You are on page 1of 29

4. Redes de distribucin 4.

1 Red de distribucin Las tcnicas de flujo de redes estn orientadas a optimizar situaciones vinculadas a las redes de transporte, redes de comunicacin, sistema de vuelos de los aeropuertos, rutas de navegacin de los cruceros, estaciones de bombeo que transportan fluidos a travs de tuberas, rutas entre ciudades, redes de conductos y todas aquellas situaciones que puedan representarse mediante una red donde los nodos representan las estaciones o las ciudades, los arcos los caminos, las lneas areas, los cables, las tuberas y el flujo lo representan los camiones, mensajes y fluidos que pasan por la red. Con el objetivo de encontrar la ruta ms corta si es una red de caminos o enviar el mximo fluido si es una red de tuberas. Cuando se trata de encontrar el camino ms corto entre un origen y un destino, la tcnica, algoritmo o el modelo adecuado es el de la ruta ms corta; aunque existen otros modelos de redes como el rbol de expansin mnima, flujo mximo y flujo de costo mnimo cada uno abarca un problema en particular. Modelar una red requiere el tratamiento de una gran cantidad de informacin. Con los avances tanto de la computacin como de las tcnicas de anlisis de redes, el problema de incluir todas las lneas que en realidad se presentan en la red, se elimina. Sin embargo persiste la necesidad de la precisin de los datos de entrada para que la fiabilidad del modelo se asegure. Incluir toda la red en el modelo supone modelar hasta las acometidas de los edificios, cuya informacin es tan difcil de modelar como imprecisa. As, si la opcin es desarrollar un modelo estratgico de la red, el grado de detalle deber relegarse a un nmero de lneas y nudos cuyo comportamiento sea equivalente al de todo el sistema. Una parte importante de los campos de toma de decisiones ser cmo realizar esta simplificacin. La modelacin hidrodinmica de la red de abastecimiento est muy ligada al tratamiento de la informacin que en ella se genera y a la propia resolucin de las ecuaciones del modelo hidrodinmico y de calidad en el caso de que lo haya. La Figura 1 describe someramente estas fases.

La Reco

pilacin de informacin es uno de los momentos clave en la confeccin del modelo matemtico. La disponibilidad y fiabilidad de los datos as como una herramienta adecuada para su tratamiento son cruciales para la buena modelacin. La informacin recopilada en el modelo hidrodinmico puede agruparse en: La esqueletizacin de la red consiste en la simplificacin de la misma (de forma coherente) para crear un modelo matemtico. Esto es necesario para que el nmero de lneas que aparecen sea tratable por el modelo y porque un nivel de detalle excesivo puede ser contraproducente en el correcto tratamiento de la informacin proveniente del modelo. Una vez realzado este proceso, disponemos de lo que se llama un modelo provisional. Este modelo no se convierte en una herramienta de trabajo o en un modelo definitivo hasta que no se calibra El proceso de calibracin proporcionar los valores de ciertos parmetros que podemos controlar en la modelacin pero que son difciles de medir (como rugosidades o dimetros interiores, o curvas de modulacin de los consumos) con objeto de que las predicciones del modelo se asemejen al mximo a las mediciones realizadas. Considerando que tambin las mediciones tienen un error inherente (lo que determina unos ciertos mrgenes de confianza), deberemos proceder al ajuste. Como ya se ha visto, estos datos posiblemente errneos o imprecisos confieren al tratamiento del modelo una incertidumbre que debe ser tratada numricamente de forma adecuada.

4.2 E l 1

problema de la transportacin En matemticas y economa, un problema de transporte es un caso particular de problema de programacin lineal en el cual se debe minimizar el coste del abastecimiento a una serie de puntos de demanda a partir de un grupo de puntos de oferta posiblemente de distinto nmero, teniendo en cuenta los distintos precios de envo de cada punto de oferta a cada punto de demanda. El modelo de transporte busca determinar un plan de transporte de una mercanca de varias fuentes a varios destinos. Los datos del modelo son: 1. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino. 2. El costo de transporte unitario de la mercanca a cada destino. Como solo hay una mercanca un destino puede recibir su demanda de una o ms fuentes. El objetivo del modelo es el de determinar la cantidad que se enviar de cada fuente a cada destino, tal que se minimice el costo del transporte total. La suposicin bsica del modelo es que el costo del transporte en una ruta es directamente proporcional al nmero de unidades transportadas. La definicin de unidad de transporte variar dependiendo de la mercanca que se transporte. El esquema siguiente representa el modelo de transporte como una red con m fuentes y n destinos. Una fuente o un destino est representado por un nodo, el arco que une fuente y un destino representa la ruta por la cual se transporta la mercanca. La cantidad de la oferta en la fuente i es ai, y la demanda en el destino j es bj. El costo de transporte unitario entre la fuente i y el destino j es Cij. Si Xi j representa la cantidad transportada desde la fuente i al destino j, entonces, el modelo general de PL que representa el modelo de transporte es:

Minimiza Sujeta a:

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

S j=1 n X i j <= ai, i=1, 2, m S i=1 m X I j >= bj, j=1, 2,, n X i j >=0 para todas las i y j El primer conjunto de restricciones estipula que la suma de los envos desde una fuente no puede ser mayor que su oferta; en forma anloga, el segundo conjunto requiere que la suma de los envos a un destino satisfaga su demanda.

El modelo que se acaba de escribir implica que la oferta total Si=1 m ai debe ser cuando menos igual a la demanda total Sj=1 n bj. Cuando la oferta total es igual a la demanda total, la formulacin resultante recibe el nombre de modelo de transporte equilibrado. Este difiere del modelo solo en el hecho de que todas las restricciones son ecuaciones, es decir: SX i j = ai, i=1, 2,, m SX i j = bj, j=1,2,, n En el mundo real, no necesariamente la oferta debe ser igual a la demanda o mayor que ella. Sin embargo, un modelo de transporte siempre puede equilibrarse. El equilibrio, adems de su utilidad en la representacin a travs de modelos de ciertas situaciones prcticas, es importante para el desarrollo del mtodo de solucin que explote completamente la estructura especial del modelo de transporte. Los dos ejemplos que siguen presentan la idea del equilibrio y tambin sus implicaciones prcticas.

4.3 El algoritmo de la transportacin Conversin de un problema no equilibrado de transportacin Si la oferta total supera a la demanda total, se puede balancear el problema de transporte incorporando un punto de demanda artificial o dummy que tenga como demanda el excedente de oferta del problema. Como las asignaciones al punto artificial no son reales, se le asigna un costo unitario de cero. En general, el costo unitario no necesariamente debe ser igual a cero, basta con que tenga igual valor a todos los puntos de oferta disponibles de forma de no generar preferencias. Por simplicidad, se prefiere emplear cero.

Representacin grfica del problema no balanceado 3

Una forma ms prctica de representar un problema de transporte es mediante un tableau de transporte. Una celda donde la i y la columna j representa la variable xij. Se suele incorporar en la esquina superior derecha de cada celda, el costo unitario cij de la combinacin i - j. En general, el tableau queda:

Construyendo el tableau para el ejemplo anterior (caso balanceado), introduciendo la solucin ptima, se tiene:

En este caso se puede verificar que el problema est balanceado comprobando que la suma de la ltima columna y la suma de la ltima fila de la tabla es idntica. As como un problema de transporte puede no estar balanceado cuando la demanda es inferior a la oferta, tambin es posible que la demanda supere a la oferta. En este caso, se recurre a un punto de oferta artificial con valor de oferta equivalente a la diferencia entre oferta y demanda, de modo de balancear el problema. En la mayora de las situaciones, el hecho de no satisfacer totalmente la demanda puede significar algn tipo de costo. Por lo tanto, en estos casos el costo unitario de las casillas ficticias suele no ser cero y puede variar de un punto de demanda a otro. 4.4 Resolucin del Problema de Transporte Plan de embarque completo factible inicial 4

Consideremos un problema de transporte balanceado con m puntos de oferta y n puntos de demanda. De acuerdo a la formulacin vista anteriormente, el problema tendr m + n restricciones de igualdad. Para proceder a describir algunos mtodos para encontrar una primera solucin inicial, es importante observar que si un conjunto de valores para las variables xij satisface todas las restricciones salvo una, automticamente satisface la otra restriccin. Por ejemplo consideremos que en un ejemplo en el que se sabe que los valores de las variables satisfacen todas las restricciones, salvo la primera restriccin de oferta. Por lo tanto, los valores de las xij satisfacen d1 + d2 + d3 + d4 = 125 millones de [Unidades] y proveen s2 + s3 = 125 - s1 = 90 millones de [Unidades] de las plantas 2 y 3. Por lo tanto, la planta 1 debe proveer 125 (125 s1) = 35 millones de [Unidades], luego los valores de xij tambin satisfacen la primera restriccin de oferta. En lo sucesivo, para resolver el problema de transporte, consideraremos que se satisfacen m+n-1 restricciones, omitiendo alguna. En forma arbitraria, omitiremos la primera restriccin de oferta. Evidentemente, cualquier coleccin de m+n-1 variables no necesariamente es una solucin factible para el problema. Consideremos el siguiente problema de transporte (omitiremos los costos unitarios):

En forma matricial, las restricciones del problema de transporte balanceado anterior puede ser escrito de la siguiente forma:

Eliminando la primera restriccin de oferta el sistema se reduce a:

Como el sistema anterior tiene 4 restricciones y 6 variables posee infinitas soluciones, sin embargo, siempre tendr como solucin al menos 4 variables no nulas. Para obtener una solucin bsica factible en forma simple introduciremos el concepto de loop. Definicin 1 Un orden secuencial de al menos cuatro celdas distintas se denomina loop si: 1. Dos celdas consecutivas estn en la misma columna o en la misma fila. 2. No tiene tres celdas consecutivas en una misma columna o en una misma fila. 3. La ltima celda de la secuencia tiene una fila o columna comn con la primera celda de la secuencia. Las figuras siguientes muestran algunos tipos de loop en dos tableaux de transporte:

Las siguientes figuras muestran algunos ejemplos de secuencias de celdas que no conforman un loop, pues no satisfacen todas las condiciones.

Teorema 1: 6

En un problema de transporte balanceado con m puntos de oferta y n puntos de demanda, las celdas correspondientes a un conjunto de m + n - 1 variables no contienen un loop s y slo s las n + m - 1 variables constituyen una solucin inicial. El teorema anterior se desprende del hecho de que en un conjunto de m+n-1 celdas no contienen un loop s y slo s las m+n-1 columnas correspondientes a las celdas son linealmente independientes. Los mtodos ms empleados para obtener soluciones iniciales son: El mtodo de la Esquina Noroeste. El mtodo del Costo Mnimo. El mtodo de Vogel.

El Mtodo Simplex del Problema de Transporte A continuacin se expondrn los pasos para aplicar el mtodo Simplex para el problema de Transporte. Paso 1 Si el problema no est balanceado, balancearlo. Construir el tableau de transporte. Paso 2 Encontrar una solucin inicial factible por el mtodo de la Esquina Noroeste o el de Vogel. Verificar las m + n - 1 asignaciones y completarlas si es necesario. Paso 3 Plantear y resolver el sistema que se obtiene a travs de: Definir para cada fila del tableau la variable ui con (i = 1 m). Definir para cada columna del tableau la variable vj con (j = 1 n). Plantear para cada casilla asignada la ecuacin ui + vj = cij. Donde cij es el costo unitario asociado a la casilla i - j. Asignar un valor arbitrario a una de las variables, por ejemplo u1 = 0. Paso 4 Calcular en todas las casillas no asignadas (no bsicas) eij = cij - ui - vj. Si todos los eij 0 se ha encontrado el ptimo. S existe algn eij < 0, incorporar la variable con menor eij siempre y cuando pueda formar un loop, en dicho caso, asignar el mayor valor posible de modo de mantener las variables basales mayores o iguales a cero. Paso 5 Si la solucin no es la ptima, emplear la solucin del paso anterior para volver a plantear y resolver el sistema (Paso 3). Seguir al Paso 4. 7

La variable eij representa el aporte neto unitario de la incorporacin de la variable i - j a la base. Por lo tanto, si el problema es de maximizacin, la solucin ser ptima si todos los eij < 0. En caso contrario, se ingresa a la base la variable con mayor eij que pueda formar un loop. En el caso de que al emplear uno de los mtodos para obtener una solucin inicial falten dos o ms asignaciones para completar las m + n - 1 asignaciones requeridas, los ceros deben ser ubicados de tal forma que sea suficiente dar slo un valor arbitrario a las variables del sistema asociado a la asignacin para poder resolverlo completamente.

4.5 Variaciones del problema de transportacin Anlisis de Sensibilidad en Problemas de Transporte A continuacin se discutirn tres tipos de anlisis de sensibilidad de un problema de transporte: Variacin 1 Cambios en los coeficientes de la funcin objetivo de variables no bsicas. Variacin 2 Cambios en los coeficientes de la funcin objetivo de variables bsicas. Variacin 3 Incrementos en una oferta y en una demanda. Para ilustrar el anlisis de sensibilidad sobre la solucin ptima de un problema de transporte emplearemos la solucin obtenida en un ejemplo ficticio:

Variacin de Coeficientes en la Funcin Objetivo de Variables No Basales

En este caso, simplemente se impone una variacin en el coeficiente de la variable xij a modificar, estudiando el rango de variacin admisible de modo que el eij respectivo mantenga su signo. A modo de ejemplo, supongamos que se desea determinar a cunto debe disminuir el costo de envo desde la Planta 1 a la Ciudad 1 de modo de incorporar esta combinacin a la solucin ptima. En este caso, un cambio del coeficiente c11 = 8 a c11 = 8 - no afecta los valores de los ui y vj calculados previamente, por lo tanto: e11 = (8 - ) - 0 - 6 = 2 - Como corresponde a un problema de minimizacin, para que x11 entre a la base debe cumplirse que e11 0, es decir, 2. Por lo tanto, el costo debe disminuir a menos de 6 para que se incorpore a la solucin ptima. De todas formas, se debe verificar que la variable pueda generar un loop:

Por lo tanto la variable puede entrar a la base con valor de 25, el nuevo valor de la funcin objetivo sera:

Variacin de Coeficientes en la Funcin Objetivo de Variables Basales En este caso la situacin es ms compleja pues una variacin del coeficiente de una variable basal afectar el valor de los ui y los vj calculados previamente. En este caso, se debe volver a resolver el sistema en trminos de la variacin del coeficiente de la variable basal, volver a calcular los e ij y determinar el rango de variacin admisible. Supongamos por ejemplo que se desea determinar en cuanto podra aumentar el costo de envo desde la Planta 1 a la Ciudad 3 de modo de mantener la base ptima. En este caso, cambiamos c13 = 10 por c13 = 10 + y volvemos a resolver el sistema: 9

De esta forma, se obtiene:

Luego, calculamos los eij para todas las variables no basales y sus restricciones:

Por lo tanto, la base ptima se mantiene para un rango de variacin: - 2 2, o bien, 8 c13 12. Incrementos en una Oferta y en una Demanda Si tanto en alguna oferta si como en alguna demanda d j se produce un aumento de , se mantiene el balanceo del problema. En este caso, se demuestra que: znuevo = zoriginal + x ui + x vj La expresin anterior se obtiene a partir de que tanto los ui y los vj equivalen a menos el precio sombra de la restriccin asociada a cada origen i o destino j segn corresponda. 10

Por ejemplo, si la oferta de la Planta 1 y la demanda de la Ciudad 2 crece en una unidad, se tiene: znuevo = 1020 + 1 x 0 + 1 x 6 = 1026 Una vez definido el nuevo valor de la funcin objetivo, es importante determinar cmo cambian los valores de las variables. Para ello se siguen las siguientes reglas: 1. Si xij es una variable bsica, xij se incrementa en . 2. Si xij es una variable no bsica, se debe encontrar el loop que contenga a xij y algunas de las variables basales. Encontrar la primera celda de la fila i (distinta de xij) y aumentar su valor en . Continuar el loop, incrementando y disminuyendo en en forma alternada. Para ilustrar la primera situacin, supongamos que s1 y d2 aumentan en 2. Como x12 es una variable basal, el nuevo tableau ptimo queda:

El nuevo valor de la funcin objetivo es:

Para ilustrar la segunda situacin, supongamos que s1 y d1 aumentan en 1. Como x11 es una variable no basal, debemos determinar el loop que incorpora a la celda (1, 1). En este caso, el loop es (1, 1) - (1, 3) - (2, 3) - (2, 1). La primera celda del loop que est, en la fila i distinta de (1, 1) es (1, 3). Entonces, se debe agregar a x13. Continuando con el loop, se debe disminuir en x23 y volver a aumentar en a x21. El nuevo tableau ptimo se muestra a continuacin:

11

El nuevo valor de la funcin objetivo es:

4.6 El Problema de Transbordo Un problema de transporte permite slo envos directamente desde los puntos de origen a los puntos de demanda. En muchas situaciones, sin embargo, existe la posibilidad de hacer envos a travs de puntos intermedios (puntos de transbordo). En este caso se habla de un problema de transbordo. A continuacin veremos como la solucin a de problema de transbordo puede ser encontrada a travs de un problema de transporte. Definiremos los puntos de oferta como aquellos puntos desde donde slo se puede despachar unidades. Similarmente, un punto de demanda es un punto donde slo se pueden recibir unidades. Un punto de transbordo es punto que puede recibir y enviar unidades a otros puntos. Veamos un ejemplo: Una fbrica posee dos plantas de manufactura, una en Memphis y otra en Denver. La planta de Memphis puede producir hasta 150 unidades al da, la de Denver hasta 200 unidades al da. Los productos son enviados por avin a Los ngeles y Boston. En ambas ciudades, se requieren 130 unidades diarias. Existe una posibilidad de reducir costos enviando algunos productos en primer lugar a New York o a Chicago y luego a sus destinos finales. Los costos unitarios de cada tramo factible se ilustran en la siguiente tabla:

12

La fbrica desea satisfacer la demanda minimizando el costo total de envo. En este problema, Memphis y Denver son puntos de oferta de 150 y 200 unidades respectivamente. New York y Chicago son puntos de transbordo. Los ngeles y Boston son puntos de demanda de 130 unidades cada uno. Esquemticamente, la situacin se muestra en la siguiente figura. A continuacin construiremos un problema de transporte balanceado a partir del problema de transbordo. Para ello podemos seguir los siguientes pasos (suponiendo que la oferta excede a la demanda): Paso 1 Si es necesario, se debe agregar un punto de demanda dummy (con oferta 0 y demanda igual al excedente) para balancear el problema. Los costos de envo al punto dummy deben ser cero. Sea s la oferta total disponible. Paso 2 Construir un tableau de transporte siguiendo las siguientes reglas: Incluir una fila por cada punto de oferta y de transbordo. Incluir una columna por cada punto de demanda y de transbordo. Cada punto i de oferta debe poseer una oferta igual a su oferta original si. Cada punto de demanda j debe poseer una demanda igual a su demanda original dj. Cada punto de transbordo debe tener una oferta igual a su oferta original + s y una demanda igual a su demanda original + s. Como de antemano no se conoce la cantidad que transitar por cada punto de transbordo, la idea es asegurar que no se exceda su capacidad. Se agrega s a la oferta y a la demanda del punto de transbordo para no desbalancear el tableau.

13

Representacin grfica problema de transbordo

En el ejemplo, s = 150 + 200 = 350. La demanda total es 130 + 130 = 260. Luego, el punto dummy debe tener una demanda de 350 - 260 = 90. Como en el ejemplo los puntos de transbordo no tienen ni demanda ni oferta por s mismos, la oferta y demanda en el tableau deber ser igual a s. Una vez planteado el tableau, se pueden emplear los mtodos vistos anteriormente para obtener una solucin inicial factible y obtener la solucin ptima. En este caso el tableau queda (incluida la solucin ptima):

Para interpretar la solucin anterior, es preciso revisar cuidadosamente las combinaciones asignadas. De la primera fila, vemos que de Memphis slo se despacharon 130 unidades a New York del total de 150 disponibles, el excedente de 20 unidades est asignado al punto artificial. De la segunda fila se desprende que de Denver se enviaron 130 unidades a Boston del total de 200 disponibles, quedando 70 asignadas al punto dummy. En la tercera fila vemos que se enviaron desde el punto de transbordo en New York 130 unidades a Los ngeles. La asignacin de 220 de N.Y. a N.Y. significa que del total de unidades en trnsito, 220 no pasaron por dicho nodo de transbordo, o bien, que no se emplearon 220 unidades de la capacidad del punto. Finalmente, en la cuarta fila, la asignacin de 350 del punto de transbordo de Chicago a Chicago representa simplemente que 14

no se emple el punto de transbordo. Grficamente, la solucin ptima se muestra en la siguiente figura:

Representacin grfica solucin problema de transbordo.

4.7 El problema de asignacin Es uno de los problemas fundamentales de optimizacin combinatoria de la rama de optimizacin o investigacin de operaciones en matemticas. Una descripcin apropiada de lo que trata de lograr el modelo de asignacin es: La mejor persona para el trabajo El problema de asignacin tiene que ver con la designacin de tareas a empleados, de territorios a vendedores, de contratos a postores o de trabajos a plantas, etc. En otras palabras, a la disposicin de algunos recursos (maquinas o personas) para la realizacin de ciertos productos a 'costo mnimo.

Es un caso particular del problema de Transporte donde los asignados son recursos destinados a la realizacin de tareas, los asignados pueden ser personas, mquinas, vehculos, plantas o perodos de tiempo. En estos problemas la oferta en cada origen es de valor 1 y la demanda en cada destino es tambin de valor 1. En su forma ms general, el problema es como sigue: Hay un nmero de agentes y un nmero de tareas. Cualquier agente puede ser asignado para desarrollar cualquier tarea, contrayendo algn coste que puede variar dependiendo del agente y la tarea asignados. Es necesario para desarrollar todas las tareas asignar un solo agente a cada tarea para que el coste total del asignacin sea minimizado. 15

Este tipo de problemas son lineales, con una estructura de transporte, slo que la oferta en cada origen es de valor uno y la demanda en cada destino es tambin de valor uno. Sera muy ineficiente resolver este tipo de problemas por medio del mtodo simplex o por medio del de transporte. Debido a la estructura propia de los problemas de asignacin, existen mtodos de solucin llamados algoritmos de asignacin que son ms eficientes que el simplex o que el mtodo de transporte. Los problemas de asignacin presentan una estructura similar a los de transporte, pero con dos diferencias: asocian igual nmero de orgenes con igual nmero de demandas y las ofertas en cada origen es de valor uno, como lo es la demanda en cada destino. La restriccin importante para cada agente es que ser designado a una y solo una tarea.

Caractersticas El problema de asignacin presenta las siguientes caractersticas: El Problema de Asignacin debe estar equilibrado, es decir, que las ofertas y las demandas sean igual a 1. Un elemento importante para el problema de asignacin es la matriz de costos, si el nmero de renglones o columnas no son iguales el problema est desbalanceado y se puede obtener una solucin incorrecta, para obtener una solucin correcta la matriz debe ser cuadrada. Si el nmero de agentes y tareas son iguales y el coste total de la asignacin para todas las tareas es igual a la suma de los costes de cada agente (o la suma de los costes de cada tarea, que es lo mismo en este caso), entonces el problema es llamado problema de asignacin lineal. Normalmente, cuando hablamos de problema de asignacin sin ninguna matizacin adicional, nos referimos al problema de asignacin lineal. Oferta: Cantidad que representa la disponibilidad del artculo en la fuente/fbrica de donde proviene. Demanda: Cantidad de artculos que necesita recibir el destino para cumplir sus necesidades.

Diferencias entre el Modelo de Transporte y Asignacin

16

Los problemas de asignacin son un caso particular de los problemas de transporte y constituyen la clase mas sencilla de los problemas lineales, en el cual los trabajadores representan las fuentes y los puestos representan los destinos. En el problema de transporte existen 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 destino a origen) se puede hablar de un problema de 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 pude ser un punto de transbordo, es decir, cada origen puede evitar o transportar a otros orgenes o a distintos; 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. En los problemas de asignacin las ofertas en cada origen es de valor uno, como lo es la demanda en cada destino; una gran diferencia con respecto a los problemas de transporte.

Formas de representacin de un problema de asignacin Red. Modelo de programacin lineal. Matriz de costos. Tabla de transporte.

Asignacin Inicial Implica asignar nmeros a las celdas para satisfacer las restricciones de oferta y demanda. Para realizar esto se puede emplear alguno de estos mtodos: El mtodo de la esquina noroccidental, el mtodo de menor costo y el mtodo de aproximacin de Vogel.

Elementos del problema de asignacin Tabla de transporte: Otra forma de plantear el problema de transporte (recordemos que el problema de asignacin es un caso especial del de transporte) es mediante una tabla llamada tabla de transporte, la cual tiene forma de matriz 17

donde los renglones representan las fuentes y las columnas los destinos o trabajos. En las casillas que se encuentran en la esquina se colocan los coeficientes de costo. Una vez realizado esto, utilizamos alguno de los mtodos (vogel, esquina noroeste, costos mnimos) para obtener una solucin inicial. Donde no exista un coeficiente de costo se le anota una M.

Matriz de costos: Es una matriz cuadrada de n*n, donde cada elemento representa el costo de asignar el ensimo trabajador al ensimo trabajo; renglones = trabajadores. Es la tabla en donde, se identifica, se evala y se cuantifica los beneficios econmicos, costos y riesgos de los productos/servicios, despus de definir la necesidad el alcance y el alineamiento estratgico de los productos/servicios, en donde se evala el beneficio total de la propiedad (caractersticas), una vez creada la matriz se demuestra el valor econmico para la realizacin del producto o servicio correspondiente. Matriz de Costos Reducida Es la matriz que se obtiene despus de haber restado el elemento ms pequeo a cada rengln (reduccin de renglones) y restarle a esa nueva matriz el elemento ms pequeo a cada columna (reduccin de columnas). Distribucin ptima: Sean un conjunto de fragmentos F = {F1, F2,..., Fn} y una red formada por el conjunto de sitios S = {S1, S2,..., Sm} en la cual un conjunto de aplicaciones Q = {q1, q2,..., qq} se ejecutan. El problema de la asignacin implica encontrar la distribucin ptima de F sobre S. (multi) Mtodo simplex: Mtodo de solucin de los problemas de programacin lineal donde se obtiene una solucin factible y ptima (en donde se pueden obtener resultados como solucin mltiple, solucin no acotada, o que el problema no tenga solucin).

18

Solucin ptima: El conjunto de los vrtices del recinto se denomina conjunto de soluciones factibles bsicas y el vrtice donde se presenta la solucin ptima se llama solucin mxima (o mnima segn el caso).

Red Muchos problemas de redes son ms que una representacin abstracta de procesos o actividades, tales como el camino crtico en las actividades entre las redes de un proyecto. Para definir lo que es una red necesitaremos saber que es un nodo: Es uno de los elementos de una lista enlazada, de un rbol o de un grafo. Cada nodo ser una estructura o registro que dispondr de varios campos, y al menos uno de esos campos ser un puntero referencia a otro nodo, de forma que, conocido un nodo, a partir de esa referencia, ser posible en teora tener acceso a otros nodos de la estructura. Una red consiste en una serie de nodos enlazados con arcos (o ramas). La notacin para describir una red es (N, A), donde N es el conjunto de nodos y A es el conjunto de arcos.

Casos especiales Oferta y demanda desiguales. Cuando la oferta y la demanda son desiguales, se asigna una actividad ficticia con un costo de cero para mantener la condicin de mtodo que deben ser igual nmero de ofertas y demandas Problemas de maximizacin. Considere un problema de asignacin en el que la respuesta a cada asignacin es una utilidad en vez de un costo. Considere la matriz de utilidades del problema como la caracterstica nueva la cual consiste en que el nmero que aparece en cada celdilla representa un beneficio en lugar de un costo. Problemas con asignacin inaceptable. Supngase que se est resolviendo un problema de asignacin y que se sabe que ciertas asignaciones son inaceptables. Para alcanzar esta meta, simplemente asigna un costo arbitrariamente grande representado mediante la letra M. M es un nmero tan grande que si se le resta un nmero finito cualquiera, queda todava un valor mayor que los dems. 19

Problema de seleccin: Es un caso especial donde la funcin u objetivo es maximizar pero el problema se trata igual que una minimizacin al multiplicar por (1).

Mtodo de seleccin Cuando el problema de asignacin es de maximizacin se le llama problema de seleccin

Balanceado Se dice que un problema de asignacin se encuentra balanceado, si los recursos totales son iguales a las demandas totales, en caso contrario se dice que no est balanceado el problema. Adems en el modelo, m = n (obtener una matriz cuadrada), en donde m nmero de renglones y n es nmero de columnas. Para lograr que el modelo este balanceado se pueden agregar trabajadores/tareas ficticias con costos de cero.

Algoritmos y generalizaciones El algoritmo Hngaro es uno de los muchos algoritmos que han sido diseados para resolver el problema de la asignacin lineal con un tiempo acotado por una expresin polinmica del nmero de agentes. El problema de asignacin es un caso especial del problema del transportador, que es un caso especial del problema del flujo de coste mnimo. El problema de asignacin tambin puede ser resuelto por medio del algoritmo simplex (creado en 1947 por el matemtico George Dantzig). El mtodo del simplex se utiliza, sobre todo, para resolver problemas de programacin lineal en los que intervienen tres o ms variables, es un mtodo iterativo que permite ir mejorando la solucin en cada paso. Cada especializacin tiene algoritmos ms eficientes tomando ventaja de su estructura espacial. Si Xij=1 Si se asigna el trabajador i a la tarea j. Si Xij=0 No se asigna el trabajador i a la tarea j. Cij: Costo de asignar al trabajador i la tarea j. 20

Parmetro M: M es un nmero muy grande en los problemas de asignacin se utiliza para representar que al trabajador i no se le puede asignar la tarea j.

Modelo binario Problema Binario: Son los problemas en los cuales la variable Xij solo puede tomar valores de 0 y 1; el problema de asignacin es un problema binario. Es un modelo de programacin lineal donde en la solucin las variables slo pueden tomar los valores de cero o uno.

Teorema Fundamental de la Asignacin Si a todos los elementos de una fila o de una columna de una matriz de rendimientos se le suma o se le resta una cantidad constante la asignacin optima no vara. La definicin formal del problema de asignacin (o problema lineal de asignacin) es: Dados dos conjuntos, A y T. de igual tamao, juntos con una peso C: A T R. Encuentra una biyeccin f: A T como la funcin de costo:

est minimizada. Normalmente la funcin peso es vista como una matriz cuadrada de valores reales C, con lo que el coste de la funcin queda as:

El problema es "lineal" porque la funcin coste a optimizar as como todas las restricciones contienen solo trminos lineales.

21

Algoritmo para el Mtodo Hngaro Paso 1: Encontrar primero el elemento ms pequeo en cada fila de la matriz de costos m*m; se debe construir una nueva matriz al restar de cada costo el costo mnimo de cada fila; encontrar para esta nueva matriz, el costo mnimo en cada columna. A continuacin se debe construir una nueva matriz (denominada matriz de costos reducidos) al restar de cada costo el costo mnimo de su columna. Paso 2: Consiste en trazar el nmero mnimo de lneas (horizontales o verticales o ambas nicamente de esas maneras) que se requieren para cubrir todos los ceros en la matriz de costos reducidos; si se necesitan m lneas para cubrir todos los ceros, se tiene una solucin ptima entre los ceros cubiertos de la matriz. Si se requieren menos de m lneas para cubrir todos los ceros, se debe continuar con el paso 3. El nmero de lneas para cubrir los ceros es igual a la cantidad de asignaciones que hasta ese momento se pueden realizar (En algunos textos este paso se atribuye a Flood). Paso 3: Encontrar el menor elemento diferente de cero (llamado k) en la matriz de costos reducidos, que no est cubierto por las lneas dibujadas en el paso 2; a continuacin se debe restar k de cada elemento no cubierto de la matriz de costos reducidos y sumar k a cada elemento de la matriz de costos reducidos cubierto por dos lneas (intersecciones). Por ltimo se debe regresar al paso 2. Paso 4: En caso de no encontrar una solucin factible con los pasos anteriores aplicar entonces este: 1) Trace el nmero mnimo de lneas horizontales y verticales en la ltima matriz reducida que cubrir TODAS las entradas cero. 2) Selecciones el elemento no cubierto ms pequeo y rstelo de todos los elementos no cubiertos; despus, smelos a todos los elementos en la interseccin de dos lneas. 3) Si no es posible encontrar una asignacin factible entre las entradas cero resultantes, repita es paso. De lo contrario regres al paso 3 para determinar la asignacin ptima.

Caso especial al aplicar el Mtodo Hngaro cuando se trata de Maximizar Cuando hay que pasar de maximizar a minimizar en lugar de operar con el mayor de toda la matriz podemos ir tomando el mayor de cada fila o columna e ir restndole todos los elementos de esa fila o columna con lo cual conseguiremos de camino obtener por lo menos un cero como mnimo en cada fila o columna. Si en alguna columna no hubiera ceros le quitamos el mayor a la columna. 22

Algoritmo para el Mtodo de Flood Este mtodo es utilizado en aquellos casos donde no se ha podido hacer una asignacin ptima despus de haber realiza el mtodo hngaro. Paso 1: Sealar todas las filas que no tienen una asignacin. (Cuando se dice sealar puede ser una pequea X a la izquierda de la fila o arriba de la columna) Paso 2: Sealar todas las columnas que tengan un cero en la columna sealada. Paso 3: Sealar todas las filas que tienen una asignacin en las columnas indicadas. Paso 4: Repetir estos pasos hasta que no pueda sealarse ms columnas o filas. (No hay ms filas que no tengan asignacin) Dibujar una lnea por cada fila NO sealada y por cada columna SI sealada. Paso 5: Encontrar el mnimo valor de los elementos no cubiertos y restarlo a todos los elementos no cubiertos, y sumar este valor a cada elemento que se encuentre en la interseccin de una lnea horizontal con una lnea vertical. Paso 6: Realizar la asignacin como en el mtodo hngaro. 4.8 Clculo de reduccin de costos con el mtodo modi. Se trata de desarrollar la Fase C del algoritmo de transporte una vez finalizada la Fase B, que ha proporcionado una solucin bsica factible no degenerada. Esta fase trata de determinar si dicha solucin es ptima y, en caso de no serlo, obtener una nueva solucin con menor coste que la solucin actual. Una solucin ptima puede ser degenerada, pero no puede serlo la solucin a partir de la cual se vaya a obtener otra mejor. Si la solucin bsica obtenida no es ptima, la mejora es posible y sta se puede llevar a cabo mediante diferentes mtodos, entre los que cabe citar el mtodo de STEPPING-STONE, el mtodo MODI (Modified - Distribution - Method llamado mtodo u-v), el mtodo de Ford- Fulkerson, el mtodo de Separacin en Estrella de B. Zimmern, el mtodo de las Matrices Reducidas de Dwyer y Galler, el mtodo de A. N. Gleyzal y el mtodo grfico de M. L. Vidale. El algoritmo de Stepping-Stone conocido tambin con el nombre del mtodo del paso a paso, consiste en calcular cul sera la variacin del coste al enviar una unidad de producto por una ruta no utilizada, es decir, calcula los costes marginales de cada ruta no utilizada.

23

El algoritmo MODI conocido como el mtodo de los costes ficticios, consiste en aadir a la matriz de costes una fila y una columna que recogen unos costes ficticios determinados arbitrariamente (los nmeros MODI), tal que permite calcular los ndices de mejora para las celdas (casillas) no utilizadas sin tener que trazar todos los circuitos (ciclos) que requiere el algoritmo de Stepping-Stone. En general, supone ahorros en tiempo respecto a la utilizacin del algoritmo de Stepping-Stone en la resolucin de problemas de transporte, debido a su rapidez y el fcil tratamiento de las soluciones degeneradas. El mtodo MODI o u-v utiliza el dual del problema de transporte y viene dado por:

Sujeto a:

u, v, no restringidas

Para aplicar el algoritmo correspondiente a este mtodo, se introducen llamados nmeros MODI, definidos as: Ri= ui (nmero MODI correspondiente a la fila i-sima) Kj = vj (nmero MODI correspondiente a la columna j-sima)

los

Estos valores se sitan en sus respectivas filas y columnas a la derecha y en la parte inferior de la tabla de transporte. El valor indicador ij de cad a variable xij es: ij = Ri + Kj + cij. 4.9 Resolucin de degeneracin Se dice que una solucin bsica en programacin lineal es degenerada cuando tiene menos variables positivas que el nmero de restricciones existentes en el problema. En los programas lineales de transporte se presenta con alguna frecuencia el problema de la degeneracin. En el problema de transporte simple existen (m+n-1) restricciones independientes. La degeneracin se presentar cuando en una solucin bsica el nmero de posiciones localizadas o rutas utilizadas sea menor que (m+n-1).

24

Una solucin ptima puede ser degenerada, es decir, cuando el nmero de posiciones localizadas es menor que (m+n-1). Sin embargo, para comprobar si la solucin actual es o no ptima y en su caso mejorarla, es necesario que sea no degenerada. La consecuencia de la degeneracin es que los mtodos paso a paso, costes indirectos, MODI, no se pueden aplicar. A fin de evitar los inconvenientes que presenta la degeneracin y poder aplicar los mtodos paso a paso y MODI, existen diferentes mtodos para el tratamiento de las soluciones degeneradas, entre los que cabe indicar: -el mtodo de los ceros -el mtodo de la -perturbacin -el mtodo de la base parcial de Madan Lal Mittal. El mtodo de la -perturbacin consiste en asignar convenientemente e l valor (supuesto que es una cantidad prxima a cero) a posiciones no localizadas hasta conseguir (m+n-1) posiciones localizadas. Para ello es necesario introducir el concepto de ciclo en una tabla de transporte que se construye de acuerdo con un algoritmo determinado. Una propiedad importante es que siempre es posible construir un ciclo a partir de una solucin bsica factible. Esto permite obtener siempre una solucin no degenerada de una degenerada, lo cual permite entrar en la fase C. 4.10 El problema del agente viajero El problema del agente viajero es un ejemplo que muestra y analiza la problemtica que subyace tras algunos tipos de problemas matemticos que a priori parecen tener una solucin relativamente fcil, y en la prctica presentan un gran problema. La respuesta al problema es conocida, es decir se conoce la forma de resolverlo, pero slo en teora, en la prctica la solucin no es aplicable debido al tiempo que computacionalmente se precisa para obtener su resultado. El problema del agente viajero (tambin conocido como problema del agente viajero de comercio o por sus siglas en ingls TSP: Travelling Salesman Problem), es uno de los problemas ms famosos (y quizs el mejor estudiado) en el campo de la optimizacin combinatoria computacional. A pesar de la aparente sencillez de su planteamiento, el TSP es uno de los ms complejos de resolver y existen demostraciones que equiparan la complejidad de su solucin a la de otros problemas aparentemente mucho ms complejos que han retado a los matemticos desde hace siglos. Sean N ciudades de un territorio. El objetivo es encontrar una ruta que, comenzando y terminando en una ciudad concreta, pase una sola vez por cada 25

una de las ciudades y minimice la distancia recorrida por el agente viajero. Es decir, encontrar una permutacin P = {c0, c1,...,cN 1} tal que:

sea mnimo. La distancia entre cada ciudad viene dada por la matriz D: NxN, donde d[x, y] representa la distancia que hay entre la ciudad X y la ciudad Y La solucin ms directa es la que aplica la fuerza bruta: evaluar todas las posibles combinaciones de recorridos y quedarse con aquella cuyo trazado utiliza la menor distancia. El problema reside en el nmero de posibles combinaciones que viene dado por el factorial del nmero de ciudades (N!) y esto hace que la solucin por fuerza bruta sea impracticable para valores de N incluso moderados con los medios computacionales actualmente a nuestro alcance. Por ejemplo, si un ordenador fuese capaz de calcular la longitud de cada combinacin en un microsegundo, tardara algo ms 3 segundos en resolver el problema para 10 ciudades, algo ms de medio minuto en resolver el problema para 11 ciudades y 77 147 aos en resolver el problema para slo 20 ciudades. Otro ejemplo sera las rutas posibles entre 12 ciudades son 479 001 600 combinaciones y el nmero de caminos individuales entre ciudades es el sumatorio desde 1 hasta 12-1, es decir, 66. Se puede demostrar que el requerimiento de volver a la ciudad de partida no cambia la complejidad computacional del problema.

Situacin actual respecto de su resolucin Desde el punto de vista prctico, el problema no est resuelto y desde el punto de vista terico, las tcnicas empleadas son slo aproximaciones. No suponen una resolucin real del TSP y slo ofrecen soluciones aproximadas suficientemente aceptables. Los algoritmos clsicos no son capaces de resolver el problema general, debido a la explosin combinatoria de las posibles soluciones. Por ello, a su solucin se han aplicado distintas tcnicas computacionales: heursticas evolutivas, redes de Hopfield, etc. Hay algoritmos que se basan en una configuracin concreta del problema. Por ejemplo, algunos algoritmos de ramificacin y consolidacin se pueden utilizar para resolver problemas de entre 40 a 60 ciudades. 26

Otros han mejorado a stos con tcnicas reminiscentes de la programacin lineal que permiten resolver el TSP para valores de N entre 120 y 200 ciudades. En el ao 2001 se utiliz una red de 110 ordenadores para resolver el TSP para las 15 112 poblaciones de Alemania y utilizando el equivalente computacional a 22,5 aos de un PC. En mayo del 2004 se aplicaron algunas de estas tcnicas para la resolucin del problema aplicado a las 24 978 poblaciones suecas en un ciclo de unos 72 500 km (probndose adems que no se poda encontrar un ciclo ms corto). Los algoritmos genticos, basados en heursticas no encuentran soluciones exactas, pero permiten encontrar aproximaciones suficientemente buenas (un 97% de optimizacin) y se pueden aplicar a conjuntos de ciudades muy grandes (redes con millones de nodos) con tiempos de ejecucin razonables en un superordenador (semanas o meses).

Convergencia del problema Una formulacin equivalente en trminos de la teora de grafos es la de encontrar en un grafo completamente conexo y con arcos ponderados el ciclo hamiltoniano de menor coste. En esta formulacin cada vrtice del grafo representa una ciudad, cada arco representa una carretera y el peso asociado a cada arco representa la longitud de la carretera. El TSP est entre los problemas denominados NP-completos, esto es, los problemas que no se pueden resolver en tiempo polinomial en funcin del tamao de la entrada (en este caso el nmero N de ciudades que el agente viajero debe recorrer). Sin embargo, algunos casos concretos del problema s han sido resueltos hasta su optimizacin, lo que le convierte en un excelente banco de pruebas para algoritmos de optimizacin que pertenezcan a la misma familia (lo que en jerga matemtica se denominan problemas isomorfos).

Aplicaciones El problema tiene considerables aplicaciones prcticas, aparte de las ms evidentes en reas de logstica de transporte, que cualquier negocio de reparto, pequeo o grande, conoce. Por ejemplo, en robtica, permite resolver problemas de fabricacin para minimizar el nmero de desplazamientos al realizar una serie 27

de perforaciones en una plancha o en un circuito impreso. Tambin puede ser utilizado en control y operativa optimizada de semforos, etc.

Bibliografa ROS INSUA S.- Investigacin Operativa. Optimizacin. E. C. Estudios Ramn Areces, S. A. 1993. SUAREZ SUAREZ, A.- La programacin econmica por el mtodo del transporte. Estudios del Instituto de Desarrollo Econmico, Madrid 1972. KAUFMANN, A.-Mtodos y modelos de Investigacin de Operaciones. CECSA, Mxico 1965.

28