SEMANAS 2 Y 3

UNIDAD 2
SEMANAS 2 Y 3
UNIDAD 2

INVESTIGACIN OPERATIVA:
PROGRAMACIN LINEAL

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Programacin lineal: mtodos grfico y algebraico.

La programacin lineal es un mtodo, con fundamento matemtico, que permite
optimizar una funcin objetivo, cumpliendo simultneamente con otras condiciones
bien definidas, denominadas restricciones.

Ya habamos mencionado que fue George Dantzig quien, en 1947 frente a un grupo de
cientficos convocados por el instituto de investigaciones de la fuerza area
norteamericana invent el mtodo simplex. Su xito se debe a su flexibilidad para
describir un gran nmero de situaciones reales. A finales de 1950 (fuera del mbito
militar) aparecen la programacin dinmica, lneas de espera y teora de inventarios.

Es un modelo matemtico porque utiliza funciones matemticas para describir el

problema.
Todas las funciones de ese modelo deben ser funciones lineales.
La palabra programacin en el nombre indica planeacin, es decir una serie de
pasos lgicos que permiten procesar problemas bajo un mismo principio.
Su finalidad es maximizar o minimizar la funcin objetivo.
Se aplica fundamentalmente a problemas que involucran la asignacin de recursos
limitados entre actividades competitivas (optimizacin). Ej.: seleccin de carteras de
inversiones, asignacin a actividades productivas, plantacin agrcola, asignacin de los
recursos nacionales a las necesidades de un pas, etc.

Porque se llama programacin lineal?

Porque es la programacin o planeacin para lograr la optimizacin, es decir, una
asignacin eficiente de recursos entre actividades competitivas y lineal porque el
modelo est conformado por funciones lineales
Los principales aspectos a tener en cuenta para reconocer cuando un problema puede ser
analizado mediante la programacin lineal, son:

FUNCIN OBJETIVO: se persigue un objetivo perfectamente identificado, que

se puede expresar mediante una funcin matemtica lineal denominada "funcin
objetivo".
VARIABLES DE DECISIN: esta funcin tiene en cuenta ciertas variables
llamadas variables de decisin a fin de lograr un resultado ptimo.
RESTRICCIONES: existen relaciones de tipo lineal entre las variables,
denominadas restricciones. Estas se expresan mediante ecuaciones o
inecuaciones y establecen determinados condicionamientos.
RECURSO LMITADO: Existe "competencia" entre las variables de decisin
(productos, artculos, etc.) Por tomar elementos de un mismo recurso limitado.

As, por ejemplo, el requerimiento de un recurso por parte de una determinada variable,
ocasiona mayores condicionantes a las dems variables.

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Ejemplo de formulacin de un problema de programacin lineal:

Volviendo al ejemplo del carpintero, esta vez dispone de 18 unidades de madera y de 24
horas durante las cuales piensa fabricar biombos decorativos. En una experiencia
anterior ha comprobado que hay 2 tipos de biombos que tienen mucha demanda, razn
por la cual piensa invertir toda la madera y sus horas de trabajo a la fabricacin de estos
2 tipos. Para fabricar el modelo I, requiere de 2 unidades de madera y de 4 horas de
trabajo, en cambio que para fabricar el tipo II, requiere 3 unidades de madera y 3 horas
de trabajo. Los beneficios producidos por cada tipo son $70 para el tipo I t $80 para el
tipo II. El carpintero quiere saber qu cantidad de cada tipo debe fabricar para que el
beneficio obtenido sea mximo.

Formulacin del problema:

1. DETERMINAR LAS VARIABLES QUE SE QUIEREN OPTIMIZAR: en

nuestro ejemplo podran ser

1 =

2 =

2. IDENTIFICAR LOS REQUERIMIENTOS, RESTRICCIONES O

LIMITACIONES: los recursos con que cuenta el carpintero son limitados, razn
que hace ms importante la planificacin de la produccin para obtener mayores
beneficios. Las limitaciones del carpintero son:

= 24

= 18

3. EXPRESAR TODAS AQUELLAS CONDICIONES NO EVIDENTES EN EL

PROBLEMA: son situaciones exponenciales que pueden incidir en el resultado
del problema. No existen en nuestro caso pero podra tratarse, por ejemplo, de
alguna disrupcin prevista o no en la provisin de energa elctrica.
4. OBSERVAR LA CONSISTENCIA DE LOS TRMINOS DE TODAS LAS
FUNCIONES: es analizar el grado de coherencia e interrelacin entre las
variables con el problema y los objetivos. En nuestro ejemplo, enunciamos
explcitamente que las variables de decisin deben cumplir la condicin de no
negatividad.

1 ; 2 0

Mtodo Grfico: procedimiento.

2

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

a. REPRESENTAR GRFICAMENTE LAS RESTRICCIONES DEL SISTEMA

(DEFINIR SUS REAS): En un par de ejes cartesianos ortogonales vamos a
representar grficamente las restricciones del problema de programacin lineal.
Cada restriccin define un rea que contiene un nmero finito de puntos, la cual
no excede la desigualdad de restricciones.

En nuestro caso la cantidad mxima de madera alcanza para fabricar 9 biombos del tipo
1 y 6 del tipo 2. El rea de soluciones factibles queda determinada por los puntos x1 = 9
a(9,0) y x2 = 6 b(0,6).

El rea factible determinada por las horas de trabajo quedara delimitada por los puntos
x1 = 6 c(6,0) y x2 = 8 d(8,0).

La superposicin de las reas determinadas por cada uno de los recursos es el rea
factible total. Es decir dentro de esta rea todos los puntos son soluciones factibles.

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

b. BUSCAR EL PUNTO DE INTERSECCIN GRFICA DE LAS

RESTRICCIONES QUE OPTIMICE LA FUNCIN OBJETIVO: ubicar todos
los puntos de interseccin de la grfica dentro del rea de restricciones es decir
un punto que sea factible y que al mismo tiempo maximice la funcin objetivo.

C. LA UTILIDAD MXIMA OCURRE EN UN VRTICE DEL CONJUNTO DE

SOLUCIONES FACTIBLES: para determinar grficamente el punto ptimo podemos
analizar, reemplazando en la funcin objetivo, cada uno de los valores correspondientes
a los vrtices del rea de restricciones. Comenzamos por ejemplo por el valor 0 de la
interseccin de los ejes cartesianos ortogonales y nos desplazamos hacia cada uno de los
vrtices de la zona de valores factibles hasta alcanzar el valor ptimo (mximo o
mnimo).

Mtodo algebraico: procedimiento.

El mtodo simplex algebraico consiste en los siguientes pasos:

a. LA DEFINICIN Y CONSTRUCCIN DE LA FUNCIN OBJETIVO: la

siguiente corresponde al caso del carpintero que usamos como ejemplo.

= 701 + 802

b. Luego debemos construir el sistema de restricciones que en nuestro caso era

expresar el mximo de horas de trabajo y de madera disponibles

S/a 21 + 32 18

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

41 + 32 24

1 ; 2 0

c. En tercer lugar utilizando las variables de holgura x-sub-3 y x-sub-4

transformaremos las inecuaciones en ecuaciones.

= 701 + 802 + 03 + 04

21 + 32 + 3 = 18

41 + 32 + 4 = 24

Por ltimo analizamos todas las combinaciones posibles de variable de decisin para
cada par de valores x-sub-a , x-sub-b. Vamos reemplazando las variables de decisin
hasta optimizar el valor de z.

1 = 2 = 0, 3 = 18 4 = 24 = 0,00
1 = 3 = 0, 2 =6 4 = 6 = 480,00
1 = 4 = 0, 2 = 10/3 3 = 8 = 266,67
2 = 3 = 0, 1 =9 4 = 12 =
2 = 4 = 0, 1 =6 4 = 6 = 420,00
3 = 4 = 0, 1 =3 2 = 4 = 530,00

Programacin lineal: modelos de distribucin:

Son casos especiales de problemas de programacin lineal. La particularidad de este
tipo de problemas es que normalmente presentan un nmero importante de variables y
restricciones, razn por la cual la solucin por el mtodo simplex se hace muy
engorrosa.

Trata bsicamente dos tipos de problemas: Problemas de asignacin y de transporte.

Problemas de transporte:
Consiste en distribuir recursos situados en distintos orgenes a varios destinos donde son
requeridos, procurando que la funcin objetivo asociada a dicho proceso, sea ptima.

Formulacin del modelo matemtico para u problema de transporte:

Definido como xij, con i = 1,2,3,....., m y j = 1,2,3, ...., n, a las distintas cantidades
asignadas de los distintos orgenes (i) a los distintos destinos (j), el tratamiento de este
problema como un caso comn de un problema de programacin lineal.

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

En un problema de transporte, la expresin sinttica generalizada del modelo es:

Llamando

Ai a la disponibilidad de recursos en el origen i

Bj, a los requerimientos del destino j

Cij a los coeficientes de costo o beneficio de asignar una unidad de recurso del origen
i al destino j

Funcin objetivo:

= ()
=1 =1

FUNCIN OBJETIVO: donde xij es la cantidad asignada desde el origen i al destino j.

Sujeta a las restricciones:

= , = 1,2, , ()
=1

Establece que las cantidades asignadas, desde un mismo origen, a los distintos destinos
deben ser igual a la cantidad de recurso disponible en dicho origen.

= , = 1,2, , ()
=1

Las cantidades de recursos asignados desde los distintos orgenes a un determinado

destino deben ser igual al requerimiento de ese destino.

= = ()
=1 =1

La suma de las cantidades de recursos disponibles en los distintos orgenes debe ser
igual a la suma de los requerimientos de recursos en los distintos destinos. Esta

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

restriccin no impone limitaciones, dado que si esta condicin no se verifica, para

satisfacerla, se requiere introducir un origen ficticio (oferta artificial) o un destino
ficticio (demanda artificial), segn corresponda.
0, ()

Esta restriccin se refiere a las no negatividad de las variables de decisin.

Mtodos de solucin para un problema de transporte:

Existen dos mtodos de solucin para un problema de transporte el mtodo de la

esquina noroeste y el mtodo de aproximacin de Vogel.

MTODO DE LA ESQUINA NOROESTE:

Ejemplo 1

Una compaa tiene 3 almacenes con 80, 100 y 50 artculos disponibles

respectivamente. Con estos productos disponibles desea satisfacer la demanda de 4
clientes que requieren 50, 40, 60 y 80 unidades respectivamente. Los costos asociados
con el envo de mercanca se dan en la siguiente tabla:

Nuestra funcin objetivo que, en este caso debemos minimizar sera:

= 1 1 + 1 1 + 1 1 + 1 1 + 2 2 + 2 2 + 2 2
+ 2 2 + 3 3 + 3 3 + 3 3 + 3 3

Es decir, el costo de enviar desde 1 hasta A por la cantidad enviada desde 1 hasta B
ms, etc. Hasta llegar a la ltima asignacin que es el costo de enviar desde 3 hasta D
por la cantidad enviada desde 3 hasta D.

Este objetivo estara sujeto a las siguientes restricciones:

1 + 1 + 1 + 1 = 80

La sumatoria de todo lo enviado desde el origen 1 a todos los destinos no puede ser
superior a 80.

2 + 2 + 2 + 2 = 100

La sumatoria de todo lo enviado desde el origen 2 hasta todos los destinos no puede ser
superior a 100.

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

3 + 3 + 3 + 3 = 50

La sumatoria de todo lo enviado desde el origen 3 hasta todos los destinos no puede ser
superior a 50.

Estas son las restricciones para los orgenes. Respecto a las restricciones para los
destinos tenemos:

1 + 2 + 3 = 50

La sumatoria de lo enviado desde todos los orgenes hasta el destino A no puede ser
superior a 50.

1 + 2 + 3 = 40

La sumatoria de lo enviado desde todos los orgenes hasta el destino B no puede ser
superior a 40.

1 + 2 + 3 = 60

La sumatoria de lo enviado desde todos los orgenes hasta el destino C no puede ser
superior a 60.

1 + 2 + 3 = 80

La sumatoria de lo enviado desde todos los orgenes hasta el destino D no puede ser
superior a 80.

Asignacin inicial:

En una tabla ubicamos todos los costos

Asignamos 50 al origen 1 destino A porque A tiene un requerimiento mximo de 50

unidades aun cuando la localidad 1 disponga de 80 unidades

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

y anulamos la columna A porque ya cumplimos con el requerimiento de este

cliente.

Las 30 unidades que nos restan las vamos a asignar a la columna B.

Pero este cliente requera 40 unidades, entonces tomamos las 10 que nos faltan
del origen 2

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

De los 90 unidades que nos restan disponibles en el origen 2 asignamos 60 unidades

que cumple con el requerimiento total del expendedor C.

Por ltimo asignamos las 30 unidades restantes de la localidad 2 al expendedor D y

tomamos las 50 que nos faltan del origen 3

10

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Podemos observar que la sumatoria total de los requerimientos o demandas iguala en

230 a la sumatoria total de los suministros.

La asignacin mostrada en la tabla anterior indica lo siguiente:

Despachar 50 productos desde la localidad 1 al cliente A.

Despachar 30 productos desde la localidad 1 al cliente B.
Despachar 10 productos desde la localidad 2 al cliente B.
Despachar 60 productos desde la localidad 2 al cliente C.
Despachar 30 productos desde la localidad 2 al cliente D.
Despachar 50 productos desde la localidad 3 al cliente D.
El costo total de esta asignacin es:

11

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

CT = 50 (10) + 30 (70) + 10 (70) + 60 (80) + 30 (70) + 50 (80) = $14.200

Prueba de optimalidad y degeneracin:

Despus de cada asignacin, no existe certeza de que tal forma de distribucin de

recursos sea ptima, por lo que debe realizarse una prueba de optimalidad.

Pero esta prueba requiere de ciertas condiciones para ser realizada, y es que la
asignacin propuesta no debe ser degenerada

Se dice que la asignacin es degenerada cuando el nmero de casillas que tienen

asignaciones es menor que m + n - 1, donde m es el nmero de filas y n es el nmero de
columnas. Por lo que la condicin de degeneracin se escribe

N de asignaciones < m + n - 1

En caso de que se cumpla esta condicin, la prueba de optimalidad no puede ser

aplicada directamente, por lo que se debe levantar la degeneracin asignando valores
infinitsimos de recursos en casilleros convenientes. Para nuestro ejemplo:

6=3+41

6 = 6 (NO es degenerada)

Por lo tanto se puede realizar la prueba de optimalidad:

La prueba de optimalidad consiste en determinar que los valores de n sean positivos. En

caso de que se presenten valores de n negativos las asignaciones no son ptimas. Los
valores de n se obtienen de la siguiente forma:

= ( + )

que representa al costo de los casilleros con asignaciones igual a ms .

Una vez obtenidos los valores , y . tenemos la informacin para determinar los
valores de N de la siguiente forma:

= ( + )

Donde c* representa el costo de las casillas sin asignaciones.

12

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Como se observa en la tabla, existen valores (de n) negativos que indican que la
asignacin inicial propuesta por meno no es ptima

Desplazamiento hacia una asignacin optima:

Dado que la asignacin realizada no es ptima es necesario hacer una nueva asignacin,
para lo cual debemos:

a. Identificar el posicionamiento del menor valor de n (en caso de encontrarse dos

valores iguales, debe hacerse una solucin arbitraria)

b. Trazar una trayectoria ms-menos en la matriz de transporte

a. Esta trayectoria debe comenzar y terminar en la casilla identificada en el
paso a). Esta casilla es positiva.
b. Las dems esquinas donde la trayectoria cambia de direccin se designan
alternativamente menos y ms.
c. En todas las esquinas debe haber asignaciones excepto en la casilla
identificada en el paso 1.
d. En cada esquina se suma o se resta el menor valor asignado a las casillas
seleccionadas en la trayectoria.

En cada esquina se suma o se resta el menor valor asignado a las casillas negativas
seleccionadas en la trayectoria.

Se realizan las nuevas asignaciones y se hace la prueba de degeneracin

13

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Nuevamente la prueba de degeneracin

6=3+41

6 = 6 (NO es degenerada)

Calculamos el costo total

CT = 50 (10) + 30 (70) + 10 (60) + 60 (80) + 40 (70) + 40 (80) = $14.000

Repetimos la prueba de optimalidad

Como existen n negativas debemos repetir el procedimiento, desde la trayectoria ms-

menos

14

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Asignamos nuevamente,

probamos la degeneracin

6=3+41

6 = 6 (NO es degenerada)

Calculamos el costo total:

CT = 50 (10) + 30 (70) + 10(60) + 20 (80) + 40 (80) + 80 (70) = $13.600

Y la optimalidad.

Esta vez no tenemos ninguna n negativa por lo que es una asignacin ptima.

Solucin:
Enviar al cliente A 50 productos desde el almacn 1.
Enviar al cliente B 30 productos desde el almacn 1.
Enviar al cliente B 10 productos desde el almacn 3.
Enviar al cliente C 20 productos desde el almacn 2.
Enviar al cliente C 40 productos desde el almacn 3.
Enviar al cliente D 80 productos desde el almacn 2.

MTODO DE APROXIMACIN DE VOGEL:

El problema consiste en determinar una primera asignacin considerando los

coeficientes de costo.

El mtodo MAV se sintetiza en los siguientes pasos

15

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

1. Formar la matriz inicial. Verificar si no hay que agregar fila o columna ficticia
2. Determinar la diferencia entre los dos coeficientes de costo ms pequeos para
cada fila y para cada columna
3. Hallar la mayor diferencia e identificar la fila columna a la que pertenece. En
caso de empate se hace una seleccin arbitraria. Se ingresa por esa fila o
columna y a la casilla que tiene el menor coeficiente de costo, se le asigna la
mxima cantidad permitida por los requerimientos de contorno (demanda o
suministro)
4. Asignar 0 a las casillas restantes de la fila (o columna) donde la demanda o
suministro se haya agotado. Este paso elimina una fila o columna (dependiendo
del requerimiento de contorno satisfecho)
5. Realizar una nueva diferencia de coeficientes con los casilleros habilitados.
Nuevamente elegir el valor de diferencia mayor y continuar con igual
metodologa hasta asignar la totalidad de los recursos
Cuando solo queda una casilla en una fila o columna, se asigna a esa casilla una
cantidad que no viole los requerimientos de contorno. Verificar la optimalidad de la
solucin empleando la prueba correspondiente.

Ejemplo 1: minimizacin.

Tres orgenes A, B y C tienen disponible 90, 110 y 50 unidades de recurso

respectivamente. Cuatro destinos 1, 2, 3 y 4 requieren 60, 50, 85 y 45 unidades
respectivamente. En la tabla se muestra la matriz de costo:

El problema consiste en determinar la asignacin que ocasiona una solucin ptima

(utilizando el MAV).

1. Tomamos la fila A y por diferencia entre el 0 y el 395 que son los dos costos
ms pequeos, colocamos al costado la diferencia que es 395.

16

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

a. En la segunda fila seleccionamos el 0 y el 305 y colocamos el resultado

en el margen derecho de la tabla.

b. En la tercera fila seleccionamos el 0 y el 300 y escribimos el resultado.

2. Ahora repetimos el proceso con las columnas:

17

Lic. Miguel Duarte

SEMANAS 2 Y 3
UNIDAD 2

18

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

3. Determinamos cual es la mayor de las diferencias que en nuestro ejemplo es el

valor 395 en la primer fila

4. En esa fila seleccionamos el menor de los costos, 0 y hacemos una asignacin

que cubra la oferta o la demanda. En este caso la oferta es 90 y la demanda 10
por lo tanto cubriremos la demanda lo que va a excluir esa columna de los
prximos clculos.

19

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

5. Se repiten las operaciones con cada una de las filas y las columnas habilitadas,
evitando las columnas cubiertas.

6. Volvemos a determinar la mayor de las diferencias, 120; seleccionamos el

menor de los costos, 300 y asignamos a esa casilla, en este caso cubrimos la
oferta, 50.

20

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

7. Repetimos el procedimiento hasta asignar el total de los suministros y de las

demandas

21

Lic. Miguel Duarte

SEMANAS 2 Y 3
UNIDAD 2

22

Lic. Miguel Duarte

SEMANAS 2 Y 3
UNIDAD 2

23

Lic. Miguel Duarte

SEMANAS 2 Y 3
UNIDAD 2

24

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Y as terminamos la primera asignacin de nuestro caso.

Ahora bien, igual que nos suceda en el mtodo de la esquina noroeste, tampoco
tenemos la certeza de que esta asignacin sea ptima, por lo tanto seguimos los mismos
pasos para determinar la degeneracin y la optimalidad.

7=3+51

25

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

7 = 7 (No es degenerada)

Podemos ver que en esta asignacin no existe ninguna N negativa por lo tnto esta es una
asignacin ptima.

Si la solucin no es ptima se itera hacia una solucin ptima trazando una trayectoria
ms-menos de la misma forma que en la regla de la esquina noroeste.

La ecuacin que determina el costo total es:

CT =

10 (420) + 70 (400) + 10 (0) + 50 (305) + 15 (380) + 45 (345) + 50 (300) = $83.675

Ejemplo 2: maximizacin.

Si tenemos que resolver un problema de maximizacin, por ejemplo calcular beneficios.

El mismo ejemplo anterior podemos usar para este fin, ahora en lugar de minimizar los
costos lo que nos va a indicar la tabla son los beneficios que nos trae enviar productos
desde un origen hasta un destino determinado. La nica modificacin requerida consiste
en multiplicar todos los valores por -1.

Realizamos entonces el mismo procedimiento teniendo en cuenta que cuando

trabajamos con cifras negativas el menor valor es el que tiene mayor valor absoluto.

26

Lic. Miguel Duarte

SEMANAS 2 Y 3
UNIDAD 2

27

Lic. Miguel Duarte

SEMANAS 2 Y 3
UNIDAD 2

28

Lic. Miguel Duarte

SEMANAS 2 Y 3
UNIDAD 2

29

Lic. Miguel Duarte

SEMANAS 2 Y 3
UNIDAD 2

30

Lic. Miguel Duarte

SEMANAS 2 Y 3
UNIDAD 2

31

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Prueba de optimalidad:

7=5+31

7 = 7 (NO es degenerada)

Al no tener N negativas, es una asignacin ptima.

GT =

395 (45) + 435 (45) + 60 (460) + 5 (305) + 35 (380) + 110 (0) + 50 (455) = $102.525

ALGORITMO HNGARO:

En este mtodo se habla de una matriz cuadrada lo que significa que debemos tener el
mismo nmero de filas y de columnas. Si este caso no fuera as, sera necesario
introducir una fila o una columna ficticia, pero no es nuestro caso.

Formulacin matemtica:

=
=1 =1

Donde las , son los coeficientes de costo (ganancia), sujeto a las restricciones:

32

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

= 1, 0 = 1, 2, 3, ,
=1

= 1, 0 = 1, 2, 3, ,
=1

= 0 1

Caso de minimizacin; ejemplo 1.

El problema consiste en determinar qu edificio se le adjudica a cada contratista

Donde tenemos 4 edificios y 4 contratistas, o sea m = n, por lo que no necesitamos

introducir ninguna columna o fila ficticia.

1. Se resta el elemento ms pequeo de cada fila a todos los elementos de la misma

fila. En la primera fila, el menor elemento es 44, en la segunda 56, en la tercera
85 y en la cuarte 42.

33

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

2. Se resta el elemento mas pequeo de cada columna a todos los elementos de esa
columna. En la columna 1, el menor elemento es 0, en la segunda es 2, en la tercera
4 y en la cuarte 0. En caso de que haya empate en alguna columna se decide
arbitrariamente.

34

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

3. Verificar la OPTIMALIDAD trazando el mnimo de lneas posibles

(horizontales o verticales) que pasen a travs de todos los ceros de la tabla.

4. Se comprueba si el nmero de lineas es igual al nmero de columnas y filas. En

nuestro caso tenemos 4 filas, 4 columnas y solo 3 lineas, por lo que esta
asignacin NO es ptima.
5. Iteracin hacia la solucin ptima: se toma el elemento menor NO cruzado por
ninguna lnea, en este caso 1

Se le resta a todos los elementos no cruzados por ninguna lnea

35

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Y se le suma a las intersecciones

6. Repetimos la comprobacin de la optimalidad

Como podemos ver, el menor nmero de lneas que atraviesan todos los ceros de la
tabla es 4 al igual que el nmero de filas y de columnas por lo tanto esta es una
asignacin ptima.

El contratista 4 construye el edificio A.

El contratista 1 construye el edificio B.
El contratista 3 construye el edificio C.
El contratista 2 construye el edificio D.

CT = 44 + 56 + 90 + 44 = 234

Caso de maximizacin:

36

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Tengamos en cuenta que el algoritmo hngaro fue diseado para casos de optimizacin
por minimizacin de los resultados obtenidos. Existen varios mtodos para tratar los
casos en que se requieren la maximizacin de los resultados. Por ejemplo:

1. Multiplicar todos los valores de la tabla de costo por -1 y luego repetir el mismo
procedimiento que usamos en el caso de minimizacin.
2. Detectar el valor mximo en cada fila y en cada columna y a esto restarle los
costos correspondientes a cada una de esas filas y columnas.
3. El que vamos a utilizar nosotros por entender que es el ms simple (sin variar la
eficiencia respecto de los otros mtodos) es el que consiste en determinar el
mayor valor de la tabla y luego restarle a este todos los valores de la misma.
Realizado este clculo se trabaja de la misma manera que frente a un caso de
minimizacin.

Ejemplo 2.

Una empresa fabrica 4 productos diferentes y cuenta con 3 equipos para distribuirlos,
cada uno de estos equipos puede realizar la distribucin de 1 solo artculo, excepto el
equipo 2 que puede distribuir 2 artculos.

Cada equipo y de acuerdo al artculo de que se trate puede obtener una determinada
ganancia, que se encuentra reflejada a continuacin en la tabla. El problema consiste en
asignar artculos a cada equipo de forma de obtener la mayor ganancia posible.

Hay que resaltar que como el algoritmo hngaro se trata de una matriz de m * n donde
m = n necesitamos tener la misma cantidad de filas y de columnas (orgenes y destinos),
en este caso no los tenemos pero por eso aclara en el enunciado del problema que el
equipo 2 tena capacidad para distribuir 2 artculos por lo tanto al agregar la fila que nos
falta vamos a duplicar la fila correspondiente al equipo 2 que cambiar su denominacin
por 2a y 2b con lo cual nuestra tabla tendr m = n = 4

1. Hacer m = n

La tabla quedar de la siguiente manera:

37

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

2. Elegir el mayor valor de la tabla y restarle a este cada uno de los valores de la
misma. En este caso el mayor valor de la tabla es 15

A partir de aqu los pasos siguientes son exactamente iguales a la resolucin de un caso
de minimizacin.

3. Determinamos el valor mnimo de cada fila y le restamos a todos los valores de

la misma.

38

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Esta es la tabla que nos queda

4. Ahora realizamos exactamente la misma operacin con las columnas para

obtener la matriz de costos disminuidos.

5. Ahora realizamos la prueba de optimalidad trazando el menor nmero de rectas

posible que cubran todos los ceros de la matriz.

39

Lic. Miguel Duarte

 SEMANAS 2 Y 3
UNIDAD 2

Es ptima porque el nmero de rectas = m = n = 4

Una de las formas ms fciles de evidenciar las asignaciones para cada uno de los
orgenes a cada uno de los destinos es quitar todos los nmeros de la matriz y conservar
los ceros.

De esta manera nosotros podramos asignar para el equipo 1 el producto A pero como
este artculo tambin lo podemos asignar al equipo 3, al equipo 1 le asignamos el
producto D.

Al equipo 2a y 2b podemos asignar el producto B o C uno para cada uno

independientemente y para el equipo 3 debemos asignar el producto A.

Si la asignacin la hacemos de esta manera la ganancia total es:

12 + 13 + 15 + 13 = 53.

40

Lic. Miguel Duarte