5.

EL PROBLEMA DE TRANSPORTE
5.1 Introducci on.
5.1.1 Forma matricial para el problema del transporte.
5.1.2 Teoremas.
5.1.3 Calculo de una soluci on factible basica inicial.
5.1.4 Mejora de una soluci on factible basica.
5.1.5 Tabla del transporte.
5.1.6 Algoritmo para el problema del transporte.
5.1.7 Soluci on degenerada.
1
5.1. El problema de transporte
Se trata de enviar unidades de un producto desde m
orgenes, O
1
, . . . , O
m
, a n destinos, D
1
, . . . , D
n
, en las
siguientes condiciones.
a
i
: oferta de O
i
, i = 1, . . . , m.
b
j
: demanda de D
j
, j = 1, . . . , n.
c
ij
: coste de transporte desde O
i
a D
j
, i = 1, . . . , m,
j = 1, . . . , n.
Modelo lineal para el problema de transporte.
min z =
m

i=1
n

j=1
c
ij
x
ij
sujeto a
n

j=1
x
ij
a
i
i = 1, . . . , m
m

i=1
x
ij
b
j
j = 1, . . . , n
x
ij
0 i, j
A nadiendo variables de holgura se tiene la forma estandar.
Si
m

i=1
a
i
=
n

j=1
b
j
entonces se tiene la forma estandar
sin necesidad de variables de holgura.
2
Ejemplo.
A
B
2000
2500
8
6
10
10
4
9
1500
2000
1000
P1
P2
P3
Variables de decisi on.
x
ij
: unidades desde i a P
j
, i = A, B, j = 1, 2, 3.
min z = 8x
A1
+6x
A2
+10x
A3
+10x
B1
+4x
B2
+9x
B3
sujeto a
x
A1
+x
A2
+x
A3
2.000
x
B1
+x
B2
+x
B3
2.500
x
A1
+x
B1
1.500
x
A2
+x
B2
2.000
x
A3
+x
B3
1.000
x
ij
0 i = A, B j = 1, 2, 3
3
Forma matricial.
min z = (8 , 6 , 10 , 10 , 4 , 9)
_
_
_
_
_
_
_
_
x
A1
x
A2
x
A3
x
B1
x
B2
x
B3
_
_
_
_
_
_
_
_
sujeto a
_
_
_
_
_
_
1 1 1 0 0 0
0 0 0 1 1 1
1 0 0 1 0 0
0 1 0 0 1 0
0 0 1 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
A1
x
A2
x
A3
x
B1
x
B2
x
B3
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
2.000
2.500
1.500
2.000
1.000
_
_
_
_
_
_
x
ij
0, i = A, B j = 1, 2, 3
P
1
P
2
P
3
OFERTA
A 8 6 10 2.000
B 10 4 9 2.500
DEMANDA 1.500 2.000 1.000
4
5.2. Forma matricial del problema de transporte.
D
1
D
2
D
n
OFERTA
O
1
c
11
c
12
c
1n
a
1
O
2
c
21
c
22
c
2n
a
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
O
m
c
m1
c
m2
c
mn
a
m
DEMANDA b
1
b
2
b
n
Si
m

i=1
a
i
=
n

j=1
b
j
, el problema es equilibrado.
1.
m

i=1
a
i
<
n

j=1
b
j
. Origen cticio O
m+1
.
Oferta: a
m+1
=
n

j=1
b
j

m

i=1
a
i
Costes: c
m+1,j
= 0, j = 1, . . . , n
2.
m

i=1
a
i
>
n

j=1
b
j
. Destino cticio D
n+1
Demanda: b
n+1
=
m

i=1
a
i

j=1
b
j
Costes: c
i,n+1
= 0, i = 1, . . . , m
5
5.3. Teoremas.
Teorema 1 Para que el problema de transporte tenga
soluci on es condici on necesaria y suciente que la oferta
total sea igual a la demanda total.
Teorema 2 El problema de transporte equilibrado tiene
una soluci on factible.
Teorema 3 Todo problema de transporte equilibrado
tiene una soluci on basica factible. Esta soluci on tiene
como maximo m+n 1 variables no negativas.
Observaci on: rg(A) = m+n 1
6
5.4. Calculo de una soluci on factible basica inicial.
El metodo de la esquina noroeste.
Dado un problema de transporte equilibrado,
Paso 1. Elegir la esquina noroeste (i, j) de la tabla
(inicialmente i = 1, j = 1).
Paso 2. Asignar x
ij
= min{a
i
, b
j
}. Actualizar ofer-
tas y demandas.
Si a
i
= min{a
i
, b
j
}, oferta de O
i
es 0, demanda
de D
j
es b
j
a
i
.
Si b
j
= min{a
i
, b
j
}, demanda de D
j
es 0, oferta
de O
i
es a
i
b
j
.
Si a
i
= b
j
, oferta de O
i
y demanda de D
j
son 0.
Eliminar de la tabla para calculos posteriores la la
y/o columna satisfecha.
Paso 3. Se pueden dar dos casos.
Si queda solo una la o solo una columna, se
asignan todas las unidades que estan sin asignar.
Parar.
En otro caso, ir al paso 1.
7
Metodo de Vogel.
DF
i
=diferencia en valor absoluto de los 2 costes
menores de la la i en la tabla de costes.
DC
j
=diferencia en valor absoluto entre los 2 costes
menores de la columna j en la tabla de costes.
Paso 1. Calcular DF
i
y DC
j
. Seleccionar la la o
columna de mayor diferencia y en ella el mnimo c
ij
.
Paso 2. Asignar x
ij
= min{a
i
, b
j
}. Actualizar ofer-
tas y demandas.
Si a
i
= min{a
i
, b
j
}, oferta de O
i
es 0, demanda
de D
j
es b
j
a
i
.
Si b
j
= min{a
i
, b
j
}, demanda de D
j
es 0, oferta
de O
i
es a
i
b
j
.
Si a
i
= b
j
, oferta de O
i
y demanda de D
j
son 0.
Eliminar de la tabla para calculos posteriores la la
y/o columna satisfecha.
Paso 3. Se pueden dar dos casos.
Si queda solo una la o solo una columna, se
asignan todas las unidades que estan sin asignar.
Parar.
En otro caso, ir al paso 1.
8
5.5. Mejora de una soluci on factible basica.
Modelo de transporte
min z =
m

i=1
n

j=1
c
ij
x
ij
sujeto a
n

j=1
x
ij
= a
i
, i = 1, . . . , m
m

i=1
x
ij
= b
j
, j = 1, . . . , n
x
ij
0 i, j
Modelo dual.
max G =
m

i=1
a
i
u
i
+
n

j=1
b
j
v
j
sujeto a
u
i
+v
j
c
ij
i, j
u
i
, v
j
: no restringidas, i, j
9
Ejemplo.
min z = 8x
A1
+6x
A2
+10x
A3
+10x
B1
+4x
B2
+9x
B3
sujeto a
x
A1
+x
A2
+x
A3
= 2.000
x
B1
+x
B2
+x
B3
= 2.500
x
A1
+x
B1
= 1.500
x
A2
+x
B2
= 2.000
x
A3
+x
B3
= 1.000
x
A1
, . . . , x
B3
0
Dual
max G = 2.000u
1
+2.500u
2
+1.500v
1
+2.000v
2
+1.000v
3
sujeto a
u
1
+v
1
8
u
1
+v
2
6
u
1
+v
3
10
u
2
+v
1
10
u
2
+v
2
4
u
2
+v
3
9
u
i
, v
j
: no restringidas, i, j
10
Vector que entra en la base.
Se parte de una soluci on basica factible.
z
ij
c
ij
= c
T
B
B
1
a
ij
c
ij
c
T
B
B
1
= [u
1
, . . . , u
m
, v
1
, . . . , v
n
]
z
ij
c
ij
= [u
1
, . . . , u
m
, v
1
, . . . , v
n
]a
ij
c
ij
z
ij
c
ij
= u
i
+v
j
c
ij
a
ij
B z
ij
c
ij
= u
i
+v
j
c
ij
= 0 u
i
, v
j
.
a
ij
B calcular z
ij
c
ij
= u
i
+v
j
c
ij
.
Si z
ij
c
ij
0 i, j soluci on optima.
Si z
ij
c
ij
> 0 se puede mejorar.
Entra a
ij
asociado al maximo z
ij
c
ij
> 0.
Vector que sale de la base.
1. Eliminar las las y columnas que contengan un unico
ujo positivo, considerando la variable asociada al
vector de entrada como ujo positivo. Las casillas
que contienen ujo positivo y no han sido elimi-
nadas forman el ciclo unico.
2. Deshacer el ciclo haciendo cero alguna de las varia-
bles que forman parte de el, manteniendo las demas
no negativas y asignando un valor positivo a la va-
riable que entra.
11
5.6. Tabla de transporte.
v
1
v
2
v
n
z
11
c
11
c
11
z
12
c
12
c
12
z
1n
c
1n
c
1n
u
1
x
11
x
12
x
1n
a
1
z
21
c
21
c
21
z
22
c
22
c
22
z
2n
c
2n
c
2n
u
2
x
21
x
22
x
2n
a
2
.
.
.
.
.
.
.
.
.
z
m1
c
m1
c
m1
z
m2
c
m2
c
m2
z
mn
c
mn
c
mn
u
m
x
m1
x
m2
x
mn
a
m
b
1
b
2
b
n
a
i
: oferta del origen O
i
, i = 1, . . . , m.
b
j
: demanda del destino D
j
, j = 1, . . . , n.
u
i
, v
j
: variables duales para calcular z
ij
c
ij
.
c
ij
: coste de transporte de O
i
a D
j
.
x
ij
: ujos de transporte, es decir, cantidad de unidades
de producto a transportar de O
i
a D
j
.
z
ij
c
ij
: valores indicadores.
12
5.7. Algoritmo para el problema de transporte.
Objetivo minimizar.
Paso 1. Equilibrar el problema.
Paso 2. Calcular una soluci on factible basica ini-
cial.
Paso 3. Calcular los valores u
i
, v
j
asociados a la
base actual.
Paso 4. Calcular los valores z
ij
c
ij
para los vectores
no basicos.
Si a
ij
B, z
ij
c
ij
< 0 soluci on optima.
Parar.
Si a
ij
B, z
ij
c
ij
0 y existe a
ij
B tal que
z
ij
c
ij
= 0 soluciones optimas multiples.
Elegir como vector de entrada un a
ij
tal que
z
ij
c
ij
= 0 e ir al paso 5.
Si z
ij
c
ij
> 0, entonces la soluci on puede ser
mejorada. Elegir como vector de entrada el vec-
tor a
ij
asociado al mayor indicador entre los po-
sitivos. Ir al paso 5.
Paso 5. Detectar el ciclo que forman el vector que
entra en la base y los vectores de la base actual.
Calcular la nueva soluci on actualizando los ujos
que forman el ciclo. Ir al paso 3.
13
5.8. Soluci on degenerada.
Calculo de una soluci on factible basica inicial.
Empate en el criterio del vector de salida.
Ejemplo 1.
1 2 3 3 2 1 0
1 3 2 1 15 4 11 15
2 1 2 3 10 1 2 3 0
3 2 3 1 14 10 0 10
10 6 12 2 3 1 0
6 8 14
10 6 12 11
Ejemplo 2.
1
1
2
2
3
3 4
u = 6
u = 0
u = 4
v = 6 v = 4 v = 0 v = 3
6 11 4 7
22
18
20
10 22 23 5
8
15
5
-7 -5
10
0
4 -3
6 4 4 8
2 10 6 9
*
ENTRA
SALE
10 12
10
6 4 4
2 10 6 9
6 11 4
7
18
10 22 23 5
8
15 5
0 22
10
8
20
22
14
5.2. Problema de asignaci on.
Asignar n orgenes (individuos, tareas etc.) a n
destinos (tareas, maquinas etc.) con el objetivo de
minimizar el coste de asignaci on.
Asignaci on uno a uno.
Variables de decisi on.
x
ij
=
_
_
_
1 O
i
D
j
0 O
i
D
j
c
ij
: coste de asignar el origen i al destino j.
Modelo lineal.
min z =
n

i=1
n

j=1
c
ij
x
ij
sujeto a
n

j=1
x
ij
= 1 i = 1, . . . , n
n

i=1
x
ij
= 1 j = 1, . . . , n
x
ij
= 0, 1 i, j = 1, . . . , n
15
5.2.1. Teoremas.
Teorema 4 Si los valores de las variables x
ij
, i = 1, . . . , n,
j = 1, . . . , n son soluci on optima para un problema de
asignaci on con funci on objetivo
z =
n

j=1
n

i=1
c
ij
x
ij
entonces esos mismos valores son tambien soluci on optima
del problema cuya funci on objetivo es
z

=
n

j=1
n

i=1
c

ij
x
ij
c

ij
= c
ij
k
i
k

j
, k
i
, k

j
constantes.
Teorema 5 Si c
ij
0, i, j = 1, . . . , n y el conjunto de
valores de las variables es tal que
z =
n

j=1
n

i=1
c
ij
x
ij
= 0
entonces x
ij
, i, j = 1, . . . , n es soluci on optima.
16
5.2.2. Algoritmo de asignaci on. Metodo Hungaro.
Paso 1. Equilibrar el problema. Hacer c
ij
0, i, j.
Paso 2. Restar en cada la el mnimo.
Paso 3. Restar en cada columna el mnimo.
Paso 4. Asignaci on de ceros. Elegir la la o columna
con menor n umero de ceros. Asignar uno y eliminar los
ceros de la misma la y columna. Repetir hasta que no
haya ceros para asignar.
Si todas las las tienen cero asignado soluci on optima.
Parar.
Si no, ir al paso 5.
Paso 5. Marcar lneas.
(a) Marcar las las que no tienen ceros asignados.
(b) Marcar las columnas que tienen ceros eliminados en
las las marcadas en el paso anterior.
(c) Marcar las las que tienen ceros asignados en las
columnas marcadas en el paso anterior.
Repetir (b) y (c) hasta que ya no se puedan marcar mas
las o columnas.
Cubrir las no marcadas y columnas marcadas. Ir a 6.
Paso 6. Crear nuevos ceros. Elegir el elemento
mnimo que no esta cubierto. Restarlo a todos los ele-
mentos de las las no cubiertas y sumarlo a los elemen-
tos de las columnas cubiertas. Ir al paso 4.
17
5.2.3. Problemas de maximizaci on.
max z =
n

i=1
n

j=1
c
ij
x
ij
min(z) =
n

i=1
n

j=1
c
ij
x
ij
c
kl
= min{c
ij
/ c
ij
< 0}, c

ij
= c
ij
+c
kl
, c

ij
0
Oi
Dj
Cij
MAX
MIN
Oi
Dj
Oi
Dj
- C ij C ij
Restar
- Ckl
Ejemplo.
P
1
P
2
P
3
P
4
P
5
A 2 4 10 3 6
B 7 7 5 6 4
C 8 6 7 9
P
1
P
2
P
3
P
4
P
5
A 2 4 10 3 6
B 7 7 5 6 4
C 8 6 7 9
D 0 0 0 0 0
E 0 0 0 0 0
P
1
P
2
P
3
P
4
P
5
A 8 6 0 7 4
B 3 3 5 4 6
C 2 4 3 1
D 10 10 10 10 10
E 10 10 10 10 10
18