NILDA

ALGORITMOS ESPECIALES DE PROGRAMACIÓN LINEAL

3.1. PROBLEMA DE TRANSPORTE

El problema consiste en decidir cuántas unidades trasladar desde ciertos puntos de

origen (platas, ciudades, etc) a ciertos puntos de destino (centros de distribución,
ciudades, etc) de modo de minimizar los costos de transporte, dada la oferta y
demanda en dichos puntos. Se suponen conocidos los costos unitarios de
transporte, los requerimientos de demanda y la oferta disponible.
Problema de Transporte corresponde a un tipo particular de un problema de
programación lineal. Si bien este tipo de problema puede ser resuelto por el método
Simplex, existe un algoritmo simplicado especial para resolverlo.

Un problema particular que se resuelve con los procedimientos de la programación

lineal es la situación conocida como problema del transporte o problema de la
distribución de mercancías.

Se trata de encontrar los caminos para trasladar mercancía, desde varias plantas
(orígenes) a diferentes centros de almacenamiento (destinos), de manera que se
minimice el costo del transporte.
Para que un problema pueda ser resuelto por el método del transporte debe cumplir:
1) La función objetivo y las restricciones deben ser lineales.

2) El total de unidades que salen en origen debe ser igual al total de unidades que
entran en destino.
PLANTEAMIENTO DEL PROBLEMA
Plantear un problema de transporte

• Tiene como objetivo encontrar el mejor plan de distribución, generalmente

minimizando el Coste.
• Un problema está equilibrado o balanceado si la oferta es igual a la demanda. En
ese caso, en las restricciones se cumplirán las igualdades correspondientes.
• Para aplicar el simplex de transporte necesitamos que el problema esté
equilibrado. Si no lo está, añadiremos una demanda ficticia con costes nulos o una
oferta ficticia con costes de penalización.

• En una tabla representaremos el coste que supone transportar cada unidad desde
i hasta j.
LUIS
DETERMINACIÓN DE LA SOLUCIÓN

El modelo básico de transporte es el modelo en el cual la cantidad ofertada es igual

a la cantidad demandada, como es el caso de este ejercicio, sin embargo trasladar
esta suposición a la realidad es casi imposible por lo cual hace falta crear orígenes
y/o destinos ficticios con el excedente de oferta y/o demanda.

Como ya lo hemos planteado en módulos anteriores el primer paso corresponde a

la definición de las variables, regularmente se le denomina a las variables de
manera algebraica Xi,j donde i simboliza a la fuente y j simboliza al destino

BASICA FACTIBLE INICIAL

Siempre está asociada a un punto extremo de la región factible y satisface todas las
restricciones si se evalúa en ellas así como es el punto que en el caso de
maximización hace que el valor de z sea el máximo (más grande) y el caso de
minimización sea el mínimo (más pequeño).

Una soluci´on b´asica (SB) a un sistema de ecuaciones A x = b con m ecuaciones

y con n inc´ognitas, es decir m × n (n ≥ m) es una soluci´on al sistema que se obtiene
haciendo cero n − m variables y que resulta en un sistema con soluci´on ´unica. A
una variable de decisi´on que deliberadamente se hace cero se le llama variables
no b´asica (VNB) y mientras que a aqu´ella que se conserva dentro del nuevo
sistema se le llama variable b´asica (VB). Introducci´on al M´etodo Simplex
euresti@itesm.mx Introducci´on Forma Est´andar Definici´on Conversi´on Ejemplo
Soluci´on B´asica Definici´on Ejemplo 1 Ejemplo 2 Soluci´on B´asica Factible
Definici´on Ejemplo 1 Correspondencia Adyacencia Definici´on Ejemplo 1 Simplex
En t´erminos de Algebra Lineal, este concepto equivale a seleccionar m columnas
de A y que ´estas formen una base para R m. Las columnas no seleccionadas
corresponden a aquellas variables que se hacen cero deliberadamente. Una vez
seleccionadas las columnas el nuevo sistema con el mismo vector de constantes
debe resolverse. La soluci´on obtenida se llama soluci´on b´asica. En t´erminos de
matrices, tiene el significado que las variables que no se hacen cero
deliberadamente forman una matriz invertible. El proceso para obtener una
soluci´on factible corresponde a tomar de A columnas para formar una matriz
cuadrada que resulte invertible.
Las variables con valores diferentes de cero serán llamadas "variables básicas", las
demás "variables no básicas".
Esta forma simplifica el encontrar la solución factible básica inicial, dado que todas
las variables de la forma estándar pueden ser elegidas para ser no básicas (cero),
mientras que todas las nuevas variables introducidas en la forma aumentada, serán
básicas (diferentes de cero), dado que su valor puede ser calculado trivialmente (

para ellas, dado que la matriz problema aumentada en diagonal es su lado

derecho)
BERNARDO
CRITERIO DE OPTIMALIDAD

La variable de entrada en un problema de maximización es la variable no basica

que tiene el coeficiente más negativo en la fila Z o función objetivo. En el caso de
minimización, la variable de entrada se define como la variable no básica que tiene
que tiene el coeficiente más positivo en la fila Z
EL ALGORITMO DE MEJORAMIENTO DE LA SOLUCION
3.2. PROBLEMA DE ASIGNACIÓN

El problema de asignación es una variación del problema original de transporte,

variación en la cual las variables de decisión X(i,j) solo pueden tomar valores
binarios, es decir ser cero (0) o uno (1), en la solución óptima, lo que supone que la
oferta y la demanda están perfectamente alineadas, de hecho ambas son iguales a
uno (1).
PLANTEAMIENTO DEL PROBLEMA
ALGORITMO PARA DETERMINAR LA SOLUCIÓN OPTIMA

El método Húngaro es un método de optimización de problemas de asignación,

conocido como tal gracias a que los primeros aportes al método clásico definitivo
fueron de Dénes König y Jenő Egerváry dos matemáticos húngaros. El algoritmo tal
como se detallará a continuación está diseñado para la resolución de problemas
de minimización únicamente, será entonces cuestión de agregar un paso adicional
para abordar ejercicios de maximización.

ALGORITMO HÚNGARO, PASO 1

Antes que nada cabe recordar que el método húngaro trabaja en una matriz de
costos n*m (en este caso conocida como matriz m*m, dado que el número de filas
es igual al número de columnas n = m), una vez construida esta se debe encontrar
el elemento más pequeño en cada fila de la matriz.
ALGORITMO HÚNGARO, PASO 2
Una vez se cumple el procedimiento anterior se debe construir una nueva matriz
n*m, en la cual se consignarán los valores resultantes de la diferencia entre cada
costo y el valor mínimo de la fila a la cual cada costo corresponde (valor mínimo
hallado en el primer paso).

WILLY
ALGORITMO HÚNGARO, PASO 3
Este paso consiste en realizar el mismo procedimiento de los dos pasos anteriores
referidos ahora a las columnas, es decir, se halla el valor mínimo de cada columna,
con la diferencia que este se halla de la matriz resultante en el segundo paso, luego
se construirá una nueva matriz en la cual se consignarán los valores resultantes de
la diferencia entre cada costo y el valor mínimo de la columna a la cual cada costo
corresponde, matriz llamada "Matriz de Costos Reducidos".
ALGORITMO HÚNGARO, PASO 4
A continuación se deben de trazar líneas horizontales o verticales o ambas
(únicamente de esos tipos) con el objetivo de cubrir todos los ceros de la matriz de
costos reducidos con el menor número de líneas posibles, si el número de lineas es
igual al número de filas o columnas se ha logrado obtener la solución óptima (la
mejor asignación según el contexto de optimización), si el número de líneas es
inferior al número de filas o columnas se debe de proceder con el paso 5.
ALGORITMO HÚNGARO, PASO 5
Este paso consiste en encontrar el menor elemento de aquellos valores que no se
encuentran cubiertos por las lineas del paso 4, ahora se restará del restante de
elementos que no se encuentran cubiertos por las líneas; a continuación este mismo
valor se sumará a los valores que se encuentren en las intersecciones de las lineas
horizontales y verticales, una vez finalizado este paso se debe volver al paso 4.

3.3. USO DE SOFTWARE