Documentos de Académico
Documentos de Profesional
Documentos de Cultura
21*
,19(67,*$&,1
'(23(5$&,21(6
3URJUDPDFLyQOLQHDO_3UREOHPDVGHWUDQVSRUWH_$QiOLVLVGHUHGHV
Investigacin de operaciones
Programacin lineal
Problemas de transporte
Anlisis de redes
Maynard Kong
Investigacin de operaciones
Programacin lineal
Problemas de transporte
Anlisis de redes
Investigacin de operaciones
Programacin lineal - Problemas de transporte - Anlisis de redes
Maynard Kong
De esta edicin:
Fondo Editorial de la Pontificia Universidad Catlica del Per, 2010
Av. Universitaria 1801, Lima 32, Per
Telfono: (51 1) 626-2650
Fax: (51 1) 626-2913
feditor@pucp.edu.pe
www.pucp.edu.pe/publicaciones
Captulo 1. Introduccin 11
1.1. Aplicaciones 11
1.2. Problema de optimizacin 12
1.3. Propiedades y ejemplos 12
1.4. Programacin matemtica 17
1.5. Modelo de programacin matemtica 19
1.6. Problemas resueltos 22
1.1 Aplicaciones
12
Captulo 1. Introduccin
Solucin
Sean Q,Wy P, las cantidades de naranja, toronja y mandarina, en litros,
para obtener un litro de mezcla de bebida. Luego, los costos de cada
componente son Q, W y P, respectivamente, y el costo de la bebida
es & Q W P
El problema consiste en obtener el valor mnimo de &.
Falta precisar las condiciones sobre las cantidades de jugos.
Estas son:
1) las tres cantidades suman un litro: Q W P
13
Maynard Kong
Solucin
El problema es encontrar el valor mnimo de & Q W P en
donde QWy P cumplen las condiciones
QWP
Qd
Wt
Q,W Pt
Observamos que Q, Wy P son menores o iguales a
El costo & ser menor si se toma la menor cantidad del jugo ms
caro, que corresponde al de toronja; asW, que vara entre y ,
debe tomar su menor valor W
Y tambin &ser menor si se toma la mayor cantidad posible Qdel
jugo de naranja, pues es el ms barato, y como Qse encuentra entre
y ha de tomarseQ .
14
Captulo 1. Introduccin
El valor de P, que se halla entre y , es lo que falta para com-
pletar el litro de mezcla, as P
As, la bebida que da un litro de costo mnimo se obtiene mezclando
litros de naranja, litros de toronja y litros de mandarina,
que tiene un costo de .
Ejemplo 3
Sea la funcin I[\ [\ definida en el conjunto de los puntos
[\[\ nmeros reales, que cumplen las condiciones
[\
[t \t
Determine los valores mximo y mnimo de I[\.
Solucin
Reemplazando [\ en la funcin
I[\ [\ [[\ [
y de las relaciones dadas se observa que los valores de [ varan desde
hasta (\ vara a la vez desde hasta ) de manera que el menor valor
de [es , cuando \ es , y por eso 0D[I[\ cuando
[ \ .
Por el mismo razonamiento se obtiene 0LQ I [ \
cuando [ ,\ .
Ejemplo 4
Tres mquinas 0, 0 y0 pueden realizar las tareas $, % y &.
Los costos de ejecucin son dados en la tabla siguiente:
$ % &
0
0
0
15
Maynard Kong
Solucin
En este caso, el conjunto de recursos consiste de todas las posibles asig-
naciones.
Los recursos del problema con sus respectivos costos son dados por
$VLJQDFLRQHVXQDFROXPQD
0 $ $ % % & &
0 % & $ & $ %
0 & % & $ % $
&RVWR
Ejemplo 5
Pruebe que 0LQI[ 0D[I[
Solucin
Sea I[ 0LQI[.
Entonces por definicin de valor mnimo se tiene
I[dI[para todo [ de ;
o I[dI[para todo [ de ;
de modo que I[ es el valor mximo de I[, esto es
I[ 0D[I[
o 0LQI[ 0D[I[
16
Captulo 1. Introduccin
J [ [Q ^ d R t ` E
J [ [Q ^ d R t ` E
J P [ [Q ^ d R t ` EP
Ejemplo 1
Maximizar ] [\
sujeto a [2\2 d
17
Maynard Kong
Ejemplo 2
Aplicando mtodos geomtricos, hallar la solucin ptima del ejemplo
anterior.
Solucin
La restriccin [\d determina el disco ' de radio y centro en
el origen.
<
DE
\ \ ;
/ /Y
/
18
Captulo 1. Introduccin
hay que mover la recta hasta que sea tangente al crculo. El punto de
tangencia 3DE tiene pendiente , pues el radio del origen al punto
3 es perpendicular a la recta, cuya pendiente es . As, E D y por estar
en el crculo
DE , de donde D
Por tanto, la solucin ptima es y el valor ptimo es
I .
Ejemplo 3
Minimizar ] [[[[
sujeto a [[[[t
[[d
[[d
[[
y todas las [Lt
Ejemplo 4
Maximizar Z [[\\]
sujeto a las condiciones
[\]
\[d
[\]t
19
Maynard Kong
Ejemplo
Un establecimiento de ventas de combustible atiende las horas y
tiene los siguientes requerimientos mnimos de empleados para atender
a los clientes:
+RUDV
1~PHURGHHPSOHDGRV
20
Captulo 1. Introduccin
Solucin
Sea [ nmero de empleados que empiezan a las horas (primer
perodo)
...
[ nmero de empleados que empiezan a las horas (ltimo
perodo)
Entonces Q total de empleados requeridos [[[y las
restricciones para los respectivos perodos son:
[[t
[[t
[[t
[[t
[[t
[[t
que toman en cuenta la suma de los empleados de dos perodos con-
secutivos, por ejemplo, en el primer perodo se tiene [ empleados
que empezaron a las horas y [ empleados que empiezan a las
horas.
Adems, hay que observar que las variables son enteras y mayores
que o iguales a .
Por tanto, el modelo de programacin pedido es
Minimizar Q [[[
sujeto a [[t
[[t
[[t
[[t
[[t
[[t
con todas las variables enteras y no negativas.
21
Maynard Kong
Problema 1
Si 0D[I[ calcule
a) 0D[I[
b) 0LQI[
Solucin
Se tiene
a) 0D[I[ 0D[I[ u
b) 0LQI[ 0LQI[ 0D[I[
Problema 2
Resuelva el problema
Maximizar ] \[
sujeto a [\
[t \t
Solucin
Despejando la variable y de la restriccin [\ y reemplazndola en
la funcin objetivo
] \[ [[ [
Falta determinar el conjunto de valores de [:
de [ \
y usando la condicin \ t se obtiene [ d ,
por lo tanto, [ vara desde hasta ,
de donde resulta que ] vara de a .
Luego, el mayor valor de ]es y se obtiene en [ , \
22
Captulo 1. Introduccin
23
Maynard Kong
sujeto a [[[[t
[[[[t
[[ [[t
todos los [L t
Problema 4
Se dispone de S/. para invertirlos segn los dos planes de inver-
sin $y % que ofrecen ganancias o utilidades como se muestran en la
tabla:
&DQWLGDGLQYHUWLGD
8WLOLGDGGH$
8WLOLGDGGH%
Solucin
Sean D y E, en miles, las cantidades que se invierten en los planes $ y %.
Entonces DEd, Dy E enteros no negativos.
Las utilidades de los planes pueden expresarse mediante las funcio-
nes 8y 9 definidas por
8 8 8 8
9 9 9 9
24
Captulo 1. Introduccin
Problema 5
Resuelva, por simple inspeccin, el problema anterior.
Solucin
Para cada valor de D calculamos el valor mximo de la
ganancia:
*DE, por ejemplo, si D , 8 ,
0D[ * E 0D[ ^8 9 8 9 8 9 8 9 `
0D[ ^ `
que se obtiene en E .
Procediendo de esta manera se obtienen los siguientes resultados:
0D[*E HQE
0D[*E HQE
0D[*E HQE
0D[*E HQE
La ganancia mxima es en miles, o , y se obtiene en D
y E , esto es, invirtiendo en el plan $y en el plan %
25
Maynard Kong
Solucin
Sean D1 y D2 las cantidades que se envan desde $ a los locales, y E1, E2,
similarmente para %.
Segn las cantidades disponibles se tiene
DD
EE
y para los locales
DE
DE
siendo el costo de envo & DDEE
As, el modelo del problema es
Minimizar & DDEE
sujeto a DD
EE
DE
DE
y todas las variables enteras y no negativas.
26
Captulo 1. Introduccin
Solucin
Hay que considerar las distintas maneras de cortar los anchos de y
en anchos de y.
Para el rollo $,
, que nos indica tres cortes de sin sobrante
, que da un corte de y sobra unidad de ancho
Si D y D son las longitudes de los cortes de $, para cada caso, la
cantidad sobrante es D 1D2 metros cuadrados.
Puesto que se trata de minimizar las cantidades sobrantes, se omiten
los casos en los cuales los cortes originan partes sobrantes con valores
mayores.
Y para el rollo B,
cuatro cortes de y sobra
dos cortes deuno de cinco y sobra
de donde, designando por E y E las longitudes de los cortes en ambos
casos, la cantidad sobrante es EE
La cantidad total de papel sobrante es 6 D E en metros cua-
drados.
Los datos se muestran en la tabla:
$ %
FODVH D D E E /RQJLWXGWRWDO
DQFKR
DQFKR
VREUDQWH
Las longitudes totales de los rollos producidos dan lugar a las res-
tricciones
DDEEt, para la clase 1
D DE Et, para la clase 2
27
Maynard Kong
Solucin
Se tiene la siguiente tabla por corrida de cada proceso
0DWHULDUHTXHULGD &RPSRQHQWHSURGXFLGR
3URFHVR XQLGDGHV XQLGDGHV
% &
3
4
28
Captulo 1. Introduccin
S T
de tipo % ST, con lo que se puede completar S T
productos$
S T
y de tipo &ST, que permite completar S T pro-
ductos $
El nmero 1 de productos $ resultante es el menor de estos, o sea
1 ST
As, el modelo es
Maximizar 1 TS
sujeto a STd
STd
S y T enteros no negativos.
Problema 9
En un terreno de hectreas se puede cultivar arroz y frijoles. En un ao
bueno, la ganancia por hectrea de arroz es y la de frijoles ; en cam-
bio, en un ao malo, las ganancias son de y , respectivamente.
Se dedica a cada planta no ms de de hectreas del terreno y se
requiere determinar cuntas hectreas deben cultivarse de cada pro-
ducto para maximizar la ganancia total en un ao bueno y asegurar que
la ganancia en un ao malo sea al menos de . Formule el modelo
del programa.
Solucin
Sean D y I las cantidades de hectreas de arroz y frijoles a cultivar.
Entonces D I d
D d , los de
Id
La ganancia en un ao bueno es *E DI
y la de un ao malo es *P D I, que debe ser al menos
29
Maynard Kong
30
Captulo 2
Introduccin a la Programacin Lineal
Ejemplos
1. Maximizar ] [[
sujeto a [[d
[[t
[t
El valor mximo de ] es y se obtiene en la solucin ptima
[ [
2. Maximizar ] [[[
sujeto a [[[
[[[t
[t
[t
En este caso ]PD[ en [ [ [
32
Captulo 2. Introduccin a la Programacin Lineal
3. Minimizar ] [[[[
sujeto a [[[[[
[2 2[4 d 5;
y todas las variables t
El valor ptimo es ]PLQ y se alcanza en [ [ [ [ .
4. Minimizar ] [[[[
sujeto a [[d
[[[t
todas las variables no negativas.
En este problema el valor mnimo no existe, pues, si se asigna a las
variables de decisin
[ [ W[ [ cualquierWt,
se comprueba que estas son soluciones factibles (cumplen todas las
restricciones) en las que la funcin objetivo vale
] ]W W
y, por lo tanto, adquiere un valor menor que cualquier nmero que
se precise (en notacin de lmites: ]W tiende a f cuando W tiende
a f).
5. Minimizar: ] [[[[
sujeto a [[d
[[[t
[t
[t
El problema no tiene soluciones factibles, pues las restricciones son
incompatibles o inconsistentes. En efecto, de las dos ltimas restric-
ciones se obtiene la desigualdad
[[tu [[t
que contradice a la primera restriccin [[d.
33
Maynard Kong
Ejemplo 1
Resuelva geomtricamente el problema
Maximizar ] [\
sujeto a las restricciones
(1) [\d
(2) [\d
(3) [\d
(4) [t
(5) \ t
34
Captulo 2. Introduccin a la Programacin Lineal
Solucin
Trazamos la regin factible 5
<
%
[ \
[ \
] ] ]
$
5
&
[ \
;
'
]
[ \
5 es el polgono cerrado con vrtices los puntos $ % & ' y el
origen del sistema. Se hallan los conjuntos 5 5 de puntos que
satisfacen las restricciones respectivamente. Por ejemplo, para
determinar 5 que corresponde a [\d se traza la recta dada
por la ecuacin [\ , que resulta de sustituir el signo de des-
igualdad por el de igualdad, y en la figura es la recta que pasa por los
puntos $ y %. Esta recta divide al plano en dos semiplanos, determina-
dos por las desigualdades
[\dsemiplano inferior
y [\t, semiplano superior.
Para saber cul de los semiplanos es5basta seleccionar arbitra-
riamente un punto fuera de la recta, y comprobar cul de las dos
desigualdades satisface. Por ejemplo, el punto satisface la pri-
mera desigualdad, que es la restriccin tratada, y por lo tanto, 5es
el semiplano que contiene a , o el semiplano inferior o debajo
de la recta. La regin factible 5 es la interseccin de los semiplanos
obtenidos.
35
Maynard Kong
Ejemplo 2
Determine los valores mximo y mnimo de la funcin ] ][\ [\
sujeta a las restricciones del ejemplo anterior.
Solucin
Puesto que la regin factible es un polgono cerrado es suficiente eva-
luar la funcin en los vrtices del polgono:
]
]
]
]
]
de donde ]PD[ en [ , \ , y ]PLQ en [ , \
36
Captulo 2. Introduccin a la Programacin Lineal
Problema 1
Resuelva por mtodos geomtricos el problema
Maximizar ] [\
sujeto a [\d
3[ 4\d7
\t2
[\ t
Halle todos los vrtices del polgono de soluciones factibles.
Respuesta
]PD[ en [ , \
Los vrtices son \
Problema 2
Resuelva grficamente el problema
Minimizar ] [ \
sujeto a [\ t
[\ t
[\d
Respuesta
]PLQ en [ , \
Problema 3
Resuelva el problema
Minimizar ] [\
sujeto a las restricciones del problema 3.
37
Maynard Kong
Respuesta
La funcin objetivo no tiene mnimo pues las rectas ] Y [\, paralelas a
la diagonal \ [, intersecan al polgono factible para cualquier valor
negativo de Y, que es lo que se observa cuando la diagonal se desplaza
paralelamente de izquierda a derecha.
Problema 4
El siguiente es el modelo de programacin del problema , Captulo
1, 1.6:
Max *E DI
sujeto a DId
Dd
Id
DIt
D y I no negativas.
Por mtodos geomtricos encuentre cuntas hectreas del terreno deben
dedicarse a cada cultivo para obtener la mayor ganancia en un buen ao.
Respuesta
I D ganancia mxima 60000
Problema 5
Resuelva el problema
Maximizar [[
sujeto a [[d
[d
[[d
[[t
Respuesta
Mximo en[ [
38
Captulo 2. Introduccin a la Programacin Lineal
Problema 6
Determine el valor mnimo de ] [[
sujeto a [[tF
[d
[t
[d
[t
en cada caso siguiente:
a) cuando F ,
b) cuando F
Respuesta
a) F : mnimo en [ [
b) F : el problema no tiene soluciones
Problema 7
Halle el valor mximo de ] [[
sujeto a [[t
-10[1 [2d10
-4[1 [2d20
[1 4[2t20
[1, [2t0.
Respuesta
No existe valor mximo pues la funcin ] toma valores arbitrariamente
grandes.
Problema 8
Resuelva el problema Max ] ][\ mnimo ^[\[\`
sujeto a las condiciones 2x -5yt-10
2x -yd6
x, yt0.
39
Maynard Kong
Indicacin
Este problema no tiene la forma de un problema de programacin
lineal pues la funcin objetivo no es lineal. No obstante, de la defini-
cin de la funcin se tiene
] ][\ [\ si [\d[\, o [\d
y ] ][\ [\ si [\d[\, o [\t
y por lo tanto agregando sucesivamente las restricciones [ \ d ,
[\t el problema se descompone en los subproblemas lineales:
(P1) 0D[] [\
sujeto a [\t
2[ -\d6
[, \t0
[ -\d0
(P2) 0D[] [\
sujeto a [\t
2[ -\d6
[, \t0
[-\t0
El valor mximo del problema inicial es el mximo de los valores
ptimos de estos subproblemas.
Geomtricamente, mediante la recta \ [, se ha dividido el pol-
gono factible en dos subpolgonos sobre los cuales la funcin objetivo
adquiere una expresin lineal.
Respuesta
(P1) tiene mximoen [ \
(P2) tiene mximo en [ , \
El valor mximo del problema es el de (P2), esto es, en [ ,
\
40
Captulo 2. Introduccin a la Programacin Lineal
Problema 9
Resuelva el problema 0D[] ][\ mximo ^[\[\`
sujeto a las restricciones del problema 8.
Respuesta
El valor ptimo es en [ , \
2.4.1 Ejemplos
41
Maynard Kong
2) Minimizar ] [[[[
sujeto a [[[[
[[[[
[[[
y todas las variables son no negativas.
42
Captulo 2. Introduccin a la Programacin Lineal
Es decir, si la restriccin es
si DL[DLQ[Q ^d Rt`
en dondeELes negativo
entonces
DL[DLQ[Q ^d Rt`EL
con EL positivo y, cuando se aplique, con el signo de desigualdad
invertido.
Se indican algunos ejemplos:
UHVWULFFLyQWUDQVIRUPDGDFRQ
UHVWULFFLyQ
WpUPLQRFRQVWDQWHQRQHJDWLYR
[\]d [\]d
[\[d [\[d
[\]d [\]d
43
Maynard Kong
con KL no negativa.
Esta variable se llama variable de holgura (por exceso o supervit)
Por ejemplo, la restriccin [\]t
se reemplaza por
[\]K
Kt
Las operaciones (1), (2) y (3) no modifican la funcin objetivo.
4) Una variable irrestricta, lo cual significa que puede tomar valores
negativos y positivos, puede ser reemplazada por la diferencia de
dos variables no negativas.
Si [2 es irrestricta, entonces se escribe [2 XY con dos nuevas
variables X y Y no negativas.
5) Una variable [ no positiva, esto es, menor que o igual a cero,
puede ser reemplazada por una variable no negativa precedida
del signo menos, es decir, se efecta el cambio de variable
[ -X, en donde X es no negativa.
La sustitucin de una variable irrestricta o una no positiva se realiza
tanto en las restricciones como en la funcin objetivo.
Ejemplo 1
Exprese en forma estndar el problema
Minimizar [\]Z
sujeto a [\
[\]
]Z
[, \, ] no negativas
Z irrestricta.
44
Captulo 2. Introduccin a la Programacin Lineal
Solucin
No es necesario cambiar de signo a ninguna restriccin pues todas ya
tienen trminos constantes no negativos.
Sumando las variables de holguras K1, K2 a las dos primeras restric-
ciones y restando la variable de holgura K3 a la tercera restriccin
[\K1
[\]K
]ZK
Luego, reemplazando la variable irrestricta Z por Z Z1 Z2 en la
funcin objetivo y en las restricciones, se obtiene la forma estndar
Minimizar [\]ZZ
sujeto a [\K
[\]K
]ZZK
con todas las variables no negativas.
Ejemplo 2
Escriba en forma estndar el problema
Maximizar ] [[[[
sujeto a las restricciones
[1 - [2 5[3 t -12
[[[
[[[[[
[ es no positiva y las dems variables no negativas.
Solucin
La primera restriccin se convierte en
[[[K
despus de cambiar los signos de los trminos y el signo de la desigual-
dad y de sumar la variable de holgura K.
45
Maynard Kong
46
Captulo 2. Introduccin a la Programacin Lineal
Ejemplo
Sea el problema
Maximizar ] [\
sujeto a las restricciones
[\X
[\Y
[\XYno negativas.
(1) Mediante las operaciones indicadas obtenga restricciones equivalen-
tes de manera que cada una contenga solo una de las variables [\.
(2) Determine la expresin de la funcin objetivo que resulta de
reemplazar las variables [\ despejadas de las ecuaciones.
(3) Encuentre el valor mximo de ].
Solucin
(1) Se elimina la variable \ de la primera ecuacin restndole 2 veces
la segunda ecuacin:
[XY R [XY
Similarmente, se elimina [ de la segunda ecuacin sumndole 2
veces la primera ecuacin:
\XY R \XY
47
Maynard Kong
48
Captulo 2. Introduccin a la Programacin Lineal
Ejemplo 1
Halle las soluciones bsicas factibles del conjunto de restricciones
[\]
[\]
49
Maynard Kong
Solucin
En este caso P Q de manera que hay que anular QP variable.
(1) Si [ y se resuelve el sistema
\ -]
\ -]
se encuentra la solucin nica \ , ] -
y por lo tanto [ , \ , ] -es una solucin bsica.
Sin embargo, no es factible pues la variable ] tiene un valor negativo.
(2) Haciendo \ , el sistema resultante es
[ - ]
[ - ]
que no tiene solucin pues restando 2 veces la primera ecuacin
de la segunda se obtiene la contradiccin
(3) Haciendo ] , se resuelve el sistema
[ \
[ \
que tiene nica solucin [ \
Luego, [ \ ] es una solucin bsica factible con varia-
bles bsicas [\
En resumen, para las restricciones dadas solamente hay una solu-
cin bsica factible: [ \ ] con variables bsicas [\.
Ejemplo 2
Encuentre las soluciones bsicas factibles de las restricciones
[[[[
[[[[
Solucin
En este caso se deben anular variables y resolver las ecuaciones
para las variables restantes.
50
Captulo 2. Introduccin a la Programacin Lineal
51
Maynard Kong
Ejemplo 3
Dado el conjunto de restricciones
[\d
[\d
[\ no negativas
(a) calcule los vrtices del polgono que representa la regin factible
en el plano ;<,
(b) obtenga la forma estndar del conjunto de restricciones y deter-
mine las soluciones bsicas factibles,
(c) muestre que a cada vrtice del polgono le corresponde una solu-
cin bsica factible de la forma estndar.
Solucin
(a) El polgono en cuestin es el cuadriltero limitado por las rectas
[\ [\ [ \ . Los vrtices son los puntos
(), (), () y ().
(b) La forma estndar de las restricciones se obtiene sumando una
variable de holgura a cada restriccin de igualdad
[\K
[\K
y las soluciones bsicas son
9$5,$%/(6%6,&$6 62/8&,1
(1) [\ [ \ K K
(2) [K [ \ K K
(3) \K [ \ K K
(4) KK [ \ K K
52
Captulo 2. Introduccin a la Programacin Lineal
Problema 1
Exprese en forma estndar el problema
Maximizar ] [[
sujeto a [[t
[[d
\ [[t
53
Maynard Kong
Solucin
Las restricciones son
[[K
[[K
con todas las variables no negativas.
Problema 2
Halle la forma estndar de
Minimizar ] [\XY
sujeto a [\t
\Xt
[\Y
[XXt
y la variable \ irrestricta.
Solucin
Maximizar ] [\\XY
sujeto a [\K
\XK
[\\Y
y todas las variables no negativas en donde se ha reem-
plazado
\ \\, diferencia de variables no negativas.
Problema 3
Considere el problema
Maximizar ] [[[[
sujeto a [[d
[t
[d
[t
Exprese el problema en la forma estndar.
54
Captulo 2. Introduccin a la Programacin Lineal
Respuesta
Maximizar ] X[[[
sujeto a -X [ K
XK
todas las variables no negativas.
Puesto que [ es no positiva se ha hecho el cambio de variable [ X,
de modo que X es una variable no negativa.
Problema 4
Sea el conjunto de restricciones
[[[[[
[[[[[
halle todas las soluciones bsicas factibles y las variables bsicas corres-
pondientes.
Respuesta
6ROXFLRQHVEiVLFDVIDFWLEOHV YDULDEOHVEiVLFDV
[ [ [ [ [ DVRFLDGDV
[[
[[
[[
[[
[[
[[
Problema 5
Sea el conjunto de restricciones
[\]X
[\]X
[\]X
55
Maynard Kong
Respuesta
(1) Haciendo X y resolviendo las ecuaciones se encuentra [
\ ] X que es una solucin bsica factible, y las
variables [\] son bsicas.
(2) Haciendo [ , el sistema tiene solucin pero la variable X toma
un valor negativo. Las variables no son bsicas.
Problema 6
Sea el problema
Maximizar ] [[
sujeto a [[[
[[[
y todas las variables no negativas.
(1) Pruebe que las variables [[ son bsicas hallando la solucin
bsica respectiva.
(2) Exprese la funcin objetivo en trminos de las variables no bsi-
cas [[, y pruebe que la solucin bsica hallada es ptima.
Respuesta
(1) La solucin bsica es [ [ [ [
[ [
(2) ]
56
Captulo 3
El mtodo del smplex
58
Captulo 3. El mtodo del smplex
de donde
] [[[[
[[
El criterio de mximo indica que si todos los costos reducidos son
d, entonces la tabla actual proporciona el valor mximo y se alcanza
en la solucin bsica de la misma.
Esto puede demostrarse en este caso, ya que la representacin de la
funcin objetivo con los costos reducidos puede escribirse as
] [[d
en donde la desigualdad d se cumple porque los costos reducidos son
d y las variables son t.
Luego ]d valor en la solucin bsica factible y por lo tanto
]0D[ en [ [ [ [ .
Segn lo desarrollado se puede adelantar el criterio de mximo:
59
Maynard Kong
YDUEiV [ [ [ [ E
[
[
F
F
Igual que antes para anular los costos - y de las variables bsicas,
a la fila F se le suma la fila y se le resta veces la fila .
La fila F
da la siguiente expresin de la funcin objetivo ]:
] [[ en trminos de costos reducidos.
No se puede aplicar el criterio de mximo pues hay un costo redu-
cido positivo, que es el coeficiente de la variable [.
El siguiente criterio es el de divergencia, segn el cual si existe un
costo reducido ! y la variable asociada tiene coeficientes d en todas las
restricciones, entonces el problema no tiene valor mximo, porque se
puede hallar soluciones factibles en las cuales la funcin objetivo toma
valores arbitrariamente grandes.
En este problema, el costo reducido positivo es el de la variable [ y
sus coeficientes en las restricciones son -y -, que son d.
Para comprobar que la funcin objetivo toma valores muy grandes
se generan las siguientes soluciones factibles:
se hace [ W, donde el parmetro W es t,
se hace igual a cero la otra variable no bsica [
y se hallan los valores de las variables bsicas resolviendo las ecuaciones
(dadas por las filas), as finalmente se obtiene
[
[ W
[ W
[ W
para cualquier Wt.
60
Captulo 3. El mtodo del smplex
61
Maynard Kong
y luego hay que restar una fila de la otra, para anular el otro elemento
de la columna de \. No obstante, se ve inmediatamente que no se debe
restar la fila a la fila , pues de lo contrario resultara el trmino
constante , que sera el valor de una variable no negativa. As,
se debe seleccionar la fila pues tiene el menor valor , o mnimo
cociente, de manera que al restarla a la fila , todos los trminos cons-
tantes sigan siendo no negativos.
La seleccin de la fila indica que sale la variable bsica actualY, y
que en su lugar entra la variable \.
Los clculos son:
YDUEiV [ \ X Y E UD]yQ
X
Y PLQVDOHY
F
n
HQWUDYDULDEOH\
y expresando la tabla respecto de las variables bsicas X\
62
Captulo 3. El mtodo del smplex
YDUEiV [ \ X Y E
X
\
F
EL
5 PtQLPRGHORVYDORUHV FRQDL M !
DL M
Si L
es la fila donde se obtienen la razn mnima
5, entonces entra la variable [M al conjunto de
variables bsicas y sale la variable bsica [M
.
63
Maynard Kong
El mtodo del smplex opera directamente con la tabla formada por los
coeficientes y datos constantes del problema.
Sea
] F[FM[MFQ[Q
sujeto a las restricciones
D[DMDQ[Q E
DL[DLM[MDLQ[[ E ecuacin i
DP[DPM[MDPQ[[ EP
y todas las variables no negativas
y variables bsicas [
[
Pque dan una solucin factible.
Este problema se representa mediante la tabla:
columna de variable [M
p
YDUEiV [ [M [Q E
[
D DM DQ E
[
L DL DLM DLQ EL ODLHFXDFLyQL
[
P DP DPM DPQ EP
m ODGHFRVWRV
F F FM FQ
HFXDFLyQGH]
m ODGHFRVWRVUHGXFLGRV
F
F
F
M F
Q ]
HFXDFLyQGH]]
en donde
la fila L se forma con los coeficientes y trmino constante de la
ecuacin L
64
Captulo 3. El mtodo del smplex
Nota
1. Debe tenerse presente que la representacin dada depende del
conjunto de variables bsicas seleccionado, y por lo tanto, en
general ha de ser distinta para otro conjunto de variables bsicas.
2. Los costos reducidos asociados a las variables bsicas tienen valor
cero, por lo que la suma contiene solo los trminos de las varia-
bles no bsicas.
65
Maynard Kong
Criterio de mximo
Si todos los costos reducidos, relativos a un conjunto de variables bsi-
cas, son no negativos:
F
Ld, para M Q
entonces el valor mximo de la funcin objetivo es ]0 y una solucin
ptima es la solucin bsica factible de las variables bsicas.
Prueba
Se tiene ] F
[F
[FQ[
Q ].
De las condiciones F
dF
Qdy todas las variables [t
[
Qtse concluye que la suma V F
[F
Q[Q es menor que o igual
a cero y por lo tanto ] V]d] valor de ] en la solucin bsica.
Esto demuestra que ]0D[ ].
Criterio de divergencia
Si algn costo reducido es positivo y son no negativos todos los coefi-
cientes de la columna de ese costo, entonces el problema no tiene valor
mximo.
De un modo ms preciso, si existe
F
L ! coeficiente reducido de la variable[M
y DLMd, para todos los coeficientes de la variable [M
entonces la funcin objetivo crece indefinidamente sobre la regin fac-
tible y por lo tanto no tiene mximo.
66
Captulo 3. El mtodo del smplex
Sea F
L ! un costo reducido positivo. Entonces entra la variable [M
al conjunto de variables bsicas y sale la variable bsica [L cuya razn
EL
5 es mnima.
DLM
Adems, el valor de ] en la nueva solucin bsica es ]
]F
M5,
esto es, tiene el incremento F
M5t.
67
Maynard Kong
Cambio de base
Se aplica cuando todos los costos reducidos tienen al menos
un elemento t en su respectiva columna.
Sea F
M . Entonces entra la variable[My sale una variable [L cuya
razn sea mnima como en el problema de maximizacin.
Los siguientes ejemplos ilustran los dos mtodos para resolver pro-
blemas de minimizacin.
Ejemplo 1
Minimizar ] [\
sujeto a [\
[\
[\ no negativas
transformando el problema en uno de maximizacin.
Solucin
Agregando variables de holgura XY a las restricciones para expresar el
problema en forma estndar, las restricciones son:
[\X
[\Y
todas las variables no negativas.
Usando Min ] [\ Max ]
[\ se resuelve el pro-
blema de maximizar la funcin objetivo]
y en dondeXY son variables
bsicas.
La tabla inicial
YE [ \ X Y E
X
Y UD]yQ mVDOHY
F
mFRVWRVGH]
nHQWUD[
68
Captulo 3. El mtodo del smplex
Puesto que todos los costos reducidos son d tiene valor mximo
y se obtiene en [ \ Por lo tanto, el valor mnimo de ]es
en [ \
Ejemplo 2
Minimizar ] [\
sujeto a [\d
[\d
[\no negativas
usando los criterios del smplex para minimizacin.
Solucin
La tabla inicial es
YE [ \ X Y E
X
Y UD]yQ mVDOHY
F mFRVWRVGH]
nHQWUD[
69
Maynard Kong
Problema 1
Aplicando el mtodo del smplex resuelva
Max ] [[[[[
sujeto a [[[[
[[[[
todas las variables no negativas.
Observe que [[ son variables bsicas.
Respuesta
Max ]
Una solucin ptima es [ [ [ [ [ .
Problema 2
Resuelva
Max ] [[[
sujeto a [[[d
[[[d
70
Captulo 3. El mtodo del smplex
Problema 3
Resuelva el problema
0D[ ] [\
sujeto a [\d
[\d
[\d
[\no negativas.
Respuesta
0D[ ]
Una solucin ptima es \ [ .
Problema 4
Resuelva el problema
0LQ ] [\
sujeto a [\d
[\d
[\d
[\no negativas.
Respuesta
0LQ ]
Una solucin ptima es [ \ .
71
Maynard Kong
Problema 5
Resuelva el problema
Maximizar ] [\XY
sujeto a [\XY
todas las variables no negativas.
Indicacin: Use Y como variable bsica.
Respuesta
0D[ ] HQ\ y cero para las otras variables.
Problema 6
Encuentre el valor mximo de la funcin
] [\XY
sujeto a las restricciones
[\XY ;
[XYno negativas
la variable \d.
Respuesta
Max ] en [ las otras variables valen cero.
72
Captulo 4
Mtodo del smplex: variables artificiales.
Convergencia del algoritmo
Ejemplo. Tcnica 0
Aplicando la tcnica0 resuelva el problema
Maximizar ] [\XY
sujeto a [\XY
[\XY
todas las variables no negativas.
Maynard Kong
Solucin
Paso 1. Se agregan variables artificiales $, $ a las restricciones
[\XY$
[\XY$
todas las variables no negativas, incluyendo las variables arti-
ficiales.
Paso 2. Se construye una nueva funcin objetivo ]
restndole a ]
los trminos 0 veces $ y0 veces $, uno por cada variable
artificial aadida:
]
[\XY0$0$
en donde 0 es una constante positiva muy grande.
El problema ahora consiste en maximizar ]
sujeto a las
restricciones del paso , y se puede aplicar el mtodo del sm-
plex pues$ y $ son variables bsicas, con valores $
y $
La eleccin del valor de 0 se hace a fin de lograr que las
variables del problema original se vuelvan bsicas en lugar de
las variables artificiales.
Paso 3. Se aplica el mtodo del smplex utilizando a las variables arti-
ficiales como variables bsicas.
La solucin del problema modificado proporciona tambin
la solucin del problema inicial pues:
1) si existe mximo de]
, y no contiene a la constante 0,
esto es, las variables artificiales han sido eliminadas del
conjunto de variables bsicas o anuladas, entonces
mximo de ] mximo de ]
74
Captulo 4. Mtodo del smplex: variables artificiales
F
0 0 0 0 0
F
se obtiene anulando el
costo de la variable [: fila F
fila F
menos (0) veces la fila; por
ejemplo, el costo reducido de \ es (0) (0) por
00 0
75
Maynard Kong
en donde la F
76
Captulo 4. Mtodo del smplex: variables artificiales
YDUEiV [ \ X Y $ $ E UD]yQ
$
$
F
F
n
HQWUD[
77
Maynard Kong
78
Captulo 4. Mtodo del smplex: variables artificiales
79
Maynard Kong
Problema 1
Usando la tcnica 0 resuelva el problema:
Maximizar ] [\XY
sujeto a [\XY
[\XY
todas las variables no negativas.
80
Captulo 4. Mtodo del smplex: variables artificiales
Respuesta
]0D[ ; una solucin ptima es [ \ X Y
Problema 2
Aplique la tcnica 0 para resolver el problema
Maximizar Z [\XY
sujeto a XYt
[\Yd
todas las variables no negativas.
Indicacin
El problema a resolver puede ser escrito as Z [\XY0$
sujeto a XY+$
[\Y+
en donde$ y + son variables bsicas, $ es una variable artificial y +
es una variable de holgura (por defecto).
Respuesta
=0D[ . Una solucin ptima es [ \ , X , Y
Problema 3
Resuelva el problema 1 usando el mtodo de las dos fases.
Problema 4
Aplique el mtodo de las fases para resolver el problema 2.
Problema 5
Resuelva el problema
minimizar Z [[[[
sujeto a [[[t
[[[[d
todas las variables negativas
81
Maynard Kong
a) Por la tcnica 0
b) Aplicando el mtodo de las dos fases.
Indicacin
Convierta el problema en uno de maximizacin
- maximizar Z [[[[
y considere las restricciones [[[+
[[[[+
Puede tomarse como variables bsicas iniciales: una variable artifi-
cial $ asociada a la primera restriccin y la variable de holgura + (por
defecto) de la segunda restriccin.
Respuesta
El valor mnimo de Zes . Una solucin ptima es [ [ y
cero las otras variables.
Problema 6
Sea el problema
Maximizar ] [\X
sujeto a [\X
[\X
todas las variables no negativas
a) Sume miembro a miembro las restricciones y compruebe que no
existen soluciones factibles (en particular, el problema no tiene
mximo).
b) Compruebe que el problema no tiene soluciones factibles calcu-
lando el valor mximo de ]
$$ (la funcin auxiliar de la
fase )
sujeta a las condiciones [\X$
[\X$
en donde $ y $ son variables artificiales.
82
Captulo 4. Mtodo del smplex: variables artificiales
Ejemplo de un ciclo
Resolver el problema
maximizar ] [[[[
sujeto a [[[[[
[[[[[
[[[[[
todas las variables no negativas.
[[ y [ forman un conjunto inicial de variables bsicas.
A continuacin se aplica el mtodo del smplex, haciendo elecciones
sobre las variables de entrada y salida, y se obtiene la sucesin de tablas
7777777 777
83
Maynard Kong
Hay dos posibles variables que pueden entrar [ o [. Se elige [. La
nica posible variable que puede salir es[.
La tabla resultante es
7 variables bsicas [, [, [
YE [ [ [ [ [ [ [ E
[
[
[
F
84
Captulo 4. Mtodo del smplex: variables artificiales
La siguiente tabla es
7 variables bsicas [, [, [
YE [ [ [ [ [ [ [ E
[
[
[
F
Hay dos variables que pueden ingresar [ y [. Se elige [. Entonces
solo puede salir la variable [.
Y la siguiente tabla es
7 variables bsicas [, [, [
85
Maynard Kong
YE [ [ [ [ [ [ [ E
[
[
[
F
86
Captulo 4. Mtodo del smplex: variables artificiales
87
Maynard Kong
88
Captulo 4. Mtodo del smplex: variables artificiales
89
Maynard Kong
La nica variable que puede entrar es [. Y solo puede salir la varia-
ble [.
Tabla 7
variables bsicas [,[,[
YE [ [ [ [ [ [ [ E
[
[
[
F
]
Mtodo de perturbacin
Este mtodo consiste en perturbar o modificar los trminos cons-
tantes, lados derechos de las restricciones de igualdades, sumndoles
potencias de un nmero positivo muy pequeo, de manera que cuando
se aplica el algoritmo del smplex cualquier razn mnima resulta con
valor positivo y por lo tanto la funcin objetivo siempre aumenta
su valor (caso de maximizacin). As, ninguna tabla puede repetirse
y necesariamente se llega a una tabla terminal, en la cual la solucin
ptima se obtiene anulando o desapareciendo las cantidades aadidas.
90
Captulo 4. Mtodo del smplex: variables artificiales
en donde se han agregado a las constantes del lado derecho las poten-
cias H, H, H, siendo e un nmero positivo arbitrariamente pequeo.
La nica variable que puede entrar es [. Para determinar la variable
que debe salir se calculan las razones
H
variable [: la razn es H
H
variable [: la razn es H
puesto que H es muy pequeo, por ejemplo H , se ve que la razn
mnima corresponde a [. As sale la variable [.
La siguiente tabla es
YE [ [ [ [ [ [ [ E
[ H
[
[
F
Ahora la variable que debe entrar es [. Y la nica que puede salir es
[, cuya razn es
H H
H H
91
Maynard Kong
La tabla correspondiente es
YE [ [ [ [ [ [ [ E
[
[
[
F
92
Captulo 4. Mtodo del smplex: variables artificiales
Problema 1
(E. Beale) Aplique la regla de Blands para resolver el problema
Maximizar ] [[[[
sujeto a [[[[[
[[[[[
[[
todas las variables no negativas.
Observe que [[[ forman un conjunto inicial de variables bsicas.
Respuesta
Mximo de ] , en [1 , [4 , [6 , y las otras variables con
valor cero.
Problema 2
Resuelva el problema anterior usando el mtodo de perturbaciones.
93
Captulo 5
Problema dual
96
Captulo 5. Problema dual
Max ] F[F[
Min Z E\E\E\
Se dice que la definicin dada corresponde al caso simtrico,
porque las formas de los problemas presentan las siguientes par-
ticularidades:
1) uno de los problemas es de maximizacin y tiene restric-
ciones de desigualdades d,
2) el otro problema es de minimizacin y tiene restricciones
de desigualdades t,
y 3) las variables de ambos problemas son no negativas.
A partir de esta definicin de problema dual se puede hallar el
problema dual de cualquier problema de programacin lineal
(vanse los ejemplos 2 y 3 siguientes).
Ejemplo 1
Halle el dual del problema
Maximizar ] [[
sujeto a [[d
[[d
[[d
[[d
[[no negativos
97
Maynard Kong
Solucin
Aplicando directamente la definicin de problema dual se obtiene:
Minimizar Z \\\\
sujeto a \\\\t
\\\\t
\ \\no negativos.
Ejemplo 2
En este ejemplo se muestra que el problema dual de un problema de
minimizacin es un problema de maximizacin.
Encuentre el problema dual de
Minimizar ] [[
sujeto a [[t
[[d
[ [no negativas.
Solucin
Usando 0LQLPL]DU] [[ 0D[LPL]DU]
[[ y
haciendo que las restricciones tengan signo d, para aplicar la definicin
de problema dual, se considera el problema primal
0D[LPL]DU ]
[[
sujeto a [[d
[[d
[[no negativas
y el problema dual es
0LQLPL]DU Z
\\
R 0D[LPL]DU Z \\
sujeto a \\t
\\t
\\no negativas
98
Captulo 5. Problema dual
Ejemplo 3
Halle el dual de
0D[LPL]DU ] [[[
sujeto a [[[d
[[[d
[[[no negativas
y muestre que a la segunda restriccin, que es de igualdad, le corres-
ponde una variable dual irrestricta.
Solucin
Teniendo en cuenta la equivalencia de nmeros D E
si y solo si DdE y DdE
la segunda restriccin puede ser reemplazada por dos desigualdades d y
el problema dado se expresa as:
0D[LPL]DU ] [[[
sujeto a [[[d
[[[d
[[[d
[[[no negativas
Denominando \\
\
a las variables duales el problema dual es
0LQLPL]DU Z \\
\
sujeto a \\
\
t
\\
\
t
\\
\
t
\\
\
no negativas
Y haciendo \ \
\
, esta variable es irrestricta y se reemplaza
tanto en la funcin objetivo como en las restricciones, de modo que el
problema dual adquiere la expresin final
0LQLPL]DU Z \\
\
\\
99
Maynard Kong
sujeto a \\t
\\t
\\t
\ no negativa\ irrestricta.
Ejemplo
El problema dual de
0LQLPL]DU] [[[
sujeto a [[[t
[[[t
todas las variables [L no negativas
es 0D[LPL]DU[ \\
sujeto a \\d
\\d
\\d
\, \no negativas.
100
Captulo 5. Problema dual
Ejemplo
El problema dual de 0D[LPL]DU] [[[
sujeto a [[[
[[[
todas las variables[L no negativas
es 0LQLPL]DU[ \\
sujeto a \\t
\\t
\\t
\\ irrestrictas.
101
Maynard Kong
102
Captulo 5. Problema dual
si [L es irrestricta
t si [L es no negativa y P es de maximizacin
o d si [L es no negativa y P es minimizacin.
Ejemplo
Utilice las reglas para encontrar el problema dual de
0LQLPL]DU] [[[
sujeto a [[[d
[[[
[[t
[ no negativa
[[irrestrictas
Solucin
1) Determinacin de variables y funcin objetivo del dual.
Puesto que el problema primal es de minimizacin las restriccio-
nes solo pueden tener los signos o t. As, se invierte el signo
de la primera restriccin [[[t, y el conjunto de
restricciones con las respectivas variables duales es
[[[t o\no negativa
[[[ o\no negativa
[[t o\no negativa
Y el problema dual tiene por propsito maximizar la funcin
objetivo
Z \\\.
2) Restricciones duales
Correspondiente a la variable [ la restriccin dual es \\\
d (coeficiente de [ en]) en donde se elige el signo d pues [ es
no negativa y el problema primal es de minimizacin.
Para la variable [ se obtiene la restriccin dual \\\
siendo el signo pues [es irrestricta.
103
Maynard Kong
104
Captulo 5. Problema dual
Respuesta
0D[LPL]DUZ \\\
sujeto a \\\d
\\\d
\d
todas las variables no negativas.
105
Maynard Kong
106
Captulo 5. Problema dual
107
Maynard Kong
\L FMLF
ML L P
en donde
FFFP son los costos de las variables bsicas de la tabla
inicial
F
F
F
P son los costos reducidos de estas variables en la
tabla final.
108
Captulo 5. Problema dual
Caso simtrico
Si el problema es de maximizacin simtrico, las variables de holgu-
ras forman por defecto el conjunto de variables bsicas, una solucin
ptima del dual es
\L F
L L P
siendo F
LF
P los costos reducidos de las variables de holgura en la
tabla final.
Nota
1. En la seccin 5.6 se exponen los conceptos y propiedades que
justifican estas frmulas de una solucin ptima del dual.
2. Para el problema estndar de minimizacin, si se resuelve usando
el criterio de mnimo, todos los F
Mt, las expresiones de la solu-
cin ptima del dual son las mismas:
\L FMLF
LML P.
Pero si se resuelve convirtiendo el problema a uno de maximi-
zacin
0LQ] 0D[]
es decir, si se resuelve 0D[], los \Lson los valores opuestos
\L F
LFL
donde los costos se refieren a las tablas de ].
Ejemplo 1. Resuelva
0D[LPL]DU] [[[[
sujeto a [[[
[[[
todas las variables no negativas
Halle una solucin ptima del problema dual.
109
Maynard Kong
Solucin
La tabla inicial es
7 YE [ [ [ [
[
[
F
F
Las variables bsicas iniciales son [, [, y los costos de estas variables
son F F
7 YE [ [ [ [
[
[
F
7 YE [ [ [ [
[
[
F
Ejemplo 2
Aplicando el mtodo del smplex resuelva el problema primal
(P) 0D[LPL]DU] [[
sujeto a [[d
[[d
[[ no negativas
110
Captulo 5. Problema dual
Solucin
Sealando por * el elemento pivote en cada paso las tablas resultantes
para resolver (P) son
T1 Tabla inicial
YE [ [ K K E
K
K
F
T2
YE [ [ K K E
K
[
F
T3 Tabla final
YE [ [ K K E
[
[
F
111
Maynard Kong
112
Captulo 5. Problema dual
Respuesta
Mximo de ] en [ , [ ,
y las otras variables con valor cero.
Mnimo del dual en \ , \ , \ .
Problema 3
Halle el valor mnimo y una solucin ptima del problema dual de
0D[LPL]DU] [[[[
sujeto a [[[d
[[[[d
[[[d
[Lt
Respuesta
El valor mnimo del problema dual es y una solucin ptima es \ ,
\ , \
Problema 4
Utilizando el problema dual resuelva el problema
0LQLPL]DU] [[[
sujeto a [[[t
[[[t
[[[t
[Lt
Respuesta
El valor mnimo es y se obtiene en [ [ [ .
Problema 5
Un granjero cra cerdos para venta y desea determinar las cantidades de
los distintos tipos de alimentos que debe dar a cada cerdo para satisfa-
cer ciertos requisitos nutricionales a un costo mnimo. En la siguiente
113
Maynard Kong
8QLGDGHVSRUNLORGHDOLPHQWR
5HTXHULPLHQWR
,QJUHGLHQWH PDt] JUDVD DOIDOID
PtQLPRGLDULR
FDUERKLGUDWRV
SURWHtQDV
9LWDPLQDV
&RVWRSRUNLOR
114
Captulo 5. Problema dual
\\
\\
en donde la primera ecuacin se forma con los coeficientes que [ tiene
en las restricciones y la constante del lado derecho es el costo de [en
la funcin objetivo, y de modo similar, la segunda ecuacin, con los
coeficientes de [ y lado derecho el costo de esta variable.
El hecho de que (1) tenga solucin nica implica que (2) tambin
posee solucin nica, que en efecto es dada por
\ \ .
Se llama vector dual de las variables bsicas [[ al vector
< >\\@ > @
solucin del sistema (2).
Para generalizar este caso, se expresa 2) abreviadamente como la
ecuacin matricial con incgnita el vector dual < >\\@
> \ \ @
> @ c
115
Maynard Kong
se divide la fila entre el pivote y se suma - esta fila a la fila
y la matriz inversa es
Ahora se puede despejar el vector dual de (2)
> \ \ @ > @ > @
> @
116
Captulo 5. Problema dual
117
Maynard Kong
Denicin
Se denomina costo reducido de una variable [M, relativo a un conjunto
de variables bsicas, al nmero
F
M FM\DM\PDPM
o
F
M FM<$M
118
Captulo 5. Problema dual
119
Maynard Kong
Caso de minimizacin
Se cumple:
todos los F
Mt si y solo si el vector dual Y es una solucin factible
del problema dual.
Y en este caso,
valor mnimo de] valor mximo del problema dual ]
y el vector dual es una solucin ptima del problema dual.
120
Captulo 5. Problema dual
Ejemplo
Por el mtodo del smplex resuelva
0D[LPL]DU] [[[[
sujeto a [[[
[[[
todas las variables no negativas
indicando el vector dual de cada tabla. Halle una solucin ptima del
problema dual.
Solucin
La tabla inicial es
T1
YE [ [ [ [
[
[
F
F
Las variables bsicas iniciales son [, [, y los costos de estas variables
son F F .
Para las variables bsicas [, [, el vector dual es
\ FF
\ FF
T2
YE [ [ [ [
[
[
F
121
Maynard Kong
T3
YE [ [ [ [
[
[
F
122
Captulo
Anlisis de sensibilidad post ptimo
6.1 Introduccin
Los pasos para efectuar este anlisis son bsicamente los siguientes:
1) se determina o se elige una solucin ptima del problema
y 2) preservando las variables bsicas determinadas en el paso 1) se
vara uno de los parmetros del problema, mientras los dems
Maynard Kong
/\
$ %
k / [ \
5
&
124
Captulo 6. Anlisis de sensibilidad post ptimo
Ntese que, por los datos del problema, es obvio que si se aumenta
uno de los costos, , o uno de los recursos, , el valor mximo
de la funcin crece o se mantiene.
Introduciendo variables de holgura KK el problema se escribe en
forma estndar
0D[] [\
[\K
\K
y resolviendo por el mtodo del smplex se obtiene:
Tabla inicial
YE [ \ K K E
K
K
F
Tabla final
YE [ \ K K E
[
\
F
125
Maynard Kong
F
FFYHFHVODYHFHVOD
Para que la solucin [ \ siga siendo ptima, es suficiente
que se cumpla el criterio de mximo, todos los costos reducidos
deben ser d, por lo que debe tenerse
126
Captulo 6. Anlisis de sensibilidad post ptimo
F F
d \ d
esto es dFd
y el valor mximo de ] F] F, dependiendo de
F, vara de ] a . Por ejemplo, si F , el valor mximo de
] es en la misma solucin ptima.
b) Designando por F el costo de K y procediendo de modo similar
YE [ \ K K E
[
\
F F
F
F
127
Maynard Kong
128
Captulo 6. Anlisis de sensibilidad post ptimo
Ahora debe ingresar la variable \, y pueden salir [o K. Puesto que
se exige que [\ sean las variables bsicas ha de salir K, y por la razn
mnima, para esto se requiere que Et , de lo contrario, saldra [. As,
asumiendo cierta esta condicin entra la variable \ en lugar de K.
Usando el pivote
se obtiene la tabla
YE [ \ K K E
[ E
\
F
E
129
Maynard Kong
en donde F
F F
Para que [ \ siga siendo solucin ptima, se requiere Fd,
esto es Fdo Fd.
As, si Fd no cambia la solucin ptima.
Por otra parte, si F!, entonces F! y la variable X ingresa en
lugar de y, pues tiene la razn mnima y ] aumenta en F
, esto
es ]PD[ F
FFXDQGRF!.
Resumiendo, si F! el valor mximo de ] aumenta.
130
Captulo 6. Anlisis de sensibilidad post ptimo
131
Maynard Kong
Ahora debe entrar \y salir K, de manera que la razn mnima es
E
d
esto es dE o dE.
Simplificando la tabla segn el pivote 1* resulta
YE [ \ K K K E
[
\
K E E
F
Nota
Si dE la solucin ptima cambia, disminuyendo el valor mximo;
y si E la regin factible es vaca.
132
Captulo 6. Anlisis de sensibilidad post ptimo
Ejemplo
0D[LPL]DU] [\
sujeto a [\d
\d
[\ no negativas
Los valores duales son \ \ .
As, \ es el incremento del mximo de ]por unidad de incre-
mento del lado derecho de la primera restriccin. Por ejemplo, si se
reemplaza por , el valor mximo crecer en
unidades.
De igual modo, si se disminuye de 2 a 1 el lado derecho de la segunda
restriccin, el valor ptimo cambiar en \ veces , esto
es, decrecer en unidades.
133
Maynard Kong
Nota
La propiedad se deduce de la expresin del valor ptimo ] en trminos
de los valores duales y los lados derechos (Propiedad P4 de 5.5):
] \E\LEL\PEP
y del hecho que los valores duales (la solucin dual) no cambian si se
altera el lado derecho de una restriccin.
134
Captulo 6. Anlisis de sensibilidad post ptimo
135
Maynard Kong
Ejemplo
El problema
0D[LPL]DU] [\
sujeto a [\X
\Y
[\XY no negativas
tiene valor ptimo ] en[ \ X Y .
Los costos reducidos son F
F
F
F
y la funcin
objetivo se expresa por
] XY.
De acuerdo a lo indicado, si se desea una solucin ptima con X ,
se considera el problema incluyendo la restriccin X
0D[LPL]DU] [\
136
Captulo 6. Anlisis de sensibilidad post ptimo
sujeto a [\X
\Y
X
[\XY no negativas
y por lo indicado, el valor mximo de este problema es
] F
.
se obtiene
Tabla final
YE [ \ K K E
[
\
F
137
Maynard Kong
Nota
Sea % la matriz de coeficientes de las variables bsicas finales, la matriz
0 de operaciones est formada por las filas de la matriz inversa %.
138
Captulo 6. Anlisis de sensibilidad post ptimo
Ejemplo
Como una aplicacin de lo expuesto se desea determinar el rango de
variacin del lado derecho de la segunda restriccin del problema
dado por la tabla (inicial)
YE [ \ K K E
K
K
F
139
Maynard Kong
140
Captulo 6. Anlisis de sensibilidad post ptimo
Nota
1. Si la restriccin es de igualdad, en general no se puede indicar en qu
sentido vara el valor ptimo, ya que las regiones factibles del pro-
blema original y del problema modificado son disjuntas, e incluso
es posible que el problema modificado no tenga valor ptimo.
2. Si el problema es de minimizacin, el valor mnimo vara en
el mismo sentido en que cambia el lado derecho de una res-
triccin t: si este aumenta el valor mnimo es mayor o se
mantiene.
sentido opuesto al sentido en que cambia el lado derecho de
una restriccin d: si este aumenta el valor mnimo es menor
o se mantiene.
141
Maynard Kong
YE [ [ [ [ K K E
K
[
F
YE [ [ [ [ K K E
[
[
F
142
Captulo 6. Anlisis de sensibilidad post ptimo
143
Maynard Kong
de F
entra [ y sale [.
144
Captulo 6. Anlisis de sensibilidad post ptimo
en donde F
F
F
F
] F o ] F
Exigiendo la condicin de mnimo F
ty F
t
de donde Fty Ft
o Fty Ft
y tomando el menor Ft .
Luego, el coeficiente de costo de [ puede ser cualquier nmero
d, mientras se mantenga la solucin ptima. Y el valor
mnimo de]es ] F.
c) Segn lo indicado en 6.10, la columna final de constantes es
igual al producto de la matriz de las columnas [, [ (que son las
variables bsicas iniciales) por la columna inicial
145
Maynard Kong
E
E
esto es
E
E
Problema 4
Una fbrica produce tres productos P1, P2, P3, que son procesados en
dos talleres. La siguiente tabla muestra los tiempos de procesamiento,
en horas, de una unidad de producto y las capacidades de produccin
(horas disponibles de procesamiento) de cada taller.
+RUDVGHSURFHVRGHXQLGDGGHSURGXFFLyQ &DSDFLGDGGH
3 3 3 SURGXFFLyQHQKRUDV
7DOOHU
7DOOHU
146
Captulo 6. Anlisis de sensibilidad post ptimo
Solucin
147
Maynard Kong
Tf
YE [ [ [ K K E
[
[
F
en donde F
F
F
F
F
F
8 F F
148
Captulo 6. Anlisis de sensibilidad post ptimo
\ FF
As, cada vez que se aumenta una hora en el taller 1 (dentro del
rango permitido) la utilidad mxima aumenta en .
E
d) La columna de constantes del problema modificado es y
multiplicando la matriz formada por las columnas de las varia-
bles bsicas se obtiene la columna en la tabla final
E Ec
Ec
en donde E
E
E
E
y para que la solucin sea factible (y en este caso es ptima) estos
valores deben ser no negativos.
As, Et
Et
yE vara en el rango d E d con la solucin mxima
[ E
E [ E
E
De \ \ se obtiene la utilidad
mxima
8PD[ \E\E E
E
149
Maynard Kong
Solucin
Sean [ el nmero de unidades a producir y F la utilidad unitaria del
producto 3.
El problema se expresa as 0D[LPL]DU8 [[[F[
sujeto a [[[[d
[[[[d
[Lt
de modo que [ es la nueva variable agregada al problema.
Agregando variables de holgura K y K la tabla inicial es
Ti
YE [ [ [ [ K K E
K
K
F
F
Tf
YE [ [ [ [ K K E
[
[
F F
F
F
donde F
costo reducido de [ F- 6(1/6) - 4(4/6).
Si F
d, o Fd, la solucin ptima sigue siendo [, [, y la utili-
dad mxima se mantiene en , por lo que no es conveniente producir
150
Captulo 6. Anlisis de sensibilidad post ptimo
Solucin
Aadiendo la restriccin [t o [K , el problema es
0D[LPL]DU8 [[[
sujeto a [[[d
[[[d
[K
[LtKt
Desde luego este problema puede ser resuelto directamente.
Se abrevian los clculos si se usa la tabla final del problema con las
dos primeras restricciones y se le agrega la fila de la nueva restriccin
[ [ [ K K K E
151
Maynard Kong
[ [ [ K K K E
[
[
[
F
F
152
Captulo 7
Problemas de transporte y asignacin
7.1 Introduccin
Ejemplo 1
La siguiente tabla muestra los costos unitarios, los suministros y las
demandas de un problema de transporte con fuentes y destinos.
' ' ' ' VXPLQLVWURV
)
)
)
GHPDQGDV
Maynard Kong
Ejemplo 2
Exprese el problema de transporte del ejemplo como un problema de
programacin lineal.
Solucin
Sea [LM el nmero de unidades que se envan desde el punto 2L al
punto 'M L M .
El problema de programacin lineal correspondiente es
Minimizar & [ [ [ [
[ [ [ [
[ [ [ [
sujeto a [ [ [ [ )
[ [ [ [ )
[ [ [ [ )
[ [ [ '
[ [ [ '
[ [ [ '
[ [ [ '
y todos los [ij no negativos.
154
Captulo 7. Problemas de transporte y asignacin
155
Maynard Kong
Ejemplo 3
Sea el problema de transporte dado por la tabla
' ' ' VXPLQLVWURV
)
)
GHPDQGDV
156
Captulo 7. Problemas de transporte y asignacin
157
Maynard Kong
Solucin
Este problema tiene las variables [[[[
[[[[
[[[[
y por lo tanto cualquier conjunto de variables bsicas se compone de
variables.
' ' ' '
)
[ [ [ [
)
[ [ [ [
)
[ [ [ [
Paso 1
Se elige la celda ubicada en la esquina noroeste de la tabla, esto es, la
celda (,), que corresponde a la variable [.
Puesto que la fuente puede suministrar unidades y el destino
requiere , se asigna [ mnimo {,} , es decir, se envan
unidades a', con lo que queda satisfecha la demanda en ', y en
la fuente quedan por enviar unidades. Las otras fuentes
ya no deben realizar envos a ', o envan unidades, de manera que
quedan resueltos los envos de la columna .
158
Captulo 7. Problemas de transporte y asignacin
Luego [ es una variable bsica, las variables [ y [ son no
bsicas y reciben valor cero.
[
n
Se marca con [ la columna para indicar que ya se asignaron las
celdas de esta columna y por lo tanto quedar excluida en las seleccio-
nes posteriores.
Adicionalmente se ha escrito el smbolo * para hacer notar que las
celdas estn en una columna marcada.
Paso 2
Se selecciona la celda [, que est en la esquina noroeste de las celdas
restantes, y se le asigna PLQ{,} , que corresponde a la fila .
Luego la siguiente variable bsica es [ ; se resta al suministro
actual de la fila y tambin a la demanda de la columna y se
marca la fila .
[
[
159
Maynard Kong
Paso 3
Se selecciona la celda[y se le asigna el valor PLQ^`se resta
al suministro de la fila y a la demanda , y se marca la columna
Paso 4
Se selecciona la celda[con valor PLQ^`se resta
del suministro de la fila y de la demanda ,y se marca la fila
Paso 5
Se selecciona la celda[con valor PLQ^`se resta del
suministro restante de la fila y de la demanda pendiente de la columna
,y se marca la fila
Paso 6
Se selecciona la celda[con valor PLQ^`se resta del sumi-
nistro de la fila y de la demanda ,y se marca la ltima fila o columna.
La tabla final es
' ' ' '
)
)
)
en donde solo se sealan los valores de las variables bsicas y las otras
variables son no bsicas y tienen valor cero.
Se obtiene una solucin bsica factible
[ [ [ [ [ [
Estos valores indican que de la fuente se envan y unidades
a los destinos y , respectivamente; de la fuente se envan y
160
Captulo 7. Problemas de transporte y asignacin
Solucin
Paso 1
Las celdas de costo mnimo son () y ().
Se elige una de ellas, por ejemplo (), y se asigna a la variable
[ PLQ {} , se marca la fila , que da el valor mnimo,
y se resta del suministro de la fila y de la demanda de la
columna
[
161
Maynard Kong
Paso 2
Entre las celdas que quedan, la que tiene costo mnimo es la celda
(); luego la variable [ recibe el valor PLQ{} se resta
este valor al suministro de la fila y a la demanda de la columna
y se marca la columna , pues corresponde al valor mnimo.
[
[
Paso 3
Entre las celdas que quedan, una de costo mnimo es la celda ();
luego la variable [ recibe el valor PLQ{} , se resta este valor
al suministrode la fila y a la demanda de la columna y se
marcan las celdas de la columna , pues corresponde al valor mnimo.
[ [
[
Paso 4
Entre las celdas restantes, la que tiene costo mnimoes la celda
luego la variable[recibe el valor PLQ^` se resta este valor
al suministrode la fila y a la demandade la columnay se mar-
can las celdas de la filao de la columna, pues corresponden al valor
mnimo y tienen igual nmero de celdas libres. Se marca la fila
162
Captulo 7. Problemas de transporte y asignacin
[ [
[
[
Paso 5
Entre las celdas que quedan, la que tiene costo mnimo es la celda (,);
luego la variable [ recibe el valor PLQ {,} , se resta este
valor al suministro de la fila y a la demanda de la columna .
[ [
[
[
163
Maynard Kong
Paso 6
Se elige la nica celda que queda[ PLQ^`
Finalmente, se obtiene el conjunto de variables bsicas
[ [ [ [ [ [
Para estas asignaciones el costo total es
uuuuuu
Criterio de ptimo
Sean F
LM los costos reducidos relativos a un conjunto de variables bsi-
cas de un problema de transporte. Si se cumple que todos los F
LMt,
entonces, por el criterio de ptimo del mtodo del smplex, se obtiene
una solucin ptima del problema, esto es, la solucin determinada por
las variables bsicas proporciona el valor mnimo del costo total.
A continuacin se explican dos formas de calcular los costos reducidos.
164
Captulo 7. Problemas de transporte y asignacin
Para hallar los valores de las variables duales se resuelven las PQ
ecuaciones con incgnitas XLYM
F
LM o XLYM FLM
para cada celda (LM) de una variable bsica [LM
Si se resuelve el sistema se obtienen infinitas soluciones que depen-
den de un parmetro, de modo que para determinar una nica solucin
del sistema se asigna a una de las variables duales un valor particular.
Se demuestra que los valores de los costos reducidos no dependen de la
eleccin de este valor.
Ejemplo 6
Encuentre los costos reducidos correspondientes a las variables bsicas
de la siguiente tabla de transporte.
Y Y Y Y
X
X
X
Solucin
Se anotan las variables dualesXL de las filas en el lado izquierdo de la tabla
y las variables duales YMde las columnas en el lado superior de la tabla.
Para hallar los valores de las variables duales se resuelve el sistema
de ecuaciones que resulta de anular los costos reducidos de las variables
bsicas:
Fc F X Y R X Y
F
c F X Y R X Y
F
c F X Y R X Y
F
c F X Y R X Y
165
Maynard Kong
F
c F X Y R X Y
F
c F X Y R X Y
Y se completa el sistema asignando a una variable dual un valor
particular, por ejemplo
X
Resolviendo las ecuaciones, de () y () se obtiene Y ; luego
usando este valor en () X ; y de () Y ; y as sucesivamente.
Los valores de las variables duales son:
X X X
Y Y Y Y
Por lo tanto, los costos reducidos de las variables no bsicas son:
Fc F X Y
Fc F X Y
Fc F X Y
F
c F X Y
F
c F X Y
F
c F X Y
X
X
X
166
Captulo 7. Problemas de transporte y asignacin
Y Y Y Y
X
X
X
167
Maynard Kong
Propiedades de un ciclo
1. Para cada celda no bsica existe un nico ciclo que pasa por la
celda.
2. El costo reducido F
LM de la variable [LM es igual a 6L6S en donde
6L suma de los costos de las celdas del ciclo con ndice impar
6S suma de los costos de las celdas del ciclo con ndice par.
3. Si F
LM, esto es, si la variable no bsica [LM puede entrar al con-
junto de variables bsicas, la variable que sale se encuentra en el
ciclo y adems las celdas de este son las nicas afectadas por las
operaciones de actualizacin que se realicen en la tabla.
168
Captulo 7. Problemas de transporte y asignacin
Ejemplo 7
Sea la tabla del problema de transporte
R
costo reducido F
6L6S
169
Maynard Kong
y el costo reducidoF
Cambio de variable
Sea una celda LM (o variable [LM ) no bsica con costo reducidoF
LM
Entonces
a) (LM) ingresa al conjunto de celdas bsicas
b) sale la celda del ciclo que tiene menor valor asignado
0 PtQLPR^[STWDOTXHODFHOGDSTHVSDU`
y c) se actualizan los valores de las celdas:
se suma 0 a las celdas impares del ciclo
y se resta 0 a las celdas pares.
En particular, la nueva variable bsica tiene el valor 0 y el costo
total disminuye en la cantidadF
LM[0.
El siguiente ejemplo muestra completamente el mtodo simplifi-
cado.
170
Captulo 7. Problemas de transporte y asignacin
Ejemplo 8
Un fabricante de jabones y detergentes tiene plantas 33 y 3, desde
las cuales se debe enviar los productos a cinco ciudades. Las demandas
de ventas en las ciudades son de ,, , y cajas, respec-
tivamente, y las plantas pueden producir , y cajas.
La siguiente tabla muestra los costos unitarios de envos de cajas de
los productos:
& & & & &
3
3
3
Solucin
1) Se halla una solucin bsica inicial por el mtodo de la esquina
noroeste.
171
Maynard Kong
172
Captulo 7. Problemas de transporte y asignacin
173
Maynard Kong
Problema 1
Una compaa que manufactura llantas o neumticos tiene plantas $,
%, & y ' desde las cuales se deben enviar , , y llantas
a la central de almacenamiento. Se puede emplear los camiones de la
empresa, que pueden transportar un total de llantas con costos de
, , y soles por llanta desde las plantas. Tres empresas de camio-
nes han hecho propuestas para transportar las llantas con los siguientes
costos unitarios
3ODQWD HPSUHVD HPSUHVD HPSUHVD
$
%
&
'
en donde la ltima fila indica la cantidad total que cada empresa puede
transportar.
a) Formule el problema como un modelo de transporte para mini-
mizar el costo de envos.
Nota:
Incluya la columna de costos que corresponde a los camiones de
la compaa y equilibre el problema si no es balanceado.
b) Halle el costo mnimo y una solucin ptima.
Respuesta
Se agrega a la tabla la cuarta columna con los datos de los camiones de
la empresa y se obtiene un problema balanceado
b) El costo mnimo es y una solucin ptima es dada por
174
Captulo 7. Problemas de transporte y asignacin
Problema 2
El problema de transporte definido por la tabla
Los costos de multa por las unidades que falten en los destinos son
, y, respectivamente.
Encuentre un plan de envo con costo mnimo.
Respuesta
El costo mnimo es y una solucin ptima es la siguiente:
de la fuente se envan unidades al destino
de la fuente se envan unidades al destino y unidades al
destino
de la fuente se envan unidades al destino ,
y las unidades que faltan en los destinos y son y , respec-
tivamente.
Problema 3
Se da la siguiente matriz de costos de transporte:
175
Maynard Kong
Problema 4
Se considera el problema de asignar diferentes categoras de mqui-
nas a cinco tipos de tareas. Los nmeros de mquinas disponibles en
las cuatro categoras son y respectivamente; y se deben
realizar y tareas en los respectivos tipos. Las mquinas
de la categora no pueden ser asignadas a las tareas de tipo . La tabla
de costos unitarios de ejecucin de tarea por mquina es
176
Captulo 7. Problemas de transporte y asignacin
7 7 7 7 7
0
0
0
0
Respuesta
Para que las mquinas de la categora no realicen las tareas de tipo
se debe tener una asignacin nula, [ ; con este propsito se pone un
costo unitario0 muy grande en la celda ().
Nota
Si se desea operar con un valor particular de0, por ejemplo, se puede
tomar
0 6XPLQLVWUR7RWDO u Pi[LPR&RVWR u
o cualquier cantidad mayor.
El costo mnimo es y una solucin ptima es:
a 0se asigna tareas de tipo ,
a 0 se asignan y tareas de tipos \
a 0 se asigna tareas de tipo ,
y a 0 se asignan y tareas de tipos y .
177
Maynard Kong
travs de los cuales pueden realizarse envos desde las fuentes a los des-
tinos. Estos puntos tambin pueden ser algunas de las fuentes y algunos
de los destinos.
En el siguiente ejemplo se presenta un problema de transbordo
y se indica el procedimiento para expresarlo como un problema de
transporte, y por lo tanto para resolverlo por el mtodo del smplex
simplificado.
Ejemplo
Desde los puntos $y % se deben enviar y unidades de un producto
a los puntos & y ', que requieren y unidades, respectivamente.
Los costos unitarios de envos son dados por la siguiente tabla:
3XQWRSDUWLGD 3XQWROOHJDGD &RVWRXQLWDULR
$ &
$ '
$ ;
% $
% '
' &
; &
Solucin
a) En este problema los puntos fuentes son $ y %, y los puntos de
destino son &y', y el problema est balanceado pues son igua-
les a tanto la oferta total como la demanda total.
Ahora se clasifican los puntos:
1) los puntos puros fuentes (3)), los puntos fuentes que no
reciben envos: %
178
Captulo 7. Problemas de transporte y asignacin
179
Maynard Kong
180
Captulo 7. Problemas de transporte y asignacin
Ejemplo 1
La siguiente tabla contiene los costos de mquinas 00y 0 para
realizar las tareas o trabajos 77 y 7.
181
Maynard Kong
7 7 7
0
0
0
182
Captulo 7. Problemas de transporte y asignacin
Nota
En lugar de asumir que las variables toman los valores , es sufi-
ciente considerar la restriccin de no negatividad (*) porque el mtodo
del smplex simplificado permite encontrar una solucin ptima que
tiene valores enteros, debido a las operaciones de sumas y restas con las
cantidades de suministros y demandas (Ver 7.3).
Adems, por las restricciones de igualdades, estos valores enteros y
no negativos no exceden a , y por lo tanto han de ser .
183
Maynard Kong
Solucin
Paso 1
Se obtiene un cero en cada fila, restando a cada fila el valor mnimo de
la fila
PLQ
o
Paso 2
Se obtiene un cero en cada columna, restando a cada columna el valor
mnimo de la columna
o
PLQ
184
Captulo 7. Problemas de transporte y asignacin
Paso 3
Se trata de asignar usando las celdas de costos ceros.
Estas celdas son (), (), ( () y (). La celda (), por
ejemplo, indica que se puede asignar la mquina 0 a la tarea 7 y as
con las otras celdas.
Si se asigna 0 a 7, ya no es posible asignar 0 ni 03; y si se asigna
0 a 7, entonces 0 puede asignarse a 7, pero 0 no puede asignarse.
Puede comprobarse que no es posible obtener una asignacin com-
pleta usando los costos ceros actuales.
Paso 4
Se producen nuevos costos ceros. Con este propsito se cubren las filas y
columnas que contengan a todos los ceros actuales, utilizando el menor
nmero de filas y columnas, en este caso con la fila y la columna.
[
[ ODFXELHUWD
nFROXPQDFXELHUWD
185
Maynard Kong
Nota
1. Se repiten los pasos y hasta lograr una asignacin completa.
2. Para aplicar este mtodo se requiere que el problema de asigna-
cin sea balanceado, es decir que se cumpla la condicin P Q,
en donde Pes el nmero de mquinas y Q el nmero de tareas.
Si PQ o P!Q, el problema se balancea agregando mquinas
ficticias o tareas ficticias, segn sea el caso, con costos ceros.
El mtodo hngaro es bastante simple y puede usarse en problemas
de asignacin en los que el nmero de tareas o mquinas es relativa-
mente pequeo. No obstante, presenta limitaciones que restringen su
aplicacin en general. Una se refiere al nmero de iteraciones por la
ocurrencia de soluciones bsicas factibles con variables bsicas nulas y
otra a la forma de determinar la asignacin usando los ceros, por los
posibles casos que hay que probar.
El algoritmo de Munkres es ms complejo y se basa en el mtodo
hngaro. Presenta la ventaja de ser ms preciso y se aplica a problemas
de asignacin balanceados o no. En efecto, si N PtQLPR{PQ}, en N
pasos determina una solucin ptima del problema y en cada paso L
N obtiene Lasignaciones.
En el siguiente ejemplo se ilustran los conceptos relativos a este
algoritmo.
186
Captulo 7. Problemas de transporte y asignacin
7 7 7
0
0
0
0
en donde se trata de seleccionar las mquinas para que realicen todas las
tareas a un costo total mnimo.
Ntese que se trata de un problema no balanceado.
Solucin
El procedimiento consiste de N PLQ ^` pasos. Se usar la
notacin:
cero marcado, con el smbolo *, para indicar una celda con valor
cero que da una asignacin de una mquina a una tarea
cero primo, con el smbolo , para referir un nuevo cero que es
parte del proceso de construccin de ceros
y cero primo libre a un cero primo que no tiene un cero marcado
en su fila.
Adems se emplear una [para sealar una columna o fila cubierta.
Igual que en el mtodo hngaro, cada vez que se reste un valor mnimo
a las celdas no cubiertas por filas o columnas se suma este valor mnimo a
las celdas que estn en la interseccin de filas y columnas cubiertas.
Paso 1
Se obtiene una asignacin posible.
Se halla el mnimo de los costos de la tabla 0 y se resta a cada
celda.
187
Maynard Kong
Se prima el nuevo cero que se halla en la celda (). Este cero primo
es libre pues no tiene cero marcado en su fila.
Por lo tanto se le marca y se obtiene la asignacin:
M1 realiza T1.
Paso 2
Se obtienen dos asignaciones posibles.
Se cubre la columna que contiene a la celda marcada, en este caso, la
columna; se halla el mnimo de las celdas no cubiertas,
0 y se resta a cada celda no cubierta.
[
[ FROXPQDRODFXELHUWD
[
188
Captulo 7. Problemas de transporte y asignacin
As, hasta ahora hay dos asignaciones posibles indicadas por los
ceros marcados.
Paso 3
Se obtienen tres asignaciones.
Se cubren las columnas y de los ceros marcados.
[ [
189
Maynard Kong
[
[
190
Captulo 7. Problemas de transporte y asignacin
o en la tabla
FHURSULPRVLQFHURPDUFDGRHQ
VXFROXPQD
FHUROLEUHQRWLHQHFHURPDUFDGR
HQVXOD
191
Maynard Kong
Nota
1. En el parte se pudo elegir como cero primo a () y obtener
otra solucin ptima.
2. En cada paso del algoritmo se construyen ceros primos hasta
encontrar un cero primo 3libre. Luego, a partir de este cero
libre se encuentra una ruta o secuencia de ceros:
OLEUH PDUFDGR SULPR PDUFDGR SULPR
3 0 3 0 3V
Problema 1
Aplicando el mtodo hngaro, encuentre el costo mnimo y una asig-
nacin ptima para el problema dado por la tabla de costos
7 7 7
0
0
0
Respuesta
El costo mnimo es
Problema 2
La siguiente tabla contiene el tiempo en horas que requiere una mquina
para realizar una tarea.
192
Captulo 7. Problemas de transporte y asignacin
7 7 7 7
0
0
0
0
Halle el tiempo total mnimo para completar las cuatro tareas por
las cuatro mquinas.
Respuesta
El tiempo total mnimo es
Problema 3
Aplique el mtodo hngaro para resolver el problema de asignacin
cuya tabla de costos es
Respuesta
En la celda - se pone un costo muy grande 0 y se agrega la columna
, o tarea ficticia , con costos ceros, para tratar un problema balan-
ceado.
El costo total mnimo es que corresponde
a la solucin ptima
193
Maynard Kong
Problema 4
Utilice el algoritmo de Munkres para determinar una solucin ptima
del problema de asignacin de la siguiente matriz de costos
Respuesta
Se indican los pasos del algoritmo.
Paso 1
Paso 2
Paso 3
[
[
[ ODRFROXPQDFXELHUWD
194
Captulo 7. Problemas de transporte y asignacin
195
Captulo
Anlisis de redes
8.1 Introduccin
Ejemplo 1
1) Representacin grca
Grficamente, los nodos se representan encerrados por elipses u valos
y cada arco por una flecha valorada que sale de un nodo y apunta al
nodo sucesor
E
H
D
F
I
G
2) Descripcin explcita
La red se define indicando listas de sucesores de nodos y valores de los
arcos
QRGR VXFHVRUYDORU
D EFG
E FHI
F G
G I
H EI
198
Captulo 8. Anlisis de redes
3) Representacin matricial
D E F G H I
D
E
F
G
H
199
Maynard Kong
Ejemplo 2
Las siguientes son algunas rutas con sus valores en la red del ejemplo 1:
5XWD 9DORU
DEH
DEFG
FGI
F
DEHI
Este problema consiste en hallar una ruta que tiene valor mnimo, o
ruta ptima, con nodos inicial y final dados.
En el siguiente ejemplo se explica el algoritmo de cota y ramifica-
cin para encontrar una ruta ptima.
200
Captulo 8. Anlisis de redes
Inicialmente,
LRUTA contiene la ruta D, formada por el nodo de partida
D y con valor , que puede pensarse como la ruta que sale y ter-
mina en D; y la lista LVIS es vaca.
La siguiente tabla muestra los pasos del algoritmo.
201
Maynard Kong
obtiene la ruta DF con el arco FGde valor , por lo cual resulta la
ruta extendida DFG-, .
En /587$ se elimina la ruta marcada y se agrega la ruta exten-
dida.
Paso 3
Se marca la ruta de menor valor: DG-; se anota Gen '; se extiendeDG
por los sucesores de G y se obtienen las rutas extendidas
DGD
DGI
La primera ruta DGD-
se elimina pues Dest en /9,6, a fin de
evitar ciclos o que el algoritmo tenga ms iteraciones.
En /587$ se elimina la ruta marcada DG y se agrega la ruta
extendida DGI-
Tambin se eliminan las otras rutas que tienen el mismo destino Gy
valor mayor que , en este caso, la ruta DFG-.
Paso 4
Se marca la ruta de menor valor: DE-; se registra E en '; y se extiende
DE por medio de los sucesores de E:
DEF
DEHDEI
en donde se descarta o elimina la ruta DEF pues F est en la lista /9,6.
Se elimina la ruta marcada y se agregan las rutas extendidas.
Paso 5
Se marca la ruta de menor valor: DGI-, cuyo destino es I igual al nodo
final, por lo tanto el algoritmo concluye y se indica que DGI es una ruta
ptima que uneD conI, y su valor mnimo es .
Nota
1. En cada paso del algoritmo, la ruta marcada es ptima desde el
punto de inicio al destino seleccionado en la columna' y los
202
Captulo 8. Anlisis de redes
Problema 1
Sea la red con arcos valorados
DEDFDG
EFEH
FI
GIGJ
HJ
IJ
a) Halle una ruta ptima del nodo E al nodo J
b) Encuentre una ruta ptima del nodo F al nodo E
c) Halle todas la rutas con valor mnimo del nodo D al nodo J
Respuesta
a) EFIJ
b) No existe ruta.
c) DEHJ-, DFIJ-
203
Maynard Kong
Problema 2
El precio de una nueva mquina es de. El costo de mantenimiento
de la mquina es de el primer ao, el segundo ao, el
tercer ao y el cuarto ao de uso. Suponiendo que la mquina no
tiene valor de reventa, halle el costo mnimo de comprar y utilizar la
mquina durante un lapso de cuatro aos, si se compra una mquina al
comienzo del primer ao.
Respuesta
El problema se modela como una red cuyos nodos son los aos
y . Y para cada par de aosLM, se considera el costo de una mquina
que se compra al comienzo del ao Ly se mantiene hasta el comienzo
del ao M, esto conduce a definir el arco LM con costo FLM costo de com-
prar una mquina al comienzo del aoL ms el costo de mantenimiento
por los aos LLM
As, por ejemplo:
F F F F
F F F
F F
F
204
Captulo 8. Anlisis de redes
Problema 3
Encuentre una ruta de valor mnimo entre los nodos y de la red
Respuesta
La nica ruta ptima es y el valor mnimo es
Problema 4
Determine el valor del arco EG y una ruta ptima, si es el valor
mnimo de una ruta que uneD con I en la red
[
E G
D I
F H
Respuesta
El valor del arco EG es y una ruta ptima es DEGI.
Problema 5
La siguiente tabla contiene el costo y el tiempo de un viaje, indicado
por el par de valores FW, desde una ciudad a otra:
205
Maynard Kong
$ % & ' (
$
%
&
'
Se considera una red por la que pasa un fluido que ingresa por un nodo
I llamado fuentey sale por otro nodo V llamado sumidero.
Se supone que el fluido se desplaza usando los arcos como canales,
siguiendo las direcciones de estos, y que los valores de los arcos son las
capacidades o cantidades mximas que pueden fluir a travs de ellos.
Adems, se asume que no hay prdida de fluido, esto es, se exige que en
cada nodo la suma de las cantidades que llegan a l sea igual a la suma
de las cantidades que salen de ese nodo (ley de Kirchoff).
D F
IOXMR I V IOXMR
E G
206
Captulo 8. Anlisis de redes
% '
$
)
& (
207
Maynard Kong
% '
$
)
& (
208
Captulo 8. Anlisis de redes
Paso 1
Se hace flujo actual .
Se selecciona la ruta
$ % ' )
0 PLQ ^ `
En consecuencia, se satura la ruta, es decir, se resta de cada capa-
cidad del inicio de cada arco y se suma a la capacidad cercana del final
de cada arco
$ % ' )
% '
$ ) IOXMRDFWXDO
& (
209
Maynard Kong
Paso 2
Se satura la ruta $%() con 0 PLQ ^ `
% '
$ ) IOXMRDFWXDO
& (
Paso 3
Se satura la ruta $&() con 0 PLQ ^ `
% '
$ ) IOXMRDFWXDO
& (
210
Captulo 8. Anlisis de redes
% '
$ ) IOXMRPi[LPR
& (
% '
$ ) IOXMRPi[LPR
& (
Ejemplo 5
Encuentre el flujo mximo de V a I en la red
S
V
I
T
211
Maynard Kong
Solucin
Como en el ejemplo 5, para aplicar el algoritmo de Ford-Fulkerson se
escribe la red en la forma:
Paso 1
Se satura la ruta VSTI con el valor 0 PLQ ^`
S
V
I IOXMRDFWXDO
T
Paso 2
Se satura la ruta VTSI con el valor 0 PLQ ^ `
S
V
I IOXMRDFWXDO
T
S
V
I
T
212
Captulo 8. Anlisis de redes
que se obtiene escribiendo los arcos con sus flechas y sobre estos solo las
cantidades positivas prximas a los extremos finales. (Por el arco ST no
hay flujo y por lo tanto no se indica ningn valor).
Problema 1
Encuentre el flujo mximo y una distribucin ptima para la red
D F
I
V E G
D F
I
V E G
Problema 2
Halle el flujo mximo en la siguiente red
S
V
I
T
213
Maynard Kong
Respuesta
Reemplace el arco no dirigidoST por dos arcos dirigidos, uno de Sa
T y otro de T a S, con la misma capacidad, y aplique el algoritmo de
Ford-Fulkerson. El valor del flujo mximo es .
Problema 3
Determine el mximo nmero de mensajes por hora que se puede
enviar desde D hacia G, si pueden ser enviados hasta mensajes por
hora entre dos cualesquiera de los puntos DEF y G.
Respuesta 1500.
Una celda con la letra & indica que la persona de la fila de la celda
tiene la capacidad para realizar la tarea de la columna de la celda.
Se desea asignar a cada persona una tarea de modo que el nmero de
asignaciones (emparejamientos) sea el mayor posible.
Indicacin
Este problema de asignacin puede ser resuelto por los mtodos expues-
tos en el Captulo 7. No obstante, tambin puede tratarse como un
problema de flujo.
Trace una red con arcos de valor dirigidos de las personas a las
tareas correspondientes a las celdas compatibles, por ejemplo, el arco
de 3 a; con valor .
214
Captulo 8. Anlisis de redes
Problema 5
Los datos siguientes son las capacidades de una red con fuentes $% y
&, y sumideros -y .:
F $ ' F $ (
F % ( F % -
F & )
F ' ( F ' ,
F % ( F % -
F ( ) F ( + F ( ,
F ) *
F * +
F+ .
F , - F , .
Indicacin
Convierta el problema en uno de fuente y sumidero nicos:
Sea6 suma de las capacidades de los arcos que salen de las fuentes
$% y &; agregue una fuente que conecte a $%y& cada arco con
capacidad igual a6. Y de igual manera conecte -y . a un sumidero
nico con la misma capacidad 6
215
Maynard Kong
Ejemplo 6
La siguiente tabla muestra las actividades de un proyecto y sus respec-
tivos tiempos de ejecucin
$&7,9,'$' 35('(&(625(6 7,(032
$
%
& $%
' %
( &'
216
Captulo 8. Anlisis de redes
L M
217
Maynard Kong
N )
$
L M
Ejemplo 7
Trace una red que represente el proyecto del ejemplo 6.
Solucin
%
218
Captulo 8. Anlisis de redes
&
$ $
)
R )
% %
&
&
$
)
%
'
$
&
(
)
'
%
219
Maynard Kong
220
Captulo 8. Anlisis de redes
W
221
Maynard Kong
222
Captulo 8. Anlisis de redes
Ejemplo 8
Calcule los tiempos ms tempranos y ms tardos de la red del ejemplo 7.
Solucin
Usando la representacin grfica de la red los tiempos ms temprano y
ms tardo de un nodoL se registran cerca de nodo en la forma
77L WLHPSRPiVWDUGtR
7(L WLHPSRPiVWHPSUDQR
223
Maynard Kong
224
Captulo 8. Anlisis de redes
225
Maynard Kong
7,(032
$&7,9,'$' 35('(&(625(6 1250$/ 5('8&,'2 &58
$
% $
& $
' %&
( %
) '(
226
Captulo 8. Anlisis de redes
donde $,%, &, ', ( y ) son los arcos
y respectivamente.
Luego, el tiempo mnimo de terminacin del proyecto es
das.
b) Se calculan los tiempos ms tempranos y ms tardos usando los
tiempos reducidos:
227
Maynard Kong
FRVWR [[[[[[
c) Se calcula ahora el costo mnimo cuando el proyecto se termina
en el tiempo mnimo de das.
El costo obtenido en b) se hizo reduciendo totalmente los
tiempos de ejecucin de las actividades; por ejemplo, la actividad
$, o , se redujo de a das. Se puede disminuir el costo
determinando las actividades cuyos tiempos pueden aumentar
sin afectar el tiempo mnimo de terminacin del proyecto.
El tiempo de una actividad crtica no puede extenderse, pues de
hacerlo aumentara el tiempo mnimo del proyecto.
WLHPSRPtQLPR
228
Captulo 8. Anlisis de redes
WLHPSRPtQLPR
WLHPSRPtQLPR
229
Maynard Kong
230
Captulo 8. Anlisis de redes
231
Maynard Kong
H
E
D
I
F
G
$
%
&
'
(
)
232
Captulo 8. Anlisis de redes
El problema es
Minimizar &RVWR DEFGFI
sujeto a WtD (nodo 2)
WtWE (nodo 3)
WtWF (nodo 4) (1)
WtWF (nodo 5)
WtWG
WtWI (nodo 6)
Wd
Dd
Ed
Fd
Gd
Hd
I d
y DEFGHI y WLt
Las restricciones expresan las condiciones de las ocurrencias
de los nodos; la restriccin indica que el nodo W debe ocurrir
en un tiempo no mayor que ; y las restricciones establecen
las cantidades mximas que pueden disminuirse los das de las
actividades, por ejemplo, la actividad $ puede reducirse hasta
das.
El costo mnimo resultante es y una solucin ptima es dada
por los tiempos W W W W W , y los nmeros de
das de reduccin son D E F G H \I respecto
de los tiempos normales.
Nota
El proyecto estudiado puede terminarse en das en condiciones nor-
males y en das usando los tiempos reducidos. El costo (mnimo)
233
Maynard Kong
del proyecto debido a las reducciones de las actividades crece de a .
Usando el modelo de programacin lineal puede calcularse el costo del
proyecto en trminos del tiempo, y viceversa, cuando uno de ellos toma
un valor intermedio, por ejemplo:
1) hallar el costo si el tiempo del proyecto es das
o 2) determinar el tiempo del proyecto si se propone un costo de
En el primer caso es suficiente reemplazar por en la restriccin
2) del ejemplo 10 y resolver el problema. El costo resultante es .
Y en el segundo caso, el problema de programacin lineal es
Minimizar Tiempo W
sujeto a WtD
WtWE
WtWF
WtWH
WtWG
WtWI
Dd
Ed
Fd
Gd
Hd
I d
DEFGHI d
y todas las variables no negativas.
La restriccin (1) expresa la condicin de que el costo atribuido a las
reducciones no excede a 30.
Se obtiene el tiempo mnimo 17 das.
234
Captulo 8. Anlisis de redes
Problema 1
En la siguiente tabla se indican las relaciones de precedencia yduracio-
nes de un proyecto compuesto por actividades:
Respuesta
c) El tiempo mnimo es das. Hay dos rutas crticas:$&)+y
$&(*+
d) % y 'pueden retrasarse hasta y das, respectivamente.
Problema 2
El proyecto de construccin de una casa comprende el conjunto de
actividades que se listan en la siguiente tabla
235
Maynard Kong
'85$&,1
$&7,9,'$' '(6&5,3&,1 35('(&(625(6
GtDV
$ &RQVWUXLUFLPLHQWRV
% &RQVWUXLUSDUHGHV\WHFKRV $
& ,QVWDODUFDEOHVHOpFWULFRV %
' ,QVWDODUYHQWDQDV %
( 3RQHUUHYHVWLPLHQWR '
) 3LQWDUODFDVD %(
Problema 3
Los datos de un proyecto de actividades son
236
Captulo 8. Anlisis de redes
Respuesta
b) das
c) El tiempo mnimo es das y la ruta crtica es $%(.
d) El costo mnimo es y se obtiene ejecutando eny
das las actividades $%&' y (, respectivamente.
Problema 4
Se desea fabricar un producto que se compone de tres partes33y 3.
Se estima que el diseo de las partes requieresemanas y que la fabrica-
cin de las partes se realiza en y semanas, respectivamente.
El proceso consiste de las siguientes etapas:
prueba de 3 que toma semanas
ensamblar 3 y 3 semana
aadir 3 a 3y 3, semanas
Cul es el tiempo mnimo de terminacin del proyecto? Indique
las actividades crticas.
Respuesta
El proyecto puede terminarse en semanas.
Las actividades crticas son: disear las partes, fabricar 3, ensam-
blar 3 y 3, y agregar 3.
Problema 5
La red de un proyecto de actividades es descrita por los siguientes datos:
$&7,9,'$' '85$&,1
237
Maynard Kong
Indicacin
Use la notacin grfica de los tiempos ms tempranos y ms tardos
77M
7(L 7(M
W
L o M
Respuesta
b) y c) para la actividad
238
Captulo 8. Anlisis de redes
Problema 6
La red de un proyecto de actividades es descrita por los siguientes
datos
c) Halle el costo del proyecto (suma de los costos de todas las acti-
vidades) usando tiempos normales.
d) Halle el costo del proyecto usando tiempos reducidos y el costo
asociado a las reducciones de los das.
e) Calcule el costo mnimo del proyecto cuando se termina en el
tiempo mnimo obtenido en a).
239
Maynard Kong
Respuesta
a) 27 das
b) Algunos costos reducidos son:
$&7,9,'$' &'5
240
ndice alfabtico
A
actividad crtica 225
algoritmo de cota y ramificacin 200
algoritmo de Ford-Fulkerson 208
algoritmo de Munkres 186
C
clculo de costos reducidos usando variables duales u-v 164
cambio de variable bsica 63
ciclos en el problema del transporte 168
convergencia del algoritmo del smplex 83
criterio de divergencia 59
criterio de la razn mnima 61
criterio de mximo 66
criterio de mnimo 67
D
Dantzig, George 42
F
forma estndar del problema de programacin lineal 41
forma tabular del problema estndar 64
funcin lineal 32
funcin objetivo 12
Maynard Kong
M
mtodo de la celda de costo mnimo 161
mtodo de la esquina noroeste 171
mtodo de las dos fases 76
mtodo de perturbacin 83
mtodo del smplex 42
mtodo del smplex simplificado (problema de transporte) 156
mtodo hngaro 181
modelo de programacin matemtica 19
P
problema de asignacin 181
problema de la dieta 23
problema de mezcla 13
problema de optimizacin 12
problema de programacin lineal 31
problema de transporte balanceado 155
problema del corte mnimo 26
problema dual 95
problema primal 95
programa matemtico 17
propiedad de corte mnimo 208
propiedad de holgura complementaria 134
proyecto 216
R
red o grafo dirigido 197
regin de factibilidad 17
regla de Blands 83
resolucin geomtrica de problemas con dos variables 34
ruta crtica 225
rutas en una red 199
S
solucin factible 32
solucin ptima del problema dual de maximizacin 108
soluciones bsicas factibles 48
242
ndice alfabtico
T
tcnica M 73
tiempo mnimo de un proyecto 226
tiempos ms tardos 220
tiempos ms tempranos 220
tiempos normales 226
tiempos reducidos 226
V
valor mximo 12
valor mnimo 12
valor optimo 12
variables artificiales 73
variables bsicas 48
variables de decisin 20
vector dual de una solucin bsica factible 114
vector dual y valores marginales 133
243
Se termin de imprimir en
los talleres grficos de
Tarea Asociacin Grfica Educativa
Psje. Mara Auxiliadora 156, Brea
Correo e.: tareagrafica@terra.com.pe
Telfono: 332-3229 Fax: 424-1582
Se utilizaron caracteres
Adobe Garamond Pro en 11 puntos
para el cuerpo del texto
abril 2010 Lima Per
E ste libro es un texto de nivel intermedio en la investigacin de
operaciones y de los mtodos cuantitativos en los negocios, dirigido
a estudiantes de ingeniera industrial e informtica, matemticas,
economa y ciencias de la administracin.