METODO DE LA ESQUINA NOROESTE.

Este mtodo comienza asignando la cantidad mxima permisible para la oferta y la demanda a la variable X11 (la que est en la esquina noroeste de la tabla). La columna o rengln satisfechos se tacha indicando que las variables restantes en la columna o rengln tachado son igual a cero. Si la columna y el rengln se satisfacen simultneamente, nicamente uno (cualquiera de los dos) debe tacharse. Esta condicin garantiza localizar las variables bsicas cero si es que existen. Despus de ajustar las cantidades de oferta y demanda para todos los renglones y columnas no tachados, la cantidad mxima factible se asigna al primer elemento no tachado en la nueva columna o rengln. El procedimiento termina cuando exactamente un rengln o una columna se dejan sin tachar. Ejemplo 1: Una compaa tiene 3 almacenes con 15, 25 y 5 artculos disponibles respectivamente. Con estos productos disponibles desea satisfacer la demanda de 4 clientes que requieren 5, 15, 15 y 10 unidades respectivamente. Los costos asociados con el envo de mercanca del almacn al cliente por unidad se dan en la siguiente tabla. Clientes Almacn....1....2....3....4 ......1..........10...0..20..11 ......2..........12...7...9...20 ......3...........0...14..16..18 Construya la solucin bsica inicial por el mtodo de la esquina noroeste.

______________________________________________________ MTODO DE ASIGNACION El modelo de asignacin es un caso especial del modelo de transporte, en el que los recursos se asignan a las actividades en trminos de uno a uno, haciendo notar que la matriz correspondiente debe ser cuadrada. As entonces cada recurso debe asignarse, de modo nico a una actividad

particular o asignacin. El modelo de asignacin es un caso especial del modelo de transporte, en el que los recursos se asignan a las actividades en trminos de uno a uno, haciendo notar que la matriz correspondiente debe ser cuadrada. As entonces cada recurso debe asignarse, de modo nico a una actividad particular o asignacin. Se tiene un costo Cij asociado con el recurso que es asignado, de modo que el objetivo es determinar en que forma deben realizarse todas las asignaciones para minimizar los costos totales. Ejemplo de un modelo de asignacin general de tres orgenes y tres destinos es:

Ejemplos: Se necesita procesar 4 diferentes tareas para lo cual se cuenta con 4 mquinas. Por diferencias tecnolgicas el desperdicio que se produce depende del tipo de tarea y la mquina en la cual se ejecuta, dada la matriz de Desperdicios expresada en pesos definir la asignacin ptima.

Como se trata de Desperdicios, buscaremos MINIMIZARLOS. Checamos que todas las casillas tengan su costo unitario, en este caso se cumple sin ningn problema. Balanceamos la tabla M= renglones = 4 N= columnas= 4 Por lo que M=N, quedando balanceada.

POR RENGLN Elegir el menor valor de rengln y restarlo a los dems. En este caso es son : 49,45,46,38. Restamos ese valor a cada uno de los dems del rengln. Formamos la nueva tabla

POR COLUMNA. Elegimos los menores valores de cada columna en este caso son : 0,0,5,21 Restamos esos valores a los dems nmeros de las columnas

Trazamos las lneas.

Contamos el nmero de lneas y observamos que son 3 lneas y el nmero de la matriz es de 4 por lo que NO ES PTIMO. Buscamos dentro de la tabla el menor valor no tachado en este caso es 12 Lo restamos a todos los dems, respetando los valores de los ya tachados y adicionndolos a los que estn intersectados.

Nos queda:

Trazamos las lneas. 3 4 NO ES PTIMO Volvemos a buscar el menor nmero de los no tachados.

En este caso es 3 y se lo restamos a los dems no tachados y respetamos a los tachados y se los sumamos a los intersectados. Y volvemos a trazar lneas.

4=4 ES PTIMO Ahora checamos las asignaciones, sean 1 a 1.

Solucin: Realizar la tarea A en la mquina 3 con un costo de $54 Realizar la tarea B con la mquina 4 con un costo $81. Realizar la tarea C en la mquina 1 con un costo $46. Realizar la tarea D en la mquina 2 con un costo $38.COSTO TOTAL MNIMO= $219 _____________________________________________________ MTODOLOGIA Y DEFINICION DE VOGEL Mtodo de Aproximacin de Vogel: para cada rengln y columna que queda bajo consideracin, se calcula su diferencia, que se define como la diferencia aritmtica entre el costo unitario ms pequeo (cij) y el que le sigue, de los que quedan en ese rengln o columna. (Si se tiene un empate para el costo ms pequeo de los restantes de un rengln o columna, entonces la diferencia es 0). En el rengln o columna que tiene la mayor diferencia se elige la variable que tiene el menor costo unitario que queda. (Los empates para la mayor de estas diferencias se pueden romper de manera arbitraria). Para hacer ms concreta esta descripcin, se ilustrar el procedimiento general, utilizando el mtodo de aproximacin de Vogel para resolver el ejemplo presentado anteriormente y que fue resuelto por la regla de la esquina noroeste: Iniciamos el mtodo calculando las primeras diferencias para cada rengln y columna. De las diferencias que obtuvimos nos fijamos en la mayor (Por qu?), que resulta ser para la tercera columna. En esa columna encontramos el costo unitario (cij) menor y en esa celda realizamos la primera asignacin:

Nota: Marcaremos a la mayor de las diferencias seleccionada encerrndola en un crculo y escribindole como superndice el nmero que le corresponda en la secuencia de seleccin. Observemos en la figura anterior que nicamente eliminamos el segundo rengln ya que la tercera columna nos servir despus para hacer la asignacin de una variable bsica degenerada. Continuando con la aplicacin del mtodo, tenemos que calcular nuevamente las diferencias de las columnas ya que hemos eliminado un rengln y sto puede ocasionar que las diferencias aritmticas entre el costo unitario ms pequeo y el que le sigue ya no sean las mismas:

Como siguiente paso deberamos calcular las nuevas diferencias de columnas, pero ya que solamente queda un rengln dentro de las posibilidades (sto no significa que solamente un rengln quede bajo consideracin ya que podemos observar que ninguna de las cuatro columnas (destinos) ha sido eliminada y todas quedan todava bajo consideracin), no es posible encontrar la diferencia aritmtica entre el costo menor y el que le sigue, por lo tanto vamos tomando una a una las celdas que quedan comenzando con la de menor costo unitario hasta que todas hayan sido asignadas.

La solucin inicial bsica factible es x11=3, x12=1, x13=0 (variable bsica degenerada), x14=1, x23=2 y x32=3 y el costo total de transporte asociado a esta primera Poltica de Transporte factible es de:

Es necesario aclarar que sta puede o no ser la solucin final del problema, es necesario aplicar a esta primera solucin factible la prueba de optimalidad ya que puede existir una mejor poltica de transporte que minimice todava ms el costo total.

_____________________________________________________ METODO DE LAS DOS FASES FASE 1. Formule un nuevo problema reemplazando la funcin objetivo por la suma de las variables artificiales. La nueva funcin objetivo se minimiza sujeta a las restricciones del problema original. Si el problema tiene un espacio factible el valor mnimo de la funcin objetivo ptimo ser cero, lo cual indica que todas las variables artificiales son cero. En este momento pasamos a la fase 2. * Si el valor mnimo de la funcin objetivo ptima es mayor que cero, el problema no tiene solucin y termina anotndose que no existen soluciones factibles FASE 2. Utilice la solucin ptima de la fase 1 como solucin de inicio para el problema original. En este caso, la funcin objetivo original se expresa en trminos de las variables no bsicas utilizando las eliminaciones usuales Gauss-Jordan. PROBLEMA # 1 Minimizar Z = 2000X1 + 500X2 Sujeto a: 2X1 + 3X2 > 36 3X1 + 6X2 > 60 X1, X2 > 0 Minimizar Z = 2000X1 + 500X2 Sujeto a: 2X1 + 3X2 + R1 = 36 + S1 3X1 + 6X2 + R2 = 60 +S2 X1, X2 > 0 FASE I Minimizar Z = R1 + R2 Sujeto a: 2X1 + 3X2 - S1 + R1 = 36 3X1 + 6X2 - S2 + R2 = 60 X1, X2 > 0 Minimizar Z 0X1 0X2 0S1 02 R1 R2 = 0

Sujeto a: 2X1 + 3X2 - S1 + R1 = 36 3X1 + 6X2 - S2 + R2 = 60 X1, X2 > 0 FASE II. Minimizar Z = 2000X1 + 5000X2 + OS1 + OS2 Z - 2000X1 - 5000X2 - OS1 - OS2 = 0

FASE II. Minimizar Z = 2000X1 + 5000X2 + OS1 + OS2 Z - 2000X1 - 5000X2 - OS1 - OS2 = 0

Solucin ptima: X1 = 0 X2 = 12 Z = 6000

__________________________________________________________

DEFINICIN Y APLICACIN DEL MODELO DE TRANSPORTE El modelo de transporte busca determinar un plan de transporte de una mercanca de varias fuentes a varios destinos. Los datos del modelo son: 1. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino. 2. El costo de transporte unitario de la mercanca a cada destino. Como solo hay una mercanca un destino puede recibir su demanda de una o ms fuentes. El objetivo del modelo es el de determinar la cantidad que se enviar de cada fuente a cada destino, tal que se minimice el costo del transporte total. La suposicin bsica del modelo es que el costo del transporte en una ruta es directamente proporcional al nmero de unidades transportadas. La definicin de unidad de transporte variar

dependiendo de la mercanca que se transporte.

El esquema siguiente representa el modelo de transporte como una red con m fuentes y n destinos. Una fuente o un destino esta representado por un nodo, el arco que une fuente y un destino representan la ruta por la cual se transporta la mercanca. La cantidad de la oferta en la fuente i es ai, y la demanda en el destino j es bj. El costo de transporte unitario entre la fuente i y el destino j es Cij. Si Xi j representa la cantidad transportada desde la fuente i al destino j, entonces, el modelo general de PL que representa el modelo de transporte es:

Minimizar Z= S i=1 m S j=1 n C i j X i j Sujeta a: S j=1 n X i j <= ai , i=1,2,, m S i=1 m X I j >= bj , j=1,2,, n X i j >=0 para todas las i y j

El primer conjunto de restricciones estipula que la suma de los envos desde una fuente no puede ser mayor que su oferta; en forma anloga, el segundo conjunto requiere que la suma de los envos a un destino satisfaga su demanda. El modelo que se acaba de escribir implica que la oferta total Si=1 m ai debe ser cuando menos igual a la demanda total Sj=1 n bj. Cuando la oferta total es igual a la demanda total, la formulacin resultante recibe el nombre de modelo de transporte equilibrado. Este difiere del modelo solo en el hecho de que todas las restricciones son ecuaciones, es decir:

SX i j = ai, i=1,2,..., m SX i j = bj, j=1,2,..., n En el mundo real, no necesariamente la oferta debe ser igual a la demanda o mayor que ella. Sin embargo, un modelo de transporte siempre puede equilibrarse. El equilibrio, adems de su utilidad en la representacin a travs de modelos de ciertas situaciones prcticas, es importante para el desarrollo del mtodo de solucin que explote completamente la estructura especial del modelo de transporte. Los dos ejemplos que siguen presentan la idea del equilibrio y tambin sus implicaciones prcticas.

Ejemplo 1 MG Auto Company tiene plantas en Los ngeles, Detroit y Nueva Orlens. Sus centros de distribucin principales son Denver y Miami. Las capacidades de las plantas durante el trimestre prximo son 1 000, 1 500, y 1 200 automviles. Las demandas trimestrales en los dos centros de distribucin son de 2 300 y 1 400 vehculos. El costo del transporte de un automvil por tren es de 8 centavos por milla. El diagrama de las distancias recorridas entre las plantas y los centros de distribucin son:

Mediante el uso de cdigos numricos que representan las plantas y centros de distribucin, hacemos que X i j represente el nmero de automviles transportados de la fuente i al destino j. Como la oferta total (= 1 000 + 1 500 + 1 200 = 3 700) es igual a la demanda ( = 2 300 + 1 400 = 3 700), el modelo de transporte resultante esta equilibrado. Por lo tanto, el siguiente modelo de PL que representa el problema tiene todas las restricciones de igualdad. Minimizar Z = 80X 11 + 215X 12 + 100X 21 + 108X 22 + 102X 31 + 68X 32

Sujeto a: X 11 X 12 = 1 000 X 21 X 22 = 1 500 X 31 X 32 = 1 200 X 11 X 21 X 31 = 2 300 X 12 X 22 X 32 = 1 400 X i j para todas las i y j

_______________________________________________________ EL MTODO DUAL SIMPLEX Como sabemos, el mtodo simplex es un algoritmo iterativo que iniciando en una solucin bsica factible pero no ptima, genera soluciones bsicas factibles cada vez mejores hasta encontrar la solucin ptima (s esta existe). Ntese que la base de su lgica es mantener la factibilidad, mientras

busca la optimalidad. Pero surge la posibilidad de usar otro esquema igualmente iterativo, que como contraparte del simplex, comienza en una solucin bsica ptima, pero no factible y mantiene la inmejorabilidad mientras busca la factibilidad. Con este procedimiento se llega igualmente a la solucin ptima. El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con el nombre de Mtodo Dual-Simplex. A continuacin se presenta su estructura y un ejemplo para ilustrar su aplicacin. Algoritmo Dual-Simplex para un modelo de maximizacin Introduccin Primero se debe expresar el modelo en formato estndar, agregando las variables de holgura y de exceso que se requieran.Enseguida, en las ecuaciones que tengan variables de exceso (resultantes de restricciones de tipo >), se debe multiplicar por (-1) en ambos lados , para hacer positivo el coeficiente de la variable de exceso, y formar as un vector unitario que nos permita tomar esta variable de exceso como una variable bsica inicial. sin necesidad de agregar una variable artificial en esa restriccin.Al hacer lo anterior se logra que debajo de las variables bsicas aparezca una matriz identidad, que es la que el simplex siempre toma como base inicial. Obtendremos que los trminos del lado derecho de las ecuaciones multiplicadas por (-1) quedan con signo negativo, lo cual hace que la solucin inicial sea infactible. Es importante destacar que este proceso es muy til ya que en muchos modelos evita la inclusin de variables artificiales en el momento de transformar un modelo a formato estndar. El algoritmo para resolver un modelo de maximizacin es el siguiente: Paso 1: Hallar una solucin bsica inicial infactible e inmejorable Escribir el tablero inicial tomando a las variables de holgura y de exceso como variables bsicas iniciales Paso 2: Prueba de factibilidad a. Si todas las variables bsicas son no negatvas, la actual solucin es la ptima. b. Si hay al menos una variable bsica negativa, seleccionar como variable de salida,( llammosla (XB)s ), a aquella con el valor mas negativo. Los empates se pueden romper arbitrariamente. Paso 3: Prueba de inmejorabilidad a. S en el rengln de la variable bsica de salida (XB)s todos los coeficientes de reemplazo con las variables no bsicas son no negativos, la solucin del modelo es ptima limitada. Se termina el proceso. Si en el rengln de la variable bsica de salida (XB)s, hay al menos un coeficiente de intercambio negativo , se efectan los cocientes entre el efecto neto de cada variable no bsicas y su correspondientel coeficiente de intercambio negativo. Es decir, siendo (XB)s la variable de salida se calculan todos los

cocientes

Se toma como variable de entrada ( llammosla Xe ) a aquella que corresponda al mnimo de los cocientes del anterior conjuntoSi la variable de entrada es Xe el elemento pivote ser el elemento (Se)s El empate se puede romper arbitrariamente. b. Aplicar la operacin de pivoteo para generar la nueva tabla, en la cual aparezca Xe como variable bsica en lugar de la variable de salida (XB)s c. Repetir el algoritmo a partir del paso 2. Ejemplo de aplicacin del Mtodo Dual Simplex

Sea el siguiente modelo:

' Expresemos el modelo en formato estndar

multipliquemos por (-1) en ambos lados de las ecuaciones, para formar los vectores unitarios, requeridos para contar con una base inicial unitaria

paso 1. Tomando las variables bsicas iniciales hacemos lo siguiente:

Paso 2 Sale E2 = (XB)2 o sea s = 2 Paso 3 a. Calculando los cocientes para todo (Sj)2 < id="BLOGGER_PHOTO_ID_5191415677997158930" style="CURSOR: hand" alt="" src="http://1.bp.blogspot.com/_sotvZvY2eQ8/SAudDchqEhI/AAAAAAAAAFg/yciwH4OfjpQ/s400/56.jpg" border="0">

o sea que X3 es la variable de entrada( entonces e = 3) y el elemento pivote es el (Se)s = (S3)2 = -9 b. Efectuando el pivoteo obtenemos la tabla siguiente:

Tabla 1 (maximizar)

c. Repitiendo el algoritmo desde el paso 1, obtenemos: sale E1 = (XB)1 y entra X2 por lo cual obtenemos la siguiente tabla

Tabla 2

Como se observa, ahora estamos en el ptimo.En definitiva: X2* = 11/7

X3* = 13/7

Z* = - 61/7

__________________________________________________________ METODO DE MULTIPLICADORES Este mtodo reproduce exactamente las mismas iteraciones del mtodo de banquillo. La principal diferencia ocurre en la forma en que las variables no bsicas se evalan en cada iteracin. Asociados a cada rengln i de la tabla existen multiplicadores Ui similarmente se asocia un multiplicador Vj a cada columna de la tabla j. Para cada variable bsica Xij de la solucin actual, se escribe la ecuacin Ui +Vj = Cij. Esas ecuaciones proporcionan m+n-1 relaciones con m+n incgnitas. Los valores de los multiplicadores pueden ser determinados a partir de las ecuaciones suponiendo un valor arbitrario para cualquiera de los multiplicadores (usualmente se establece U1=0) y resolviendo

el sistema de ecuaciones para encontrar los multiplicadores desconocidos. Una vez que se hace esto, la evaluacin de cada variable no bsica X pq est dada como: El criterio que se utiliza para seleccionar la variable que entra es el mismo que el mtodo de banquillo (la mayor negativa). Ejemplo: Una compaa est considerando una demanda de 5 clientes utilizando artculos que tienen disponibles en 2 almacenes. Los almacenes cuentan con 800 y 1000 unidades respectivamente. Los clientes necesitan 200, 150, 200, 180 y 500 unidades respectivamente. Los costos de embarque por artculo de los almacenes de los clientes son:

Resuelva el modelo de transporte empleando. a) Una solucin inicial por el mtodo de aproximacin de vogel. b) La solucin ptima por el mtodo de multiplicadores.

DESTINO FICTICIO = 570 ARTCULOS

Z = (15)(200) + (23)(200) +(18)(180) + (40)(220) + (22)(150) + (44)(280) + (0)(570) = $35,260