Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPITULO I
A la I.O. se debe visualizarse como ciencia y como arte. Como ciencia radica en ofrecer
tcnicas y algoritmos matemticos para resolver problemas de decisin adecuados. Es
un arte, debido a que el xito que se alcanza en todas las fases anteriores y posteriores a
la solucin de un modelo matemtico depende en forma apreciable de la creatividad y
habilidad personal de los analistas encargados de tomar decisiones. Por lo tanto, la
obtencin de los datos para la construccin de un modelo, la validacin de ste y la
implantacin de la solucin obtenida dependern de la habilidad del equipo de I.O., para
establecer lneas de comunicacin ptimas con las fuentes de informacin, y tambin
con los individuos responsables de implantar las soluciones recomendadas.
Uno de los campos que hasta en pocas recientes no se haba aplicado la ciencia, fue el
de la administracin y organizacin de las empresas, al contrario de lo que ocurri con
ciencias tales como la mecnica, la qumica, las mismas que dieron nacimiento a las
ingenieras mecnica, qumica, etc. Esto ocurri debido a que las empresas, en sus
orgenes, no sobrepasaron la dimensin de pequeas y medianas artesanas, en las que el
empresario o artesano tena bajo su absoluto control todas las actividades de su
corporacin; el es el que planifica la produccin, recluta el personal, hace las veces de
operario, de vendedor, etc.
A medida que la empresa crece, es imposible que una sola persona trate de controlar de
por s sola a toda una organizacin, lo que di lugar a la aparicin de teoras sobre
organizacin y administracin de empresas complejas por sus dimensiones y por el
campo de las operaciones que abarcan.
De entre las teoras de organizacin empresarial que aparecieron, podramos citar las
siguientes:
1.
Clsica: Sus grandes tericos fueron Taylor y Fayol. En resumen consideran que
todas las organizaciones complejas tienen ciertas funciones comunes que les son
bsicas tales como la planeacin, la ejecucin, control; considera que la
organizacin es un arte, ms o menos sujeto a ciertos principios.
2.
3.
4.
indicar que la empresa es un conjunto de gente que trabaja por una parte, y otro
grupo que es el que dirige o toma las decisiones.
Esta corriente filosfica se preocupa por estudiar la teora de las decisiones, lo que
estiman que es el problema fundamental de la empresa y que caminos o herramientas
existen para una mejor decisin en un momento dado.
DESARROLLO DE LA I.O.
Pero podra considerarse a Taylor y a Fayol como sus precursores, quienes dieron inicio
a su sistematizacin, debido al crecimiento y complejidad que experiment la empresa
por la Revolucin Industrial.
Casi la totalidad de los autores coinciden en afirmar que la actividad llamada I.O. se
desarroll durante la II Guerra Mundial, pero sus orgenes pueden remontarse a muchos
aos atrs.
Concluida la guerra, muchos especialistas en I.O. que prestaban sus servicios en la rama
militar pasaron a colaborar en la reconstruccin de la industria desbastada por la guerra.
CONCEPTOS I.O.
Hctor Espinoza Berriel dice: "Es un grupo de tcnicas cuyo principal objetivo es la
determinacin de la soluciones ptimas de los problemas econmicos, mediante
mtodos matemticos y estadsticos".
Ackkoff y Sasieni dicen: " I.O. es, de hecho, el uso de la investigacin cientfica
para ayudar al ejecutivo".
Spilman, nos dice "I.O. es un mtodo cientfico para el estudio de las decisiones que
permiten la localizacin y la evaluacin cuantitativa de todos los factores
interesados".
APLICACIN.
La aplicacin de la I.O. es infinita en cualquier campo de la actividad humana, si bien
en sus inicios se lo aplic en el campo militar hoy se lo utiliza para resolver problemas
dietticos, de personal, mejor utilizacin de los insumos en la industria, para realizar
itinerarios mas cortos y ptimos, etc.
CARACTERISTICAS I.O.
UTILIZACION DEL METODO CIENTIFICO COMO DE LOS MATEMATICOS: Bsicamente la I.O. al igual que otras ciencias, emplea el mtodo cientfico, el
mismo que comprende las etapas de observacin, definicin del problema, formulacin
de hiptesis, experimentacin y verificacin.
10
CAPITULO II.
11
Para resolver los problemas se lo realiza mediante la experimentacin, por cuanto sera
muy costoso y riesgoso hacerlo en la misma empresa, es por esto que se utiliza los
modelos, que no es sino una representacin o una abstraccin de la realidad.
12
Estas restricciones son las limitaciones del problema y estn constituidos por recursos
escasos como son: capital, tierra, trabajo, energa, materia prima, mercado, horashombre, horas-mquina, etc. Y utiliza los smbolos de y .
13
X1 0
X2 0
X1, X2 0
14
PLANTEAMIENTO DE PROBLEMAS.
EJERCICIO 1.
Una empresa planea una campaa de publicidad para un nuevo producto. Se establecen
como metas el que la publicidad llegue por lo menos a 320.000 individuos audiencia
(IA), de los cuales al menos 120.000 tengan un ingreso mnimo anual de 300.000
unidades monetarias y al menos 80.000 sean solteros. Se desea nicamente la radio y la
televisin como medios de publicidad. Un anuncio de TV cuesta 10.000 unidades
monetarias y se estima que llega a un promedio de 40.000 (IA) de los cuales un 25%
tienen ingresos superiores a 300.000 unidades monetarias y un 20% son solteros. Un
anuncio por radio FM cuesta 6.000 unidades monetarias y llega a un auditorio promedio
de 10.000 oyentes (IA), de los cuales el 80% tienen ingresos superiores a los 300.000
u.m. y 4.000 son solteros. Hallar el nmero de anuncios por cada medio para minimizar
el costo.
X1 # nmero de anuncios en TV.
X2 # nmero de anuncios en radio.
Costo Unitario
Tipos de audiencia
De alto ingreso
Solteros
Global
Televisin
10.000
Alcance unitario
10.000
8.000
40.000
Radio
6.000
Alcance unitario
8.000
4.000
10.000
Meta mnima
120.000
80.000
320.000
15
F.O.
MIN Z = 10X1+6X2
EJERCICIO 2.
Una fbrica de calzado produce 3 tipos de zapatos: deportivos, formales y botines,
producir un par de cada tipo cuesta 10, 20, y 30 dlares respectivamente. El precio de
venta de los zapatos deportivos es de $20, zapatos formales $40, y botines $60, dicha
empresa recibe una orden de entrega de 150 pares de zapatos, en la que se especifica
que no se desea recibir ms de 50 pares de botines.
Cuntos pares de zapatos de cada tipo debe producir la fbrica a fin de maximizar las
ganancias.
X1 # pares zapatos deportivos
X2 # pares zapatos formales
X3 # pares zapatos botines
Recursos
Orden entrega
No mas 50 p.
Por deduccin
Ganancia
Deportivos
1
Formales
1
1
10
1
20
Botines
1
1
30
Disponibilidad
150
50
100
16
2. X3 50
3. X1 + X2 100
Cond: X1 0
X2 0
X3 0
EJERCICIO 3.
La compaa Work Company es propietaria de un taller de fabricacin de cermica. En
ese taller se fabrica 3 tipos de cermica A,B,C con cada cermica se requiere
determinado tiempo para realizar la pieza y pintar la pieza terminada, Work podr
vender todas las cermicas que fabrique. Work emplea a varias personas para realizar
cada una de las actividades la cual es variable de uno a otro mes. A partir de los
siguientes datos formule un modelo de programacin lineal que ayude a Work a
determinar la mezcla de productos que permitir maximizar la ganancia.
X1 # unidades de producto A
X2 # unidades de producto B
X3 # unidades de producto C
Modelo
A
B
C
Capacidad
Realizar Pieza
3
1
4
120
Pintura Pieza
4
5
4
200
Ganancia
22
18
50
17
EJERCICIO 4.
La empresa Tubasec necesita producir planchas para cubrir techo los cuales estn
diseadas con 5 y 10 canales. En conjunto los 2 tipos de planchas tienen asignadas para
su produccin 10 m3 de asbesto y 5m3 de cemento.
Las planchas de 5 canales debern contener 1.5 m3 de asbesto y 0.5 m3 de cemento. Las
planchas de 10 canales debern contener 2 m3 de asbesto y 1 m3 de cemento. Para
cumplir con la norma ISO a la cual la empresa est certificada como un aval de que los
productos fabricados son de calidad.
Cual es la combinacin ptima de los dos tipos de planchas que minimice el costo total
de produccin si se sabe que el costo unitario para producir las planchas de 5 canales es
de $3 y de la de 10 canales es de $4
X1 # planchas de 5 canales
X2 # planchas de 10 canales.
Recursos
Asbesto
Planchas 5 canales
1.5
Planchas 10 canales
2
Disponibilidad
10
18
Cemento
Costo
0.5
3
1
4
EJERCICIO 5.
Dos productos se elaboran al pasar en forma sucesiva por tres mquinas. El tiempo por
mquina asignado a los dos productos est limitado a 10 horas por da.
PRODUCTO
1
2
MAQUINA 3 GANANCIA
8
2
15
3
RESOLUCION:
RECURSOS
MAQUINA 1
MAQUINA 2
MAQUINA 3
GANANCIA
PRODUCTO 1
10
6
8
2
PRODUCTO 2
5
20
15
3
DISPONIBILIDAD
10
10
10
19
Rest.
10X1 + 5X2 10
1.
6X1 + 20X2 10
1.
3.
8X1 + 15X2 10
Cond. X1 0
X2 0
20
EJERCICIO 6.
La produccin de una fbrica debe ser programada para dos tipos de mquina A y B,
para la mquina A pueden ser programadas 100 horas de trabajo, y para la mquina B
60 horas de trabajo, la produccin durante el periodo est destinado a dos productos X y
Y, cada unidad del producto X requiere 3 horas de proceso en la mquina A, y 3 horas
en la mquina B, cada unidad de producto Y requiere 2 horas en la mquina A y 1 en la
mquina B, el margen de ganancia es de 80 unidades monetarias por X y 100 por
unidad de producto Y. Ambos productos pueden ser vendidos inmediatamente y en
consecuencia la produccin puede ser programada con el objeto de maximizar las
ganancias
RECURSOS
PRODUCTO X PRODUCTO Y
MAQUINA A 3
MAQUINA B 3
GANANCIA 80
2
1
100
X1 = UNIDADES DE PRODUCTO X
X2 = UNIDADES DE PRODUCTO Y
F.O.
Rest. 1.
2.
Cond.
X1 0
DISPONIBILIDAD DE LOS
RECURSOS
100
60
21
X2 0
EJERCICIO 7.
Una fbrica de alimentos debe enviar 500 mt3 de alimentos que necesitan refrigeracin y
600 mt3 , que no necesitan ser refrigerados, para ello va a contratar los servicios de una
compaa que renta camiones refrigeradores de 2 tipos A y B.
RECURSOS
REFRIGERADOS
NO REFRIGERADOS
COSTO (km)
TIPO A
10
15
5
X1 = CAMIONES TIPO A
X2 = CAMIONES TIPO B
F.O.
Rest. 1.
2.
TIPO B
15
10
8
DISPONIBILIDAD
100
600
22
Cond. X1 0
X2 0
EJERCICIO 8.
Un taller produce 2 clases de cinturones de tipo A y B, en cada cinturn de alta calidad
gana 80 unidades monetarias, y en cada cinturn B de baja calidad gana 60. El taller
puede producir diariamente 1000 cinturones de tipo B o bien 500 cinturones de tipo A,
slo se dispone de piel para 800 cinturones diarios (A y B combinados), y de 400
hebillas elegantes para el cinturn A y de 700 hebillas diarias para el cinturn B. Qu
produccin maximiza la ganancia ?.
RECURSOS
PIEL
HEBILLAS ELEGANTES
HEBILLAS NORMALES
GANANCIA
CINTURON
A
1
1
0
80
X1 = CINTURON TIPO A
X2 = CINTURON TIPO B
F.O.
MAX Z = 80X1 + 60 X2
Rest. 1.
2.
3.
X1 + X2 800
X1
400
X2 700
CINTURON
B
1
0
1
60
DISPONIBILIDAD
800
400
700
23
4.
2X1 + X2 1000
Cond. X1 0
X2 0
EJERCICIO 9.
Un agricultor quiere cultivar maz y trigo en un terreno de 70 hectreas, sabe que una
hectrea puede rendir 30 quintales de maz o 25 quintales de trigo; cada hectrea
requiere de un capital de 900 unidades monetarias si cultiva maz y de 1200 si se cultiva
con trigo. El capital total disponible es de 75.000 unidades monetarias. Las necesidades
de agua de riego es de 900 mts3 por hectrea de maz y 600 mts3 por hectrea de trigo
en octubre, y de 1200 mts3 y 850 mts3 por hectrea de maz y trigo respectivamente en
el mes de noviembre; la disponibilidad de agua en octubre es de 57.900 mts3 y en
noviembre de 115.200 mts3.
Si los precios de venta del maz y del trigo son de 135 y 180 unidades monetarias por
quintal respectivamente, se desea determinar la cantidad de maz y trigo que debe
producirse para obtener el beneficio mximo.
RECURSOS
TERRENO
CAPITAL
AGUA OCTUBRE
AGUA NOVIEMBRE
PRECIO VENTA
MAIZ
1 / 30
1 / 30 (900)
1 / 30 (900)
1 / 30 (1200)
135
TRIGO
1 / 25
1 / 25 (1200)
1 / 25 (600)
1 / 25 (850)
180
DISPONIBILIDAD
70
75.000
57.900
115.200
24
F.O.
Rest. 1.
X1/30 + X2/25 70
2.
3.
4.
Cond. X1 0
X2 0
EJERCICIO 10.
Un granjero cra pavos, gallinas y patos. El costo de la crianza de una gallina, un pato y
un pavo es de 15, 10, y 40 unidades monetarias respectivamente hasta el momento de su
venta.
Las gallinas se venden a 30 unidades monetarias, los patos a 20 y los pavos a 55 cada
uno, sabiendo que la granja puede alojar solo a 500 aves y que el granjero no desea
tener mas de 300 patos a la vez. Cuntas aves de cada especie debe criar a fin de
maximizar sus ganancias?.
X1 = NUMERO DE PAVOS.
X2 = NUMERO DE GALLINAS
25
X3 = NUMERO DE PATOS.
F.O.
MAX Z = 15X1 + 10 X2 + 15 X3
Rest.
X1 + X2 + X3 500
Capac. de alojamiento
X3 300
X1 + X2
200
Cond. X1 0
X2 0
X3 0
Para n variables X: X1, X2, X3, X4.........Xn, conocidas como variables de decisin, el
problema consiste en determinar los valores de stas variables que hagan mxima o
mnima la siguiente ecuacin:
Sujetas a las restricciones dadas por las limitaciones de recursos, las mismas que son
planteadas como inecuaciones o ecuaciones:
26
) b2
.
.
.
am1X1 + am2X2 + ................ + amnXn (
) bm
En sumatorios
n
F.O.
Z=
Cj Xj
j =1
n
Rest. aij Xj bi (para valores de i = 1,2,3, ............ m)
j=1
METODO GRAFICO
METODO ALGEBRICO
METODO SIMPLEX.
27
METODO GRAFICO.
1.
2.
28
Ej.
F.O.
Rest. 1.
2X1 + X2 8
2.
X1 + X2 6
Cond. X1 0
X2 0
Trazado de las lneas:
Rest. 1.
X1
0
4
Rest. 2.
X2
8
0
29
X1
0
6
X2
6
0
10
X2
Rest .1
Rest. 2
F.O.
2
0
0
X1
B(4,0)
16
D(2,4)
20 (Mayor ganancia)
E(0,6)
18
X1 = 2; X2 = 4
30
EJERCICIOS.
EJERCICIO 1.
Maximizar Z = 4X1 + 5X2
Rest. 1.
2.
2X1 + 1,5X2 80
Cond. X1 0
X2 0
X2
40
0
Rest. 2.
X2
0
40
X2
53.33
0
X2
Rest. 1.
X1
0
60
60
50
40
30
20
10
0
Rest. 1
Rest. 2
F.O.
20
40
60
80
X1
EJERCICIO 2.
Minimizar Z = 3X1 + 5X2
Rest. 1.
31
400
2.
0,16X1
3.
Cond. X1 0
X2 0
Rest. 1.
X1
0
6000
Rest. 2.
X1
2500
Rest. 3.
X1
0
3750
X2
1500
0
X2
0
X2
4500
0
X2
5000
4000
Rest. 1
3000
Rest. 2
2000
Rest. 3
1000
F.O.
0
0
2000
4000
X1
6000
8000
32
TIPOS DE SOLUCIONES
Solucin no factible
Soluciones ptimas mltiples
Soluciones no acotadas. (Sin lmite).
SOLUCION NO FACTIBLE.
Se obtiene cuando las restricciones del problema no definen una regin factible, o es un
conjunto vaco.
Rest. 1.
2.
2X1 + 1,5X2 80
3.
X1 + X2 50
Cond. X1 0
X2 0
Rest. 1.
X1
0
60
Rest. 2.
X2
40
0
33
X1
0
40
X2
Rest. 3.
X1
0
50
X2
53.33
0
X2
50
0
60
50
40
30
20
10
0
Rest. 1
Rest. 2
Rest. 3
F.O.
0
20
40
60
80
X1
Se obtiene cuando la funcin objeto es paralela a una de las restricciones del problema.
Rest. 1.
2.
2X1 + 1,5X2 80
Cond. X1 0
X2 0
34
X2
40
0
Rest. 2.
X1
0
40
X2
53.33
0
X2
Rest. 1.
X1
0
60
60
50
40
30
20
10
0
Rest. 1
Rest. 2
F.O.
20
40
60
80
X1
Rest. 1.
2.
-X1 + X2 2
X1 + X2 4
Cond. X1 0
X2 0
35
Rest. 1.
X1
0
-2
X2
2
0
Rest. 2.
X1
0
4
X2
4
0
5
4
Rest. 1
X2
Rest. 2
F.O.
1
0
-4
-2
X1
Min -Z =-8X1-6X2
36
METODO ALGEBRICO.
Si la restriccin es de tipo menor o igual se debe sumar una variable de holgura al lado
izquierdo de la inegualdad para convertirla en ecuacin.
Ej.
Ej.
37
Rest. 1.
2.
2X1 + X2 8
X1 + X2 6
Cond. X1 0
X2 0
Asignamos a m = 2 restricciones
n = 2 variables
Rest. 1.
2.
2X1 + X2 + X3 = 8
X1 + X2 + X4 = 6
m = 2 ecuaciones
n= 4
variables (m + n)
38
Las variables que se hacen = 0, para obtener una solucin bsica, se conoce como
variables no bsicas, y las otras son variables bsicas.
De las soluciones bsicas se debe tomar en cuenta nicamente aquellas, en donde las
variables bsicas son 0, se conoce como soluciones bsicas factibles.
En el ejemplo:
X1
X2
X3
X4
I
2
4
0
0
II
4
0
0
-2
III
6
0
-4
0
IV
0
6
2
0
I
IV
V
Z
20
18
0
V
0
0
8
6
VI
0
8
0
-2
39
Si todas las variables de una solucin bsica factible son no negativas se tiene una
solucin NO degenerada.
Este mtodo sirve slo para cuando existen pocas restricciones con pocas variables
porque en:
n= 10
m= 6
Tenemos que C = 210.
EJERCICIO.
La empresa Metalex tiene a su disposicin tres tipos de minerales M1, M2, M3 que
contienen cobre, hierro, y niquel en las siguientes proporciones (%):
M1
M2
M3
Cu
4
12
2
Fe
12
0
16
Ni
6
4
0
40
METODO SIMPLEX.
MAXIMIZACION.
Para un problema de maximizacin con restricciones de tipo , los pasos que se deben
dar en el mtodo simplex son:
Rest. 1.
2X1 + X2 8
2X1 + X2 + X3 = 8
2.
X1 + X2 6
X1 + X2 + X4 = 6
Cond. X1, X2 0
41
X1
2
1
X2
1
1
X3
1
0
X4
0
1
Bi
8
6
Entonces hay que designar como las (n-m) variables no bsicas, a las (n-m) variables:
n = 4 variables, m = 2 ecuaciones.
X1 = 0
X2 = 0
X3 = 8
X4 = 6
4. Para determinar una nueva solucin bsica factible (cambio de base), una variable
no bsica debe ser cambiada a variable bsica y por consiguiente una de las
variables bsicas debe pasar a ser una variable no bsica.
Entonces:
NB B
B NB
42
Cb
0
0
Cj
Vbs.
X3
X4
Zj
Cj-Zj
4
X1
2
1
0
4
3
X2
1
1
0
3
0
X3
1
0
0
0
0
X4
0
1
0
0
bi
8
6
0
43
8/2 = 4
X4
6/1 = 6
Cj
Cb Vbas
0 X3
0 X4
Zj
Cj-Zj
4
X1
2
1
0
4
VE
3
X2
1
1
0
3
0
X3
1
0
0
0
0
X4
0
1
0
0
bi
8 VS
6
0
44
Solucin:
Cj
4
Cb Vbas X1
4 X1
1
0 X4
0
Zj
4
Cj-Zj 0
3
X2
1/2
1/2
2
1
VE
0
X3
1/2
-1/2
2
-2
0
X4
0
1
0
0
bi
4
2
16
Cj
Cb Vbas
4 X1
3 X2
Zj
Cj-Zj
3
X2
0
1
3
0
0
X3
1
-1
1
-1
0
X4
-1
2
2
-2
bi
2
4
20
X1 = 2
X2 = 4
X3 = 0
X4 = 0
F.O. Z = 20
4
X1
1
0
4
0
VS
S.O.
45
EJERCICIO 2.
2. 5X1 + 4X2 -5X3 + 10X4 280 5X1 + 4X2 -5X3 + 10X4 + X6 = 280
3. 2X1 + 4X2 + 4X3 - 2X4 184
0
0
0
Cj.
Vbas
X5
X6
X7
Zj
Cj-Zj
3
X1
2
5
2
0
3
4
X2
5
4
4
0
4
5
X3
4
-5
4
0
5
VE
4
X4
3
10
-2
0
4
0
X5
1
0
0
0
0
0
X6
0
1
0
0
0
0
X7
0
0
1
0
0
bi
224
280
184
0
0
0
5
Cj.
Vbas
X5
X6
X3
Zj
Cj-Zj
3
X1
0
15/2
1/2
5/2
1/2
4
X2
1
9
1
5
1
5
X3
0
0
1
5
0
4
X4
5
15/2
-1/2
-5/2
13/2
VE
0
X5
1
0
0
0
0
0
X6
0
1
0
0
0
0
X7
-1
-5/4
1/4
5/4
-5/4
bi
40
510
46
230
VS
VS
46
4
0
5
Cb
4
3
5
Cj.
Vbas
X4
X6
X3
Zj
Cj-Zj
3
X1
0
15/2
1/2
5/2
1/2
VE
4
X2
1/5
13/2
11/10
63/10
-23/10
5
X3
0
0
1
5
0
4
X4
1
0
0
4
0
0
X5
1/5
3/2
1/10
13/10
-13/10
0
X6
0
1
0
0
0
Cj.
Vbas
X4
X1
X3
Zj
Cj-Zj
3
X1
0
1
0
3
0
4
X2
1/5
13/15
20/30
202/30
-82/30
5
X3
0
0
1
5
0
4
X4
1
0
0
4
0
0
X5
1/5
3/15
0
21/15
-21/15
0
X6
0
2/15
-1/15
1/15
-1/5
0
X7
-1/5
11/4
3/20
-1/20
0
bi
8
450
50
282
0
X7
-1/5
11/10
-2/5
1/5
-1/5
VS
bi
8
60
20
312
X4=8; Z = 312
EJERCICIO 3.
Rest. 1. 2X1+2X2+2X3+2X4 16
2.
4X2-2X3
3. 4X1-2X2
- X4 4
2X1+2X2+2X3+2X4+X5 = 16
4X2-2X3
+X6 = 8
4X1-2X2
- X4+ X7 = 4
Para toda Xj 0
47
Cj
Vbas
X5
X6
X7
Zj
Cj-Zj
4
X1
2
0
4
0
4
VE
-2
X2
2
4
-2
0
-2
2
X3
2
-2
0
0
2
0
X4
2
0
-1
0
0
0
X5
1
0
0
0
0
0
X6
0
1
0
0
0
0
X7
0
0
1
0
0
bi
16
8
4
0
Cj
Vbas
X5
X6
X1
Zj
Cj-Zj
4
X1
0
0
1
4
0
-2
X2
3
4
-1/2
-2
0
2
X3
2
-2
0
0
2
VE
0
X4
5/2
0
-1/4
-1
-1
0
X5
1
0
0
0
0
0
X6
0
1
0
0
0
0
X7
-1/2
0
1/4
1
-1
bi
14
8
1
4
Cj
Cb Vbas
2 X3
0 X6
4 X1
Zj
Cj-Zj
4
X1
0
0
1
4
0
-2
X2
3/2
7
-1/2
1
-3
2
X3
1
0
0
2
0
0
X4
5/4
5/2
-1/4
3/2
-3/2
0
X5
1/2
1
0
1
-1
0
X6
0
1
0
0
0
0
X7
0
-1/2
1/4
1
-1
bi
7
22
1
18
Cb
0
0
0
Cb
0
0
4
Solucin :
X1 = 1
X2 = 0
X3 = 7
X4 = 0
X5 = 0
X6 = 22
VS
VS
S.O.
48
F.O. Z = 18
EJERCICIO 4.
Max Z = X1 + 1,5X2
2X1+2X2 + X3 = 160
2. X1 + 2X2 120
X1 + 2X2 + X4 = 120
3. 4X1+2X2 280
4X1+2X2 + X5 = 280
Cb
0
0
0
Cb
0
1,5
0
Para toda Xj 0
Cj
Vbas
X3
X4
X5
Zj
Cj-Zj
1
X1
2
1
4
0
1
1,5
X2
2
2
2
0
1,5
VE
0
X3
1
0
0
0
0
0
X4
0
1
0
0
0
0
X5
0
0
1
0
0
bi
160
120
280
0
Cj
Vbas
X3
X2
X5
Zj
Cj-Zj
1
X1
1
1/2
3
3/4
1/4
VE
1,5
X2
0
1
0
3/2
0
0
X3
1
0
0
0
0
0
X4
-1
1/2
-1
3/4
-3/4
0
X5
0
0
1
0
0
bi
40
60
160
90
VS
VS
49
Cb
1
1,5
0
Solucin:
Cj
Vbas
X1
X2
X5
Zj
Cj-Zj
1
X1
1
0
0
1
0
1,5
X2
0
1
0
1,5
0
0
X3
1
-1/2
-3
1/4
-1/4
0
X4
-1
1
2
0,5
-0,5
0
X5
0
0
1/2
0
0
bi
40
40
40
100
VS
X1 = 40
X2 = 40
X3 = 0
X4 = 0
X5 = 40
F.O. Z = 100
MINIMIZACION.
Para la variable saliente, se utiliza el criterio igual al de maximizacin, por tanto ser
aquella que se encuentre en la fila cuya bi/aij sea la menor (solo positivos).
50
M, que utiliza variables artificiales, las mismas que no tienen ninguna interpretacin
econmica en el problema y slo sirven para poder empezar la aplicacin del mtodo
simplex.
EJERCICIO 5.
MINIMIZAR Z = 20X1+10X2
Rest. 1. X1+2X2 40
2. 3X1+X2 = 30
3X1+X2 + X5 = 30
3. 4X1+3X2 60
X1+2X2 + X6 = 40
Para toda Xj 0
Cj
Vbas
X4
X5
X6
Zj
Cj-Zj
20
X1
4
3
1
7M
20-7M
VE
10
X2
3
1
2
4M
10-4M
0
X3
-1
0
0
-M
M
M
X4
1
0
0
M
0
M
X5
0
1
0
M
0
0
X6
0
0
1
0
0
bi
60
30
40
90M
VS
51
Cb
M
20
0
Cb
10
20
0
Cj
Vbas
X4
X1
X6
Zj
20
X1
0
1
0
20
Cj-Zj
Cj
Vbas
X2
X1
X6
Zj
Cj-Zj
20
X1
0
1
0
20
0
Solucin:
10
X2
5/3
1/3
5/3
5M/3
+20/3
10/3 5M/3
VE
0
X3
-1
0
0
-M
M
X4
1
0
0
M
10
X2
1
0
0
10
0
0
X3
-3/5
1/5
1
-2
2
M
X4
3/5
-1/5
-1
2
M-2
X1 = 6
X2 = 12
X3 = 0
X4 = 0
X5 = 0
X6 = 10
F.O. Z = 240
M
X5
-4/3
1/3
-1/3
-4M/3
+ 20/3
-20/3 +
4M/3
0
X6
0
0
1
0
M
X5
-4/5
3/5
1
4
M-4
0
X6
0
0
1
0
0
bi
20
10
30
20M+
200
bi
12
6
10
240
VS
52
EJERCICIO 6.
MAX Z = 2X1+3X2
MAX Z = 2X1+3X2+0X3-MX4
Rest. 1. X1+2X2 4
X1+2X2 +X3 = 4
2. X1+X2 = 3
X1+X2 + X4 = 3
Cb
0
-M
Cj
Vbas
X3
X4
Zj
Cj-Zj
2
X1
1
1
-M
2+M
Para toda Xj 0
3
X2
2
1
-M
3+M
VE
0
X3
1
0
0
0
-M
X4
0
1
-M
0
bi
4
3
-3M
VS
53
Cb
3
-M
Cj
Vbas
X2
X4
Zj
Cj-Zj
Cb
3
2
Solucin:
Cj
Vbas
X2
X1
Zj
Cj-Zj
2
X1
1/2
1/2
3/2 M/2
M/2
+ 1/2
VE
3
X2
1
0
3
2
X1
0
1
2
0
3
X2
1
0
3
0
0
-M
X3
X4
1/2
0
-1/2
1
3/2 + -M
M/2
-M/2 - 0
3/2
0
X3
1
-1
1
-1
-M
X4
-1
2
1
-M+1
bi
2
1
6-M
VS
bi
1
2
7
X1 = 2
X2 = 1
X3 = 0
X4 = 0
F.O. Z = 7
54
artificiales se eliminen o se hagan 0. Esto quiere decir hasta cuando la funcin objeto
artificial Z* tenga un valor de cero (Z*=0). Una vez que Z*=0, se obtiene una solucin
bsica factible inicial, la misma que es utilizada en la segunda fase en la cual con
aplicaciones sucesivas del mtodo simplex general, se obtiene una solucin ptima. En
esta segunda fase, se trata de optimizar la funcin objeto original, la cual estar en
funcin de las variables de decisin y de holgura.
La ltima tabla de la fase I viene a constituir la primera tabla de la fase II, pero
eliminando las columnas correspondientes a las variables artificiales.
EJERCICIO 1.
MIN Z = 3X1+4X2
Rest. 1. 2X1+3X2 20
2X1+3X2-X3+X5 = 20
2. X1+5X2 30
X1+5X2-X4+X6 = 30
Para toda Xj 0.
55
FASE I.
Coeficientes Z* = 0X1+0X2+0X3+0X4+1X5+1X6
Cj
Cb Vbs
1 X5
1 X6
Zj
Cj-Zj
0
X1
2
1
3
-3
0
X2
3
5
8
-8
VE
0
X3
-1
0
-1
1
0
X4
0
-1
-1
1
1
X5
1
0
1
0
1
X6
0
1
1
0
bi
20
30
50
Cj
0
Cb Vbs X1
1 X5
7/5
0 X2
1/5
Zj
7/5
Cj-Zj -7/5
VE
0
X2
0
1
0
0
0
X3
-1
0
-1
1
0
X4
3/5
-1/5
3/5
-3/5
1
X5
1
0
1
0
1
X6
-3/5
1/5
-3/5
8/5
bi
2
6
2
Cj
Cb Vbs
0 X1
0 X2
Zj
Cj-Zj
0
X2
0
1
0
0
0
X3
-5/7
1/7
0
0
0
X4
3/7
-2/7
0
0
1
X5
5/7
-1/7
0
1
1
X6
-3/7
2/7
0
1
bi
10/7
40/7
Sol.
0
0
X1
1
0
0
0
VS
VS
56
FASE II.
Cb
3
4
Cb
0
4
Solucin:
Cj
Vbs
X1
X2
Zj
Cj-Zj
3
X1
1
0
3
0
4
X2
0
1
4
0
0
X3
5/7
1/7
-11/7
11/7
0
X4
3/7
-2/7
1/7
-1/7
VE
Cj
Vbs
X4
X2
Zj
Cj-Zj
3
X1
7/3
2/3
8/3
1/3
4
X2
0
1
4
0
0
X3
-5/3
-1/3
-4/3
4/3
0
X4
1
0
0
0
X1=0
X2 = 140/21
X3 = 0
X4 = 10/3
Z = 560/21
bi
10/7 VS
40/7
190/7
bi
10/3
140/21
560/21
57
EJERCICIO 2.
MAX Z= X1 - 2X2
Rest. 1. X1+X2 2
X1+X2-X3+X5 = 2
2. -X1+X2 1
3.
-X1+X2-X4+X6 = 1
X2 3
X2 +X7
Para toda Xj 0
=3
Para toda Xj 0.
Cb
1
1
0
Cb
1
0
0
Cj
Vbs
X5
X6
X7
Zj
Cj-Zj
0
X1
1
-1
0
0
0
0
X2
1
1
1
2
-2
VE
0
X3
-1
0
0
-1
1
0
X4
0
-1
0
-1
1
1
X5
1
0
0
1
0
1
X6
0
1
0
1
0
0
X7
0
0
1
0
0
bi
2
1
3
3
Cj
Vbs
X5
X2
X7
Zj
Cj-Zj
0
X1
2
-1
1
2
-2
VE
0
X2
0
1
0
0
0
0
X3
-1
0
0
-1
1
0
X4
1
-1
1
1
1
1
X5
1
0
0
1
0
1
X6
-1
1
-1
-1
2
0
X7
0
0
1
0
0
bi
1
1
2
1
VS
VS
58
Cb
0
0
0
Cj
Vbs
X1
X2
X7
Zj
Cj-Zj
0
X1
1
0
0
0
0
0
X2
0
1
0
0
0
0
X3
-1/2
-1/2
1/2
0
0
0
X4
1/2
-1/2
1/2
0
0
1
X5
1/2
1/2
-1/2
0
1
1
X6
-1/2
1/2
-1/2
0
1
0
X7
0
0
1
0
0
bi
1/2
3/2
3/2
0
Cb
1
-2
0
Solucin:
Cj
Vbs
X1
X2
X7
Zj
Cj-Zj
1
X1
1
0
0
1
0
-2
X2
0
1
0
-2
0
X1 = 1/2
X2 = 3/2
X3 = 0
X4 = 0
X7 = 3/2
Z = -5/2 Sera prdida.
0
X3
-1/2
-1/2
1/2
1/2
-1/2
0
X4
1/2
-1/2
1/2
3/2
-3/2
0
X7
0
0
1
0
0
bi
1/2
3/2
3/2
-5/2
59
CAPITULO III
60
EJERCICIO
Para toda Xj 0
61
Cb
0
0
Cb
0
5
Solucin:
Cj
Vbs
X3
X4
Zj
Cj-Zj
3
X1
5
6
0
3
5
X2
2
10
0
5
VE
0
X3
1
0
0
0
0
X4
0
1
0
0
bi
200
600
0
VS
Cj
Vbs
X3
X2
Zj
Cj-Zj
3
X1
19/5
6/10
3
0
5
X2
0
1
5
0
0
X3
1
0
0
0
0
X4
-2/10
1/10
5/10
-5/10
bi
80
60
300
VS
X1 = 0
X2 = 60
X3 = 80
X4 = 0
Z = 300
2. SOLUCION NO ACOTADA.
Se tiene cuando en la columna de la variable entrante todos los coeficientes aij son no
positivos. (negativos).
62
EJERCICIO.
Max Z = 3X1+2X2+0X3+0X4-MX5-MX6
Rest. 1. 2X1+ X2 60
2X1+X2-X3+X5 = 60
2. 4X1+X2 80
4X1+X2-X4+X6 = 80
Para toda Xj 0
Para toda Xj 0
Mtodo de la Big M.
Cb
-M
-M
Cb
-M
3
Cb
2
3
Cj
Vbs
X5
X6
Zj
Cj-Zj
3
X1
1
4
-5M
3+5M
VE
2
X2
2
1
-3M
2+3M
0
X3
-1
0
M
-M
0
X4
0
-1
M
-M
Cj
Vbs
X5
X1
Zj
3
X1
0
1
3
0
X3
-1
0
M
Cj-Zj
2
X2
7/4
1/4
-7M/4
+ 3/4
7M/4
+5/4
VE
0
-M
X4
X5
1/4
1
-1/4
0
-M/4 - -M
3/4
M/4 + 0
3/4
-M
X6
-1/4
1/4
M/4
+3/4
-5M/4
- 3/4
Cj
Vbs
X2
X1
Zj
Cj-Zj
3
X1
0
1
3
0
2
X2
1
0
2
0
0
X3
-4/7
1/7
-5/7
5/7
VE
0
X4
1/7
-2/7
-4/7
4/7
-M
X6
-1/7
2/7
4/7
-M-4/7
-M
-M
X5
1
0
-M
0
-M
X5
4/7
-1/7
5/7
-M-5/7
-M
X6
0
1
-M
0
bi
60
80
140M
bi
40
20
-40M
+ 60
bi
160/7
100/7
620/7
VS
VS
VS
63
Cb
2
0
Cj
Vbs
X2
X3
Zj
Cj-Zj
3
X1
4
7
8
-5
2
X2
1
0
2
0
0
X3
0
1
0
0
0
X4
-1
-2
-2
2
-M
X5
0
-1
0
-M
-M
X6
1
2
2
-M-2
bi
80
100
160
S.O.
3. SOLUCION NO FACTIBLE.
Se tiene cuando aplicando el mtodo de la Big M, o el mtodo de las dos fases, para
resolver un problema, se llega a obtener una solucin ptima en la cual como variable
bsica existe una variable artificial. En el caso de utilizar el mtodo de las 2 fases, este
tipo de solucin se d cuando al minimizar, en la primera fase existe una variable
artificial que no ha salido de la base.
EJERCICIO.
Rest. 1. X1 1
Min Z = 3X1+5X2+0X3+MX4+MX5+0X6
3. 3X1+2X2 -X3+X4 = 18
2. 2X2 = 12
2. 2X2 +
X5 = 12
3. 3X1+2X2 18
1. X1 +
X6 = 1
64
Cb
M
M
0
Cb
M
5
0
Cb
M
5
3
Cj
Vbs
X4
X5
X6
Zj
Cj-Zj
3
X1
3
0
1
3M
3-3M
5
X2
2
2
0
4M
5-4M
VE
0
X3
-1
0
0
-M
M
M
X4
1
0
0
M
0
M
X5
0
1
0
M
0
0
X6
0
0
1
0
0
Cj
Vbs
X4
X2
X6
Zj
3
X1
3
0
1
3M
5
X2
0
1
0
5
0
X3
-1
0
0
-M
M
X4
1
0
0
M
0
X6
0
0
1
0
Cj-Zj
3-3M
VE
M
X5
-1
1/2
0
M+5/2
2M-5/2
Cj
Vbs
X4
X2
X1
Zj
Cj-Zj
3
X1
0
0
1
3
0
5
X2
0
1
0
5
0
0
X3
-1
0
0
-M
M
M
X4
1
0
0
M
0
M
X5
-1
1/2
0
-M+5/2
2M-5/2
bi
18
12
1
30M
VS
bi
6
6
VS
1
6M+30
0
0
X6
-3
0
1
-3M+3
3M-3
bi
3
6
1
3M+33
S.O.
No tiene solucin
4. SOLUCION DEGENERADA.
Este tipo de solucin se tiene, cuando al determinar la variable que sale de la base se
obtiene 2 o ms relaciones bi/aij que son mnimas y que tienen el mismo valor. La
variable correspondiente debe salir de la base, pero al aplicar el mtodo simplex, la otra
variable igual, se har necesariamente cero.
65
EJERCICIO.
Max Z = 6X1+2X2+0X3+0X4+0X5
Rest. 1. 2X1+X2 20
2X1+X2+X3= 20
2. 3X1+X2 30
3X1+X2+X4 = 30
3. X1+2X2 40
X1+2X2+X5 =40
Para toda Xj 0
Cb
0
0
0
Cb
6
0
0
Para toda Xj 0
Cj
Vbs
X3
X4
X5
Zj
Cj-Zj
6
X1
2
3
1
0
6
VE
2
X2
1
1
2
0
2
0
X3
1
0
0
0
0
0
X4
0
1
0
0
0
0
X5
0
0
1
0
0
bi
20
30
40
0
Cj
Vbs
X1
X4
X5
Zj
Cj-Zj
6
X1
1
0
0
6
0
2
X2
1/2
1/2
3/2
3
-1
0
X3
1/2
-3/2
-1/2
3
-3
0
X4
0
1
0
0
0
0
X5
0
0
1
0
0
bi
10
0
30
60
VS
Dege
n.
S.O.
66
Solucin:
X1=10
X2=0
X3=0
X4=0
X5=30
Z=60
Cb
0
6
0
Cj
Vbs
X3
X1
X5
Zj
Cj-Zj
6
X1
0
1
0
6
0
2
X2
1/3
1/3
5/3
2
0
0
X3
1
0
0
0
0
0
X4
-2/3
1/3
-1/3
2
-2
0
X5
0
0
1
0
0
bi
0
10
30
60
Significa que una variable puede tener valores positivos, negativos o cero.
Dege
n.
S.O.
67
EJERCICIO.
Max Z = -X1+4X2
Max Z=-X1+X1+4X2
Rest. 1. -3X1+X2 6
-3X1+3X1+X2+X3 = 6
2. X1+2X2 4
3.
-X2
X1-X1+2X2+X4
-X2 +
=4
X5 = 3
Cb
0
0
0
Cb
0
4
0
Cb
1
4
0
Cj
Vbs
X3
X4
X5
Zj
Cj-Zj
-1
X1
-3
1
0
0
-1
1
X1
3
-1
0
0
1
4
X2
1
2
-1
0
4
VE
0
X3
1
0
0
0
0
0
X4
0
1
0
0
0
0
X5
0
0
1
0
0
bi
6
4
3
0
Cj
Vbs
X3
X2
X5
Zj
Cj-Zj
-1
X1
-7/2
1/2
1/2
2
-3
1
X1
7/2
-1/2
-1/2
-2
3
VE
4
X2
0
1
0
4
0
0
X3
1
0
0
0
0
0
X4
-1/2
1/2
1/2
2
-2
0
X5
0
0
1
0
0
bi
4
2
5
8
Cj
Vbs
X1
X2
X5
Zj
-1
X1
-1
0
0
-1
1
X1
1
0
0
1
4
X2
0
1
0
4
0
X3
2/7
1/7
1/7
6/7
0
X4
-1/7
3/7
3/7
11/7
0
X5
0
0
1
0
bi
8/7
18/7
39/7
80/7
VS
VS
68
Cj-Zj 0
0
0
-6/7
Solucin:
X1 = 8/7
X1 = 0 - 8/7 = -8/7
-11/7
X1= 0
X2 = 18/7
X5 = 39/7
Restricciones:
) b2
.
.
.
am1X1 + am2X2 + ................ + amnXn (
Cond. Xi 0
) bm
69
Max Z = C*X
Rest.
A*X b
Cond.
X 0
Z= C, 0
Xn
Rest.
A, I
X
* Xn = b
A (m,n)
I (m,m)
PRIMERA ITERACION.
Cbt
Xb
Zj
Cj-Zj
C
A
0
C
0
I
0
b
0
70
NUEVAS ITERACIONES
Cbt
Xb
Zj
Cj-Zj
C
B-1*A
Cbt*B-1*A
C- Cbt*B-1*A
0
B-1
Cbt*B-1
0- Cbt*B-1
B-1*b
Cbt*B-1*b= Z
n2
nm
-aik / ark i r
ni =
1 / ark
i=r
EJERCICIO.
Max Z = 3X1+5X2
Rest. 1. X1
2.
4
2X2 12
3. 3X1+2X2 18
Cond. X1, X2 0
Max Z= 3X1+5X2+0X3+0X4+0X5
X1
+ X3 = 4
2X2+
X4 = 12
3X1+2X2+X5 = 18
Para toda Xj 0
71
Cb
0
0
0
A=
Cj
Vbs
X3
X4
X5
Zj
Cj-Zj
3
X1
1
0
3
0
3
5
X2
0
2
2
0
5
VE
0
X3
1
0
0
0
0
1 0
1 0 0
0 2
B= 0 1 0
b= 12
3 2
0 0 1
18
Cj(1) = 3 5
0
X4
0
1
0
0
0
0
X5
0
0
1
0
0
4
Cbt = 0 0 0
Cj(2)= 0 0 0
B-1 = B = I
A = B-1 * A
Xb = B-1 * b = b
Z = Cbt * B-1 * b = 0 Cbt = 0 0 0
Zj(1) = Cbt * B-1*A = ( 0 0 )
Zj(2) = Cbt * B-1 = ( 0 0 0 )
Cj(1) - Zj(1) = (3 5) - ( 0 0) =
Cj(2) - Zj(2) = ( 0 0 0)
b1/a12
4/0
b2/a22
12/2
b3/a32
18/2
(3
5)
- (0 0 0) = ( 0 0 0)
k=2
bi
4
12
18
0
VS
72
r=2
n1 = 0
Calculamos el vector ni=
n2 = 1/2
n3 = -1
Nueva B-1:
1
1 0 0
B-1 = 0 1/2 0
0 1
0=
0 1/2 0
0 -1 1
0 0
1
A=
1 0
1 0
0 1/2
0 2
= 0 1
3 2
3 0
-1
Xb = 0 1/2 0
0 -1
12
= 6
18
Cbt = ( 0 5 0 )
1 0
Zj(1) = (0 5 0)
0 1
3 0
= (0
5)
-1
73
1
Zj(2) = (0 5 0)
0 1/2 0
0
-1
Cj(1) - Zj(1) = (3 5)
= (0
5/2
0)
- ( 0 5) = (3 0)
k=1
4/1
6/0
6/3
r=3
n1 = -1/3
Calculamos el vector ni:
n2 = 0
n3 = 1/3
Nueva B-1
1
-1/3
1 0
B-1 = 0
0 1/2
1/3
0 -1
1/3
-1/3
1/2
-1/3
1/3
74
A=
Xb =
1/3
-1/3
1 0
1/2
0 2
-1/3
1/3
3 2
1/3
-1/3
1/2
12
= 6
1/3
18
0 -1/3
Cbt = ( 0 5 3)
0 0
Zj(1) = ( 0 5 3)
0 1
= (3
5)
1 0
Zj(2) = (0 5 3)
1/3
-1/3
1/2
-1/3
1/3
Cj(1) - Zj(1) = (3 5)
Cj(2) - Zj(2) = (0 0 0) -
= (0
3/2
1)
(3 5) = ( 0 0)
(0 3/2
1) = ( 0 -5/2 -1)
75
2
6 = 36 X1 = 2 ; X2= 6 ; Z = 36
Z = ( 0 5 3)
Rest. 1. X1+2X2 40
2. 3X1 + X2 = 30
3. 4X1+3X2 60
Cond. X1, X2 0
Ordenar restricciones de la siguiente forma: , =, .
Min Z = 20X1+10X2+0X3+MX4+MX5+0X6
4X1+3X2-X3+X4 = 60
3X1+X2
+X5 = 30
X1+2X2
+X6 = 40
Para toda Xj 0
76
Cb
M
M
0
Cj
Vbs
X4
X5
X6
Zj
Cj-Zj
20
X1
4
3
1
7M
20-7M
4 3 -1
A=
3 1 0
1 2 0
................
B=
10
X2
3
1
2
4M
10-4M
0
X3
-1
0
0
-M
M
M
X4
1
0
0
M
0
1 0 0
60
0 1 0
b = 30
0 0 1
40
M
X5
0
1
0
M
0
0
X6
0
0
1
0
0
bi
60
30
40
90M
Cbt = (M M 0)
77
CAPITULO IV
78
Max Z = C*X
Rest. A*X b
Cond. X 0
Min W = bt * Y
Rest. At * Y Ct
Cond. Y 0
Por tanto:
79
PRIMAL
DUAL
Max Z = C1X1+C2X2+C3X3
Min W = b1Y1+b2Y2+b3Y3
Rest. a11X1+a12X2+a13X3 b1
Rest. a11Y1+a21Y2+a31Y3 C1
a21X1+a22X2+a23X3 b2
a12Y1+a22Y2+a32Y3 C2
a31X1+a32X2+a33X3 b3
a13Y1+a23Y2+a33Y3 C3
Para toda Yi 0
PRIMAL
Coeficientes de variables de
DUAL
Recursos
decisin F.O.
Recursos
Maximizar
Minimizar
fila i
columna i
columna j
fila j
restriccin i
variable i
variable j
restriccin j
80
PRIMAL
DUAL
30 ecuaciones
5 ecuaciones
5 variables
30 variables
30 variables holgura
5 variables holgura
5 variables artificiales
30 ecuac. 35 variables
5 ecuac. 40 variables
EJEMPLO:
81
PRIMAL
Max Z = 80X1+60X2
400
700
2X1+X2 1000
Cond. X1, X2 0
DUAL.
Min Z = 800Y1+400Y2+700Y3+1000Y4
Rest. Y1+Y2+
Y1
2Y4 80
+Y3+Y4
60
PROPIEDAD: La solucin ptima del problema Dual es igual a la solucin ptima del
problema Primal.
82
EJERCICIO.
Max W = 3Y1+6Y2+2Y3+0Y4+0Y5
Rest. 1. 3X1+X2 3
Rest. 3Y1+4Y2+Y3+Y4 = 30
2. 4X1+3X2 6
Y1+3Y2+2Y3 +Y5 = 15
3. X1+2X2 2
Cond. X1, X2 0
Cb
0
0
Cb
0
6
Cb
3
6
Cond. Yj 0
Bj
Vbs
Y4
Y5
Wj
Bj-Wj
3
Y1
3
1
0
3
6
Y2
4
3
0
6
VE
2
Y3
1
2
0
2
0
Y4
1
0
0
0
0
Y5
0
1
0
0
Ci
30
15
0
Bj
Vbs
Y4
Y2
Wj
Bj-Wj
3
Y1
5/3
1/3
2
1
VE
6
Y2
0
1
6
0
2
Y3
-5/3
2/3
4
-2
0
Y4
1
0
0
0
0
Y5
-4/3
1/3
2
-2
Ci
10
5
30
Bj
Vbs
Y1
Y2
Wj
Bj-Wj
3
Y1
1
0
3
0
6
Y2
0
1
6
0
2
Y3
-1
1
3
-1
0
Y4
3/5
-1/5
3/5
-3/5
0
Y5
-4/5
3/5
6/5
-6/5
Ci
6
3
36
VS
VS
S.O.
83
Y4 es la holgura de X1
Y5 es la holgura de X2
Por lo tanto:
Bj - Wj de Y4 = X1
Bj - Wj de Y5 = X2
Solucin:
X1 = 3/5
X2 = 6/5
Z=36
Cb
30
0
15
Cj
Vbs
X1
X5
X2
Zj
Cj-Zj
X1
1
0
0
30
0
X2
0
0
1
15
0
X3
-3/5
1
4/5
-6
6
X4
1/5
-1
-3/5
-3
3
PRIMAL
X5
0
1
0
0
0
X6
3/5
-1
-4/5
6
M-6
X7
-1/5
1
3/5
3
M-3
X8
0
-1
0
0
M
bi
3/5
1
6/5
36
DUAL
84
Problema de
Problema de
Minimizacin
Maximizacin R
A
R
E
0
I
A
T
0
B
L
R
I
Variable no restringida
S
T
R
I
I
A
No restringida B
85
EJERCICIO.
PRIMAL:
Max Z = 10X1+20X2+5X3
Rest. 1. 2X1+3X2-X3 5
2. X1+X3
10
3. 5X1+X2+3X3 = 7
Cond. X3 0
X1,X2, son no restringidas.
DUAL:
Min Z= 5Y1+10Y2+7Y3
Rest. 1. 2Y1+Y2+5Y3 = 10
2. 3Y1+0Y2+Y3 = 20
3. -Y1+Y2+3Y3 5
Cond. Y1 0
Y2 0
Y3 no restringida
Y2 = -Y2
Y3 = Y3 - Y3
86
ANALISIS DE SENSIBILIDAD.
Al formular un problema de investigacin operativa, los datos utilizados son, en la
mayora de los casos, datos probabilsticos y variables en un cierto rango, debido a las
variaciones de las condiciones econmicas que los originan o a errores en las
estimaciones. Frente a esta variabilidad de las estimaciones de los parmetros surge una
pregunta lgica sobre el efecto de tales cambios en la solucin ptima. La medicin de
este efecto se denomina, en los modelos matemticos Anlisis de sensibilidad.
Las variaciones en los parmetros pueden ser simultneas o aisladas. Al rango dentro
del cual la variacin de un dato no modifica la solucin ptima, se lo denomina rango
de optimalidad. La amplitud de este rango determina el grado de precisin que requiere
la estimacin de un determinado parmetro.
Se puede analizar los efectos de las variaciones aisladas en los coeficientes de las
variables bsicas y no bsicas en la funcin objetivo, en los coeficientes de sustitucin
de variables no bsicas y en las cantidades de recursos disponibles, se puede considerar
la introduccin de un nuevo producto segn el consumo de los recursos existentes y la
utilidad esperada.
De hecho el anlisis y la interpretacin de los precios sombra de cada recurso por la
importancia que tiene para una decisin econmica el conocer el valor de un recurso
medido en trminos de su utilidad potencial y el rango dentro del cual tal beneficio
potencial es aplicable, esto es el rango de validez de dicho precio.
87
X1+2X2+X3 4
2X1+5X2 10
a) Si una variable de holgura est en la base, eso quiere decir que el recurso
correspondiente a la variable de holgura tiene un precio sombra igual a cero.
b) Cuando las variables de holgura no estn en la base, los precios sombra de los
recursos correspondiente a dichas variables, se determinan tomando el valor
absoluto de los coeficientes Cj-Zj correspondientes a las variables de holgura.
88
EJERCICIO.
Las relaciones que ligan los recursos y los productos son los siguientes:
Recursos
Madera
Cepillo
M.Obra
Util. por unid.
3
4
2
3
1
0
1
2
Disponibilidad de los
recursos
6
1
2
2
1
1
4
Max Z = 3X1+2X2+4X3
Max Z = 3X1+2X2+4X3+0X4+0X5+0X6
Rest. 1. 3X1+X2+2X3 6
3X1+X2+2X3 +X4 = 6
2. 4X1
+X3
3. 2X1+X2+X3 2
4X1
+X3
+X5 = 1
2X1+X2+X3 + X6 = 2
Para toda Xj 0
X2 = Nmero de marcos
X3 = Nmero de mesas
89
TABLA ORIGINAL:
Cb
0
0
0
Cj
Vbs
X4
X5
X6
Zj
Cj-Zj
3
X1
3
4
2
0
3
2
X2
1
0
1
0
2
1
X3
2
1
1
0
1
0
X4
1
0
0
0
0
0
X5
0
1
0
0
0
0
X6
0
0
1
0
0
bi
6
1
2
0
3
X1
-3
4
-2
12
-9
2
X2
0
0
1
2
0
1
X3
0
1
0
4
-3
0
X4
1
0
0
0
0
0
X5
-1
1
-1
2
-2
0
X6
-1
0
1
2
-2
bi
3
1
1
6
TABLA FINAL:
Cb
0
4
2
Cj
Vbs
X4
X3
X2
Zj
Cj-Zj
90
Tabla final
bi
X4
-1
X4 = 3-1h 0;
h 3
X3
X3 = 1+1h 0;
h -1
X2
-1
X2 = 1- 1h 0;
h 1
-1 h 1
Tabla final
bi
X4
-1
X4 = 3-1h 0;
X3
X3 = 1+0h 0;
X2
X2 = 1+1h 0;
h 3
-1 h 3
h -1
Cabe considerar dos casos en este anlisis. En primer lugar si se trata de una variacin
en algn coeficiente de una variable no bsica en la solucin ptima es fcil comprender
que si disminuye dicho coeficiente en un problema de maximizacin la variable en
cuestin seguir siendo no-bsica y no se alterar la solucin, mientras que si se
aumenta dicho coeficiente en un valor mayor que el Cj - Zj de dicha variable en la
tabla final, se obtendrn valores positivos en la ecuacin de la funcin objetivo, y
debera introducirse en la solucin, la variable que anteriormente no era bsica.
91
Cbs
10
15
Cj
Vbs
X1
X3
Zj
Cj - Zj
10
X1
1
0
10
0
12
X2
3
1
15
-3
15
X3
0
1
15
0
0
X4
-1
1
5
-5
0
X5
2
1
5
-5
bi
92
Para obtener la solucin ptima, se tiene que dar dos condiciones: debe existir
factibilidad dual y factibilidad primal.
Factibilidad primal.- Existe cuando las variables bsicas son todas no negativas ( 0).
Para problemas de maximizacin, hay factibilidad dual, cuando Cj-Zj son 0 (no
positivos).
1.
Una solucin que tiene Factibilidad Dual, y tambin tiene factibilidad primal,
constituye una solucin ptima.
93
EJERCICIO.
Min Z = 2X1+X2
Min Z=2X1+X2
Rest. 1. 3X1+X2 6
-3X1-X2 -6
2. 4X1+3X2 12
-4X1-3X2 -12
3. X1+2X2 4
-X1-2X2 -4
Cond. X1, X2 0
94
Cb
0
0
0
Cb
0
1
0
Cj
Vbs
X3
X4
X5
Zj
Cj-Zj
2
X1
-3
-4
-1
0
2
1
0
X2
X3
-1
1
-3
0
-2
0
0
0
1
0
VE (Si hay F. D.)
0
X4
0
1
0
0
0
0
X5
0
0
1
0
0
bi
-6
-12
-4
0
Cj
Vbs
X3
X2
X5
Zj
Cj-Zj
2
X1
-5/3
4/3
5/3
4/3
2/3
1
X2
0
1
0
1
0
0
X4
-1/3
-1/3
-2/3
-1/3
1/3
0
X5
0
0
1
0
0
bi
-2
4
4
4
0
X4
1/5
-3/5
-1
-1/5
1/5
0
X5
0
0
1
0
0
bi
6/5
12/5
2
24/5
0
X3
1
0
0
0
0
VS
No
hay
F.P.
VS
No
hay F.
P.
Cj
Vbs
X1
X2
X5
Zj
Cj-Zj
2
1
0
X1
X2
X3
1
0
-3/5
0
1
4/5
0
0
1
2
1
-2/5
0
0
2/5
Sol. Optima. Si hay F. D.
Si hay
F. P.
95
CAPITULO V
96
MODELO DE TRANSPORTE.
Consiste entonces en minimizar, los costos que demanden, en transportar los productos,
desde los diferentes orgenes a los diferentes destinos.
Ej:
F1
F2
F3
D1
D2
D3
Los costos estn dados por la distancia entre el origen y el destino. Estos vienen dados
en forma de matriz:
FUENTES
(FABRIC)
DESTINOS
B1
C11
C21
C31
F1
F2
F3
REQUER.
DEMANDA D1
B2
C12
C22
C32
B3
C13
C23
C33
B4
C14
C24
C34
D2
D3
D4
CAPACID.
DE
SUMIN.
S1
S2
S3
97
CAPACIDAD DE SUMINISTRO:
X11+X12+X13+X14 = S1
X21+X22+X23+X24 = S2
X31+X32+X33+X34 = S3
REQUERIMIENTOS DE DEMANDA:
X11+X21+X31 = D1
X12+X22+X32 = D2
X13+X23+X33 = D3
X14+X24+X34 = D4
98
m
Min Z=
i=1
n
Cij Xij
j=1
n
Igualdad:
Si = Dj
i=1
j=1
99
EJERCICIO.
FUENTES
F1
F2
F3
REQ. DEM.
DESTINOS
B1
0,3
0,29
0,31
100
B2
0,25
0,26
0,33
150
B3
0,4
0,35
0,37
200
B4
0,2
0,40
0,30
50
En este caso las capacidades son iguales a las demandas en este caso 500.
CAPAC.
PRODUCC.
100
250
150
100
Cb
Cj 0,3
Vb X11
s
1
0
0
1
0
0
0
0,25 0,4 0,2 0,29 0,26 0,35 0,4 0,31 0,33 0,37 0,3
X12 X13 X14 X21 X22 X23 X24 X31 X32 X33 X34 bi
1
0
0
0
1
0
0
1
0
0
0
0
1
0
1
0
0
0
0
0
1
0
1
0
1
0
0
0
0
1
0
0
1
0
0
0
1
0
0
0
1
0
0
1
0
0
0
0
1
0
0
1
1
0
0
0
0
0
1
0
1
0
0
0
0
1
0
0
1
0
0
0
1
0
0
0
1
100
250
150
100
150
200
50
M + N ecuaciones.
101
1.
Si Si > Dj, en este caso se asigna el recurso necesario para satisfacer la demanda y
queda un exceso de recurso que se asigna dentro de la misma fila.
3.
EJERCICIO.
102
FUENTES EXPENDEDORES
A
B
1
1750
1500
2
1250
2000
3
2000
1300
REQ.DEM 50
40
.
FUENTES EXPENDEDORES
A
B
1
50
30
2
10
3
REQ.DEM 50
40
.
CAPAC.
C
1500
1400
2000
60
D
1600
1750
1550
40
E
0
0
0
40
80
100
50
CAPAC.
C
60
60
D
30
10
40
E
40
40
80
100
50
Z= 50*1750+30*1500+10*2000+60*1400+30*1750+10*1500+40*0 =
103
Realiza asignaciones de los recursos para satisfacer las demandas tomando en cuenta el
costo unitario de transporte de cada una de las rutas. Si el problema es minimizar costos
de transportes, habra que asignar recursos a las celdas de ms bajo costo de transporte
unitario.
FUENTES EXPENDEDORES
A
B
1
2
50
3
40
REQ.DEM 50
40
CAPAC.
C
50
10
60
D
30
E
40
10
40
80
100
50
40
3. METODO DE LA PENALIDAD.
104
Penalidad
Ej:
2. La asignacin de los recursos debe realizarse a la celda que tiene el menor costo
considerando las dos celdas que se tomaron para calcular la penalidad.
4. Se repite el proceso sin tomar en cuenta aquellas columnas en las cuales ya se han
satisfecho los requerimientos y aquellas filas en las cuales se han terminado los
recursos.
105
1. Las penalidades se calculan restando del mayor valor el siguiente mayor valor en
cada una de las filas y en cada una de las columnas. En este caso la penalidad
indicar, la prdida de ganancia que ocasiona el no utilizar una ruta.
EJERCICIO DE MINIMIZACION.
FUE
NTE
S
1
2
3
REQ
.DE
M.
PEN.
EXPENDEDORES
A
B
C
1750
1250
2000
50
1500
2000
1300
40
1500
1400
2000
60
1600
1750
1550
40
0 80
0 100
0 50
40
500
200
100
50
200
500
Solucin:
X13 = 10
X14 = 30
CAP
AC.
PENALIDADES
1500 0
1250 150
1300 250
0
350
250
0
0
250
100
0
250
106
X15 = 40
X21 = 50
X23 = 50
X32 = 40
X34 = 10
Z = 50*1250+40*1300+10*1500+50*1400+30*1600+10*1550+40*0
EJERCICIO DE MAXIMIZACION.
Estilo
Cantidad
125
75
50
200
175
Los cuatro fabricantes tienen una capacidad de produccin y las cantidades que pueden
ser suministradas en un lmite de tiempo se dan a continuacin:
Fabricante
Cantidad
275
225
175
200
107
FABRICAN
TE
1
2
3
4
ESTILOS
A
28
30
25
33
B
35
33
35
28
C
42
45
48
40
D
23
18
20
26
E
15
10
13
18
Determinar las contrataciones en cada estilo para cada fabricante, de tal manera que se
maximice las ganancias?
FAB
RIC
ANT
E
1
2
3
4
REQ
.
Pen.
ESTILOS
A
B C
Penalidades
D
Su
m
28
30
25
33
125
35
33
35
28
75
42
45
48
40
50
23
18
20
26
200
15
10
13
18
175
0
0
0
0
250
275
225
175
200
3
2
0
2
3
2
0
0
7
12
13*
7
7
3
10*
5
5
12*
5
7
8
8
7
8*
15*
10
13
N+M-1 = 6+4-1 = 9, cuando no hay nueve celdas en la base, se tiene una solucin
degenerada, y se produce cuando en una sola asignacin se satisface el recurso y el
requerimiento.
108
CAPITULO VI
109
EL MODELO DE INVENTARIOS
COSTOS DE INVENTARIOS.
Costos de reordenamiento
110
COSTOS DE REORDENAMIENTO.
Pueden ser rdenes de compra de pedido de materiales o los asociados con rdenes de
preparacin de lotes de produccin.
Incluye todos los gastos que una empresa incurre con el fin de llevar o mantener
inventarios en determinado volumen, dentro de este tipo de costos se encuentran
usualmente los siguientes factores:
Almacenamiento, seguros, capital de obsolescencia, y deterioro.
Para guardar inventarios deben construirse depsitos y zonas de almacenamiento,
estantes, instalaciones y dems utensillos para almacenaje los que sufren depreciacin.
Todos estos factores son costos que deben cargarse al inventario y generalmente se
dividen en forma proporcional entre los diferentes productos almacenados en base a un
porcentaje que se determina de acuerdo al valor del producto.
Algunas empresas aseguran el inventario contra incendios cargndole al costo del
mismo, las que no aseguran debern hacer que el valor del costo del inventario refleje
una tasa correspondiente al riesgo en caso de incendio por una suma equivalente a la del
seguro.
111
El quedarse sin inventarios implica no contar con productos disponibles para cuando el
cliente lo ordene lo que se deriva en prdida de clientes o incurre en costos extras de
consideracin.
POLITICAS A B C
Algunas empresas clasifican sus artculos mediante un sistema denominado ABC, que
permite clasificar el inventario por grupo de artculos.
112
Ejemplo:
VALOR Y PORCENTAJE DE
ARTICULOS
113
80
70
60
50
40
30
20
10
0
A
Costo de mantener el inventario como una fraccin decimal por cada dlar de
inventario promedio.
D=
Demanda Anual
114
O=
q=
tamao de la orden
Cantidad a ordenar q
GRAFICO N 1
35
30
25
20
15
10
5
0
0
10
20
30
40
50
115
Cantidad a ordenar q
GRAFICO N 2
35
30
25
20
15
10
5
0
0
10
20
30
40
50
Tiempo de reposicin Tn
Aqu la reposicin instantnea esta sustituida por reposicin luego de un periodo finito
de tiempo.
Un artculo es producido por una duracin de tiempo de To durante el cual la cantidad
de inventario alcanza su mximo nivel en el punto T10, despus que la produccin se
suspende el inventario es vendido hasta agotarse T20 momento en el cual se inicia otro
ciclo de produccin.
En este caso la reposicin de existencias se hace transcurrir entre T10 y T30 y la
utilizacin de las existencias sucede durante todo el ciclo.
PROBLEMA.
116
EJERCICIO.
Un fabricante de artculos elctricos necesita importar 18.000 transistores de un
determinado tipo en un periodo de 300 das dentro de un ao o de 60 transistores
diarios con el fin de mantener la capacidad de produccin de radios transistorizados.
El departamento de produccin dispone de los siguientes datos:
Ci =
D=
18.000
O=
117
118
CAPITULO VII
119
MODELOS DE REDES.
La teora de grafos ha llegado a ser en los ltimos aos una importante herramienta para
diferentes disciplinas como es la investigacin operativa en lo que tiene que ver con el
estudio modelo de redes.
Comenzamos por considerar la siguiente figura que describe una parte de la red de un
mapa de carreteras, la misma que se lo representa por medio de puntos y lneas, las
mismas que se le denomina vrtices y ramas respectivamente.
Denominndose GRAFO a la totalidad del diagrama:
d
e
D
b
C
120
GRAFO.
121
Si (v1,v2) es una rama del conjunto de ramas que pertenece a E(G), entonces se dice
que los vrtices v1,v2 son adyacentes y (v1,v2) es incidente a los vrtices v1 y v2.
122
Ejm. Los vrtices adyacentes al vrtice 2 en G2 seran 1,4,5 y las ramas incidentes al
vrtice 3 en G2 sern (v1,v3), (v3,v6), (v3,v7).
Si la rama <v1,v2> es una rama direccionada, entonces el vrtice v1 se dice que es
adyacente a v2, mientras que v2 es adyacente desde v1, la rama <v1,v2> es incidente a
v1,v2.
Si tenemos el grafo:
G4
Un subgrafo de G es G tal que los vrtices de G son menores o iguales a los vrtices
de G y las ramas de G son menores o iguales a los ramas de G.
V(G) V(G)
E(G) E(G)
Longitud de un camino
Es el nmero de ramas en l contenidas.
Camino simple.
Es un camino en el cual todos los vrtices son distintos aunque es posible que el
primero y el ltimo sean iguales.
Los caminos v1,v2,v4,v3, es camino simple, v1, v2,v4,v2 no es camino simple, ambos
son de longitud 3.
123
Ciclo
Es un camino simple en el cual el primero y ltimo vrtice son los mismos. Ejemplo en
G1 v1,v2,v3,v1 es un ciclo.
Grafos conexos o conectados
Debe haber un camino para dos vrtices cualesquiera.
Grado de un vrtice
Es el nmero de ramas incidentes al vrtice. Ej: en G1 el grado de cualquier vrtice es 3.
Para un grafo direccionado el grado de entrada del vrtice v es el nmero de ramas
para el cual v es cabeza y el grado de salida del vrtice v es el nmero de ramas para el
cual v es cola. Ej: en G3 el grado de entrada para el vrtice v2 ser 1 mientras el grado
de salida para v2 ser 2.
Arbol
Es un grafo conexo que no contiene ciclos
Red
Es un grafo caracterizado por dar ciertos valores a sus ramas. Ej: en la red de un circuito
elctrico sus ramas tienen peso, la electricicidad.
Ejemplo de redes:
RED
NODOS
RAMAS
FLUJO
Area
aeropuertos
rutas (km)
aviones
Terrestre
terminales
caminos (km)
vehculos
Elctrica
puntos de conexin
conductores (amp)
corriente
Oleoductos
Telecomunicaciones Estaciones
petrleo
124
Capacidad de flujo
Es el lmite superior de la magnitud permitida de flujo que puede llevar una rama en una
direccin especfica. La capacidad de flujo puede ser cualquier cantidad no negativa
incluso infinita.
En una rama dirigida la capacidad de flujo es cero en una direccin contraria a la flecha.
Fuente
Es un nodo de un grafo dirigido que se caracteriza porque todas las ramas que se
conectan al l tienen una direccin tal que dicho nodo es nicamente cola, es decir el
flujo sale del nodo.
Se lo conoce tambin como inicio, origen o generador de flujo.
Destino
Es un nodo de un grafo dirigido que se caracteriza porque todas las ramas que se
conectan a l tienen una direccin tal que dicho nodo es cabeza, es decir el flujo entra al
nodo. Se lo conoce tambin como llegada, finalizador o absorbedor de flujo.
A
Fuente, cola
Destino, cabeza.
Representacin de Grafos
Tenemos dos formas de representacin:
1. Utilizacin de matrices adyacentes.
2. Utilizacin de listas adyacentes.
Matrices Adyacentes.
Si tenemos una grafo G(V,E), compuesto de vrtices y enlaces con n vrtices, la matriz
adyacente de G es un arreglo de dos dimensiones de nxn. As tenemos:
A(i,j) con la propiedad de que:
125
G1
1
G2
126
c. Para un grafo diseccionado la suma de los unos (1) de las filas es el grado de
salida y la suma de los unos (1) de las columnas es el grado de entrada.
Listas Adyacentes.
Con esta representacin las n filas de la matriz adyacente se representan con n listas
encadenadas. Hay una lista para cada vrtice de G los nodos en la lista i representan a
los vrtices que son adyacentes desde el vrtice i. Cada nodo tiene al menos dos campos
vrtice y enlace. Los campos de vrtice contienen los ndices de los vrtices adyacentes
al vrtice i.
As tenemos:
G1
V1
V2
V3
V4
Cada lista tiene
2
3
3
4
1
3
3
4
1
2
2
4
1
2
2
3
un nodo cabeza. Los nodos cabeza son
4
0
4
0
4
0
3
0
secuenciales y representan a
cada uno de los vrtices Vi, permitiendo acceder a cada lista desde uno de os vrtices en
particular.
G3
V1
V2
V3
127
128
La matriz ser:
1
Arboles de cobertura
ARBOLES DE COBERTURA.
Cualquier rbol que est formado nicamente por las ramas de E pero que incluyen a
todos los vrtices de V de G es llamado un rbol de cobertura.
Posibles rboles de cobertura:
129
Cualquier grafo conexo con n vrtices debe tener al menos n-1 ramas y todos los grafos
conexos con n-1 ramas son rboles.
130
2
5
5
6
PROCEDIMIENTO GRAFICO.
1. Seleccionar un nodo arbitrario y conectamos el nodo ms cercano a ste
obteniendo la primera rama del rbol de cobertura de costo mnimo.
2. Identificar un nodo no conectado que sea el ms cercano a uno de los nodos que
ya forman parte del rbol y conectarlos sin formar ciclos.
3. Repetir esto hasta que todos los nodos se hayan conectado.
PROCEDIMIENTO TABULAR.
1. T (rbol de cobertura de costo mnimo) se construye rama por rama.
2. Para incluir las ramas en T se consideran a estas en orden ascendente de sus
costos.
3. Una rama se incluye en T sino forma un ciclo con las ramas que ya estn en T.
Como G es conexo y tiene n vrtices, se selecciona n-1 ramas para incluir en T.
131
Ejercicio:
Encontrar el rbol de cobertura de costo mnimo y su costo total de la siguiente red:
PROCEDIMIENTO MATRICIAL.
1. Se comienza arbitrariamente en cualquier nodo, se designa a este nodo como
conectado y se pone una al lado del rengln correspondiente a este nodo. Se
tacha la columna que corresponde a l.
2.
Considerando todos los renglones que tengan una , se busca el valor mnimo en
las columnas cuyo ndice no ha sido tachado y se encierra ese valor en un
crculo. Se rompen los empates de modo arbitrario. La columna que corresponde
este elemento encerrado en un crculo designa al nuevo nodo conectado. Se
tacha el ndice de esta columna y se pone una marca en el rengln
correspondiente a este nodo. Se repite este paso hasta que todos los nodos sean
conectados.
3. Una vez que todos los nodos hayan sido conectados, se identifica el rbol de
cobertura de costo mnimo mediante los elementos circundados.
132
Trata de determinar el camino mas corto desde un nodo origen hasta un nodo hasta los
dems nodos de la red a travs de una red conexa.
La longitud de un camino viene dado por la suma de los valores de las ramas en ese
camino.
ALGORITMO DE ETIQUETADO.
El algoritmo emplea el llamado procedimiento de etiquetado. Conforme avanza el
algoritmo, se determina una etiqueta para cada nodo. Esa etiqueta asociar dos nmeros
entre parntesis. Para un nodo concreto, el primer nmero de la etiqueta representar la
distancia entre H y ese nodo, a lo largo de una ruta especfica y el segundo nmero
representar el nodo predecesor del nodo en cuestin sobre dicha ruta, en principio las
etiquetas asociados a un nodo que no sea H se llamarn etiquetas temporales. Cuando la
distancia ms corta (es decir la mejor ruta) entre H y un nodo dado haya sido
determinada la etiqueta temporal se transformar en permanente.
El algoritmo comienza al etiquetar el nodo H con la etiqueta permanente (0, H), donde 0
simplemente significa que la ruta de H tiene una longitud 0 y H solo identifica al nodo
de salida.
Tan pronto cuando todos los nodos tengan etiqueta permanente se termina el proceso.
Ejercicio:
En la siguiente red encontrar la ruta mas corta desde H hacia los dems nodos de la red.
133
1,H
4,1
1
3
5
4,3
6,4
5,4
0,H
3
1
5,3
2,H
NODO
1
2
3
4
5
6
7
DESDE H
H-1
H-3-2
H-3
H1-4
H14-5
H-3-6
H14-7
1
4
2
4
6
5
5
134
BLIOGRAFIA.
Barsov, A,S. Que es la programacin lineal? Mxico, Ed. Limusa, 1980
Shamblin J., Stevens G. Investigacin de Operaciones. Bogot, Ed. Mc. Graw Hill,
1977