Tal situación se da cuando uno o más de los índices de mejora
que se calcularon para cada uno de los cuadros no utilizados es
cero en la solución óptima.
• Esto indica que es posible diseñar rutas de envío alternativas con el
mismo costo de envío total.
La solución óptima alternativa se encuentra mediante el envío
de la mayor cantidad posible a este cuadro no utilizado usando
el trayecto de salto de piedra en piedra.
En términos prácticos, las soluciones óptimas múltiples otorgan
a la administración una mayor flexibilidad para seleccionar y
utilizar los recursos.
83
Más de una solución óptima (2)
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
200 100 300
(E)
10 7 6
Fort 100
200 300
Lauderdale (F)
Requerimientos
de almacén 300 200 200 700
84
Más de una solución óptima (3)
Ecuaciones
U1 + V1 = 5
U2 + V2 = 4
U2 + V3 = 3
U3 + V1 = 10
U3 + V3 = 6
86
Más de una solución óptima (5)
Solución Óptima 1
Origen Destino Unidades Costo (intis Costo total
enviadas por unidad) (intis)
D A 100 5 500
E B 200 4 800
E C 100 3 300
F A 200 10 2,000
F C 100 6 600
Costo total 4,200
87
Más de una solución óptima (6)
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
200 300
(E) - + 100
Fort 10 Inicio 7 6
200 100 300
Lauderdale (F) + -
Requerimientos
de almacén 300 200 200 700
88
Más de una solución óptima (7)
Des Moines 5 4 3
100 100
(D)
Evansville 8 4 3
100 200 300
(E)
10 7 6
Fort
200 100 300
Lauderdale (F)
Requerimientos
de almacén 300 200 200 700
89
Más de una solución óptima (8)
Solución Óptima 2
Origen Destino Unidades Costo (intis Costo total
enviadas por unidad) (intis)
D A 100 5 500
E B 100 4 400
E C 200 3 600
F A 200 10 2,000
F B 100 7 700
Costo total 4,200
90
Rutas inaceptables o prohibidas (1)
En ocasiones existen problemas de transporte en los cuales
uno de los orígenes es incapaz de enviar una carga a uno o
más de los destinos.
• Cuando esto ocurre, se dice que se tiene una ruta inaceptable o
prohibida.
En un problema de minimización, a la ruta prohibida se le
asigna un costo muy alto para impedir que sea utilizada en la
solución óptima.
Después que este alto costo es colocado en la tabla de
transporte, el problema es resuelto usando las técnicas
mostradas.
En un problema de maximización, al costo muy alto se le asigna
un signo negativo, convirtiéndose en una utilidad muy mala.
91
Rutas inaceptables o prohibidas (2)
Des Moines 5 4 3
100
(D)
Evansville 8 1000 3
Ruta 300
(E) prohibida
Fort 9 7 1000
Ruta 300
Lauderdale (F)
prohibida
Requerimientos
de almacén 300 200 200 700
92
Problema de maximización en
transporte
Si el objetivo en un problema de transporte es maximizar la
utilidad, se requiere introducir un cambio mínimo en el algoritmo
de transporte.
Desde que el índice de mejora para una celda vacía indica
cómo cambiará el valor de la función objetivo si se coloca una
unidad en esa celda vacía,
• La solución óptima es alcanzada cuando todos los índices de mejora son
negativos o cero.
Si cualquier índice es positivo, la celda con el índice de mejora
más grande es seleccionada para ser llenado usando el método
de saldo de piedra en piedra.
Esta nueva solución es evaluada y el proceso continúa hasta
que ya no hay índices de mejora positivos.
93
5.2 Problema de transbordo
Características
• Un nodo de oferta para cada origen
• Un nodo de demanda para cada destino
• Un nodo intermedio para cada punto de transbordo
• Los arcos son dirigidos desde el nodo de oferta hasta el
nodo de demanda, pasando por los puntos de
transbordo que generen rutas factibles.
• Como el problema de transbordo no impone
restricciones de cota superior sobre las Xij individuales,
todas Sij =
94
Ejemplo 1.7.- Frosty Machine (1)
Toronto Chicago
Filadelfia
O1 = 800 unid.
D2 = 350 unid.
Detroit Búfalo
San Luis
O2 = 700 unid.
D3 = 300 unid.
95
Ejemplo 1.7.- Frosty Machine (2)
Transbordo
Origen Chicago Búfalo
Toronto 4.00 7.00
Detroit 5.00 7.00
Destino
Transbordo Nueva York Filadelfia San Luis
Chicago 6.00 4.00 5.00
Búfalo 2.00 3.00 4.00
96
Ejemplo 1.7.- Frosty Machine (3)
A Chicago Búfalo Nueva Filadelfia San Luis Oferta
De York
Toronto 4 7 M M M 800
Detroit 5 7 M M M 700
Chicago 0 M 6 4 5 1500
Búfalo M 0 2 3 4 1500
97
Solución inicial (1)
Toronto 4 7 M M M 0 800
800 0 0 0 0 0
Detroit 5 7 M M M 0 700
300 0 0 0 0 400
Chicago 0 M 6 4 5 0 1500
400 0 450 350 300 0
Búfalo M 0 2 3 4 0 1500
0 1500 0 0 0 0
Demanda 1500 1500 450 350 300 400 4500
98
Solución inicial (2)
99
Solución óptima (1)
Toronto 4 7 M M M 0 800
650 150 0 0 0 0
Detroit 5 7 M M M 0 700
0 300 0 0 0 400
Chicago 0 M 6 4 5 0 1500
850 0 0 350 300 0
Búfalo M 0 2 3 4 0 1500
0 1050 450 0 0 0
Demanda 1500 1500 450 350 300 400 4500
100
Solución óptima (2)
101
Oferta en los nodos de
transbordo
Destino
Toronto Chicago
Filadelfia
O1 = 800 unid. O3 = 200 unid.
D2 = 350 unid.
Detroit Búfalo
San Luis
O2 = 700 unid.
D3 = 300 unid.
102
Solución inicial
A Chicago Búfalo Nueva Filadelfia San Luis Ficticio Oferta
De York
Toronto 4 7 M M M 0 800
800 0 0 0 0 0
Detroit 5 7 M M M 0 700
300 0 0 0 0 400
Chicago 0 M 6 4 5 0 1700
400 0 450 350 300 200
Búfalo M 0 2 3 4 0 1500
0 1500 0 0 0 0
Demanda 1500 1500 450 350 300 600 4700
103
Demanda en los nodos de
transbordo
Destino
Toronto Chicago
Filadelfia
O1 = 800 unid.
D2 = 350 unid.
Detroit Búfalo
San Luis
O2 = 700 unid. D4 = 200 unid.
D3 = 300 unid.
104
Solución inicial
Toronto 4 7 M M M 0 800
800 0 0 0 0 0
Detroit 5 7 M M M 0 700
300 200 0 0 0 200
Chicago 0 M 6 4 5 0 1500
400 0 450 350 300 0
Búfalo M 0 2 3 4 0 1500
0 1500 0 0 0 0
Demanda 1500 1700 450 350 300 200 4500
105
5.3 Problema de asignación
Características
Es un caso especial del problema de transporte, donde:
106
Método húngaro para resolver
problemas de asignación (1)
107
Método húngaro para resolver
problemas de asignación (2)
2. Probar la tabla resultante en el paso 1 para ver si
una asignación óptima puede ser hecha.
• El procedimiento es trazar el mínimo número de líneas
rectas verticales y horizontales necesarias para cubrir
todos los ceros que hay en la tabla.
• Si el número de líneas es igual al número de filas o
columnas de la tabla, una asignación óptima puede ser
hecha.
• Si el número de líneas es menor que el número de filas o
columnas, entonces se procede al paso 3.
108
Método húngaro para resolver
problemas de asignación (3)
109
Ejemplo 1.8.- Fix-It Shop
Costos (intis)
Proyecto
Persona 1 2 3
Adams 11 14 6
Brown 8 10 11
Cooper 9 12 7
110
Tabla de costos de oportunidad (1)
Proyecto
Persona 1 2 3
Adams 11 14 6
Brown 8 10 11
Cooper 9 12 7
111
Tabla de costos de oportunidad (2)
Proyecto
Persona 1 2 3
Adams 5 8 0
Brown 0 2 3
Cooper 2 5 0
Proyecto
Persona 1 2 3
Adams 5 8 0
Brown 0 2 3
Cooper 2 5 0
113
Tabla de costos de oportunidad (4)
Proyecto
Persona 1 2 3
Adams 5 6 0
Brown 0 0 3
Cooper 2 3 0
Proyecto
Persona 1 2 3
Adams 5 6 0
Brown 0 0 3
Cooper 2 3 0
Prueba de optimalidad
115
Revisión de la tabla (1)
Proyecto
Persona 1 2 3
Adams 5 6 0
Brown 0 0 3
Cooper 2 3 0
Proyecto
Persona 1 2 3
Adams 3 4 0
Brown 0 0 5
Cooper 0 1 0
Restar el mínimo costo de los demás costos
no rayados; y sumarlo a los costos
doblemente rayados
117
Revisión de la tabla (3)
Proyecto
Persona 1 2 3
Adams 3 4 0
Brown 0 0 5
Cooper 0 1 0
Prueba de optimalidad OK
118
Solución óptima (1)
Proyecto
Persona 1 2 3
Adams 3 4 0
Brown 0 0 5
Cooper 0 1 0
119
Solución óptima (2)
Asignación Costos
(intis)
Adams al proyecto 3 6
Brown al proyecto 2 10
Cooper al proyecto 1 9
Costo total 25
120
Problemas de asignación
desbalanceados (1)
Con frecuencia el número de personas u objetos que
deben ser asignados no es igual al número de tareas,
clientes o máquinas que aparecen en las columnas, y
el problema es desbalanceado.
• Cuando esto ocurre y se tienen más filas que columnas,
simplemente se agrega una columna ficticia o tarea (similar a
como los problemas de transporte fueron tratados).
121
Problemas de asignación
desbalanceados (2)
Si el número de tareas que tienen que ser realizadas
es mayor que el número de personas disponibles se
inserta una fila ficticia.
• Esto crea una tabla de dimensiones iguales y permite
resolver el problema como antes.
Debido a que la tarea o persona ficticia en realidad no
existen, es razonable ingresar ceros en su fila o
columna como estimación de costos o tiempo.
122
Problemas desbalanceados con más
personas que proyectos
Proyecto
Persona 1 2 3 Ficticio
Adams 11 14 6 0
Brown 8 10 11 0
Cooper 9 12 7 0
David 10 13 8 0
123
Problemas desbalanceados con más
proyectos que personas
Proyecto
Persona 1 2 3 4
Adams 11 14 6 7
Brown 8 10 11 8
Cooper 9 12 7 9
Ficticio 0 0 0 0
124
Problema de maximización de
asignación (1)
Algunos problemas de asignación son planteados en
términos de maximizar la recompensa, utilidad, o
eficacia de una asignación en lugar de minimizar los
costos.
Es fácil obtener un problema de minimización
equivalente convirtiendo todos los números de la tabla
en costos de oportunidad.
• Esta tarea se realiza restando cada número de la tabla de
ganancias original del número más grande que hay en la
tabla.
125
Problema de maximización de
asignación (2)
Los datos de entrada transformados representan
costos de oportunidad:
• Resulta que la minimización de los costos de oportunidad
produce la misma asignación que el problema original.
Una vez que se ha alcanzado la solución óptima para
este problema transformado, la ganancia o utilidad
total es encontrada mediante la suma de las ganancias
originales de las celdas que se encuentran en la
asignación óptima.
126