Professional Documents
Culture Documents
Zo
1 - 20 -30 0 0 0 0
0
0
0
1 3
1 1
2 1
1 0 0
0 1 0
0 0 1
24
10
16
1 -10 0 10 0 0 240
0
0
0
1/3 1
2/3 0
5/3 0
1/3 0 0
-1/3 1 0
-1/3 0 1
8
2
8
1 0 0 5 15 0 270
0
0
0
0 1
1 0
0 0
- 0
- 3/2 0
-5/2 1
7
3
3
SOLUCIN OPTIMA: Z = 270
= 3
= 7
- Se van determinando valores para las variables que deben ser no negativas.
- Los valores negativos no se toman en cuenta.
- El elemento pivote determinar la variable que saldr o dejar de ser bsica, entonces esa
columna se transformar de tal manera que todos los elementos sean cero, excepto el
elemento pivote (que siempre ser igual a 1).
- Cuando la tabla muestra en la funcin objetivo todos sus elementos en cero o no-negativos
ser una solucin ptima para Z, tal situacin se define como criterio de optimalidad.
EJEMPLO 2: Dado el siguiente modelo, obtenga su solucin ptima
1) Forma cannica. La segunda restriccin se multiplica por ( -1 )
Aplicando la primera regla de equivalencia a la funcin objetivo:
Min Z = -3W1 + 2W2 - Max (-Z) = 3W1 - 2W2
Se propone el siguiente cambio de variables:
W1 = X1 ; W2 = - X2 y sustituyendo en el modelo los cambios:
Estandarizando la forma cannica:
El modelo tiene restricciones del tipo ( ), por lo tanto se agregaran variables de holgura
Considerando solo el sistema de ecuaciones:
Vb Z
Zo
-1 -3 - 2 0 0 0
0
0
1 1
1 3
1 0
0 1
6
12
-1 0 1 3 0 18
0
0
0 1
0 2
1 0
- 1 1
6
6
La ltima tabla es una tabla ptima que muestra la solucin ptima, esto es, ( - Zo ) = 18, esto es Z = -
18 para x1 = 6; x2 = 0 Pero las variables originales son : w1 = x1 = 6 ; w2 = - x2 = 0
EJEMPLO 3: Dado el siguiente modelo, determine su solucin ptima.
Estandarizando la forma cannica:
Max Z = 4
+ 3
= 8
3
= 20
5
= 16
0 ,
0
Z - 4
= 0
2
+ 3
= 8
3
= 20
5
= 16
Vb Z
Zo
1 -4 -1 1 0 0 0 0
0
0
0
1 0 3
0 3 1
5 1 1
1 0 0
0 1 0
0 0 1
8
20
16
1 0 -1/5 9/5 0 0 4/5 64/5
0
0
0
0 -1/5 14/5
0 3 1
1 1/5 1/5
1 0 -1/5
0 1 0
0 0 1/5
8/5
20
16/5
1 0 0 28/15 0 1/15 4/5 212/15
0
0
0
0 0 43/15
0 1 1/3
1 0 2/15
1 1/15 -1/5
0 1/3 0
0 -1/15 1/5
92/15
20/3
28/15
Z = 212/15 SOLUCIN OPTIMA
= 28/15 ;
= 20/3
EJERCICIOS
RESUELVA LOS SIGUIENTES PROBLEMAS POR MEDIO DEL MTODO SIMPLEX
1.- Obtenga la solucin ptima del siguiente modelo y conteste:
( ) El nmero de variables que contiene la tabla inicial (sin incluir Z) es:
a) 2 b) 3 c) 4 d) 5 e) 6
( ) Para resolver el problema las variables que se agregan son:
1. Dos holguras ( , )
2. Una holgura, una superflua y una original (H, S, )
3. Una holgura y una superflua (h, s)
4. Dos superfluas ( , )
5. Dos originales ( , )
( ) La base inicial esta formado por las variables:
1. (H, )
2. ( , )
3. ( , )
4. (H, S)
5. ( , );
( ) El valor ptimo de Z es igual:
a) - 32/3 b) - 8 c) 32/3 d) 9 e) 0
( ) El valor ptimo para y es, respectivamente:
a) = 6, = 8
b) = 4/3, = 10/3
c) = 10/3, = -4/3
d) = 3, = 5
e) Ninguna de las anteriores
2.- Se tiene el modelo siguiente, determine su solucin ptima, mediante el mtodo simplex:
3.- Resuelva el siguiente es un modelo de P. L.:
4.- Considere el siguiente modelo de PL y determine su solucin ptima:
5.- Dado el siguiente modelo de P. L, encuentre su solucin ptima.
6.- Dado el siguiente problema lineal, encuentre la tabla ptima:
7.- Dado el siguiente modelo, determine la solucin ptima
8.- Determine la solucin ptima del siguiente modelo de P.L.
Sugerencia: Primero use reglas de equivalencia
9.- Determine la solucin ptima del siguiente problema.
2.3 TCNICAS VARIABLES ARTIFICIALES
Esta tcnica consiste en agregar a las restricciones del tipo o de igualdad, una nueva variable
llamada variable artificial, cuya caracterstica fundamental es que su valor es cero.
Existen dos mtodos que utilizan tal tcnica, que son:
- El mtodo de la Doble Fase.
- El mtodo Penal o de la Gran M.
Cuando un problema no tiene solucin se detecta mediante estos mtodos, apareciendo al menos una
de las variables artificiales usadas diferentes de cero, esto es, que en la tabla ptima aparece al
menos una variable artificial.
Para aplicar alguno de los dos mtodos es necesario preparar el modelo dado, esto consiste en:
- Obtener la forma estndar del modelo a resolver
- Agregar las variables artificiales en las restricciones del tipo () y de igualdad
En este momento se puede elegir cualquiera de los dos mtodos para resolver el problema.
2.3.1 MTODO DOBLE FASE
Este mtodo consiste en dos fases.
PRIMERA FASE:
Consiste en resolver el siguiente problema:
Se pueden presentar las siguientes situaciones:
1. En la tabla ptima de este problema, al menos una de las variables artificiales se qued en la
base, entonces se termina el proceso y se establece que el problema no tiene solucin.
2. La tabla ptima no contiene variables artificiales (o sea todas las Wi son iguales con cero) el
problema tiene solucin y se pasa a la segunda fase.
SEGUNDA FASE:
Se considera la tabla ptima de la primera fase, se eliminan las columnas de las variables artificiales y
se reemplazan los coeficientes de la funcin objetivo original. Se itera de acuerdo al tipo de
optimizacin del problema original, la tabla ptima de esta segunda fase muestra la solucin del
problema original.
EJEMPLOS
Determine la solucin ptima, por el mtodo de la doble fase del siguiente modelo.
1. Primeramente se determina si el problema se puede resolver por el mtodo simplex, mediante
la estandarizacin del modelo, de otra manera se utiliza variables artificiales.
2. En este ejemplo se puede observar que las variables que se resta (la var. superflua) en la
segunda restriccin del modelo no puede generar la base inicial.
3. Por lo tanto, para construir la tabla inicial se agregan las variables artificiales, a la forma
estndar.
Zo
1 0 0 0 0 -1 -1 0
0
0
1 1 1
2 -5 1
0 1 0
-1 0 1
7
10
1 3 -4 2 -1 0 0 17
0
0
1 1 1
2 -5 1
0 1 0
-1 0 1
7
10
1 0 7/2 1/2 1/2 0 -3/2 2
0
0
0 7/2 1/2
1 -5/2 1/2
1/2 1 -1/2 -
1/2 0 1/2
2
5
1 0 0 0 0 -1 -1 0
0
0
0 1 1/7
1 0 6/7
1/7 2/7 -1/7
-1/7 5/7 1/7
4/7
45/7
S existe solucin. Se debe obtener lo siguiente en la segunda etapa a partir de la tabla ptima de la
fase anterior:
1. Se eliminan las columnas de las variables artificiales.
2. Las columnas de las variables bsicas deben ser elementales unitarias
3. Seleccin del coeficiente ms negativo ya que la funcin objetivo en el problema original es
para maximizar.
4. Se optimiza cuando ya no existan valores positivos en el rengln de zj - cj o bien sean ceros.
5. Se itera hasta alcanzar la tabla ptima, que mostrar la solucin ptima del problema.
TABLA DE LA SEGUNDA FASE:
Vb Z
S Zo
1 -2 -3 1 0 0
X2
X1
0
0
0 1 1/7 1/7
1 0 6/7 -1/7
4/7
45/7
1 0 0 22/7 1/7 102/7
X2
X1
0
0
0 1 1/7 1/7
1 0 6/7 -1/7
4/7
45/7
Z* = 102/7 SOLUCIN OPTIMA;
= 45/7 ;
= 4/7 ;
= 0
EJEMPLO 2:
Determinar la solucin mediante el mtodo de la Doble Fase del siguiente modelo:
Solucin:
PRIMERA FASE:
Vb Z
Zo
1 0 0 0 0 0 -1 -1 0
0
0
1 1 2
3 1 1
-1 0 1 0
0 -1 0 1
20
30
1 4 2 3 -1 -1 0 0 50
0
0
1 1 2
3 1 1
-1 0 1 0
0 -1 0 1
20
30
1 0 2/3 5/3 -1 1/3 0 -4/3 10
0
0
0 2/3 5/3
1 1/3 1/3
-1 1/3 1 -1/3
0 -1/3 0 1/3
10
10
1 0 0 0 0 0 -1 -1 0
0
0
0 2/3 1
1 1/5 0
-3/5 1/4 3/5 -1/5
1/5 -2/5 -1/5 2/5
6
8
SEGUNDA FASE:
Vb Z
Zo
1 -24 -10 -16 0 0 0
0
0
0 2/5 1
1 1/5 0
-3/5 1/5
1/5 -2/5
6
8
1 0 6/5 0 -24/5 -32/5 288
0
0
0 2/5 1
1 1/5 0
-3/5 1/5
1/5 -2/5
6
8
1 0 0 -3 -3 -7 270*
0
0
0 1 5/2
1 0 -1/2
-15/10 -1/2
5/10 -1/2
15
5
Solucin:
= 270;
= 5;
= 15;
= 0
EJERCICIOS
RESUELVA LOS SIGUIENTES PROBLEMAS POR MEDIO DEL MTODO DE LA DOBLE FASE
1.- Mediante el mtodo Doble Fase resuelva el siguiente problema:
2.- Encuentre la solucin ptima del siguiente modelo de programacin lineal. Utilice el
Mtodo Doble Fase
3.- Resuelva por el Mtodo Doble Fase el siguiente problema:
4.- Aplicando el Mtodo Doble Fase, determine la solucin ptima de:
5.- Determine la solucin ptima del siguiente problema. Utilice el Mtodo Doble Fase
6.- Resuelva por el Mtodo Doble Fase el siguiente problema:
7.- Usando el Mtodo Doble Fase, determine la solucin ptima del siguiente Modelo de P.L.
8.- Resuelva el siguiente problema de P.L. Utilice el Mtodo Doble Fase y conteste
correctamente:
( ) El mtodo adecuado para resolver el problema es:
1. El penal
2. Simples
3. El grfico
4. Doble fase
5. El dual-simplex
( ) El nmero de variables en total que se necesitan para resolver el
Problema (incluyendo las originales) son:
a) 5 b) 3 c) 6 d) 7 e) Ninguna de las Anteriores
( ) La tabla inicial muestra una anomala que es:
1. No se encuentran las variables superfluas en la base
2. Las columnas de las variables artificiales no son elementales
3. Contiene la base puras variables artificiales
4. La tabla no contiene variables de holgura
5. El valor de las variables originales son cero
( ) El valor de Z ptimo es:
1. 2/3
2. 88/3
3. 440/3
4. 60
5. 120
( ) Las variables bsicas ptimas son:
1. ,
2. ,
3. , ,
4. ,
5. ,
( ) El valor de las variables bsicas ptimas es:
1. 8/3, 2/3
2. 8, 6
3. 8/3, 0, 2/3
4. 40, -2/3
5. 30, 25, 0
9.- A partir del programa lineal
1. Plantear la forma estndar y la tabla inicial para cada uno de los mtodos: penal, doble fase y
dual simplex.
2. Indique para cada una, la variable entrante y la variable saliente. No los resuelva.
3. Escriba la forma dual del programa lineal original.
4. Identifique el caso especial
11.- Encuentre la solucin ptima del siguiente modelo de P.L. utilizando la tcnica de las
variables artificiales. Use el Mtodo Doble Fase
12.- Resuelva el siguiente problema por las tcnicas de las variables artificiales. Utilice el
Mtodo Doble Fase
( ) La solucin ptima es una solucin:
1. Degenerada
2. Infactible
3. Inexistente
4. No acotada
5. ptimas mltiples
( ) El nmero de variables artificiales necesarias para resolver el problema:
1. Cero
2. Una
3. Dos
4. Tres
5. Cuatro.
( ) El nmero total de variables (de todo tipo, excluyendo la Z), que tiene la tabla simplex es:
1. Tres
2. Cinco
3. Siete
4. Nueve
5. Ninguna de las anteriores.
( ) La caracterstica fundamental que tiene la tabla ptima es:
1. Variables bsicas iguales a cero
2. Variables bsicas artificiales
3. Variables bsicas negativas
4. No tiene variables bsicas
5. Ninguna de las anteriores.
( ) Al utilizar la tcnica de variables artificiales, el mtodo ms adecuado es:
1. Grfico
2. Simples
3. Penal
4. Dual- Simplex
5. Algoritmo de transporte.
13.- En un problema de programacin lineal. Resolviendo por el mtodo de dos fases se lleg a la
siguiente tabla.
Z
Z0
Vb. 1 0 - 1 - 1 0
0
0
0
1/5 3/5 - 1/5
- 3/5 - 4/5 3/5
1 1 - 1
3/5
6/5
0
Si la F.O. fue Min Z = 4x1 + x2 encuentre la sol., ptima si sta existe.
14.- Utilizando variables artificiales resuelva el siguiente problema de P.L. y conteste cada una de las
preguntas. Utilice el Mtodo Doble Fase
( ) En la tabla inicial, el nmero de variables (excluyendo a Z) son:
1. dos
2. tres
3. cuatro
4. cinco
5. seis
( ) Las variables bsicas iniciales, respectivamente son:
1. Superflua (Holgura Negativa) y Artificial
2. Artificial
3. Superflua y Holgura
4. Artificial y Holgura ( Holgura Positiva)
5. Ninguna de las anteriores
( ) La primera variable entrante a la base, en la tabla inicial es:
1.
2.
3. Superflua
4. Holgura
5. Artificial
( ) Las variables bsicas ptimas respectivamente son:
1. Artificial y
2. y
3. y Holgura
4. y Superflua
5. y Superflua
( ) El valor de las variables bsicas optimas son respectivamente:
1. (9, 1)
2. (10, 2)
3. ( 8,10 )
4. ( 2, 9 )
5. Ninguna de las anteriores
15.- Solucione el siguiente modelo de programacin lineal, por la tcnica de las variables artificiales.
Utilice el Mtodo Doble Fase
2.3.2 MTODO PENAL
Este mtodo consiste en penalizar las variables artificiales sobre la funcin objetivo mediante un
coeficiente muy grande M, en donde, M , (+M si el problema es para minimizar y - M si el
problema es para maximizar).
Se complementa la estandarizacin. Se hace con las variables artificiales en las restricciones del tipo
o bien de igualdad. Si el problema es de maximizar: se restan todas las variables artificiales. Se itera
al igual que en el mtodo simplex hasta alcanzar la tabla ptima. Si aparece al menos una variable
artificial en la base en la tabla ptima, entonces se dice que el problema no tiene solucin. En otro
caso, la solucin que muestra la tabla ptima es la solucin ptima del problema dado.
NOTA: Este mtodo sirve para problemas donde necesariamente son indispensables las variables
artificiales.
EJEMPLOS: Resolver el siguiente problema de P. L.
1) Estandarizar el modelo:
2) Agregando las variables artificiales:
3) Haciendo aparecer las variables artificiales en la funcin objetivo multiplicadas por (+M):
4) Considerando solamente el sistema de ecuaciones e igualando a cero la funcin objetivo:
5) Formando la tabla inicial, con los coeficientes de las variables del sistema de ecuaciones
Vb Z
Zo
1 -2 -4 -1 0 -M 0 -M 0
0
0
0
1 2 -1
2 -1 2
-1 2 2
1 0 0 0
0 1 0 0
0 0 -1 1
5
2
1
1 M-2 M-4 4M-1 0 0 -M 0 3M
H
0
0
0
1 2 -1
2 -1 2
-1 2 2
1 0 0 0
0 1 0 0
0 0 -1 1
5
2
1
1 3M-5 -3M-3 0 0 0 -1/2 -2M+1/2 M/2+1/2
H
0
0
0
2 3 0
3 -3 0
-1/2 1 1
1 0 -1/2 1/2
0 1 1 -1
0 0 -1/2 12
5+1/2
1
1/2
1 0 -11/2 0 0 -M+5/6 1/3 -M-1/3 4/3
H
0
0
0
0 7/2 0
1 -1 0
0 1/2 1
1 -1/6 -2/3 2/3
0 1/3 1/3 -1/3
0 1/6 -1/3 1/3
16/3
1/3
2/3
1 -1 -9/2 0 0 -M+1/2 0 -M 1
H
S
0
0
0
2 3/2 0
3 -3 0
1 -1/2 1
1 1/2 0 0
0 1 1 -1
0 1/2 0 0
6
1
1
La ltima tabla (tabla ptima) muestra la solucin ptima del problema:
= 1, para
= 0;
= 1
2.4 CASOS ESPECIALES
En la Programacin Lineal se identifican algunos problemas como casos especiales del mtodo
simplex, por las caractersticas de sus soluciones, dichos problemas pueden ser identificados a partir
de las tablas del Mtodo Simplex.
Los casos especiales a considerar son:
1. Degeneracin.
2. Solucin ptima no acotada.
3. Solucin ptima mltiple.
4. Solucin ptima inexistente.
2.4.1 DEGENERACIN
Se presenta cuando al menos una de las variables bsicas es igual a cero. Esto es fcil de identificar
en la tabla del mtodo simplex.
Se consideran dos tipos de degeneracin, la degeneracin temporal y la degeneracin ptima, la
primera consiste en que la degeneracin (variables bsicas iguales a cero en la tabla) slo aparece en
tablas intermedias y no en la tabla ptima, mientras que la degeneracin ptima aparece en la tabla
ptima.
No necesariamente la degeneracin temporal implica una degeneracin de la solucin ptima.
La degeneracin es ms una caracterstica de la de solucin bsica que una alteracin al mtodo,
identificado el caso no se interrumpe el proceso de solucin.
2.4.2 SOLUCIN PTIMA NO ACOTADA
Este caso est asociado siempre a una regin abierta como rea de factibilidad, lo contrario no es
vlido.
Geomtricamente se identifica cuando entre ms se alejan los puntos del rea de factibilidad del
origen el valor de la funcin objetivo aumenta de manera ilimitada, se dice que Z tiende a (infinito)
Se identifica en el mtodo simplex cuando los elementos de la columna de la variable entrante, todas
son no positivos. Identificando el caso no es necesario seguir iterando, puesto que su solucin se va
al infinito.
2.4.3 SOLUCINES PTIMAS MLTIPLES
Este caso corresponde grficamente a la situacin de paralelismo entre la representacin grfica de la
funcin objetivo y una de las restricciones del modelo no redundante, de tal manera que al optimizarse
la funcin objetivo en ms de un vrtice del rea de factibilidad se optimizar tambin en todos los
puntos del segmento de recta definido por ellos.
Se puede identificar en las tablas del mtodo simplex, cuando al hacer (0) al coeficiente de la variable
entrante de la funcin objetivo se hace (0) en forma simultnea otro coeficiente de una o ms variables
no bsicas de la misma funcin objetivo.
Identificado el caso en las tablas del mtodo analtico, se continua tableado , introduciendo a la base
ptima cada una de las variables no bsicas cuyo coeficiente en la funcin objetivo se hizo cero de
manera simultnea y as obtener todas las soluciones ptimas.
Un problema de solucin ptima mltiple tiene a lo ms tantas soluciones ptimas como ceros
simultneos se hayan obtenido al hacer cero el coeficiente de la variable entrante en el rengln de la
funcin objetivo, a lo ms n, donde n es el nmero de variables del modelo.
Cuando los coeficientes de una de las restricciones son proporcionales a los coeficientes de la funcin
objetivo es un indicio para saber que se trata del caso especial de soluciones ptimas mltiples.
2.4.4 SOLUCIN PTIMA INEXISTENTE
Este caso ocurre geomtricamente cuando el rea de factibilidad es el vaco, esto es la interseccin de
los semiplanos que representan a las restricciones, es el vaco.
En el Mtodo Simplex este caso se identifica cuando al menos una de las variables artificiales es
diferente de cero en la tabla ptima.
Esto slo puede ocurrir en el Mtodo Penal o en la Primera Fase del Mtodo Doble Fase.
GRFICA DE ESTE CASO (Variables artificiales 0).
L EN DONDE K > L
EJERCICIOS
Resuelva el siguiente modelo de P.L. e identifique algn caso especial, justificando con lo observado
en la tabla simplex.
Resuelva el siguiente problema de P.L. por el mtodo penal e identifique algn caso especial en la
tabla simplex.
Considere el siguiente problema:
Muestre que a la solucin A, este problema es no acotada mostrando que el dual es infactible y el
primal factible.
Suponga que el problema primal no se verifica en cuanto a factibilidad, sera posible llegar a esta
conclusin, por qu?.
Usando el mtodo simplex encuentre dos soluciones ptimas del siguiente modelo de P.L.
Considere los siguientes modelos de P.L.
( ) El modelo (1) se puede identificar como el caso especial:
A) Degeneracin parcial
B) Soluciones ptimas mltiples
C) Solucin ptima No- Acotada
D) Solucin ptima inexistente
E) Solucin ptima degenerada.
( ) El modelo (2) se puede identificar como el caso especial:
A) Solucin ptima No- Acotada
B) Degeneracin parcial.
C) Solucin ptima Degenerada
D) Solucin ptima inexistente.
E) Soluciones ptimas mltiples.
( ) La solucin ptima para el problema (1) es:
A) Z = Infinito
B) Z = 10
C) Z = 100/3
D) Z = 250
( ) La solucin ptima para el problema (2) es:
A)
= 100/3
B)
= 10/3
C)
= Infinito
D)
= 20
E)
= 10.
( ) La variable que sale de la base en la primera tabla del problema. (1)
A)
B) Ninguna
C)
D)
E)
( ) Es tambin una base ptima
= 4;
= 2;
S W Z0
1 M2 4-3M 0 8+1/3M 0 0 -2M+100 2M -100 - 4M+300
0
0
0
0 2 0 1
- 2 4 0 6
0 1 1 - 1
1 0 - 1 1
0 1 - 1 - 1
0 0 1 - 1
8
0
2
2.5 PROBLEMA DE TRANSPORTE
El Problema de Transporte es muy importante en toda empresa que desea distribuir sus productos,
porque su solucin aporta el menor costo total de realizar tal distribucin.
El Problema de Transporte consiste bsicamente en m localidades con una disponibilidad de oferta,
de las cuales se enva un bien (producto) a n ubicaciones interesadas en recibir el bien (producto),
manifestando as un requerimiento o necesidad denominada como demanda del bien, esto implica que
el envo de una unidad desde cualquier localidad llamado origen, a cualquier ubicacin llamado
destino, tenga un costo marginal (costo unitario) asociado.
El objetivo del Problema de Transporte es: determinar el nmero de unidades del bien (producto) que
se deben enviar de cada origen a cada destino, de tal manera que el costo total de envo sea mnimo.
Por sus caractersticas el Problema de Transporte es un problema especial de la Programacin Lineal,
de tal forma que fue necesario crea sus propios algoritmos de solucin, ya que siendo de PL el Mtodo
Simplex y sus variantes resultan poco eficientes para resolverlo, en esta unidad, veremos
primeramente el Modelo General del Problema de Transporte en donde expondremos sus
principales caractersticas, para despus considerar los diferentes (tres) Mtodos de Obtencin de la
SBFI (Solucin Bsica Factible Inicial) y as poder ver los Mtodos de Obtencin de la Solucin
ptima, finalmente consideraremos el Caso Degenerado del Problema de Transporte
En general el Problema de Transporte esta desbalanceado, esto es, el total de unidades que se
ofrecen o se disponen en todos los orgenes es diferente al total de unidades que se demandas por
todos los destinos. Esta situacin impide que se pueda resolver el problema, sin embargo como se
ver ms adelante resulta sencillo corregir dicha situacin y convertirlo en un problema balanceado, lo
que quiere decir que toda unidad que se ofrezca siempre habr un destino que la requiera.
El envo del bien o producto define un flujo de mercanca de los diferentes orgenes a los diferentes
destinos, pudindose representar mediante el grfico de una red. Este flujo es en un solo sentido ya
que suponemos que no existen devoluciones de la mercanca.
2.5.1 MODELO GENERAL DE TRANSPORTE
El problema de transporte consiste en colocar en varios destinos, las unidades situadas en varios
orgenes, en tal forma que la colocacin sea ptima (costo mnimo o ganancia mxima).
Matemticamente, el problema se define de la siguiente manera:
El problema que se quiere resolver es:
s.a.
; i = 1,..., m
; j = 1,..., n
donde ai y bj son nmeros enteros positivos, i = 1, . . ., m ; j = 1, . . ., n.
La explicacin se facilita si se establecen dos matrices, una de costos y otra de flujos, tal como se
muestra a continuacin:
ORIG DESTINOS
1 2 . n
OFTA
1
2
...
...
m
. . .
. . .
. . . . . .
. . . . . .
. .
.
.
DEDA COSTOS
. . .
ORIG DESTINOS
1 2 . . . n
OFE
1
2
.
.
m
. . .
. . .
. . . . . .
. . . . . .
Xm1 Xm2 . . . Xmn
.
.
DEM FLUJOS
. . .
En el caso de que la oferta total sea mayor que la demanda total, es decir:
Entonces se aade un centro de consumo artificial n+1 cuya demanda b n+1 es:
Y cuyos costos unitarios Ck , k=1,. . . ,m son todos ceros. Por otro lado, si la demanda total excede de
la oferta total, es decir:
Entonces se aade un centro de oferta artificial m+1 cuya capacidad de oferta am+1 es:
Y cuyos costos unitarios cm+1 k=1,..., n son todos ceros.
Tubularmente se tiene:
ORGENES DESTINOS
1 2 . . . n
OFERTA
1
2
.
.
m
. . .
. . .
. . . . . .
. . . . . .
. .
.
.
m + 1 0 0 . . . 0 n m
j=1 i=1
DEMANDA COSTOS
. . .
2.5.2 MTODOS DE OBTENCIN DE LA SBFI (Solucin Bsica Factible Inicial)
Cuando un Problema de Transporte (PT) real est desbalanceado, aadiendo ya sea orgenes o
destinos artificiales, se le balancea y as se satisface la condicin necesaria y suficiente para que el
problema tenga solucin.
Una vez que un problema de transporte est balanceado, se requiere una solucin inicial que sea
bsica y factible. Hay varios mtodos para lograr esta solucin:
1. Mtodo de la esquina noroccidental
2. Mtodo del Costo Mnimo
3. Mtodo de Vogel
Posteriormente se explicar el algoritmo de optimizacin del Problema de Transporte.
Es necesario primero definir una SBFI, para ello damos las siguientes definiciones:
Solucin Factible.- Para que una solucin al Problema de Transporte sea factible se debe de cumplir:
1).- El problema debe estar balanceado, esto es, la oferta total es igual a la demanda total:
2).- La suma de las asignaciones o envo de cada origen, debe ser igual a su oferta, esto es:
Y la suma de las asignaciones o envo que recibe cada destino, debe ser igual a su demanda, esto es:
Solucin Bsica.- Es toda solucin del problema de transporte con a lo ms m+n-1 asignaciones
diferentes de cero (variables bsicas)
Solucin Bsica Factible.- Es toda solucin factible que cumple: el nmero de asignaciones
diferentes de cero es igual o menor a m+n-1, en donde m es el nmero de orgenes y n el nmero de
destinos.
SBFI (Solucin Bsica Factible Inicial).- Es toda solucin obtenida por cualquiera de los mtodos
mencionados arriba.
2.5.2.1 MTODO DE LA ESQUINA NOROCCIDENTAL
El punto de partida es una matriz con orgenes, destinos, ofertas y demandas de un problema
balanceado tal como se muestra a continuacin:
ORGENES DESTINOS
1 2 . . . n
OFERTA
1
2
.
m
DEMANDA
...... . . .
Para obtener una solucin bsica factible del problema se empieza a construir una matriz de flujos de
la siguiente manera:
Paso 1:
En la posicin (1,1), que es el extremo noroccidental de la matriz, asgnese el min (a1,b1) = X11.
Rstese X11 de la oferta a1 y de la demanda b1. Obviamente, alguna de estas dos cantidades se
convertir en cero.
Paso 2:
Si a1 se convierte en cero, psese a la posicin (2,1) y hgase X21 = min (b1 - X11 , a2). Si por otro
lado es b1 el que se convierte en cero en el paso anterior, se pasa a la posicin (1,2) y X12 = min (a1
- X11 , b2).
Paso 3:
Continese con la misma lgica hasta llegar a la posicin (m, n). La matriz de flujos que se obtenga
ser factible y bsica para (PT).
EJEMPLOS
Se suponen 4 orgenes y 5 destinos con las ofertas y demandas que se muestran a continuacin:
Ofertas: 40, 60, 90, 50 = 240
Demandas: 30, 40, 70, 40, 60 = 240
Ver la ilustracin grfica del problema:
ORGENES
DESTINOS
1 2 3 4 5
OFERTA
1
2
3
4
40
60
90
50
DEMANDA 30 40 70 40 60 240
Ntese que el problema est balanceado porque la oferta total es igual a la demanda total, igual a 240
unidades. A continuacin se obtiene una solucin bsica factible inicial, utilizando el mtodo del
extremo noroccidental.
Paso 1:
= min (
= 40 - 30 = 10,
b1 = b1 -
= 30 - 30 = 0,
y se pasa a la posicin (1,2).
Paso 2:
= min (
= 10 - 10 = 0,
= 40 - 10 = 30,
y se pasa a la posicin (2,2).
Paso 3:
= min (
= 60 - 30 = 30,
= 30 - 30 = 0,
y se pasa a la posicin (2,3).
Paso 4:
= min (
= 30 - 30 = 0,
= 70 - 30 = 40,
y se pasa a la posicin (3,3).
Paso 5:
= min (
= 90 - 40 = 50,
= 40 - 40 = 0,
y se pasa a la posicin (3,4).
Paso 6:
= min (
= 50 - 40 = 10,
= 40 - 40 = 0,
y se pasa a la posicin (4,5).
Paso 7:
= min (
= 10 - 10 = 0,
= 60 - 10 = 50,
y se pasa a la posicin (4,5).
Paso 8:
= min (
= 50 - 50 = 0,
= 50 - 50 = 0.
A continuacin se ilustra grficamente el mtodo. Los pasos son de acuerdo a la secuencia de las
flechas.
MATRIZ DE FLUJOS
ORGENES
DESTINOS
1 2 3 4 5
OFERTA
1
2
3
4
30 10
30 30
40 40 10
50
40 10 0
60 30 0
90 50 10 0
50 0
DEMANDA 30 40 70 40 60
0 30 40 0 50
0 0 0
La solucin inicial es bsica porque hay m+n-1 (4+5-1 = 8) flujos Xij 0, el resto, es decir, m x n -
(m+n-1), o sea 12, son ceros.
La solucin es factible porque satisface las restricciones de oferta. Por otro lado la solucin inicial es
no-degenerada porque hay exactamente m+n-1 flujos en la base que son positivos.
Este mtodo es muy sencillo, siendo su nica desventaja que el punto extremo de la regin de
factibilidad de (PT) asociado a la solucin inicial bsica factible as obtenida, est bastante alejado de
la solucin ptima, es decir, que de aqu a obtener la solucin ptima se requieren muchas
iteraciones. Esto, en tiempo de computadora puede ser bastante costoso.
2.5.2.2 MTODO DEL COSTO MNIMO
Al igual que los mtodos anteriores de la generacin de soluciones bsicas factibles iniciales,
este mtodo se inicia balanceando el Problema de Transporte, en caso de ser necesario, igualando la
oferta total con la demanda total, mediante un origen o destino ficticio.
El procedimiento es como sigue:
Paso 1: En la matrz de costos del problema, se selecciona la posicin del menor costo, en
caso de empate, se selecciona la posicin en donde se puede hacer una mayor asignacin.
Paso 2: En la matrz de flujos o asignaciones, en la pocin seleccionada del paso anterior se
asigna el menor de la oferta y la demanda que afectan a dicha posicin.
Paso 3: Tanto a la oferta como a la demanda de la posicin se resta la cantidad asignada.
Paso 4: El rengln y/o columna, cuya oferta y/o demanda se anulan, se elimina(n) en la matrz
de cotos, quedando una matrz reducida.
Paso 5: Regrese al paso 1, hasta alanzar las (m+n-1) asignaciones de la SBFI, quedando como
seal del proceso una matrz de costo reducida totalmente, esto es, todas las columnas y renglones de
la matrz quedaron eliminadas.
Paso 6: Finalmente se determina el costo total asociado a la solucin obtenida, como la suma
de los productos de las variables bsicas por sus costos asociados.
2.5.2.3 MTODO DE VOGEL
El mtodo de Vogel proporcionar una solucin bsica factible inicial ms cercana al punto
ptimo de un problema de transporte. Al igual que en el mtodo anterior, este mtodo se inicia
balanceando el Problema de Transporte.
Paso 1:
Construya una matriz de costos y de flujos asociados al problema balanceado y vyase al paso 3.
Paso 2:
Utilice el remanente de la matriz de costos y flujos una vez que estos ltimos se hayan asignado.
Paso 3:
Se entiende por diferencia de fila (de columna) a la diferencia que hay entre los dos nmeros ms
pequeos que existen en la fila. Calclese todas las diferencias de fila y de columna de la matriz de
costos.
Paso 4:
Seleccinese aquella fila o columna con mayor diferencia. Los empates se deciden arbitrariamente.
Paso 5:
Localcese el costo ms pequeo en la matriz de costos en la fila o columna seleccionada en el paso
anterior. Sea esta la posicin C
ij
Paso 6:
En la matriz de flujo hgase X
ij
= min (a
i
,b
j
), donde la posicin (i,j) se identific en el paso anterior.
Hgase la oferta ai igual a a
i
-X
ij
y la demanda b
j
igual a b
j
-X
ij
.
Paso 7:
Si a
i
-X
ij
= 0, llnese la fila i de la matriz de flujos con ceros, a excepcin de la posicin (i,j) y elimnese
esa fila de cualquier consideracin futura. Por otro lado, si b
j
-X
ij
= 0, llnese la columna j de la matriz
de flujos con ceros a excepcin de la posicin (i,j) y elimnese esa columna de cualquier consideracin
futura. Regrese al paso 2.
2.5.3 MTODOS DE OPTIMIZACIN DEL PROBLEMA DE TRANSPORTE
Los mtodos de optimizacin del Problema de Transporte estn formados por dos etapas o fases que
son:
1. Prueba de optimalidad de una solucin dada: En esta etapa del mtodo se inicia
determinando una solucin inicial por cualquiera de los mtodos conocidos para ello, esta
solucin inicial (SBFI) debe de ser no-degenerada ya que es requisito para realizar el proceso
de la prueba de optimalidad. En caso de ser degenerada (nmero de asignaciones menor a m
+ n 1) debe de agregarse tantas asignaciones iguales a cero (convenientemente escogidas)
como sea necesario de tal forma que el nmero de asignaciones de la solucin sea igual m +
n 1. Si al final de esta etapa la solucin probada es ptima se termina el proceso de solucin,
en caso contrario se contina con la siguiente etapa.
2. Generacin de una nueva solucin: Siendo no ptima la solucin dada, en esta etapa se
genera una nueva solucin bsica factible, habindose cumplido con ello una iteracin del
mtodo. Se repite la etapa (I) hasta obtener la solucin ptima. Son varios los mtodos de
optimizacin del Problema de Transporte, algunos de ellos son los que este material presenta:
1. Mtodo de los Multiplicadores (tambin llamado Algoritmo de Transporte)
2. Mtodo del Banquillo
3. Mtodo Galovi (es una variacin del mtodo de los Multiplicadores)
2.5.3.1 MTODO DE LOS MULTIPLICADORES
Paso 1:
Balancese el problema original, a fin de que se consiga la condicin necesaria y suficiente
para obtener una solucin ptima, es decir
a b
i
i
m
j
j
n
= =
=
1 1
Paso 2:
Genrese una solucin inicial que sea bsica y factible, ya sea utilizando el mtodo de Vogel o
del extremo noroccidental.
Paso 3:
Constryase una matriz de costos c
ij
, asociada a la solucin bsica factible que se tenga,
donde:
c
ij
= c
ij
, si X
ij
est en la base.
c
ij
= 0 , si X
ij
no est en la base.
Paso 4:
Con esta matriz de costos, calclese el valor de todas las variables duales u
i
y v
j
;
Donde i = 1, ..., m ; y j = 1, ..., n, utilizando la frmula:
u
i
+ v
j
- c
ij
= 0 ; i = 1, ..., m ; y j = 1, ..., n
Como hay m + n variables, y solamente m + n - 1 ecuaciones u
i
+ v
j
- c
ij
= 0 , existe un
grado de libertad. Esto equivale a darle un valor arbitrario (valor cero) a cualquiera de las variables
duales y as queda por resolver un sistema de m + n - 1 ecuaciones con m + n - 1 variables.
Paso 5:
Los parmetros z
ij
- c
ij
se calcula por medio de la ecuacin:
z
ij
- c
ij
= u
i
+ v
j
- c
ij
.
Como se estn usando reglas de minimizacin, si z
ij
- c
ij
s 0 para toda i y j, la solucin actual
es ptima. En caso contrario, la X
ij
correspondiente a la z
ij
- c
ij
ms positiva entra a la base. Para
guardar consistencia por la programacin lineal se utilizan las reglas de maximizacin.
En este caso: z
ij
- c
ij
= c
ij
- (u
i
+ v
j
)
Si todas las z
ij
- c
ij
> 0 , la solucin actual es ptima. En caso contrario, se introduce a la base la X
ij
correspondiente a la z
ij
- c
ij
ms negativa.
Paso 6:
Si la variable X
ij
entra a la base con un cierto valor positivo q, la oferta a
i
y la demanda b
j
se
desequilibrarn en un valor u, a menos de que exista, un mecanismo de compensacin. Antes de
sealar cul es ste, se ilustra el desequilibrio mencionado.
Considrese que la solucin bsica factible actual es la que se indica a continuacin.
1 . . . . . . j . . . . . . . n Oferta
1
.
i
.
m
X
11
X
ij
u X
in
X
m1
X
mn
a
1
.
a
i
.
a
m
Demanda b
1
. . . . . . b
j
. . . . . .b
n
La solucin es bsica, porque m+n-1 = 5 (una suposicin), y es factible porque:
X
11
+ X
1j
= a
1
X
in
= a
i
X
m1
+ X
mn
= a
m
X
11
+ X
m1
= b
1
. . . (a)
X
ij
= b
j
X
in
+ X
mn
= b
n
S
X
11
> 0 , X
1j
> 0 , X
in
> 0 , X
m1
> 0 , X
mn
> 0 .
Se supone que z
ij
- c
ij
es la ms negativa y por consiguiente, X
ij
entra a la nueva base con un
determinado valor u > 0. Tabularmente se tiene lo siguiente:
Si u > 0 , esta nueva solucin ya no es bsica, porque hay m+n (6 en este caso) elementos
en la base y no m+n-1 , como deberan haber. La solucin tampoco es factible, porque por un lado la
oferta del origen i es mayor que a
i
, de hecho es:
u + X
in
= u + a
i
> a
i
,
Y por el otro la demanda del destino j, es:
u + X
1j
= u + b
j
> b
j
,
Existe un desequilibrio que nicamente puede desaparecer si se resta y suma u unidades en
ciertas partes de la matriz de flujos. Un pequeo anlisis permite construir un circuito, tal como se
muestra a continuacin:
1 . . . . . . . . . j . . . . . . . n Oferta
1
.
i
.
m
X
11
+u X
1j
-u
u X
in
-u
X
m1
-u X
mn
+u
a
1
.
a
i
.
a
m
Dem b
1
. . . . . . . b
j
. . . . . . . .b
n
Flujos
En donde en ciertas partes se ha sumado el valor de u y en otras se ha restado. Lo importante
es que se ha regenerado la factibilidad, ms no lo bsico.
En efecto:
X
11
+ u + X
1j
- u = a
1
u + X
in
- u = a
i
X
m1
- u + X
mn
+ u = a
m
X
11
+ u + X
m1
- u = b
1
X
ij
- u + u = b
j
X
in
- u + X
mn
+ u = b
m
Que son iguales a las condiciones (a).
Para que esta nueva solucin sea bsica, es decir, que solamente existan m+n-1 elementos en
la base, u debe ser lo suficientemente grande como para reducir el valor de uno o varios flujos bsicos
a cero. Si se analiza la matriz anterior, se ve que si u aumenta, los siguientes flujos disminuyen:
X
1j
, X
in
, X
m1
Por lo tanto:
u = Min (X
1j
, X
in
, X
m1
)
El circuito formado anteriormente y el valor de u, corresponde a las ecuaciones
respectivamente. Este circuito es nico.
EJEMPLOS
Resuelva el problema de transporte que tiene tres orgenes con capacidad de 40, 60 y 90 unidades
respectivamente; 5 destinos con demandas de 30, 40, 70, 40 y 60 unidades respectivamente y los
costos unitarios dados en la siguiente tabla:
Origen
Destinos
1 2 3 4 5
Oferta
1
2
3
20 19 14 21 16
15 20 13 19 16
18 15 18 20 M
40
60
90
Dem 30 40 70 40 60
Costos
240
Por razones fsicas el origen 3 no puede surtir al destino 5.
Solucin:
Primero, como el origen 3 no surte al destino 5, se hace
, donde:
= 16
= 15
= 15
= 18
= 13
= 0
= 16
= 0
El resto de las
Costos
Paso 4: Dndole a
+
= 0 ; o sea
=
= 15 - 0 = 15
= 0 ; o sea
= 13 - 0 = 13
= 0 ; o sea
= 16 - 0 = 16
Conocidos v1, v3 y v5 , se pueden calcular u1, u3 y u4.
-
= 0 ; o sea
- v5 = 16 - 16 = 0
-
= 0 ; o sea
- v5 = 0 - 16 = -16
-
= 0 ; o sea
- v3 = 18 - 13 = 5
De manera similar, se obtienen los valores de las variables duales restantes.
-
= 0 ; o sea
= 0 - (-16) = 15
-
= 0 ; o sea
= 15 - 5 = 10
En resumen:
= 0
= 15
= 0
= 10
= 5
= 13
= -16
= 16
= 16
Paso 5: Utilizando la frmula zij - c ij = c ij - (ui + vj) (reglas de maximizacin) para toda i, j que no
est en la base se obtienen los indicadores en optimalidad.
- (
) = 20 - (0 + 15) = 5
=
- (
) = 19 - (0 + 10) = 9
- (
) = 14 - (0 + 13) = 1
- (
) = 21 - (0 + 16) = 5
- (
) = 20 - (0 + 10) = 10
- (
) = 19 - (0 + 16) = 3
- (
) = 18 - (5 + 15) = -2
- (
) = 20 - (5 + 16) = -1
=
- (
) = M - (5 + 16) = M - 21
- (
) = 0 - (-16 + 15) = 1
=
- (
) = 0 - (-16 + 10) = 6
- (
) = 0 - (-16 + 13) = 3
Como zij - c ij = -2 < 0 ; es la ms negativa, por lo que X31 entra a la base.
Paso 6: El circuito correspondiente de las ecuaciones anteriores queda representado a continuacin
tabularmente.
Org
Destinos
1 2 3 4 5
Oferta
1
2
3
4
40
20+
10
40 50-
40 10
40
60
90
50
Dem 30 40 70 40 60 240
El valor de q proviene del mnimo de aquellos flujos que disminuyen al aumentar q, es decir:
q = Min (30, 50) = 30
Por lo tanto, la nueva solucin es:
Org
Destinos
1 2 3 4 5
Oferta
1
2
3
4
40
50 10
30 40 20
40 10
40
60
90
50
Dem 30 40 70 40 60
Flujos
240
El costo asociado a esta solucin es:
$ 3,010 + X31 (z31 - c31) = $ 3,010 + 30(-2) = $ 2,950.
Se regresa al paso 3.
SEGUNDA ITERACIN:
Pasos 3 y 4: Tabularmente se representa a la nueva matriz con elementos `cij y a los valores duales
ui y vj
Orgenes
Destinos
1 2 3 4 5
1
2
3
4
16
13 16
18 15 18
0 0
= -5
= -5
= 0
= -21
v1=18 v2=15 v3=18 v4=21
Costos
Paso 5: Tabularmente se representa a la matriz con los elementos
- (
).
Orgenes
Destinos
1 2 3 4 5
1
2
3
4
7 9 1 5
2 10 3
-1 M-21
3 6 3
Costos
Como
= -1 < 0 es el ms negativo,
y a los valores
.
Orgenes
Destinos
1 2 3 4 5
1
2
3
4
16
13
18 15 18 20
0 0
= -4
= -5
=0 (arbitrario)
= -20
=18
=15
=18
=21
=20
Costos
Paso 5: Tabularmente se representa a la matriz con los elementos..
, calculados de
=
- (
).
Orgenes
Destinos
1 2 3 4 5
1
2
3
4
6 8 0 5
2 10 4 1
M-20
2 5 2
Costos
Como todas las
=40 ,
=60 ,
=30 ,
=40 ,
=10 ,
=30 ,
=20 ,
=10.
- Las restantes
= son cero.
- El costo mnimo de transportes es $2,940.
El problema presentaba una oferta total de 190 unidades y una demanda total de 240 unidades. Esto
representa una demanda insatisfecha de 50 unidades. La manera ptima de no satisfacer esta
demanda es precisamente dejando insatisfecho al centro de consumo 4 en 30 unidades (flujo
) y al
centro de consumo 5 en 20 unidades (flujo
).
2.5.3.2 MTODO DEL BANQUILLO DEL PROBLEMA DE TRANSPORTE
Este mtodo es probablemente el ms sencillo para obtener la solucin ptima del Problema de
Transporte.
Al igual que todos los mtodos de optimizacin del Problema de Transporte este mtodo
consiste de dos fases, en la primera se prueba la optimalidad de una solucin dada, en la segunda se
genera otra solucin Bsica Factible a partir de la solucin:
Primea fase (Prueba de Optimalidad):
Paso 1: Determine una Solucin Bsica Factible (SBFI) por cualquier mtodo.
Paso 2: Se determina para cada variable no-bsica de la solucin dada su circuito de
compensacin, este circuito se construye con desplazamientos horizontales y verticales solamente
dentro de la matriz de flujo o asignaciones, haciendo vrtice (esquina) en las variables bsicas de la
solucin, el circuito es nico.
Paso 3: Se determina el incremento del costo para cada variable no-bsica de la solucin,
mediante la suma y resta alternada de los costos asociados a las variables bsicas de los vrtices del
circuito de compensacin, para cada variable no-bsica. Si el incremento
sea el ms
negativo y asigne en dicha posicin un valor > 0.
Paso 5: Reste y sume de manera alternada a las variables bsicas colocadas en los vrtices
del circuito de compensacin de la variable no-bsica de la posicin.
Paso 6: Determine el valor de como: { }
=
ij
x Min u , en donde
ij
x son las asignaciones o
variable bsicas donde se rest .
Paso 7: Sustituya el valor de en la solucin probada y obtenga la nueva solucin Bsica
Factible y determine el costo total asociado.
Paso 8 : Regrese al paso 2.
EJEMPLOS
La siguiente tabla muestra la matriz de costos de un problema de transporte, determine la solucin
ptima por medio del Mtodo del Banquillo.
Or\De 1 2 3 Ofe
1
2
3
40 90 10
80 60 70
20 10 30
200
500
500
Dem 600 200 300
El problema est desbalanceado, agregamos un destino ficticio, para balancear con costos iguales a
cero.
Or\De
1 2 3 4 Ofe
1
2
3
40 90 10 0
80 60 70 0
20 10 30 0
200
500
500
Dem 600 200 300 100
1.- Determinamos una SBFI no-degenerada, por el Mtodo de la Esquina NO., cuyo costo total es:
= 40(200)+80(400)+60(100)+10(100)+30(300)+0(100) = $ 56 000
Or\De
1 2 3 4 Ofe
1
2
3
200
400 100
100 300 100
200
500
500
Dem 600 200 300 100
2.- Determinamos los circuitos de compensacin para cada variable no-bsica:
= {
= {
= {
= {
= {
= {
}
3.- Se determina el incremento del costo para cada variable no-bsica:
= 70;
= - 30;
= - 10;
= - 10;
= - 50;
= $ 51 000
Or\De 1 2 3 4 Ofe
1
2
3
200 0
400 100
200 300
200
500
500
Dem 600 200 300 100
Regresamos al paso dos. Calculamos los circuitos de manera semejante a la iteracin anterior y
calculamos los incrementos de los costos para las variables no-bsicas.
= 100;
= 40;
= 30;
= 20;
= - 40;
= 20;
La posicin con el incremento ms negativo, corresponde a
, asignamos
Or\De 1 2 3 4 Ofe
1
2
3
200 0
400 100
200 300
200
500
500
Dem 600 200 300 100
Restando y sumando en los vrtices del circuito:
Or\De 1 2 3 4 Ofe
1
2
3
200- 0+
400 100
200 300-
200
500
500
Dem 600 200 300 100
En donde = Min {200, 300} = 200. Sustituyendo = 200,
Or\De 1 2 3 4 Ofe
1
2
3
200
400 100
200 200 100
200
500
500
Dem 600 200 300 100
Dando una solucin no-degenerada, cuyo costo total es
= $ 43 000
Regresamos al paso dos. Calculamos los circuitos de manera semejante a la iteracin anterior y
calculamos los incrementos de los costos para las variables no-bsicas.
= 40;
= 100;
= 80;
= - 10;
= - 20;
= 60;
La posicin con el incremento ms negativo, corresponde a
= $ 41 000
Or\De 1 2 3 4 Ofe
1
2
3
200
300 100 100
300 200
200
500
500
Dem 600 200 300 100
Regresamos al paso dos. Calculamos los circuitos de manera semejante a la iteracin anterior y
calculamos los incrementos de los costos para las variables no-bsicas.
= 20;
= 80;
= 60;
= - 10;
= 20;
= 60;
La posicin con el incremento ms negativo, corresponde a X22 , asignamos y sumamos y restamos
en los vrtices.
Or\De 1 2 3 4 Ofe
1
2
3
200
300- 100 100
300+ 200-
200
500
500
Dem 600 200 300 100
En donde = Min {300, 200} = 200. Sustituyendo = 200,
Or\De 1 2 3 4 Ofe
1
2
3
200
100 200 100 100
500
200
500
500
Dem 600 200 300 100
Dando una solucin no-degenerada, cuyo costo total es
= $ 29 000
Regresamos al paso dos. Calculamos los circuitos de manera semejante a la iteracin anterior y
calculamos los incrementos de los costos para las variables no-bsicas.
= 20;
= 90;
= 60;
= 10;
= 20;
= 60;
Como todos los incrementos son No- Negativos la solucin mostrada es ptima
2.5.3.3 MTODO DE OPTIMIZACIN GALOVI
Este mtodo es una variacin al de los multiplicadores difundido ampliamente, consiste que mediante
una tabla o matriz de los coeficientes de las ecuaciones obtenidas por los generadores y el
de incrementos del costo de las variables no bsicas del problema . Se resuelva el
problema sin tener que interactuar con las ecuaciones directamente, sino con los coeficientes, tal como
se muestra en el siguiente ejemplo.
EJEMPLOS
Dada la siguiente matriz de costos que representa un problema de trasporte, determine la solucin
ptima aplicando la variacin del mtodo de los multiplicadores:
Ori 1 2 3 4 Ofer
1 80 40 90 10 600
2 90 70 30 20 100
3 10 60 40 85 700
Dem 300 500 400 200
El modelo de Transporte es:
Como primer paso es determinar una Solucin Bsica Factible Inicial No-degenerada por cualquiera
de los mtodos conocidos, para este ejemplo usaremos el mtodo de la Esquina Noro-
Occidental:
Ori
1 2 3 4 Ofer
1 300 300 600
2 100 100
3 100 400 200 700
Dem 300 500 400 200
Segundo Paso.- Utilizando el generador y con las posiciones de las variables bsicas de
solucin inicial, se establecen las ecuaciones:
Formando la primera Tabla o Matriz de coeficientes:
Var. Bs i j Val. De
Val. De
Ter. Ind.
1 1 1 40 40 80
2 1 2 40 0 40
3 2 2 70 0 70
4 3 2 60 0 60
5 3 3 60 - 20 40
6 3 4 60 25 85
Inicialmente las columnas de
= 0 en el tercer
rengln, se determina de igual forma el valor de
= 80 -
= 80 40 = 40
(diferencia entre el trmino independiente del primer rengln y el valor de
), de manera semejante en
el quinto rengln el valor de
= 40
= 85 -
).
El tercer paso es determinar el incremento del costo de cada variable no-bsica y para ello usamos la
tabla complementaria, tal como se muestra abajo:
Var. No-bs i J Val. De
Val. De
1 1 3 40 - 20 90
= 90 (40 - 20) = 70
2 1 4 40 25 10
= 10 65 = - 55
3 2 1 70 40 90
= 90 110 = - 20
4 2 3 70 - 20 30
= 30 60 = - 20
5 2 4 70 25 20
= 20 95 = - 75
6 3 1 60 40 10
= 10 90 = - 90
Debido a existen incrementos negativos la solucin dada no es ptima, como lo establece el mtodo
de los multiplicadores se debe generar una nueva solucin. Como se muestra en la tabla el incremento
ms negativo corresponde a:
Val. De
Ter. Ind.
1 1 1 20 60 80
2 1 2 20 20 40
3 2 2 50 20 70
4 3 1 0 60 60
5 3 3 0 40 40
6 3 4 0 85 85
Var. No-bs i J Val. De
Val. De
1 1 3 20 40 90 c13 = 90 (20 + 40) = 30
2 1 4 20 85 10 c14 = 10 105 = - 95
3 2 1 50 60 90 c21 = 90 110 = - 20
4 2 3 50 40 30 c23 = 30 90 = - 60
5 2 4 50 85 20 c24 = 20 135 = - 115
6 3 2 0 20 60 c31 = 60 20 = 40
Como se muestra en la tabla el incremento ms negativo corresponde a:
Val. De
Ter. Ind.
1 1 1 70 10 80
2 1 2 70 -30 40
3 2 4 -65 85 20
4 3 1 0 10 10
5 3 3 0 40 40
6 3 4 0 85 85
Var. No-bs i J Val. De
Val. De
1 1 3 70 40 90 c13 = 90 (70 + 40) = -20
2 1 4 70 85 10 c14 = 10 105 = - 145
3 2 1 -65 10 90 c21 = 90 +55 = 145
4 2 2 -65 -30 70 c22 = 70 95 = - 25
5 2 3 -65 40 30 c23 = 30 + 25 = 55
6 3 2 0 -30 60 c32 = 10 20 = 40
Como se muestra en la tabla el incremento ms negativo corresponde a:
Val. De
Ter. Ind.
1 1 2 0 40 40
2 1 4 0 10 10
3 2 3 10 20 30
4 2 4 10 10 20
5 3 1 20 -10 10
6 3 3 20 20 40
Var. No-bs i J Val. De
Val. De
1 1 1 0 -10 80 c11 = 80 (0 - 10) = 90
2 1 3 0 20 90 c13 = 90 20 = 70
3 2 1 10 -10 90 c21 = 90 - 0 = 90
4 2 2 10 40 70 c22 = 70 - 50 = 20
5 3 2 20 40 60 c32 = 60 - 60 = 0
6 3 4 20 10 85 c34 = 85 - 30 = 55
Todos los incrementos de las variables no bsicas son no negativos por lo tanto la solucin
probada es ptima.
El valor del costo total ptimo es:
= 5(10)+1(70)+5(20)+4(20) = 300
EVALUACIN
Conteste los reactivos, correspondientes en la evaluacin, de cada uno de los siguientes problemas.
I.- La tabla que se muestra corresponde a un problema de transporte
ORI/DEM 1 2 3 OFERTA
1 9
0
8
0
1
0
30
2 0 7
0
6
0
30
3 M 1
0
9
0
40
DEMANDA 3
0
3
0
3
0
II.- La tabla que se muestra corresponde a un problema de transporte.
ORI / DE 1 2 OFERTA
1 100 500 2500
2 M 100 2500
3 300 700 1000
DEMANDA 2000 3000
III.- La tabla que se muestra corresponde a un problema de transporte.
ORI/DEST. 1 2 3 OFERTA
1 10 5 12 40
2 8 M 15 55
DEMANDA 25 15 60
IV.- La tabla que se muestra corresponde a un problema de transporte
ORI/DEM 1 2 3 OFERTA
1 9 3 1 40
2 6 8 M 50
DEMANDA 2
0
5
0
3
0
BIBLIOGRAFA PARTICULAR DE LA UNIDAD
UNIDAD 6: PROBLEMA DE TRANSPORTE
No. T I T U L O A U T O R PAG
1 INVESTIGACIN DE OPERACIONES Shamblin,Stevens 319-351
2 INVESTIGACION DE OPERACIONES Taha. 165-202
3 INVESTIGACION DE OPERACIONES Hillier, Lieberman 320-373
4 INVESTIGACION DE OPERACIONES Mattur, Makesh 281-324
5 METODOS CUANTITATIVOS EN ADMINISTRACION Davis, McKeown 306-322
BIBLIOGRAFA PARTICULAR DE LA UNIDAD
No. T I T U L O A U T O R PAG
1 INVESTIGACION DE OPERACIONES Hillier, Lieberman 25-102
2 INVESTIGACION DE OPERACIONES Taha. 11-67
3 INVESTIGACION DE OPERACIONES Eppen, Gould 66-167
4 METODOS CUANTITATIVOS EN
ADMINISTRACION
Davis, McKeown 23-115
5 INVESTIGACION DE OPERACIONES Winston 33-96
BIBLIOGRAFA PARTICULAR DE LA UNIDAD
UNIDAD 3: MTODO SIMPLEX
No. T I T U L O A U T O R PAG
1 MTODOS Y MODELOS DE INVESTIGACIN DE OPERACIONES Prawda, Juan
39-61
2 INVESTIGACION DE OPERACIONES Hillier, Lieberman 173-202
3 INVESTIGACION DE OPERACIONES Taha. 71-112
4 INVESTIGACION DE OPERACIONES Winston 132-194
5 INVESTIGACION DE OPERACIONES Eppen, Gould 173-198
6 METODOS CUANTITATIVOS EN ADMINISTRACION Davis, McKeown 129-158