You are on page 1of 56

CONTENIDO

INTRODUCCIÓN
1. MÉTODO DEL TRANSPORTE
1.1 FORMULACIÓND DEL PROBLEMA GENERAL DE TRANSPORTE
1.2 MÉTODOS UTILIZADOS EN LA PRIMERA FASE
1.2.1

Método de la Esquina Noroeste

1.2.2

Método de Vogel

1.2.3

Método del Coste Mínimo

1.2.4

Ejercicio de Aplicación Métodos Primera Fase

1.3 MÉTODOS UTILIZADOS EN LA SEGUNDA FASE
1.3.1 Ejercicio de Aplicación del Método de Stepping-Stone
1.3.2 Ejercicio de Aplicación del Método de Distribución Modificado
1.4 PROBLEMA DE ASIGNACIÓN (MÉTODO HÚNGARO)
1.4.1 Ejercicio de Aplicación
2. MÉTODO DE REDES
2.1 ARBOL DE EXPANSIÓN MINIMA
2.1.1 Ejercicio de Aplicación
2.2 ALGORITMO DE LA RUTA MÁS CORTA
2.2.1 Ejercicio de Aplicación
2.3 ALGORITMO DEL FLUJO MÁXIMO
2.3.1 Ejercicio de Aplicación
2.4 ALGORITMO DE REDES CAPACITADAS DE COSTO MÍNIMO
2.4.1 Ejercicio de Aplicación
2.5 ALGORITMO DE LA RUTA CRÍTICA (CPM)
2.5.1 Ejercicio de Aplicación
CONCLUSIONES
BIBLIOGRAFÍA

INTRODUCCIÓN

En este trabajo se

tratan dos aplicaciones especiales de la programación lineal: los

problemas de transporte y de asignación y problemas de redes.
En el primer capítulo, se abarcará el problema de transporte que estudia la distribución de
un producto homogéneo desde un conjunto de fábricas a un conjunto de almacenes o puntos
de venta de modo que se satisfagan las demandas de los almacenes y no se superen las
disponibilidades de las fábricas, con coste mínimo. Se identifican dos fases en la solución
de los problemas; en la primera encontramos los métodos de la esquina noroeste (MEN), de
Vogel y de coste mínimo. En la segunda fase se utilizan los métodos de Stepping-Stone y
MODI (distribución modificada, también denominada u-v).
Por su parte, en el segundo capítulo, analizaremos el problema de redes. Dentro de los
métodos que veremos aquí encontramos: árbol de expansión mínima, algoritmo de la ruta
más corta, algoritmo del flujo máximo, algoritmo de redes capacitadas de costo mínimo y el
algoritmo de la ruta crítica.

1. MÉTODO DEL TRANSPORTE

El modelo de transporte tiene notable interés por sus importantes aplicaciones que, como
se vera en varios ejercicios, no se restringe únicamente a la distribución de mercancías.
Su procedimiento especifico de solución, llamado algoritmo de transporte consta de dos
fases y es rápido y eficiente. La primera fase consiste en obtener una solución factible
inicial. Se pasa después a la segunda fase, en la que se comprueba si la solución obtenida
en la primera fase es óptima, y si no lo es, como mejorarla.

1.1 FORMULACIÓN DEL PROBLEMA GENERAL DE TRANSPORTE.

El problema de Transporte presenta una estructura especial de programación lineal, que
requiere de la programación entera y de la no-negatividad.
Puede decirse que, existen m orígenes que surten a n centros de consumo (destinos) para
cierto producto.
La capacidad de oferta del origen (i) es
La demanda del centro de consumo ( j ) es

filas.
con j = 1,2,3,...,n columnas.

Teniendo en consideración el costo unitario de enviar el producto
de consumo ( j ).

del origen (i) al centro

Y de esto resulta la siguiente cuestión: ¿Cuántas unidades del producto se deben enviar del
origen ( i ) al centro de consumo ( j ), de manera que comúnmente se minimicen los costos
totales de Transporte, se esté satisfecha la demanda del centro de consumo sin exceder la
capacidad de la oferta del origen ( i)?

El problema de transporte se representa a continuación como una matriz, que puede estar en
función a los costos

o a los flujos

DESTINO
ORIGEN

1 2 3 ...

DEMANDA
Expresado en forma general queda:

de donde

OFERTA

para j = 1, 2, 3, ..., n
donde

es la cantidad de recursos (x) asignados al destino ( j ) con su costo unitario (i).

Desarrollando la función objetivo, se tiene

Aunque la matrices de Transporte pueden presentarse de la siguiente manera:

Caso 1.

Que la oferta total sea mayor que la demanda total

Es decir,
Se

tendrá

.
que

añadir

un

centro

de

consumo

en los cuales los costos unitarios

artificial(n+1)

cuya

demanda

, son todos ceros con

k= 1,2,...,m que de forma matricial se expresa de la siguiente manera:

con capacidad de oferta . son ceros. Que la demanda total sea mayor que la oferta total. los costos unitarios como sigue. quedando la matriz de costos . que será (m+1).DESTINO Columna ORIGEN agregada OFERTA DEMANDA Caso2. o sea: para lo cual se añadirá una fila a la matriz.

 Método del Coste Mínimo 2. los métodos de resolución al problema de Transporte para obtener la solución inicial son: 1. se requerirá que la solución inicial sea básica y factible.. SEGUNDA FASE  Método de Stepping – Stone . Una vez hecho esto. Para esto..DESTINO ORIGEN OFERTA 1 2 . n DEMANDA El objetivo de aumentar una columna o agregar una fila es el de balancear el problema de Transporte. PRIMERA FASE:  Método de la Esquina Noroeste  Método Vogel.

2. Método Distribución Modificada (MODI) 3. 1). por lo tanto alguno de los valores se hacen cero.2 MÉTODOS UTILIZADOS EN LA PRIMERA FASE 1.1 Método de la Esquina Noroeste. para hacer Se cancela el resto de la fila con ceros. . además no se considerarán estas posiciones en un futuro. 1) que es el extremo Noroeste . PROBLEMA DE ASIGNACIÓN (MÉTODO HÚNGARO) 1. Paso 2. se decide a . presenta la construcción de una matriz de flujos de la siguiente manera. se pasa a la posición que le sigue ( "abajo" en la columna) que es la (2. También llamado noroccidental o de extremos. Si es CERO. exceptuando la posición . Paso1 En la posición (1.

Donde : 1. Ir al paso 3. Paso2.2. Construcción de una matriz de costos y flujos en relación a un problema balanceado. hasta que los flujos estén asignados. Continuar con la misma lógica hasta llegar a la posición (m. Usar el remanente de costos y flujos de la matriz.2 Método de Vogel El algoritmo del Método Vogel para obtener una solución básica factible de un problema de Transporte es el que se muestra a continuación: Paso 1.Por otro lado. tal que Se cancela lo restante de la columna con ceros. n) de la matriz de flujos. En esta forma se obtendrá una solución inicial factible. se pasa a la posición contigua (que en este caso sería (1. en el paso anterior. 2). . si . con excepción de la posición Paso3. y se descarta de consideración futura alguna. básica. pero bastante distante del óptimo para el problema del transporte.

. Esta diferencia resulta entre los números más pequeños (tanto de filas como de columnas). y la demanda será . En caso de empate. Continuar con el paso 2 del algoritmo. llénese la fila i con ceros.Paso3. con ( i. decidir . se decide arbitrariamente.  Si .  De resultar posición . j ) identificado en el paso anterior. las posiciones restantes se descartadas de tomarse en cuenta. Localizar el costo más pequeño en la matriz de costos en la fila o la columna seleccionada en el paso anterior. con excepción de la . eliminando la fila de cualquier consideración futura. Paso4. Seleccionar a la fila o a la columna que tenga la mayor diferencia. Paso 5. En la matriz de flujos . Se considerará determinar la oferta con . Paso7. exceptuando la posición . Calcular las diferencias de las filas y de las columnas de la matriz de costos. se llenará la columna j con ceros. Esta será la posición Paso 6.

3 Método de Coste Mínimo El método del coste mínimo asigna el mayor número posible de unidades a la posición de menor coste eliminando la fila y/o columna que quede satisfecha.4 Ejercicio de Aplicación Métodos Primera Fase Dada la tabla de transporte: 1 2 3 Disp. A 8 9 6 45 B 5 7 4 25 C 3 5 7 50 D 7 8 5 30 Dem. 40 60 30 Donde los elementos interiores representan costes. . b) El método de Vogel. y repite el proceso hasta eliminar todas las filas y columnas.2.2. 1. c) El método de Coste Mínimo.1. d) Comentar la calidad relativa de las soluciones obtenidas en los apartados anteriores. se desea determinar una solución inicial básica factible y su coste asociado con: a) El MEN.

la tabla: 1 2 3 F Disp. 1 2 3 F Disp. se reducen. que será el mínimo entre la disponibilidad del origen A y la demanda del destino 1. el problema no es equilibrado.40)=40.SOLUCIÓN Como la disponibilidad total es de 150 y la demanda total es de 130. Se obtiene así la tabla de la que se elimina la fila y/o columna que quede satisfecha. 40 A 8 9 6 0 5 B 5 7 4 0 25 C 3 5 7 0 50 . XA1=min(45. En este caso. en ese valor asignado. Para equilibrarlo. la disponibilidad de A y la demanda de 1.1) y situando en ella el máximo número posible de unidades. Tenemos entonces. 40 60 30 20 a) El MEN comienza tomando la posición de la tabla situada más al noroeste (A. introducimos un destino ficticio (columna F) con demanda 150-30=20 y costes nulos en las posiciones de sus columnas. A 8 9 6 0 45 B 5 7 4 0 25 C 3 5 7 0 50 D 7 8 5 0 30 Dem. A continuación.

Ahora.2). 5 A 9 6 0 0 B 7 4 0 25 C 5 7 0 50 0 30 D Dem. 2 3 F Disp. Una vez reducidas la disponibilidad de A y la demanda de 2. El número de unidades que asignamos a esta aposición es XA2=min(5.60)=5. 8 0 5 60 0 30 30 20 En este caso. la columna 1 pasa a tener demanda 0. A 9 6 0 5 B 7 4 0 25 C 5 7 0 50 0 30 D 8 Dem.D 7 Dem. 60 5 30 20 Se repite el procedimiento con esta tabla. se obtiene: 2 3 F Disp. la esquina noroeste corresponde a la (A. teniendo ahora la tabla reducida y con bordes (disponibilidades y demandas) revisados. así que la eliminamos. 8 55 5 30 20 .

que ha quedado satisfecha al convertirse en nula su disponibilidad. 5 A 8 9 6 0 45 7 4 0 25 0 50 0 30 25 B 5 30 C 20 3 5 7 10 D Dem. ya queda satisfecha. donde m = número de filas y n = número de columnas de la tabla de transporte equilibrada. 2 3 F Disp. tenemos la nueva tabla reducida con la asignación XB2=25. tenemos la solución básica factible que mostramos en la tabla: 1 2 40 3 F Disp. 7 40 20 8 60 5 30 20 Esta solución es no degenerada. 30 30 20 Prescindiendo de la fila B. 25 B 7 4 0 0 C 5 7 0 50 D 8 5 0 30 Dem.Prescindiendo de la fila A. El coste asociado a esta solución es: C = 40*8 + 5*9 +25*7 +30*5 + 20*7 + 10*5 + 20*0 = 880 . y reiterando el procedimiento. de posiciones básicas que puede tener una solución básica factible. ya que el número de posiciones básicas es 7 igual al número máximo posible que es m + n – 1 = 4 + 4 – 1 = 7.

obteniendo la tabla ampliada 1 2 3 F Disp. y situamos en ella el mayor número posible de unidades dado por XAF = min (45. Situamos estos valores a la derecha y en la parte inferior de la tabla.20) = 20. 40 60 30 20 PCj 2 2 1 0 A continuación. F). Reduciendo la disponibilidad de la fila A y la demanda de la fila F en ese valor. 40 60 30 0 . consideramos la mayor penalización entre filas y columnas. que es la (A . 20 A 8 9 6 0 25 B 5 7 4 0 25 C 3 5 7 0 50 D 7 8 5 0 30 Dem. tenemos la tabla: 1 2 3 F Disp. que es 6 (marcada con un *) y corresponde a la fila A.b) El método de Vogel comienza determinando las penalizaciones de la fila (PF i) y columna (PCj). PFi A 8 9 6 0 45 6* B 5 7 4 0 25 4 C 3 5 7 0 50 3 D 7 8 5 0 30 5 Dem. obtenidas como el valor absoluto de la diferencia entre los dos costes menores de cada fila y cada columna. respectivamente. Elegimos la posición de menor coste en esta fila.

60) = 50 y reducimos la disponibilidad de C y la demanda de 2 en tal número de unidades 1 2 A 8 B 5 3 Disp. 2). Hacemos XC2 = min (50. y repetimos el proceso con la tabla reducida y sus bordes revisados. 40 10 30 eliminamos la fila C. Las penalizaciones son ahora 1 2 3 Disp. La nueva tabla reducida. la columna 2. 9 6 25 7 4 25 50 C 3 5 7 0 D 7 8 5 30 Dem. PCj 7 8 40 2 60 2* 30 1 Y la mayor es 2. el menor coste es 5. que corresponde a la posición (C . Como hay empate.Eliminamos la fila y/o columna que haya quedado satisfecha. que en este caso es la columna F. es 1 2 3 Disp. PFi A 8 9 6 25 2 B 5 7 4 25 1 C 3 5 7 50 2 5 30 2 D Dem. con las penalizaciones. lo rompemos arbitrariamente y tomamos. PFi . por ejemplo. En esta columna.

indicación de degeneración en la solución inicial. la posición de menor coste es (D . El coste asociado es C = 15*8 + 10*9 + 20*0 + 25*5 + 50*5 + 30*5 = 735 c) Método del Coste Mínimo . pues hay empates. En ella. Hacemos XD3 = min (30 . 30) = 30 y reducimos la disponibilidad de D y la demanda de 3 en ese valor.A 8 9 6 25 2 B 5 7 4 25 1 5 30 2* 30 D 7 8 Dem. 40 10 30 PCj 2 1 1 Tomamos como mayor penalización la correspondiente a la fila D. Esto nos lleva a eliminar simultáneamente la fila D y la columna 3. 10 Disp. 7 40 8 60 30 20 que es degenerada. ya que tiene 6 posiciones básicas. 3). 20 8 9 6 0 45 5 7 4 0 25 5 7 0 50 5 0 30 25 B 50 C 3 30 D Dem. una menos que el número máximo que es 7. Continuando con el procedimiento llegamos a la solución básica factible 1 2 15 A 3 Fict.

que ha quedado satisfecha.40) = 40. 1). 40 60 30 La posición de menor coste es (C . Elegimos una arbitrariamente.20) = 20. La nueva tabla reducida con bordes revisados es: 1 2 3 Disp.En nuestra tabla. La tabla con la disponibilidad de la fila C y la demanda de la columna 1 reducidas en ese número de unidades es: . F) y el mayor número de unidades que podemos asignar es XAF = min (45. Le asignamos XC1 = min (50. Reducimos la disponibilidad de la fila A y la demanda de la columna F en ese número de unidades y tenemos la tabla 1 2 3 F Disp. el menor coste es 0. A 8 9 6 25 B 5 7 4 25 C 3 5 7 50 D 7 8 5 30 Dem. por ejemplo. 40 60 30 0 Eliminamos la columna F. 20 A 8 9 6 0 25 B 5 7 4 0 25 C 3 5 7 0 50 D 7 8 5 0 30 Dem. que corresponde a toda las posiciones de la columna F. la posición (A .

Le asignamos XB3 = min (25. 8 60 30 La posición de menor coste es (B. 0 60 30 Y eliminando la columna 1.1 2 3 Disp. ya que tiene 7 posiciones básicas.3).30) =25. A 8 9 6 25 B 5 7 4 25 C 3 5 7 10 D 7 8 5 30 40 Dem. Continuando con el procedimiento. se llega a la solución dada en la tabla que es no degenerada. ya que satisfecha. 1 2 3 F 25 A 8 Disp. A 9 6 25 B 7 4 25 C 5 7 10 5 30 D Dem. se obtiene la tabla reducida: 2 3 Disp. 20 9 6 0 45 4 0 25 25 B 5 7 .

bastante mejor que el MEN. En general esto era de esperarse.3.40 10 C 3 5 25 D Dem. 1. 500 400 100 200 Obtener la solución óptima con el método de Stepping-Stone a partir de la solución inicial obtenida con el MEN. 1 8 11 5 7 400 2 9 5 6 11 700 3 12 4 8 10 100 Dem.1 Ejercicio de Aplicación del Método de Stepping-Stone Dada la tabla de transporte: 1 2 3 4 Disp. ya que el MEN distribuye las unidades en la tabla de transporte sin tener en cuenta los costes. 0 50 5 0 30 5 7 40 7 8 60 30 20 C = 25*9 + 20*0 + 25*4 +40*3 + 10*5 + 25*8 + 5*5 = 720 d) Los métodos de Vogel y de Coste mínimo han proporcionado una solución inicial básica factible. SOLUCIÓN .3 MÉTODOS UTILIZADOS EN LA SEGUNDA FASE 1. mientras que los otros dos métodos tienen una lógica basada en ellos.

Podemos.j)  el objetivo (1. Esta solución inicial es no degenerada. Determinamos la solución inicial básica factible con el MEN. 12 500 4 8 400 100 200 Con coste C = 8800. pues tiene 6 posiciones básicas. Consideramos inicialmente la posición no básica (1. Se designarán alternativamente las posiciones del ciclo con ^+ y ^-. formado por segmentos alternativamente verticales y horizontales.2) ^+ 11 (1. comenzando con ^+ en la posición no básica de partida).2). entonces. por lo que el problema es equilibrado. o viceversa.La disponibilidad total (1200) coincide con la demanda total. La tabla muestra el ciclo construido para ella. con el efecto sobre el objetivo debido al incremento de una unidad para las posiciones con designación ^+ y la disminución de una unidad para las posiciones con designación ^-. 400 1 8 100 11 400 2 9 5 100 5 7 400 11 700 10 100 100 6 100 3 Dem. con extremos en posiciones básicas. Esta es: 1 2 3 4 Disp. y el coste relativo 12. comenzar el procedimiento de Stepping-Stone calculando primero el coste relativo ij de cada posición no básica a partir de la construcción de un ciclo para cada una (un ciclo para una posición no básica es un camino que comienza y termina en la posición no básica elegida. Posición Designación Efecto sobre (i.1) ^- -8 (2.1) ^+ 9 .

4 0 -3 11 5 7 400 11 700 10 100 100 100 9 5 6 4 0 3 12 4 8 500 Disp.4). Tomamos la posición con coste relativo más negativo. Se obtiene así: 1 2 400 1 8 100 Dem. 7 400 2 3 3 400 100 100 200 Si todos los costes relativos fueran no negativos.(2. No es este el caso.j) ij) (1. con 14 = -3.3) 0 (1. que es Posición Valor de Designación . Generamos a continuación una nueva solución determinando previamente. la única en este caso es (1.1) 4 (3. a partir del ciclo construido con la posición (1.2) ^- -5 (1.2) 7 (1.2) ^+ - Coste relativo 7 Procediendo de modo análogo con el resto de las posiciones no básicas.4) -3 (3.2) 0 (3. podemos determinar los demás costes relativos.4).3) 3 Situamos éstos sobre los costes de transporte por unidad dentro de la tabla. Posición Coste relativo (i. la solución actual sería óptima.

4 7 0 100 11 5 400 2 3 3 7 100 5 6 1 -3 0 100 12 4 8 400 100 400 3 9 500 Disp. con 32 = -3.100} = 100.(i.4) - ^+ (1. El ciclo para esa posición es Posición Valor de Designación .y permaneciendo igual los valores del resto de las variables. 11 700 10 100 200 Sigue siendo no degenerada. El coste asociado será de C = 8800 + (-3)*100 = 8500. sumándola a las posiciones del ciclo con designación ^+.2). con los nuevos costes relativos es: 1 2 300 1 8 200 Dem. ya que tiene de nuevo 6 posiciones básicas. ^ Esta cantidad es el mayor valor que se puede asignar a la posición (1. como puede también comprobarse de forma directa a partir de la tabla.4) 100 ^ - la cantidad  = min {Xij} = min {400. Así. Ahora. la nueva solución. Se modifica la solución actual.1) 100 ^+ (2. restándola a aquellas con designación ^ .1) 400 ^ - (2. el coste relativo más grande (i único) corresponde a la posición (3.4).j) Xij)  (1.

4) 100 ^ - (1. .j) Xij)  (3.2) - ^+ (3. que permanece no degenerada. X*14 = 200.1) 200 ^+ (2. X* 21 = 300.300.1) 300 ^ - (2. los nuevos costes relativos.400} = 100. Como todos son no negativos. y la nueva solución. 100 5 12 500 4 700 3 10 100 200 Esta tabla contiene. 0 200 11 5 9 4 3 7 300 2 7 11 3 4 8 100 400 3 6 100 400 Disp.4) 100 ^+ (1. X*22 = 300. el procedimiento termina al haberse alcanzado la solución óptima. además. X*26 = 100.la cantidad (i.2) 400 ^ -  = min {100. Esta es X*11 = 200. X*32 = 100 Con coste C* = 8200. es 1 2 3 200 1 8 300 Dem.

que proporciona el exceso de demanda.3) tiene coste relativo 13 = 0. con costes 0 en las posiciones de esta nueva fila. 1 4 3 5 8 2 2 3 6 5 3 3 1 2 6 Dem. SOLUCIÓN La disponibilidad total es 19.Finalmente. 8 3 9 determinar la solución óptima con el método MODI a partir de la solución inicial obtenida por el procedimiento MEN. la demanda total. observamos que en esta tabla final la posición no básica (1. que 20. menor equilibrado.2 Ejercicio de Aplicación del Método de Distribución Modificado Dada la tabla de transporte 1 2 3 Disp. El problema no es Añadimos un origen ficticio (F) con disponibilidad 20 – 19 = 1. 1. lo que significa que existen óptimas alternativas. La solución básica factible inicial con el MEN es .3.

de las variables Xij. (2. S1 + T1 + 4 = 0. Hay que añadir una  posición. mejorarla.2. tenemos el sistema de 6 ecuaciones lineales con 7 incógnitas.1) y (F. j) básica donde los ij son los indicadores. si no lo es. con un significado análogo al de los indicadores en el método simples. S3 + T3 + 2 = 0. (3.3) con la condición ij = 0 = Si + Tj + Cij  (i .1). S2 + T2 + 3 = 0 S2 + T3 + 6 = 0. para saber si tal solución es óptima o. SF + T3 + 0 = 0 .1 2 3 Disp. i = 1. Las posiciones independientes son (1. (1. observemos que Sij = ui + Tj = -vj. Al haber convertido la solución inicial en no degenerada. donde = ui y –vj son los valores de las variables duales del problema de transporte en formato estándar.F) y columna (Tj. o costes relativos. S1 + T2 + 3 = 0. podemos aplicar el método MODI.1).2.3). como aparece en la tabla anterior.2). compatible indeterminado. 0 8 0 3 9 Tal solución tiene 5 posiciones básicas. Comenzamos calculando los números MODI de fila ( Si. siendo el máximo posible m + n – 1 = 4 + 3 – 1 = 6. Elegimos de forma arbitraria la posición (1.3. j = 1.2) como -posición.2). De la condición anterior. si prescindimos por el momento del  que aparece en la posición (1.  8 1 4 3 3 2 5 8 6 5 2 6 0 1 2 2 3 6 3 3 1 1 F Dem.

marcada con *. igual a 0. 1 2  8 1 -2 * 3 F Dem. Puesto que existen Elegimos el más negativo.1) - ^+ (1. Este es Posición Valor de Designación (i. Tj 8 -4 Disp. por ejemplo.1) 8 ^ - . de la tabla. bajo S i.j) Xij)  (2. a la derecha de Tj. es posible la mejora de la solución actual. indicadores negativos. se tiene la solución que aparece en la columna de la derecha.Tomando arbitrariamente la variable S1 y haciéndola. j) no básica que también aparecen en la tabla (números sobre los costes). Si 5 8 0 6 5 0 2 6 4 0 1 6 -1 4 2 3 3 3 2 2 3 3 2 3 1 2 3 0 0 6 1 3 -3 9 -6 Calculamos los indicadores de las variables o posiciones no básicas a partir de la relación ij = 0 = Si + Tj + Cij  (i .1). que corresponde a la posición (2. con 21 = -2 y construimos un ciclo para ella. y en la fila inferior.

que podemos ver en la tabla 1 2  5 1 2 4 3 3 Disp.2) 3 ^ - Con valor  = min {Xij} = min {8. que se mantiene no degenerada. S1 + T2 + 3 = 0. calculamos los números MODI de fila y columna a parir del sistema S1 + T1 + 4 = 0.(1. Si 8 0 -3 3 2 * 2 5 . S2 + T1 + 2 = 0 S2 + T3 + 6 = 0. 0 8 3 9 Para esta tabla.2)  ^+ (2. S3 + T3 + 2 = 0. es: 1 2 3 Disp. ^ La nueva solución.3} = 3.  5 1 4 3 3 2 5 8 6 5 2 6 0 1 2 2 3 6 3 3 1 1 F 0 Dem. SF + T3 + 0 = 0 Y los indicadores ij de las posiciones no básicas.

j) Xij)  (1. así que aún es posible la mejora.3) 2 ^ - con valor  = min {5.1) 3 ^+ (2. Si 8 0 2 3 5 2 3 2 3 6 5 2 2 1 3 1 2 6 3 1 2 0 0 0 1 5 5 Dem. junto con los números MODI e indicadores. Tj 2 3 5 4 3 1 4 5 0 8 -4 6 5 2 2 6 6 0 1 8 6 1 0 3 -3 9 -8 Existe un indicador negativo.3).1) 5 ^ - (2.2} = 2. El ciclo para esta posición es Posición Valor de Designación (i. se muestra en la tabla siguiente: 1 2  3 1 4 2 3 F 8 -4 Disp. Este corresponde a la posición (1. que es no degenerada. La nueva solución. con 13 = -3.3) - ^+ (1.3 F Dem. Tj 3 3 -3 6 1 9 -5 .

X*21 = 5. cada origen tiene su destino y viceversa. X*F3 =1 con coste C* = 53. pues todos los indicadores de las posiciones no básicas son positivos... Deberá haber una matriz balanceada de costos. si al finalizar este paso. Observemos que el óptimo es único. se continúa con el paso 3. donde el índice cuadrado (donde concuerdan el máximo número de ceros) es igual al índice de diseminación (el número mínimo de filas y columnas.. X*12 = 3. Se elimina la columna y el renglón al que pertenece el cero seleccionado. X*33 = 6.. Seleccionar un cero en cada renglón y columna de la nueva matriz de costos.. donde será restado tanto en la columna como en la fila el número más pequeño de esa columna o fila.. X*13 = 2. Se encuentra la condición de Köning.Puesto que todos los indicadores son no negativos. en otras palabras.m. Si no se ha llegado al óptimo.. O sea. Tenemos una solución óptima. se ha hecho una asignación completa de ceros. Hacemos entonces y la solución óptima es X*11 = 3.4 PROBLEMA DE ASIGNACIÓN (MÉTODO HÚNGARO) Paso1. 1. Paso2.n y i = 1. tal que si se omiten desaparecen los ceros de la matriz). . Paso3. se ha alcanzado la optimalidad. con j = 1..

Este elemento se restará a los demás elementos no tachados.4. Los elementos que tengan una sola marca. o que estén tachados. j = 1. 3f) Seleccionar el número más pequeño de los elementos no considerados en ningún aspecto.Este paso de subdivide en los siguientes: 3a) Marcar cada una de las filas que no contenga un cero asignado. que debe asignar a cuatro grandes clientes Cj.3.3. .4. 1.1 Ejercicio de Aplicación Una empresa de alimentación tiene en plantilla 4 ejecutivos Ei. (que no es necesario que esté asignado).4. has que no se puedan marcar más columnas o más filas. 3b) Marcar cada columna que contenga un cero. 3d) Repetir los pasos 3b) y 3c).2.2. y se sumará a los que tengan doble marca. Los costes estimados (en millones de pesetas) de la asignación de cada ejecutivo a cada cliente son C1 C2 C3 C4 E1 15 19 20 18 E2 14 15 17 14 E3 11 15 15 14 E4 21 24 26 24 resolverlo con el método húngaro. 3e) Tachar las filas que no se encuentren marcadas y las columnas que sí lo están. de la fila descrita en el paso 3a). no cambian. 3c) Marcar cada fila que contenga un cero asignado en la columna del paso anterior 3b). i = 1.

Como la tabla tiene todos los costes no negativos. podemos comenzar la aplicación del algoritmo cuyo primer paso consiste en generar ceros restando el menor elemento de cada fila de todos los elementos de su fila y haciendo lo mismo para las columnas con la tabla obtenida. La tabla es C1 C2 C3 C4 E1 0 3 2 3 E2 X 0 X X E3 X 3 1 3 E4 X 2 2 3 . un algoritmo específico para el problema de asignación.1) y tachamos los ceros de las posiciones (2.2) y tachamos los de las posiciones (2.1).1) y (4. por ejemplo. computacionalmente más eficiente que los procedimientos anteriores.3) y (2. marcar uno de los ceros de la fila (aparece en negrita en la siguiente tabla) y tachar el resto de ceros (se indica poniendo X) que se encuentran en la misma fila y columna que el cero marcado. así que marcamos el cero de la posición (1. aplicamos la heurística que consiste en buscar la fila y columna con menor número de ceros en la tabla obtenida. que exista al menos un cero por fila y columna. el cero de la posición (2. es decir. Marcamos. La fila con menor número de ceros es la primera (rompemos empates tomando la fila superior). la fila con menor número de ceros (no tachados) es la segunda.SOLUCIÓN Resolvemos el problema con el método Húngaro. Ahora. (3.4).1). La nueva tabla es C1 C2 C3 C4 E1 0 3 2 3 E2 0 0 0 0 E3 0 3 1 3 E4 0 2 2 3 Para ver si es posible una asignación independiente de ceros.

que sólo será la primera columna. debemos pasar líneas a través de las filas no marcadas y las columnas marcadas. que indicaremos con flechas como se puede observar en la tabla y que es el menor número de líneas verticales y horizontales (L. no tenemos una asignación independiente. 3) Marcar toda la fila que tenga un cero marcado en una columna marcada. 2) Marcar columnas (con ) que tienen un cero tachado en filas marcadas. La tabla con las filas y columnas marcadas es C1 C2 C3 C4 E1 0 3 2 3 E2 X 0 X X E3 X 3 1 3  E4 X 2 2 3    A continuación. Para ello. C. que será la primera fila.) que cubren todos los ceros de la matriz (hemos quitado la marca de los ceros y restituido los ceros tachados).Como N hemos conseguido un cero marcado por fila. aplicamos el siguiente procedimiento: 1) Marcar todas las filas (con  a la derecha de la fila) que no contienen un cero marcado. . 4) Repetir 2) y 3) hasta que no haya más filas y columnas que marcar. y el algoritmo debe continuar generando ceros adicionales sobre la tabla obtenida. que serán la tercera y cuarta.

siempre será un valor positivo al estar todos los ceros cubiertos. C.  L. que es c^m = 1 que corresponde a la posición (3. la sumamos a los elementos cubiertos que estén en la intersección no cubiertos. comprobamos si es posible marcar un cero por fila. Tenemos C1 C2 C3 C4 E1 0 2 1 2 E2 1 0 X X E3 X 2 0 2 E4 X 1 1 2 . seleccionamos el menor de los costes no cubiertos por las líneas anteriores.3). C. La nueva tabla es C1 C2 C3 C4 E1 0 2 1 2 E2 1 0 0 0 E3 0 2 0 2 E4 0 1 1 2 De nuevo. la sumamos a los elementos cubiertos que estén en la intersección de una línea vertical y horizontal. y permanece igual el resto.C1 C2 C3 C4 E1 0 3 2 3 E2 0 0 0 0 E3 0 3 1 3 E4 0 2 2 3 L. Esta cantidad la restamos a todos los elementos no cubiertos. Ahora.

E1 0 2 1 2 E2 1 0 0 0  E3 0 2 0 2  E4 0 1 1 2 L. Aplicando el procedimiento de antes.Como no hay un cero marcado por fila. Por tanto. el menor número de líneas que cubren todos los ceros está indicado en la tabla C1 C2 C3 C4 L. C. El menor elemento no cubierto es c^m = 1. La solución es la misma . es C1 C2 C3 C4 E1 0 1 X 1 E2 2 X X 0 E3 1 2 0 2 E4 X 0 X 1 Esta tabla tiene un cero marcado por fila. y la nueva tabla de asignación que también contiene los ceros marcados y tachados. no hemos alcanzado una asignación óptima y debemos generar nuevamente ceros adicionales. C. se ha alcanzado la optimalidad.

2. que conectan las fuentes en el golfo de México con un punto de entrega cerca de la orilla. MÉTODO DE REDES Aunque muchos de los problemas de optimización de redes pueden formularse como programas lineales o enteros y resolverse con los algoritmos correspondientes. Existen un gran número de situaciones en investigación de operaciones que se pueden modelar y resolver adecuadamente como redes (nodos conectados por ramas). permitiendo procedimientos de solución más eficientes. El objeto del modelo es minimizar el costo de construcción del ducto. . existen métodos específicos que aprovechan la estructura especial de cada problema y su representación en una red. A manera de ilustración considere las siguientes situaciones: a) El diseño de una re de ductos de gas natural mar adentro.

c) La determinación de la capacidad máxima (en toneladas por año) de una red de ductos de suspensión de carbón. que une las minas de carbón en Wyoming con las plantas de energía eléctrica en Houston. e) La determinación del programa de tiempo (fechas de inicio y de terminación) para las actividades de un proyecto de construcción. ninguna de las cuales es orientada. Algunos de estos algoritmos son:  Árbol de expansión mínima. No es difícil ver un problema de recorrido mínimo se resuelve siempre mediante un árbol .  Algoritmo de la ruta mas corta. (si dos nodos en una red conexa están unidos mediante dos rutas.  Algoritmo de redes capacitadas de costo mínimo.  Algoritmo de la ruta crítica. El objetivo es construir una red conexa que contenga a todos los nodos y que sea tal que la suma de los costos asociados con las ramas realmente empleadas sea mínima.  Algoritmo del flujo máximo. una de estas rutas debe . Debe suponerse que hay suficientes ramas propuestas para asegurar la existencia de una solución. 2. d) La determinación del programa de flujo de costo mínimo de los campos petroleros a las refinerías a través de una red de ductos. La solución de estas situaciones y de otras semejantes se logran por medio de una variedad de algoritmos de optimización de redes.1 ARBOL DE EXPANSIÓN MINIMA Un problema de recorrido mínimo involucra a un conjunto de nodos y a un conjunto de ramas propuestas. (Los ductos de suspensión transportan el carbón bombardeando agua a lo largo de ductos especialmente diseñados). Cada rama propuesta tiene un costo no negativo asociado a ella.b) La determinación de la ruta más corta entre dos ciudades en una red de carreteras existente.

.2 .1 .3 16. 17. El proceso iterativo termina cuando se han eslabonado todos los nodos.2 Pradera 25.2 13.5 19...1 Ejercicio de Aplicación El servicio de Parques Nacionales planea desarrollar una zona campestre para el turismo.1 16.. . Para dañar lo menos posible al medio ambiente. El eliminar la rama puede solamente abatir el costo total). A esta rama se le acepta como parte de la red final.7 13.2 18..1 19. Entrada al parque Cascada Formación rocosa Mirador Pradera Entrada al parque . 7.. Estos sitios y las distancias ( en millas ) entre ellos. el Servicio de Parques desea minimizar el número de millas de caminos necesario para proporcionar el acceso deseado.3 . 8. Los empates se resuelven arbitrariamente.2 Formación rocosa 19..1 .. Después se completa la red iterativamente.2 17. Todas las ramas que conectan a estos nodos con nodos inconexos se consideran y se identifica a la mas barata de las ramas... Si todos los costos son diferentes ( esto siempre se puede obtener mediante cambios infinitesimales ).contener una rama cuya eliminación no desconecte a la red.. se puede probar que el árbol de recorrido mínimo es único y que es un producto del algoritmo anterior para cualquier selección de nodo inicial.5 8..7 Cascada 7..1 25. la atención se centra en aquellos nodos que ya se han eslabonado.1. 18. Se han señalado cuatro sitios en el área para llegar a ellos en automóviles.2 Mirador 19..1 5.2 5. A esta rama se le acepta como parte de la red final. 2. En cada etapa del proceso iterativo.. se presentan en la tabla. Determínese cómo deberán construirse los caminos para lograr este objetivo. Una árbol de recorrido mínimo puede encontrarse al seleccionar inicialmente cualquier nodo y determinar cual de las ramas que coinciden con el nodo seleccionado tiene el menor costo.

11 M 8.7 19. mientras que las ramas propuestas son los posibles caminos para unir los sitios.2 25. La red completa se muestra en la siguiente figura.3 17.51 P 5.1 F . en donde cada sitio está representado por la primera letra de su nombre.2 18. C 7.1 E 13.2 19.2 16.SOLUCION Los nodos son los cuatro sitios que van a desarrollarse y la entrada del parque. Los costos son el número de millas.

2 = 36.8 millas C 7. la rama que va de la formación rocosa a la pradera tiene el menor costo. Los costos de las ramas que llegan a este nodo se enlistan en el primer renglón de la tabla.1 E 16. La rama más barata que une al mirador con cualquiera de los otros sitios. En esta etapa. al mirador y a la pradera.2 + 16. se llega a la siguiente figura la cual tiene un costo mínimo de Z* = 7.1 + 8. Ya que el menor costo es 7.2 M 8. la rama más barata es aquella que va de la cascada a la formación rocosa así que se agrega a la red.1.Se selecciona arbitrariamente la entrada del parque como nodo inicial. así que se agrega a la red.2 F . Agregando esta rama a la red. desde la entrada del parque. se agrega a la red la rama que va de la entrada del parque a la cascada. Estas son las ramas que van de la entrada del parque a la formación rocosa. De estas.3 P 5. Después se consideran todas aquellas ramas que vayan hacia el mirador o la pradera. la cascada o la formación rocosa. así como aquellas que van de la cascada a los mismos tres sitios. el único sitio no comunicado es el mirador. es la que corresponde a la cascada.3 + 5. Se considerarán ahora todas las ramas que unen a la entrada del parque o a la cascada con un nuevo lugar. De estas.

2. Omítase en la lista cualquier rama que tenga a la fuente como su segundo nodo o que tenga al destino como su primer nodo. en cuya aplicación todo empate será resuelto arbitrariamente.2 ALGORITMO DE LA RUTA MAS CORTA Un problema de la ruta más corta involucra una red conexa con un costo no negativo asociado a cada rama. se escribe con ese nodo como su primer nodo. Constrúyase una lista maestra tabulando bajo cada nodo. continúese en el paso 4. Márquese con un asterisco a la fuente y asígnese el valor 0. Cada rama bajo un nodo dado. no. El objetivo es determinar una ruta que una a la fuente con el origen. Elimínense de la lista maestra todas aquellas otras ramas que tengan como segundo nodo al que se acaba de marcar con asterisco Paso 3 Si el nodo que acaba de marcarse con asterisco es el destino continúese en el paso 5. en orden ascendente según el costo. de manera que la suma de los costos asociados con las ramas en la ruta sea mínima. Márquese con un asterisco al segundo nodo de esta rama y asígnese a este nodo un valor igual al costo de la rama. las ramas que llegan a él. A un nodo se le denomina fuente y a otro nodo se le denomina destino. Paso 1. Los problemas de la ruta más barata se resuelven mediante el siguiente algoritmo. Localícese la rama más barata que coincida con la fuente y enciérrese en un círculo. Si . Paso 2.

Por ejemplo. Por consiguiente. . Denótese a la menor de estas sumas con M y enciérrese en un círculo la rama cuyo costo contribuyó a M. Smart ha decidido elegir una ruta que maximice la probabilidad de no ser detenido por la policía. Z* es el valor asignado al destino. al costo de la rama sin círculo mas barata bajo él. todos los nodos marcados con asterisco que tengan bajo ellos ramas muy cerradas en un círculo. Elimínense de la lista maestra todas las otras ramas que tengan al nodo que acaba de marcarse con asterisco como segundo nodo.25 = 0. la ruta seleccionada está excesivamente patrullada por la policía y con todas las multas pagadas por exceso de velocidad. Considérense en la lista maestro actual. El objetivo de Smart es seleccionar la ruta que maximice la probabilidad de que no lo multen. al incluir en la ruta cada rama encerrada en círculo cuyo segundo nodo pertenece a la ruta. él puede determinar la ruta más corta al trabajo. la ruta más corta no es la mejor elección. Continúese en el paso 3. Debido a que acaba de terminar un curso en análisis de redes. la probabilidad de que no lo multen en la ruta 1 3  5  7 es 0. agréguese el valor asignado al nodo.9 * 0.2. Desafortunadamente.3 * 0. Paso 5.0675. Para cada uno de ellos. Por consiguiente. Una ruta de costo mínimo se obtiene recursivamente.1 Ejercicio de Aplicación. la probabilidad de que no lo detengan camino al trabajo es el producto de las probabilidades asociadas con los segmentos sucesivos de la ruta seleccionada. La red en la figura muestra las posibles rutas entre su hogar y el trabajo y las probabilidades asociadas de que no lo detengan en cada segmento. 2. Márquese con un asterisco el segundo nodo de esta rama y asígnesele el valor M. Smart conduce diariamente a su trabajo.Paso 4. iniciando con el destino.

5 0. para todas las j en la red. a su vez. si p1k = p 1 * p 2 * . Debido a que log p 1k minimización de – log < = 0. es equivalente a la p 1k . la maximización de log p 1k .2 4 6 0.1 1 7 0.8 0. + log p k Matemáticamente la maximización de p 1k es equivalente a la maximización de log p 1k ...3 5 0. utilizando una transformación logarítmica que convertirá el producto probabilidad en la suma de los logaritmos de probabilidades. es decir. * p k es la probabilidad de que no lo detengan. las probabilidades individuales p la figura anterior se reemplazan con –log p. entonces log p 1k = log p 1 + log p 2 + ….25 El problema se puede formular como un modelo de la ruta más corta.9 3 0. por tanto da la red de la ruta más corta en la figura siguiente: .35 2 0. Utilizando ésta transformación....6 0.4 0.0.

hay un número no negativo. Asociado a cada nodo N y a cada rama NM que salga de N.39794 1 7 1. el destino y los empalmes se representan mediante nodos. o capacidad.1707 ( = .60206 5 Utilizando TORA. mientras que las ramas representan los conductos a través de las cuales se transportan materiales.log p 17 ) . que cualquier material que llega a un empalme es embarcado inmediatamente a otro sitio.22185 0. 3. Se considera que no es posible almacenar material en los empalmes.3 ALGORITMO DE FLUJO MÁXIMO El objetivo en un problema de flujo máximo es desarrollar un programa de embarque que maximice la cantidad de material enviado entre dos puntos.30103 0.69897 0. 2.04576 3 0.45593 2 4 6 0. Una red puede ser el modelo para un problema de flujo máximo.52288 0. Existen varias vías de embarque que unen a la fuente con el destino. que representa la cantidad máxima de material que puede embarcarse de N a través de NM.0. directamente o pasando por lugares intermedios denominados empalmes. la ruta más corta en la figura anterior. 0 . la probabilidad máxima de que no lo detengan es p 17 = 0. Al punto de origen se le denomina fuente.09691 0. al punto final se le denomina destino. con una “longitud” correspondiente de 1.0675. Por tanto. 5 y 7. está definida por los nodos 1. es decir. 0. La fuente.

con una capacidad de 5 unidades en ambos sentidos. Cerca de los extremos de cada rama se indican las capacidades de flujo en ambas direcciones.B 8 Fuente 4 5 10 4 A 0 D Destino 0 7 5 0 C 10 EJEMPLO: La figura anterior es una red que tiene A como fuente. Los problemas de flujo máximo se resuelven mediante el siguiente algoritmo: Paso 1 Encuéntrese una ruta que permita el flujo positivo de material de la fuente al destino. Paso 2 Determínese el flujo máximo que puede embarcarse a lo largo de esta ruta y denótese k. los flujos a lo largo de BC pueden moverse en ambas direcciones. a D como destino y a B y C como empalmes. pero en la dirección opuesta sólo pueden embarcarse 0 unidades. . En contraste. Si no existe alguna. Nótese que pueden embarcarse 7 unidades de A a C a lo largo de AC. de desearse definir una orientación para AC. ésta asimetría permite. continúese en el paso 5.

Paso 5 El flujo máximo es la cantidad de material entregada en el destino. se envían 8 unidades a D. Paso 4 Continúese en el paso 1.Paso 3 Disminúyase la capacidad directa (es decir.3.1 Ejercicio de Aplicación Determínese el flujo máximo de material que puede ser enviado de la fuente A al destino D. 2. Puede permitir 8 unidades. Agréguense k unidades a la cantidad enviada al destino. Una ruta que va de la fuente al destino es la rama AD. Embarcando ésta cantidad. la cual une a estos nodos directamente. a través de la red planteada en el ejemplo anterior. disminuyendo en 8 la capacidad de AD y aumentando en 8 la capacidad de DA. la capacidad en la dirección de flujo de las k unidades) de cada rama de ésta ruta en k y auméntese la capacidad en sentido inverso en k. El programa óptimo de embarque se determina comparando la red original con la red final. Cualquier reducción en capacidad significa un embarque. La red resultante se muestra en la figura siguiente: .

con lo cual se tiene 8+4 = 12. BC y DB. La cantidad máxima de material que puede ser enviado a lo largo de ésta ruta es de 4 unidades.0 5 10 0 Fuente (-8) 4 B 4 8 D Destino (+8) A 0 7 5 0 10 C Otra ruta de la fuente al destino que puede permitir el flujo positivo es { AC. la figura anterior se convierte en la siguiente figura: 0 0 Fuente (-12) B 0 9 10 8 A 0 3 1 4 C 10 8 D Destino (+12) . simultáneamente. CB y BD y se incrementan en esta misma cantidad las capacidades de CA. Haciendo este embarque. se incrementa en cuatro unidades el suministro en D. es decir. BD }. Entonces. se disminuyen en 4 unidades las capacidades de AC. la capacidad de BD. CB.

CB y DC. CD } de la figura anterior. El resultado es la figura siguiente: 7 0 Fuente (-22) 0 B 2 3 8 A 8 D Destino (+22) 10 0 8 7 C 0 . BC. Haciendo este embarque se aumenta en 3 unidades el suministro e D. También se incrementan en 7 unidades las capacidades de BA. La nueva red es la figura siguiente. BC y CD. 0 9 10 0 0 B A Fuente (-15) 8 8 3 0 D Destino (+15) 1 7 7 C La ruta { AB. y se disminuyen en 3 las capacidades de AC y CD. Haciendo este embarque se aumenta el suministro en 15 + 7 = 22 unidades y se disminuye en 7 las capacidades de AB. teniéndose 12 + 3 = 15. puede permitir 7 unidades de la fuente al destino.La ruta { AC. CD } de la figura anterior. puede permitir 3 unidades de A a D. También se incrementas en 13 unidades las capacidades de CA y DC.

2. 200 y 50 mil bushels y la demanda en las tres granjas es de 150. d) Cualquier nodo en la red puede actuar como un punto de origen o un pozo. La figura siguiente resume la ruta disponible entre los silos y las granjas. cuyas . [200] y [50]. c) Los arcos pueden tener límites positivos de capacidad inferior. 2. [-150] $1 [100] 1 (50.4. Las granjas están representadas por los nodos 4. con excepción de tres rutas en las cuales se utilizan camiones.120) 6 $2 5 [-120] $4 [-80] Los silos están representados por los nodos 1. Las cantidades de la oferta en los tres sitios son 100.80) $4 [50]120) $3 $5 [200] 2 3 $6 $1 (70. cuyas cantidades de oferta son [100]. al mismo tiempo que satisfacen las relaciones del flujo en los arcos y las cantidades de la oferta y la demanda en los nodos.1 Ejercicio de Aplicación GrainCo proporciona maíz de tres sitios a tres granjas avícolas. b) Un costo de flujo por unidad ( no negativo ) está asociado con cada arco.120) $2 4 (100. 80 y 120 mil bushels. 5 y 6. En su mayor parte GrainCo utiliza ferrocarriles para transportar el maíz a las granjas. respectivamente.4 ALGORITMO DE REDES CAPACITADAS DE COSTO MINIMO El problema del flujo restringido de costo mínimo generaliza el modelo de flujo máximo en cuatro aspectos: a) Todos los arcos son direccionales (un sentido). El nuevo modelo determina lo flujos en los diferentes arcos que minimizan el costo total. 2 y 3.

Las rutas permiten el transbordo entre los silos.cantidades de demandas son [-150].. b) Después el proyecto se traduce a una red que muestra las relaciones de precedencia entre las actividades. ..5 ALGORITMO DE LA RUTA CRITICA (CMP) El método de la ruta crítica fue diseñado para ayudar en la planificación. B. Un proyecto se define como una colección de actividades interrelacionadas.. Los pasos de ésta técnica son: a) Definir las actividades del proyecto.1 Ejercicio de Aplicación Cierto programa se compone de 12 subrutinas A.4) y (4. La concepción del proyecto hace que su ejecución implique el siguiente cuadro de precedencia. en la cual cada actividad requiere tiempo y recursos. El objetivo de este método es proporcionar medios analíticos para programar las actividades. L. 2.4). Por ejemplo la capacidad de la ruta (1. Actividad A Predecesor - Tiempo Normal 5 Tiempo Reducido 3 Coste Normal 200 Coste Reducido 250 . [-80] y [-120]. c) El tercer paso indica hacer cálculos específicos de red que faciliten el desarrollo del programa de tiempo para el proyecto. Estas rutas tienen capacidades mínimas y máximas. (3. 2. Los arcos (1.6) son rutas de camiones.4) es entre 50 y 80 mil bushels. sus relaciones de precedencia y sus requerimientos de tiempo.5. Todas las otras rutas utilizan transbordos cuya capacidad máxima es prácticamente ilimitada. la programación y el control de proyectos. costes en miles de pesetas y tiempos de compleción de las subrutinas en días. respectivamente. Esta técnica supone relaciones deterministas de la actividad. Los costos de transporte por bushel se indican en los respectivos arcos.

5 C. J 4 8 3 7 5 4 3 9 11 8 10 4 7 2 5 5 3 3 6 7 6 9 300 400 120 200 300 300 800 70 150 60 100 300 500 150 300 300 370 800 160 200 150 105 a) Dibujar la red CPM.11 3 5 7 F.4 4 L. H F. H E.3 J.7 2 A.10 8 .8 I. b) Determinar el camino crítico y su duración.3 B.B C D E F G H I J K L A A C C B.5 6 D. c) Reducir la duración del proyecto en dos días en la forma más económica.4 1 K. D F.9 H. SOLUCION a) La red CPM de ejecución de este proyecto con el criterio actividad – arco es: E.8 G. I G.

TC A 5 0 5 2 7 2 B 4 0 4 6 10 6 C 8 0 8 0 8 Crítica D 3 5 8 7 10 2 E 7 5 12 19 26 14 F 5 8 13 8 13 Crítica G 4 8 12 20 24 12 H 3 8 11 10 13 2 I 9 13 22 17 26 4 J 11 13 24 13 24 Crítica K 8 22 30 26 34 4 L 10 24 34 24 34 Crítica El tiempo de compleción es T = 34 días. análogamente.000 pesetas.Tiempo reducido Para la actividad A asociada al arco (1.2). en miles de pesetas: 250 – 200 Cij = = 25 5-3 y. PT. este coste es.b) Utilizando el algoritmo CPM determinamos para cada actividad los valores PC. La tabla siguiente recoge tales costes: . y el coste C es la suma de los costes normales de todas las actividades. para las restantes actividades.j). que se muestran en la tabla Actividad Etiquetas Holgura Nombre Duración PC PT TC TT TT . a partir de la expresión Coste reducido – Coste normal Cij = Tiempo Normal . c) Determinamos inicialmente el incremento de costes Cij por día reducido para cada actividad (i. TC y TT. el camino crítico C F  J  L. 3´000.

El esquema es: A. aunque la duración L es de 9 . teniendo el proyecto una nueva duración T = 33 y un coste C = 3005000.9 K.j) Cij (* 10^3 ptas) Nombre (i. 10 G.5) 0 C (1.4 0 5 10 15 20 25 El procedimiento de reducción se lleva a cabo unidad a unidad.5 E (2.Actividad Coste reducción Actividad Coste reducción Nombre (i. Dibujamos el camino crítico como una línea continua sobre el eje de tiempos y el resto de actividades en diferentes niveles.7) 70 B (1.4) 100 I (5.j) Cij (* 10^3 ptas) A (1.3 H.3) 30 J (5.7) 12. Estas son C.3 I. J y L. 11 L .8) 5 Realizamos una representación del proyecto en un diagrama horizontal dibujando cada actividad con una barra de longitud igual a su duración y con origen en el valor de su etiqueta PC. 30 35 Las actividades que consideramos inicialmente para su reducción serán las actividades críticas con coste Cij > 0.5 J .7 D.8 B.6) 50 K (6.2) 25 G (4. La que conlleva menor incremento de coste el L.5) 0 L (7. 5 E. El camino crítico sigue siendo el mismo. utilizando líneas punteadas para indicar los enlaces entre actividades de la red CPM .4 C.3) 0 H (3.6) 30 D (2.8) 45 F (4. así que reducimos esta actividad en 1 día.8 F.

La nueva duración de la actividad J es 10 días y el incremento de costo12500. Observemos que L no admite una nueva reducción.9 G.3 I. A.4 C. De nuevo.4 0 5 10 15 15 20 30 35 .5 E.9 K.8 F.días. Ahora. pero la actividad crítica que permite reducir un día con menor incremento en el costo es J.3 H.8 B.5 J . 10 I. permanece el mismo camino crítico. intentamos reducir en otro día la duración del proyecto.7 D.

la distancia más corta entre una fuente y un destino. las que por definición no deben incluir ningún lazo.  La idea básica del algoritmo de flujo máximo es encontrar una trayectoria de penetración que conecte el nodo fuente con el nodo destino en modo tal. que la capacidad de cada rama en esta trayectoria sea positiva.CONCLUSIONES  El modelo de transporte busca determinar un plan de transporte de una mercancía de varias fuentes a varios destinos. .  El problema de la ruta más corta tiene que ver con la determinación de las ramas conectadas en una red de transporte que constituyen. El flujo máximo a lo largo de esta rama debe ser igual a la capacidad mínima de todas las ramas que constituyen la trayectoria.  El problema del árbol de extensión mínima consiste en encontrar las conexiones más eficientes entre todos los nodos de la red. Entre los datos del modelo se encuentran: a) Nivel de oferta en cada fuente y la demanda en cada destino y b) El costo de transporte unitario de la mercancía de cada fuente a cada destino. en conjunto.

P. UNA INTRODUCCIÓN. María. INVESTIGACIÓN DE OPERACIONES: Sexta Edición. Sixto. México. PROGRAMACIÓN LINEAL Y APLICACIONES. Ed. McGraw-Hill.BIBLIOGRAFÍA BRONSON. McGraw-Hill. David y otros. Hamdy. 1998. Alfaomega. RÍOS. Santafé de Bogotá. . 1998. 193-320. 215-279. TAHA. Richard y FOURNIER. P. México. TEORÍA Y PROBLEMAS DE INVESTIGACIÓN DE OPERACIONES. P.1983. INSUA. Ed. Ed. 167-178.