Programacion Entera

3. PROGRAMACiÓN ENTERA.
Muchas aplicaciones no se pueden abordar con los métodos de solución de la

Programación Lineal porque tienen el principio de la "no divisibilidad", esto es,
algunas o todas las variables deben tomar valores enteros. Con frecuencia deben
construirse modelos para asignar personas, máquinas o vehículos a las
actividades , en cantidades enteras . Si el problema de exigir valores enteros es la
única diferencia que tiene un problema con su formulación en términos de
Programación Lineal , entonces se trata de un problema de Programación Lineal
Entera o simplemente de Programación Entera. Así que el modelo de
Programación Entera es simplemente un modelo matemático de Programación
Lineal que agrega la condición de que algunas o todas las variables deben ser
enteras.
3.1 QUÉ ES LA PROGRAMACiÓN ENTERA.
La Programación Entera es un conjunto de técnicas de la Investigación Operativa

que permiten solución a una variante para el Programa Lineal cuando las variables
de decisión no pueden tomar valores fraccionarios.
Para el modelo de Programación Lineal se optimiza una función sobre una región
convexa, mientras que en la Programación Entera se optimiza sobre una región de
factibilidad que generalmente no es convexa . Por lo tanto , la solución de
problemas enteros ; resulta más complicada que la Programación Lineal.
73
I.L' I." .\ I.I1ERTO RI NCON ABR IL
Es importante anotar que las técnicas desarrolladas hasta ahora , dentro de la

Programación Entera, distan mucho de reso lver el 100% de los problemas de
decisión de variable entera .
3.2 PRINCIPALES MODELOS.
Las variantes del modelo de Programación Lineal, tienen que ver con las
condiciones de valores enteros que tienen que tomar algunas de las variables de
decisión. Los ca sos son los sigui entes.
3.2.1 Problema entero (PE).
Es una variante del Programa Lineal , para el cua l todas las variables de decisión
además de cumpl ir la condición de no negatividad deben ser todas en teras. Por
consigu iente el modelo matem ático generalizado es:
"
Oplillli;:o r (Z) =L e,x,
1::.. 1
" <
slIje/o o: LO'l x , ~ h, . pa ra i = 1,2,3 .... .. .. , /1 1
1= 1 -
x, ~ O e/l/ ero , para j = 1,2,3 .. ...• /1
Los métodos de solución desarrollados para este mode lo son los siguientes .
=> Método de plano de corte .

=> Algoritmo fracciona l de Gomory
=> Algoritmo entero puro de Gomory
=> Método de bifurcación y acotaci ón
74
INV I·.ST IG I\C ION DE OPE RAC IONES I'A I<I\ I N(iENIE I<I. \S y M)~ II N I S T R ¡\C I ON DE H IP RESi\S
=> Algoritmo de Land-Doig.
3.2.2 Problema entero mixto (PEM).
En esta variante del Programa Lineal , todas las variables de decisión son positivas
y solamente algunas de ellas deben ser enteras. Por lo tanto el modelo matemático
generalizado es:
" ,
. (Z) = '"
O¡Jlillli .-or ¿ e ,',
r + '"
¿ e J..'J..
r
,=\ , =\
11 11 <
.1/lie IO (/: ¿o" x ,
,=\
+ ¿, =\ p " \' , -~ !J, . po/'{/ i = 1.2,3 .. .... ., /11
x, ~ O po/'{/ .i = 1.2 .3 ...... 11
."¡ ~ O elll e ro . p o /'{/ /.: = 1,2.3 .... , J'
Los métodos de solución desarrollados para este modelo son los siguientes .
=> Algoritmo entero-mixto de Gomory

=> Algoritmo de Land-Doig .
3.2.3 Problema entero cero uno o binario (PECU).
Esta variante del Programa Lineal , suele utilizarse para modelar problemas con
actividades que deben o no ejecutarse. Por analogia con el sistema de los
números binarios , las variables de decisión toman un único valor entero entre O y
1. Esto es, si la actividad no se ejecuta la variable correspondiente toma el valor O,
de lo contrario el valor 1. Por consiguiente el modelo matemático generalizado es:
75
LUIS ALBERTO RI NCON A BRIL
11
Oprill1i~ar(Z) = L e ,x ,
11 <
slljero a: L a" x , : b" para i = 1,2.3 ........ , 111
,; 1 -
X
J
= O , si la acrividad j /l O es reakada ..
x J = 1 , si la acrividad j es reakada ..
Los métodos de solución desarrollados para este modelo son los siguientes.
~ Método de bifurcación y Acotación .

~ Método aditivo de Balas.
3.2.4 Ejemplo de Modelo.
Evaluación de inversiones independientes.
Cuando se tiene la posibilidad de distribuir unos recursos financieros entre varios

frentes de inversión , surge el problema de la Evaluación de Inversiones
Independientes. Esto tiene que ver con aquellas en las cuales la ejecución de una ,
no impide la realización de otra u otras .
Problema general
Supóngase que se tiene una disponibilidad total de dinero K, que puede invertirse
en una o varias de N alternativas posibles ; donde para la alternativa j-ésima , se
requ iere I¡ dinero de la disponibilidad total y evaluada su factibilidad se obtiene un
valor presente neto VPN¡ . Se desea , entonces , establecer en cuales alternativas
emplear el dinero total disponible.
76
Modelo.
Se definen como variables de decisión las siguientes :
Xi = O: la alternativa j-ésima no ejecuta .

Xi = 1: la alternativa j-ésima se ejecuta.
Con ello se puede estructurar el modelo en la siguiente forma:
Encontrar los valores de Xi , para todo j=1 ,2" ... ,n, tal que:
Max(VPNT) = I" VPN j"}

I~ I
"
sujeto a : "L.,; / ,, x , ;<; K
,_1
x, = O ,si la im'ersión j no es rea lizada ..
.\', = 1 ,si la illl'ersiólI j es rea kada ..
Como puede observarse , este modelo encaja dentro del grupo de problemas de
programación entero cero uno (PECU) , por ello se desarrollará alguna técnica de
solución para el (PECU) .
Método de solución.
Dado que este modelo es de una sola restricción , únicamente se presentará el

método de bifurcación y acotación, pues el aditivo de Balas está desarrollado bajo
el supuesto de más de una restricción .
77
LU I S 1\L13ERTO RINCON ABR IL
3.2.5 Método de bifurcación y acotación.
Producido por Kolesar' con base en Nodos. Supone que un Nodo lleva un índice J
si la alternativa J se incluye y J* si no se incluye. Un Nodo con índice (J ,K) significa
que se incl uye la alternativa J y después la alternativa K, mientras que el índice
(J *,K) significa que la alternativa J no se incluye pero la K sí . Cuando se llega a un
Nodo, se analiza cuáles no han sido bifurcados y se procede a bifurcar aquel que
resulte más conveniente para la función objetiva . Finalmente entre los Nodos que
presentan solución factible debe seleccionarse el óptimo .
Ejemplo . Un grupo financiero tiene 5 proyectos ue inversión factibles . Cada

proyecto j:1,2,.. ,5 necesita una inversión Ij millones de dólares , y se ha calculado
para ese proyecto un valor presente neto VPNj millones de dólares. La capacidad
total de inversión es de 91 millones de dólares. El sigu iente Cuadro resume los
datos asociados con cada proyecto.
CUADRO 1. Datos asociados con los 5 proyectos de inversión .
Valor Presente Neto VPN J

Inversión Ij p= ~-
Proyecto j VPN j I J
(Millones $US) J
1 36 54 1.5
2 24 18 0.75
3 30 60 2
4 32 32 1
5 26 13 0.5
El grupo fin anciero debe tomar la decisión de aceptar o rechazar cada proyecto .
Cuáles proyectos se deben incluir y cu áles rechazar con el fin de maximizar el
valor presente neto total?
, KOLE SAR, P .. A Branch and Bound Algorilhm lo r tire Knapsck Problem. Managmenl Science.
Volumen 13. 1982.
78
INVEST I(;AC ION DE OPERAC IONES PARA I NGEN I ERI AS y ADM IN ISTR AC ION DE EMPRESAS
El método requiere que las alternativas se listen en orden descendente respecto

del cociente Pi , que aparece en el cuadro 1, el cual indica los millones de dólares
que se reciben por millón de dólares invertidos. Con ello el Cuadro anterior queda:
CUADRO 2. Cambio de índice para cada proyecto j.
Indice
Antiguo Nuevo l· VPN · Pi
3 1 30 60 2
1 2 36 54 1.5
4 3 32 32 1
2 4 24 18 0.75
5 5 26 13 0.5
Obsérvese que el cociente Pi también indica los millones de dólares que se dejarán
de recibir por no invertir un millón de dólares en el proyecto j.
El modelo matemático correspondiente será entonces:
Max(V) = 60X 1+54X 2 +32X 3 + 18X 4 + 13X s

30X 1 +36X 2 +32X 3 +24X 4 +26X s S 91
Xi = O Ó Xi = 1
Nodo 1: (Análisis con base en el proyecto 1). Al incluir el proyecto 1, se invierten

30 millones y se reciben 60. Como aún quedan 91-30 = 61 millones por invertir, se
selecciona además el proyecto 2, que consume otros 36 millones , pero rinde 54
millones . Aún quedan por invertir 61 -36 = 25 millones. Si se incluye el proyecto 3
completo , este consum iría 32 millones , o sea 7 más de la capacidad total de
inversión . Como esto no es posible y por lo tanto no es una solución factible , se
asocia a este Nodo valor 60+54+32-7xl =139 que provienen de los retornos de los
79
LU IS ALBERTO R INCON ABR I L
proyectos 1 Y 2 completos y del retomo asociado 32-7xl=25 del proyecto 3, al cual

se le asocia una variable fraccionaria , de allí la disminución 7P3=7xl. Se
acostumbra presentar este análisis en un Cuadro de la siguiente forma:
CUADRO 3. Nodo (1)
J Ij VPNj Observaciones
1 30 60
2 36 54
3 32 32
Totales 98 146 Solución no
Exceso -7 -7=-7x1 Factible
91 139
El proyecto 3 excede en 7 millones la disponibilidad para inversión total , por lo que

el retomo total es 7x1 millones menos.
Nodo 1*: (Análisis de la no inversión en el proyecto 1). Haciendo un procedimiento

similar al punto anterior, se puede conseguir el siguiente Cuadro :
CUADRO 4. Nodo (1 *)
2 36 54
3 32 32
4 24 18
Exceso -1 -0.75=-1 xO. 75 Factible
91 103.25
El proyecto 4 excede en 1 millón la disponibilidad para inversión total , por lo que el

retomo total es 1*0.75 millones menos .
80
INVEST IGACION DE OPE RAC IONES PARA I NGEN I ER I AS y ADM IN ISTRAC ION DE EM PRESAS
A esta altura del problema y analizando la Figura 7, es importante recordar que el

método conlleva el estudio de los nodos no ramificados y la selección secuencial ,
entre éstos, del mejor valor de la función objetiva para proceder a ramificarlo.
Factible Imposible
Figura 7. Diagrama de solución para el ejemplo.
Con base en lo anterior, entre los nodos no ramificados (1) Y (1 *), se selecciona el
nodo (1) , puesto que 139 > 103.25 Y se procede con el análisis de los nodos (1 ,2) Y
(1 ,2*).
81
L U IS A L BERTO RINCON A B RI L
CUADRO 5. Nodo (1,2)
1 30 60
2 36 54
3 32 32
Exceso -7 -7=-7x1 Factible
91 139
CUADRO 6. Nodo (1 ,2*)
1 30 60
3 32 32
4 24 18
5 26 13
Exceso -21 -10.5=-21xO .5 Factible
91 112.5
En la Figura 7, para los nodos sin ramificación (1 *), (1 ,2) Y (1,2*) el que tiene mejor
valor para la función objetiva es (1 ,2) puesto que 139 > 103.25 Y 139> 112.5, por lo
tanto se ramificará el nodo (1 ,2) . El algoritmo continúa con el estudio de los nodos
(1 ,2,3) Y (1 ,2,3*).
CUADRO 7. Nodo (1 ,2,3)
J I¡ VPN¡ Observaciones
1 30 60
2 36 54
3 32 32
Totales 98 -1000 Solución
imposible
82
INVf'STIGAC ION DE OPERAC IONES PARA INGEN IER I AS y ADM IN ISTRAC ION DE E~ I PRESAS
Esta solución , además de no factible , es imposible porque el nodo (1 ,2,3) indica

que necesariamente se deben incluir esos 3 proyectos , con un monto de inversión
mayor a la capacidad. Como esta solución es imposible se le asocia un valor a la
función objetiva que garantice que no se ramifique, por ejemplo -1000.
CUADRO 8. Nodo (1 ,2,3*)
J I¡ VPN¡ Observaciones
1 30 60
2 36 54
4 24 18
5 26 13
Exceso -25 -12 .5=-25xO .5 Factible
91 132.5
De los 4 nodos sin ramificación (mirar Figura 7): (1 *) , (1 ,2*) , (1 ,2,3*) Y (1 ,2,3) , el
nodo (1 ,2,3*) tiene el mejor valor para la función objetiva, por lo tanto se ramifica y
se procede con el análisis de los nodos (1,2,3* ,4) Y (1,2 ,3* ,4*).
CUADRO 9. Nodo (1 ,2,3*,4)
J I¡ VPN ¡ Observaciones
1 30 60
2 36 54
4 24 18
5 26 13
Exceso -25 -12 .5=-25xO .5 Factible
91 132.5
83
LU IS A L BERTO RINCON ABR IL
CUADRO 10. Nodo (1,2,3*,4*)
J J¡ VPN¡ Observaciones
1 30 60
2 36 54
5 26 13
Exceso -1 -0 .5=-1 xO .5 Factible
91 126.5
Ahora en la Figura 7 aparecen 5 nodos sin ramificación : (1 *) , (1 ,2*) , (1 ,2 ,3) ,

(1,2 ,3*,4) Y (1 ,2,3*,4*). Para ellos el mejor valor de la función objetiva está en
(1,2,3* ,4) , por lo tanto se ramifica como: (1 ,2,3*,4 ,5) Y (1,2 ,3*,4 ,5*).
CUADRO 11. Nodo (1,2,3*,4,5)
1 30 60
2 36 54
4 24 32
5 26 13
Totales 116 -1000 Solución
imposible
Este nodo presenta unas condiciones similares a las ocurridas para el cuadro 7,
por lo tanto la solución es imposible . El valor, que en el anterior cuadro se asignó a
la función objetiva, es debido a la solución imposible.
CUADRO 12. Nodo (1,2,3*,4,5*)
1 30 60
2 36 54
4 24 18
Totales 90 132 Solución Factible
84
INVEST IG,\C ION DE ()I'ERAC IONES P,\ RI\ INGEN I ER I,\S y I\DM IN ISTR AC ION D E EMPR ESAS
Es obvio, entender que a partir de este momento no se requieren más

ramificaciones ; por lo tanto se escoge la mejor entre las soluciones factibles , que
resulta ser, entonces , la óptima. En este caso:
Invertir:
30 Millones en el Proyecto 1 (índice nuevo)

Lo que permitirá tener un Max(VPNT)=132 Millones.
Una manera de resumir el anterior proceso, además de la utilización mecánica del

Algoritmo a través de los Cuadros , es la Figura 7.
Hay que hacer notar que el número total de posibles soluciones en este problema
es ~(S)
L. . = 2'
¡ c(J k
.= 32 , de las cuales el proceso de bifurcación y acotación
solamente examinó 10 de ellas para determinar el óptimo.
El lector podrá observar que en la medida que el número de proyectos tienda a

crecer, el porcentaje de posibles soluciones, que el método de bifurcación y
acotación examina , tiende a bajar, convirtiéndolo en un algoritmo eficiente.
PROBLEMA.
Para los 4 proyectos independientes del Cuadro 13, se quiere establecer 'la mejor
combinación de ellos , asumiendo que los Flujos de fondos netos ocurren después
85
L U IS ,\ I.I3ERTO RI NCON ,\131< 11.
de impuestos , valor de mercado para todos igual a O, tasa mínima después de

impuestos del 20% y disponibilidad total para invertir de 100 millones de dólares.
CUADRO 13: Datos (Valores en miles de dólares)
PROYECTO
A B C D
Inversión inicial 50000 20000 25000 30000
Flujo de fondos (neto anual) 20000 10000 15000 16000
Vida económica del proyecto (anos) 14 12 10 8
Solución :
VPN(A) = 20000(P/A,20%, 14) - 50000 = 42210

VPN(B) = 10000(P/A,20%, 12) - 20000 = 24392
VPN(C) = 15000(P/A,20 % ,10) - 25000 = 37886
VPN(D) = 16000(P/A ,20%, 8) - 30000 = 31393.6
( 1 + i )" - I
Donde el factor: (P I A, i . n ) = - , permite calcular el valor presente neto de
i( 1+ i )"
una anualidad A para n períodos con una tasa de interés periódica i.
Los cuatro proyectos son Factibles , por cuanto el VPN de cada uno de ellos no
sobrepasa la inversión propuesta .
Con base en los índices calculados los proyectos deben ordenarse en la siguiente
forma :
86
INVEST IC; ,\C ION DE OI'E R!\C IONES I',\ I{ ,\ INl;EN IERI ,\S y ,\ D ~ II N I ST R i\C I ON D E EMPR ESAS
CUADRO 14 . Ordenación de proyectos
Proyecto j Inversión Ij Valor Presente VPN

(Millones SUS) Neto VPNj fJ = - -'
, I
,
e 1 25000 37886 1.5 154
B 2 20000 24392 1.2 196
D 3 30000 3 1393 .6 1.0465
A 4 50000 422 10 0.8442
Al través de las tab las siguien tes se usará la técnica (Al gori tmo) descrita en el
ejemplo anterior.
CUADRO 15. Nodo (1)
1 25000 37886
2 20000 24392
3 30000 3 1393.6
4 50000 422 10
Totales 125000 13588 1.6 Solución no
Exceso -25000 -2 11 05=-25000xO.8442 Factible
100000 114776.6
CUADRO 16. Nodo (1 *)
2 20000 24392
3 30000 3 1393 .6
4 50000 422 10
Totales 100000 97995.6 Solución Factible
Analizando la Figura 2, entre los nodos (1) y (1*) , se debe ramificar a (1) y anal izar
(1 ,2) Y (1 ,2*).
87
LU IS I\ Ll lERTO RINCON i\BR IL
CUADRO 17. Nodo (1 ,2)
25000 37886
2 20000 24392
3 30000 3 1393 .6
4 50000 422 10
T otales 125000 13588 1.6 Solución no
Exceso -25000 -21 105=-25000xO .8442 Factible
100000 11 4776.6
Factible
Imposible
Figura 8. Diagrama de solución para el problema.
88
INVEST IG /\CION DE OPERAC IONES P,\Ri\ INGEN IER I AS y i\D~ II N I S T RAC I ON DE E~ I P R ESAS
CUADRO 18. Nodo (1,2*)
1 25000 37886
3 30000 31393.6
4 50000 42210
Totales 105000 111489.6 Solución no
Exceso -5000 -4221 =-5000xO. 8442 Factible
100000 107268.6
Se debe ramificar el nodo (1 ,2) en (1 ,2,3) Y (1 ,2 ,3")
CUADRO 19. Nodo (1,2,3)
1 25000 37886
2 20000 24392
3 30000 31393 .6
4 50000 42210
Totales 125000 135881.6 Solución no
Exceso -25000 -21105=-25000xO.8442 Factible
100000 114776.6
CUADRO 20. Nodo (1,2,3*)
J VPN ¡ Observaciones
1 25000 37886
2 20000 24392
4 50000 42210
Totales 95000 104488 Solución Factible
Del análisis de la Figura 8, con base en los valores para la función objetiva , es
claro que se debe ramificar el nodo (1 ,2,3) Y proceder a analizar los nodos :
(1 ,2,3,4) Y (1 ,2, 3,4*) .
89
LU IS ,\LBERT O RINCON ,\ BRIL
CUADRO 21. Nodo (1,2,3,4)
J VPN ¡ Observaciones
1 25000 37886
2 20000 24392
3 30000 31393.6
4 50000 42210
Totales 125000 136881 .6 Solución imposible
Este nodo es imposible porque exige tener en cuenta las 4 alternativas , obligando
a sobrepasar la disponibilidad .
CUADRO 22. Nodo (1 ,2,3,4*)
J VPN, Observaciones
1 25000 37886
2 20000 24392
3 30000 31393 .6
Total es 75000 93671 .6 Solución Factible
De las 3 soluciones factibles , Cuadros 16, 20 Y 22 , (mirar Figura 8) , la óptima

corre sponde al nodo (1 ,2,3*) del Cuadro 20 , que establece realizar las inversiones
1,2,4 que corresponde con los proyectos C, B, A, esto es:
Invertir:
25 millones de pesos en el Proyecto C

20 millones de pesos en el Proyecto B
50 millones de pesos en el Proyecto A
Lo que genera un Max(VPNT) = 104488 millones de dólares .
90
IN\ I S'II (;'\C ION 1)1. 0 1' 11< \C IONES P,\ R,\ ING L N IERI ¡\S y ,\D~ II N I S 'I R,\C ION DE H IPRES ,\S
3.3 EJERCICIOS Y PROBLEMAS PROPUESTOS.
1, Program ación Entera.
1.1. Use la herramienta Solver de Ex cel para resolver el problema 2.2 de los
camiones con espacio refrigerado y no refrigerado de la sección 2.9.
1.2. Una empresa de investigación en Relaciones Industriales debe desarrollar para el

próximo semestre al menos 35 proyectos A (sobre capacitación de personal) y 36
proyectos B (sobre seguridad industrial). La experiencia muestra que un
profesional en Administración puede desarrollar en el semestre 7 proyectos A y 9
proyectos B mientras que un Tecnólogo en Administración puede desarrollar en el
semestre 5 proyectos A y 4 proyectos B. Cada Tecnólogo devenga un salario
men sual de $1800000 y cada profesional 3100000 .
1,2,1. Escriba el modelo matemático correspondiente ,
1.2.2. Cuántos tecnólogos y profesionales debe dedicar al trabajo del próximo

semestre .
1,3. (Tomado de Taha, Investigación de Operaciones, Editorial Alfaomega. 1991).

Considere el problema de carga o problema de la mochila . Suponga que se van
a cargar cinco tipos de artículos en un barco. El peso W¡, el volumen Vj y el
rendimiento R¡ por unidad de los diferentes artículo son los siguientes:
Artículo j 1 2 3 4 5
PesoW 5 8 3 2 7
Volumen VI 1 8 6 5 4
Inqreso R 4 7 6 5 4
El pe so y el volumen máximo que se puede cargar están dados por 112 y 109
unidades,
1.3.1. Escriba el modelo matemático correspondiente.
1.3.2. Determine la carga que produce el mayor ingreso.
91
L UIS A LB ERTO RI NCON A J3RIL
1.4. La tabla siguiente muestra que las máquinas 1 y 2 pueden fabricar los artículos A
y B mientras que la máquina 3 únicamente produce el artículo A. La empresa
dispone de una semana para cumplir un pedido de 2000 unidades del artículo A y
1800 unidades del artículo B. Si los precios de venta son 2000 $/ unidad para A y
1500 $/unidad para B.
Costo en $/unidad
Máquina Artículo Artículo Capacidad de
A B producción semanal
1 1000 800 900 artículo A ó
900 artículo B
2 600 600 800 artículo A ó
1200 artículo B
3 700 2000 artículo A

1.4.2. Determine el plan de producción.
2. Programación Binaria.
2.1. Use la herramienta Solver de Excel para resolver el problema de los cuatro
proyectos independientes del Cuadro 13 resuelto en este capítulo.
2.2. Una compañía debe adquirir al menos 500 Ton de materia prima, tiene las
siguientes ofertas:
Proveedor A B C D E
Cantidad (Ton) 150 200 180 240 300
Costo total (Dólares) 15000 18000 18000 21000 27000
El costo total incluye transporte, seguros y la materia prima. No se pueden adquirir

cantidades parciales. Si se requiere satisfacer las necesidades a costo mínimo:
2.2.2. Cómo deben ser las compras?
92
2.3. CO IC, Contratistas de obras de Ingeniería Civil , tiene la posibilidad de contratar
o no cada uno de los seis proyectos para los cuales se muestra en la tabla
siguiente, los ingresos derivados y los costos globales, los cuales no se pueden
transferir de un rubro a otro. La empresa hará los contratos que le signifiquen el
mayor Ingreso neto total.
2.3.2. Determine el plan de contratros.
Costo de (Miles de SUS) Ingreso

Proyecto Alquiler de Mano de Maleriales Otros Total
Maquinaria obra (Miles $ US)
1 100 60 200 20 480
2 60 40 100 10 290
3 40 40 100 10 280
4 120 70 180 20 480
5 20 10 30 8 120
6 60 20 100 15 300
Disponibilidad 310 180 520 70
(Miles de $ US)
93
4. EL PROBLEMA DEL TRANSPORTE .
Una vez Dantzig formula el método Simplex, el problema del transporte se

consolida como una de las primeras y más provechosas aplicaciones de la
Programación Lineal. Pero antes de que se llegara a formular el concepto de
Programación Lineal , fue establecido, formulado y resuelto originalmente por
Hitchcock y posteriormente analizado en detalle por Koopmans . La formulación de
su modelo de Programación Lineal y el método sistemático asociado de solución ,
fueron producidos inicialmente por Dantzig.
Tiene que ver con encontrar un plan de costo mínimo para transportar una
mercancía desde varios orígenes hasta varios destinos. Este modelo se puede
extender para resolver numerosas aplicaciones que no se relacionan con el
transporte dentro de los problemas de control de inventarios, flujo de efectivo,
asignación de recursos.
La técnica de cálculo , llamada Algoritmo del Transporte , es una adaptación del

método Simplex aplicada al caso o estructura particular del modelo de
Programación Lineal asociado. Aunque el modelo de este problema se puede
resolver mediante el método Simplex , su estructura especial hace posible el uso de
un procedimiento especial o Algoritmo del Transporte , cuya característica más
notable es que mientras los problemas de Programación Lineal requieren unos
cálculos que exigen con frecuencia el uso de un computador, el problema del
transporte solo "necesita de papel y lápiz para su solución".
94
INV rS I IG i\CION DE OPERAC IONES P,\Ri\ INGEN IERI ¡\S y i\D~ II N I ST R I \ C I ON 1)1: U IP RES ,\S
4.1 DEFINICiÓN DEL PROBLEMA DEL TRANSPORTE.
La figura 9 muestra que el problema consiste en calcular el número de unidades X¡j
que deben enviarse desde cada origen i-ésimo hasta cada destino j-ésimo , si el
costo unitario de transporte entre éstos es c¡j y cada destino demanda b j unidades
mientras que cada origen dispone a¡ unidades .
Orígenes Destinos
X 11 , C 11
Figura 9. Representación gráfica del problema del transporte.
4.2 MODELO DEL PROBLEMA DEL TRANSPORTE.
4.2.1 El Problema de decisión.
Calcular el número de unidades que se deben enviar desde cada uno de los
orígenes hasta cada uno de los destinos, atendiendo la demanda de los destinos y
las ofertas de los orígenes para minimizar el costo total de transporte.
95
1 1 ' 1\ \1 ¡;I.I~ 1() 1< 1r>:( '()'\J ,\1l1< 11.
4.2.2 Variables de decisión.
X ij : Cantidad que será enviada desde el origen i-ésimo (i=1 , .... ,m) hasta el destino
j-ésimo (j=1 , .... ,n).
4.2.3 Func ión Objetiva.
Expresión matemática que calcula el costo total de transportar las X ij por cada una
de las rutas i ~j . Se supone que C ij es el costo de transportar una unidad desde el
origen i hasta el destino j,
11 111
M in (C) = IIci¡ Xi¡

j= l i= l
4.2.4 Restricciones.
Las unidades despachadas desde cada origen i-ésimo ~ a¡
X l1 + X 12 + X 13 + ...... + X 1n ::::: a 1
X21 + X22 + X23 + ...... + X2n ::::: a2
11
Esto es: IX
¡=l
'1 ::; (/ i para i= 1,2, .... ,m
96
IN\ I S II( ;,\CION 111e OI'FRACION I .S 1' ,\1, /\ I N(~ le N II : RI ,\S y i\1)~ II N I STR¡\CION DI: E~ IPRE S¡\S
Las unidades despachadas hasta cada destino j-ésimo ~ bj
111
" X /1 ? b1 para J-
Est o es.. L.. '- 1 ,2 ,.... ,n
,~I
4.2.5 Modelo de Programación Lineal.
11 111
Mill(C) = ¿ ¿ c¡¡ X ¡i
i=1 i=1
11
Sujeto a: ¿ X ii ::;
) =1
O¡ para i=1 ,2,.... ,m
111
¿X I} ?b ¡ paraj=1,2 ,.... ,n
;= 1
Xij 2 O para todo i,j
4.2.6 Particularidad.
Aunque para satisfacer totalmente la demanda debe tenerse :La; ~ :Lb j , el algoritmo
de solución parte de un modelo expresado de tal manera que todas las
restricciones generadas por la oferta y la demanda resulten igualdades. Por lo
tanto:
97
LU IS ,\I.13ERT O RINCON .\13 RI I.
D Si I a¡ > I b¡ se introduce un destino artificial que demande b n+1= I a ¡ - I b¡.

D Si I a¡ < I b¡ se introduce un origen artificial que ofrezca a m+1 = I b¡ - I a ¡.
En ambos casos se puede asignar coeficientes de costos iguales a cero y el

problema se reduce a:
11 111
Min(C) = ¿ ¿ Ci¡ X i¡
¡=I i= 1
1/
¿ X i/ =Oi
Sujeto a: j= 1
111
L X ;i =b j
;= 1
XIJ" -> O
4.3 MÉTODO DE SOLUCiÓN DEL PROBLEMA DEL TRANSPORTE.
4.3.1 Tablero para el Algoritmo de solución.
DESTINOS
ORIGEN ES 1 2 3 n Oferta
1 ~ ~ ~ L L ~ a1
X11 X 12 X13 X1n
2 ~ ~ ~ L L ~ a2
X21 X22 X23 X2n
3 ~ ~ ~ L L .~
a3
X 31 X 32 X 33 X3n
L L L L L L
M ~ ~ ~ L L .~
am
Xm1 Xm2 Xm3 Xmn
Dema nd a b1 b2 b3 bn
98
IN\ ' I: ST lló¡\C ION DI. O PLR ,\C IONr.S P,\ Ri\ INGEN I ICRI ,\S y ,\D~ II N I STR¡\ Cl ON DE E ~ I PR ES¡\S
4.3.2 Solución inicial.
Existen varios métodos para obtener una prime ra solució n básica factible , pero
entre ellos se destacan: Método de la Esquina Noroeste, Método sucesivo del
menor costo un itario y Método de aproximación de Vogel.
4.3.3 Método de la Esquina Noroeste.
Se inicia en la esq uina Noroeste , esto es , co n la variable X 11 asignándole el

mayor valor posib le. Sucesivamente se desp laza hacia el Este (derecha) o Sur
(abajo) hasta llega r a la esq uina Sureste asig nando todo el flujo posible.
Significa lo anterior que la primera asignación se rá: X 11 = Menor(a1 , b 1)
4.3.4 Método sucesivo del menor costo unitario.
Se inicia con el Menor(ci¡ ), esto es , a la correspond ien te variable Xii se le asig na el

mayor valor posible. Su cesivamente se procede de esta manera hasta asig nar todo
el flujo po sible .
Significa lo anterior que la primera asignación será: Xii = Menor(a i , b¡) para el
Menor( Ci¡ ).
4.3.5 Método de aproximación de Vogel.
Es un procedimien to heurístico que suele producir una primera solución mejor que
los dos anteriore s; pues con frecuencia ésta resul ta una so lución óptima o cercana
a la óptim a. Los pasos del procedimien to son los siguien tes:
99
I 1I 1S 1\ 1 B I RTO RINCON AB RI L
(a) Paso 1. Se calcula una penalización para cada fila (y columna) restando el
menor elemento de costo de la fila (columna) del elemento de costo menor
siguiente en la misma fila (columna).
(b) Paso 2 . Se identifica la fila o columna con la mayor penalización , los empates
se rompen arbitrariamente. Se asigna el mayor va lor posible en la fila o
columna seleccionada con el costo uni tario más bajo de la misma .
Sucesivamente se procede de esta manera hasta asignar todo el flujo posible.
Ejemplo. Tres centros de producción (orígenes) de una misma empresa , ubicados

en sitios diferentes , abastecen cuatro distribuidores (destinos) . La tabla siguiente
muestra los costos unitarios de transporte desde los productores a los
distribuidores , las cantidades ofrecidas por los productores y las demandadas por
los distribuidores. Presente una solución inicial para realizar los envíos , si la
empresa desea optimizar los costos totales del transporte.
DESTINOS
ORIGEN ES 1 2 3 4 Ofe rt a
1 ~ L--º- ~ ~ 300
Xl l X12 X13 X14
2 ~ ~ lJJL ~ 500
X2l X22 X23 X24
3 L--º- ~ LR ~ 100
X31 X32 X33 X34
Demanda 100 300 300 200
Solución inicial por la Esquina Noroeste.
Primera asignación: X ll = Menor(al , b l ) = Menor(300,1 00)= 100

Segunda asignación: X 12 = Menor(200 ,300)=200
Tercera asignación: X22 = Menor(500 ,100)=1 00
Cuarta asignación: X23 = Menor(400 ,300)=300
100
INVESTIGAC ION DE OPERACIONES PAR I\ I NGEN I ER I AS y ADM IN ISTR AC ION DE EMPRESAS
Quinta asign ación : X24 = Menor(1 00 ,200)=1 00

Sexta asign aci ón : X33 = Menor(100 ,100)=100
Ahora el flujo de unidades se ha completado tal como lo muestra la tabla siguiente .
DESTINOS
ORIGENES 1 2 3 4 Oferta
1 ~ ~ ~ ~ 300
100 200
2 ~ ~ U-ª--- ~ 500
100 300 100
3 ~ ~ ~ ~ 100
100
Demanda 100 300 300 200
Costo = 20x1 00 + Ox200 + 14x1 00 + 18x300 +40x1 00 + 36x1 00 = 16400
Solución inicial por el menor costo unitario.
El costo menor se tiene para C1 2 = C31 = O, luego:

Primera asignación : X 12 = Menor(a1 , b 2) = Menor(300 ,300)=300
Segunda asignación : X31 = Menor(1 00 , 100)=1 00
El costo menor siguiente es C22 = 14, pero no hay un idades para asignar a X 22 ·
El costo menor siguiente es C23 = 18, luego:
Tercera asignación será : X 23 = Menor(500 ,300)=300
Para los costos menores siguientes C11 = 20 , C32 = 28 , C33 = 32 , C34 = 36 , no hay
unidades para asignar a X 11 , X32 , X33 , X34 .
Cuarta asignación será: X24 = Menor(200 ,200)=200
Ahora el flujo de unidades se ha completado tal como lo muestra la tabla siguiente .
lOJ
L U IS ALBERT O RINCON ABR IL
DESTINOS
ORIGEN ES 1 2 3 4 Oferta
1 ~ l-º--- ~ ~ 300
300
2 ~ ~ Ll-ª---- ~ 500
300 200
3 ~ ~ ~ 100
100 l-º---
Demanda 100 300 300 200
Costo = Ox300 + 18x300 +40x200 + Ox 100 = 13400
4.4 ALGORITMO DEL PROBLEMA DEL TRANSPORTE.
4.4.1 Método de los Multiplicadores.
Basado directamente en el método Simplex mediante el uso de la relación

existente entre el problema Dual y Primal del modelo de Programación Lineal.
4.4.2 Método de "salto de piedras".
Es equivalente al anterior, pero se basa indirectamente en el método Simplex

haciendo uso de un procedimiento heurístico que da la sensación de que no se
aplica una técnica de Programación Lineal. Los pasos del procedimiento son los
siguientes :
(a) Paso 1. Se ubica en la tabla el mayor elemento de costo al que se están

transportando unidades , por ejemplo c pq . Entre los costos unitarios de la fila p y
102
INVES1 IGAC IO N DE OPER AC IONES PA RA ING EN I ER I,\ S y A D ~ I I N I S TR AC I O DE EMPR ES ,\ S
columna q se selecciona el menor, por ejemplo c pr . Significa que se intentarán

ubicar un idades del flujo pq al flujo pr o
(b) Paso 2. Como el elemento de menor costo está en la misma fila p, entonces en
la columna r, se busca un valor X kr > O con costo Ckr .
(e) Paso 3. Se identifica el costo Ckq, que cierra un ciclo tal como lo muestra la
figura 10, para compensar las unidades cambiadas del flujo pq al flujo pr ,
trasladando del flujo kr al flujo kq .
(d) Paso 3. Si ~ C= - C pq + C pr - Ckr + Ckq < O, entonces cambiar el mayor

número de unidades posibles según el flujo de la figura 10.
Este procedimiento se repite sucesivamente hasta que para el paso 1, no sea

posible ubicar un costo menor por fila o columna.
Fi gura 10. Gráfica para el cambio de flujo en el tablero de transporte.
Ejemplo. Para el caso de los tres centros de producción (orígenes) y los cuatro
distribuidores (destinos) tratado en la sección anterior, pártase de la solución inicial
encontrada por la esquina Noroeste y obténgase la solución óptima.
103
LU IS c\LBERTO RINCON f\BR I L
Solución inicial por la Esquina Noroeste.
DESTINOS
1 L~ ~ ~ 300
100 2 OO L--º----
2 ~ ~ ~ ~ 500
100 300 100
3 L--º---- ~ ~ ~ 100
100
Demanda 100 300 300 200
Costo = 20x1 00 + Ox200 + 14x1 00 + 18x300 +40x1 00 + 36x1 00 = 16400
(1,2) (1,4)
- (2,2) (2,4)
~c= - 40 + 14 - O + 22 =- 4
Figura 11. Cambio de flujo de unidades del tablero inicial.
La figura No . 11 muestra que el costo se disminuye en 4 unidades de dinero por

cada elemento que se cambie desde la ruta 2,4 a la ruta 2,2 y se compense
cambiando de la ruta 1,2 a la ruta 1,4. El análisis de estas rutas en el tablero
anterior presenta la posibilidad de mover 100 unidades de la ruta 2,4 a la ruta 2,2 y
compensar cambiando 100 unidades de la ruta 1,2 a la ruta 1,4. La nueva solución
aparece en el tablero siguiente .
104
INVESTIG /\C ION DE OPERAC IO ES PARA I NGEN IER I AS y AD~ II N I STRAClON DE EMPRESAS
Segundo tablero
DESTINOS
1
100
l?iL
100 ~ ~
100
~ 300
2 ~ ~ ~ ~ 500
200 300
3 ~ l1.ª-- LR ~ 100
100
Demanda 100 300 300 200
Costo = 20x1 00 + Ox1 00 + 22x1 00 + 14x200 + 18x300 + 36x1 00 = 16000
(1,1) (1,4)
(3,1) (3,4)
~c= - 36 + O - 20 + 22 = - 34
Figura 12. Cambio de flujo de unidades del segundo tablero.
La figura No. 12 muestra que el costo se disminuye en 34 unidades de dinero por

cada elemento que se cambie desde la ruta 3,4 a la ruta 3,1 Y se compense
cambiando de la ruta 1,1 a la ruta 1,4. El análisis de estas rutas en el tablero
anterior presenta la posibil idad de mover 100 unidades de la ruta 3,4 a la ruta 3,1 Y
compensar cambiando 100 unidades de la ruta 1,1 a la ruta 1,4. La nueva solución
aparece en el tablero siguiente.
105
L UIS A I. BE RTO RINCON AB RIL
Tercer tablero
DESTINOS
ORIGEN ES 1 2 3 4 Oferta
~
1
100 ~ ~
200
~ 300
2 ~ ~ l.!-ª-- ~ 500
200 300
3
100 ~ ~ LR ~ 100
Demanda 100 300 300 200
Costo = Ox1 00 + 22x200 + 14x200 + 18x300 + Ox1 00 = 12600

El análisis sucesivo para los ciclos de los posibles cambios de flujo que
co rrespond en con los costos unitarios C1 4 = 22 , C23 = 18 Y C 22 = 14, conducen a la
conclusi ón que no se pueden disminuir los costos , por lo tanto el tablero anterior
presenta la solución de menor costo total.
SOLUCiÓN ÓPTIMA:
X 12 =100. Enviar 100 unidades desde el origen 1 al destino 2.

X 14 = 200. Enviar 200 unidades desde el origen 1 al destino 4.
X22 = 200. Enviar 200 unidades desde el origen 2 al destino 2.
X23 =300. Enviar 300 unidades desde el origen 2 al destino 3.
X31 =100. Enviar 100 unidades desde el origen 3 al destino 1.
X 11 = X 13 = X 21 = X24 = X32 = X 33 = X34 =0
Mín(C) =12600
l . Un intermedia rio del mercadeo agropecuari o tie ne soli citu des (demanda) de 4 centros de
acopio por las ca ntidades de un determin ado producto qu e se muestran en la tabla. El
106
INVEST IG ,\C IO N DE OPERAC IONES PA RA INGEN I ERI AS y AD~ II N I ST R AC I ON DE E~ I P R ESAS
intermediario puede conseguir este producto en 2 regiones diferentes y en las

cantidades ofrecidas por los producto res. La tab la muestra , además de las cantidades
ofrecidas y demandadas, el costo en miles de pesos de transportar una tonelada entre
cada lugar de producción y cada cent ro de acopio. Si el intermediario considera la
posibilidad de realizar todo el transporte requerido al menor costo posible, cómo debe
hacerlo?
Región Centros de acopio

Productora 1 2 3 4 Oferta
1 16 20 20 18 2400
2 20 18 26 28 3600
Demanda 1500 1500 1500 1000 (Toneladas)
2. Tres refinerías con capacidades diarias máximas de 6, 8 Y 10 millones de galones de

gasolina reparten a cuatro áreas de distribución con demandas diarias de 4, 5, 8 Y 7
millones de galones de combustible. El transporte se hace al través de una red de
tuberías. El costo del transporte se calcula con base en la longitud de la tubería
aproximadamente a $2 por 100 galones po r kilometro recorrido. La tabla sigu iente
muestra las distancias entre las refinerías y las áreas de distribución. La refinería 3 no
está conectada con el área 1. Si se considera la posibilidad de realizar todo el transporte
requerido al menor casio posible , cómo debe hacerse?
Area de distribución
Refinería 1 2 3 4
1 120 180 200 180
2 200 300 100 150
3 150 250 100
3. Considere el problema de asignar cuatro categorías diferentes de máquinas y cinco tipos

de tareas de tal manera que las utilidades totales re sulten óptimas. La tabla siguiente
muestra las utilidades unitarias en miles de pesos, el número de máquinas disponibles,
el número de trabajos en los tipos de tareas . La categor ía de máquina 4 no se puede
asignar al tipo de tarea 4.
107
LUIS I\Ll3ERTO RINCON ABR IL
Categoría Tipo de tarea Número de

de máquina 1 2 3 4 5 Máquinas disponibles
1 20 8 12 30 18 25
2 15 20 30 8 12 30
3 30 15 28 14 30 20
4 40 30 26 16 30
Número de 20 20 30 10 25
trabajos
108
5. EL PROBLEMA DE ASIGNACiÓN
El problema de asignación puede considerarse un caso especial de aplicación de

la programación lineal en el que los elementos asignados son recursos
destinados a la realización de actividades. Por ejemplo, los elementos asignados
pueden ser nuevos empleados contratados por la compañía . La asignación de
personas a tareas es una de las aplicaciones más frecuentes del problema de
asignación. Igualmente, los elementos asignados pueden ser máquinas, vehículos,
plantas o lapsos de tiempo.
5.1 MODELO DEL PROBLEMA DE ASIGNACiÓN.
5.1.1 Problema de decisión.
Determinar cómo asignar cada uno de los elementos (asignados i =1 ,2 ,3, ........ ,n) a
cada una de las actividades (localidades j =1 ,2,3, ..... ,n), de tal manera que a cada
localidad le corresponda uno y un solo asignado si para cada actividad existe un
coeficiente de efectividad y se debe optimizar la efectividad total.
Los problemas de asignación se ajustan a la siguiente estructura:
~ El número de elementos asignados es igual al número de actividades .

~ Cada elemento se asigna exactamente a una sola actividad.
~ Cada actividad debe ser realizada por un solo elemento asignado.
109
L U IS ALBERTO RINCON ABRIL
~ Se dispone de coeficientes C ij , que miden la efectividad de asignar el elemento i

= 1,2,... ,n a la actividad j = 1,2, ...,n.
Cualquier problema que satisface todas estas suposiciones se puede resolver en

forma extremadamente eficiente mediante los algoritmos diseñados especialmente
para los problemas de asignación. Las primeras tres suposiciones son muy
restrictivas. Muchos problemas no las cumplen por completo. Sin embargo , con
frecuencia es posible reformular la aplicación para hacerlo . Se pueden usar
elementos asignados o actividades ficticias.
5.1.2 Var iables de decis ión .
El modelo matemático para el problema de asignación utiliza las siguientes

variables de decisión :
1. si ({sig ila i ({ lo loca lidac! j } . .

X ={ para I = 1, 2, . . . , n Y J = 1, 2, ... , n.
'1 O. 11 0 ({ sigila i a la localidad j
Entonces , cada X ij es una variable binaria (toma valores O ó 1) Y el problema de

asignación , es un caso particular de programación entera cero-uno .
5.1. 3 Función Objetiva.
Corresponde a la función que calcula la efectividad total. Debe disponerse del

coeficiente Cij , que mide la efectividad de asignar el elemento i a la localidad j .
Entonces:
110
INVEST IGAC ION DE O PER /\C IONES PARA I NGEN I ER I AS y i\DM IN IST RAC ION DE EM PR ESAS
JI 11
Op t (Z) = ¿ ¿ Cij X i¡
j=1 i=1
Las asignac iones para cada elemento = 1

X 11 + X 12 + X 13 + ...... + X 1n 1
X21 + X22 + X23 + .... .. + X2n 1
1/
Esto es: ¿ X ij = J
j= 1
para i=1,2,.... ,n
Las asig naciones en cada localidad = 1

X 11 + X2 1+ X31 + ... ... + X n1 1
X 12 + X22 + X32 + .... .. + X n2 = 1
X 1n + X2n + X3n + .... .. + X nn = 1

11
Esto es: I X = 1 pa ra j= 1,2,.... ,n

i=1
Íj
5.1.5 Modelo de Programación Lineal.
1/ 1/
Op /(Z) = ¿ ¿ cij X ij
j=1 i=1
111
LU IS I\ L BERTO RINCON ABRI L
1/
Sujeto a: L X li =]
j=1
para i=1 ,2,.... ,n
11
L Xi¡ =1
;= 1
para j= 1,2, .... ,n
1, si asig /l o i o lo loco lidod j } ..

X - para todo I,J
'1 { 0, /l O {/sig /lo i a lo loca lidod j
El primer conjunto de restricciones precisa que cada asignado realiza exactamente

una asignación , mientras que el segundo conjunto muestra que se requiere que
cada asignación sea rea lizada por un asignado.
5.2 MÉTODO DE SOLUCiÓN DEL PROBLEMA DE ASIGNACiÓN .
Al comparar este modelo con el problema del transporte , se observa que sus
estructuras son similares. De hecho, el problema de asignación es sólo un caso
especial de los problemas de transporte en donde los orígenes son los
asignados y los destinos son las asignac iones, tareas o localidades , que
cumple :
~ Número de orígenes (m) = número de destinos (n) ,

~ Cada oferta a¡ = 1
~ Cada demanda b¡ = 1.
Así que para la solución de este problema se puede recurrir a la Programación

Entera Cero Uno (PECU) o al Algoritmo del Transporte bajo condiciones
especiales, aunque se han desarrollado algoritmos especiales que simplifican el
procedimiento para la solución exclusiva de los problemas de asignación . Estos
algoritmos operan directamente sobre la tabla de coeficientes de efectividad y no
se preocupan por las variables básicas.
112
INVESTIGAC ION DE OPE RAC IONES P¡\ RA I NGEN IERI AS y AD~ II N I S TR AC I ()N DE E~ IPR ESAS
Si se recurre a la Programación Entera , debe escribirse el modelo matemático y

luego procederse mediante el método de bifurcación y acotación o la aplicación
SOLVER de Microsoft Excel.
Si se recurre al Algoritmo del Transporte, debe partirse del tablero de coeficientes

de efectividad y restricciones , en donde cada una de éstas será ai = 1 o bj = 1;
enseguida encontrar una solución inicial por esquina noroeste o costos menores
sucesivos y posteriormente usar el método de "salto de piedras" para llegar a la
solución óptima . En este caso los valores que se asignan a cada Xij tienen que
ser binarios .
Tablero para el Algoritmo de solución.
Localidades
Asignados 1 2 3 n
1 ls.L ~ lsL L L ~ 1
X11 X 12 X13 X1n
2 ~ ~ ~ L L ~ 1
X21 Xn X23 X2n
3 ~ L52R ~ L L ~ 1
X31 X32 X33 X 3n
L L L L L L
N ~ ~ Ls& L L ~ 1
Xn1 Xn2 X n3 Xnn
1 1 1 1
El siguiente ejemplo se refiere a máquinas que se asignan , de manera que la tarea

en este caso es disponer una máquina.
Ejemplo de asignación de máquinas a trabajos. Un tal ler ha contratado la

producción de cuatro piezas y entre sus tornos dispone cuatro con capacidad para
la producción de las mismas. La tabla siguiente muestra los tiempos de
elaboración en horas para cada una de las piezas en cada una de las máquinas.
Cómo deben asignarse las máquinas al trabajo para lograrlo en el menor tiempo
posible?
113
L UIS ,\ Lll mTO RI NCON ABR IL
Piezas
Torno P1 P2 P3 P4
T1 26 32 24 18
T2 34 20 34 40
T3 20 14 22 12
T4 18 16 24 14
Solución. Utilizando el método de los menores costos sucesivos se obtiene la

solución inicial siguiente:
P1 P2 P3 P4
T1 ~ LR ~ U-ª-- 1
1
T2 ~ ~ ~ ~ 1
1
T3 ~ ~ ~ ~ 1
1
T4 U-ª-- l!-ª- ~ ~ 1
1
1 1 1 1
Tiempo total de operación de los Tornos: T =24+34+ 12+ 16 = 86 Horas x Máq
Aplicando el método de "salto de piedras" para el coeficiente de efectividad más

alto (T2,P1) , se obtiene la siguiente tabla:
P1 P2 P3 P4
T1 ~ LR ~ U-ª-- 1
1
T2 ~ ~ ~ ~ 1
1
T3 ~ L!±- lR ~ 1
1
T4 L1-ª-- ~ ~ ~ 1
1
1 1 1 1
IJ4
IN\ ' ES'II(;,\C ION DE OPER ,\C IONES P,\R ,\ INGE IER I,\S y AD~ II N I STRAC I O DE E~ I PRES ,\S
Tiempo total de operación de los Tornos : T =24+20+ 12+ 18 = 74 Horas x Máq
El análisis de la tabla anterior, mediante el mismo método, muestra que la anterior

es la solución óptima; esto es:
Asignar T1 a la actividad de producir la pieza P3.

Asignar T2 a la actividad de producir la pieza P2 .
Asignar T3 a la actividad de producir la pieza P4.
Asignar T4 a la actividad de producir la pieza P1 .
Mín(T) = 74 Horas x Máq.
Se acostumbra resolver este tipo de problemas mediante un Algoritmo especial

que usa la metodología del ejemplo anterior, únicamente considerando la tabla de
costos , tal como se observa a continuación.
Piezas
Torno P1 P4
P2 A
T1 26 32 \,24} 18
T2 ( 34) 20 34 4Q
T3 ~ A 22 (12
T4 18 \. 16) 24 14
Piezas
Torno P1 P2 A P4
T1 26 Jg \,24} 18
T2 34 ( 20) 34 4Q.
T3 20 14 22 (12
T4
--
( 18) 16 24 14
liS
LU IS A LBERTO RINCON ABR IL
Ejemplo de asignación de personas a tareas. Una compañía ha contratado

cuatro nuevos gerentes de marcas para el mercadeo de sus cuatro nuevos
productos. La empresa realizó para estas personas un curso de capacitación y los
sometió a una prueba de rendimiento; los resultados obtenidos, en una escala de O
a 100, se muestran en la siguiente tabla. Si la Presidencia de la Compañía desea
realizar la asignación de los cuatro nuevos ejecutivos sobre la base de la mayor
evaluación promedia , cómo debe hacerlo?
Nuevo Producto
Ejecutivo P1 P2 P3 P4
E1 90 60 80 50
E2 90 50 60 50
E3 70 70 50 60
E4 60 70 80 80
Solución por Algoritmo reducido . En la tabla siguiente se muestra la solución inicial,

indicando con el símbolo Ellas evaluaciones escogidas o personas asignadas a
cada gerencia de marca . Como el problema consiste en maximizar, se ha usado
sucesivamente , el método de los mayores coeficientes.
Nuevo Producto
E1 90 60 80 50
E2 90
" 50 60 50
E3 70 70
" 50 60 "
E4 60 70 80 80
"
De conformidad con esta solución inicial, deben hacerse las siguientes
asignaciones:
El Ejecutivo E1 a la gerencia de marca del producto P1 .

El Ejecutivo E3 a la gerencia de marca del producto P2.
11 6
I VrST ll; ¡\C ION DE OPERAC IONES P¡\Ri\ INGrN IERI ¡\S y ¡\D~ II N I ST R AC I O D E EMPRESAS
Rendimiento promedio = R = )4 (90 + 50 + 70 + 80) = 72 .5

Aplicando el método de "salto de piedras", el P4 se puede asignar a E4 y P3 a E2 ,
puesto que "" RTctal = -50 + 80 - 80 + 60 = + 1O, para obtener la siguiente solución:
Nuevo Producto
E1 90 60 80 50
E2 90 " 50 60 50
E3 70 70 50
" 60
E4 60 70 "80 80
"
Rendimiento promedio = R = )4 (90 + 60 + 70 + 80) = 75
En la tabla anterior se observa que P3 se puede asignar a E1 y P1 a E2 , puesto

que ""RTctal = -60 + 80 - 90 + 90 = + 20 , para obtener la siguiente solución:
Nuevo Producto
E1 90 60 80 50
E2 90 50 60 " 50
E3 70 " 70 50 60
E4 60 70
"80 80
"
Rendimiento promedio = R = )4 (80 + 90 + 70 + 80) = 80
El Análisis de esta tabla por el método de "salto de piedras", conduce a concluir

que ésta presenta la solución óptima , lo cual significa:

117
L U IS ALBE RTO RI NCON I\BRIL

El Ejecutivo E4 a la gerencia de marca de l producto P4.
1. Considérese el problema de asignar la producción de cuatro artículos diferentes a

cuatro máquinas. La tabla muestra el costo del proceso de producir cada pieza en cada
máquina . El artículo 1 no puede ser asignado a la máquina 3 y el artículo 3 no puede
ser asignado a la máquina 4. Obtenga la asignación óptima.
Máquina
Artículo 1 2 3 4
1 15 15 6
2 21 12 6 9
3 27 12 15
4 21 6 18 21
2. Hay que asignar cinco vendedores a cinco zonas de venta. La capacidad de venta de
cada vendedor en cada zona en una escala de O a 100, se muestra en la siguiente
tabla . Si se desea realizar la asignación de los cinco vendedores sobre la base de la
mayor capacidad promedia, cómo se debe hacer?
Zona de Ventas
Vendedor Z1 Z2 Z3 Z4 Z5
V1 80 50 60 20 70
V2 60 50 50 90 80
V3 50 60 70 70 60
V4 40 70 20 80 40
V5 70 20 70 80 80
J J8
6. MODELOS DE REDES
Uno de los problemas más frecuentes es la aplicación y análisis de redes que

surgen a partir de diferentes situaciones. Algunas de las aplicaciones más
comunes de modelos de redes están en producción , distribución, planeación de
proyectos , localización de instalaciones, administración de recursos , planeación
financiera , redes de transporte , redes eléctricas y redes de comunicaciones . Esto
es debido a que , una representación de redes proporciona un panorama general y
una ayuda conceptual para visualizar las relaciones entre las componentes de los
sistemas que se usan .
La metodología en la aplicación de los modelos de optimización de redes ha

evolucionado últimamente el desarrollo de la investigación de operaciones . La
producción de algoritmos de cálculo y las aplicaciones en el área de ciencias de la
computación sobre estructuras de datos y la manipulación eficiente de los mismos,
han generado paquetes de computadora que se están usando para resolver
problemas muy grandes que no se habrían podido manejar hace unas dos
décadas.
Muchos modelos de optimización de redes son problemas especiales de

programación lineal. El problema de transporte y el problema de asignación ,
pueden considerarse problemas de optimización de redes y se pueden resolver
con la metodología de redes. Los principales modelos de optimización de redes
son:
=> Problema de la ruta más corta .
=> Problema del árbol de mínima expansión .
=> Problema del flujo máximo.
119
LU IS A LBERTO RINCON AI3 RIL
=> Problema del flujo de costo mínimo.

=> Problema de planeación y control de proyectos con PERT ("Program Evaluation
and Review Technique" O técnica de evaluación y revisión de programas) y
CPM ("Critical Path Method" o método de la ruta crítica) .
En este capítulo se presentarán los cuatro primero modelos , el problema PERT-

CPM se trabajará en el próximo capítulo .
Ejemplo. Supóngase que una persona debe resolver el problema de viajar desde
un origen O hasta un destino final F a lo largo de una ciudad . La figura 13 muestra
las diferentes rutas de autobuses para hacerlo. En cada una de esos caminos
aparece un número que indica la longitud del mismo o el costo de escoger dicho
camino o el tiempo empleado en recorrerlo. Si la persona está restringida a viajar
de izquierda a derecha sin devolverse. La pregunta que se debe resolver es: Cuál
es la ruta más corta entre O y F? , ó en otras circunstancias , Cuál es la ruta de
costo o tiempo mínimo entre O y F?
Figura 13. Sistema de vías para el transporte en autobuses de una ciudad .
120
INVEST IGAC ION DE OPERAC IONES PA RA INGEN IERI AS y ADM IN IST R,\C ION DE EM PR ESAS
6.1 TERMINOLOGíA DE REDES.
Una red consiste en un conjunto de puntos y líneas, éstas unen a los puntos por
parejas. Los puntos se llaman nodos (o vértices). La red de la figura 13 tiene siete
nodos representados por siete círculos . Las líneas se llaman arcos (o ligaduras ,
aristas o ramas). La red de la figura 13 tiene 13 arcos que corresponden a los 13
caminos de este sistema de transporte de la ciudad. Los arcos se definen con los
nodos terminales ; por ejemplo, AB es el arco entre los nodos A y B en la figura 13.
Los arcos de una red pueden tener un flujo de algún tipo que pasa por ellos , por
ejemplo , el flujo de autobuses sobre los caminos de la ciudad. Un arco dirigido
sólo permite el flujo en una dirección. La dirección se indica mediante una cabeza
de flecha . La notación de un arco dirigido se hace con el nombre de los nodos que
une , colocando primero el nodo de donde viene y después el nodo a donde va,
esto es , un arco dirigido del nodo A al nodo B debe indicarse como AB ó A~B . Un
arco de ligadura o no dirigido permite el flujo en ambas direcciones.
Elementos que componen las redes.
NODOS ARCOS FLUJO

Cruces o Estaciones Vías o caminos Vehículos
Aeropuertos Líneas Aéreas Aviones
Conmutadores Cables o canales Datos o informes
Subestaciones Circuitos eléctricos Corriente Eléctrica
Máquinas Rutas de producción Materiales
Estaciones de bombeo Tuberías Fluidos
Una red que sólo tiene arcos dirigidos se llama red dirigida. Si todos sus arcos
son ligados , se trata de una red ligada. Si dos nodos no están unidos por un arco
a veces resulta conveniente saber si están conectados por una serie de arcos . Una
121
LU IS I\LBERTO RINCON ABR IL
trayectoria entre dos nodos es una sucesión de arcos distintos que conectan
estos nodos. Por ejemplo , la sucesión de arcos OB , BE Y EF conforman una de las
trayectorias que conectan a los nodos O y F en la figura 13. Pero otra trayectoria
es O ~ e~ E ~ F. Una trayectoria dirigida del nodo 1 al nodo j es una sucesión
de arcos con dirección hacia el nodo j, de manera que el flujo del nodo 1 al nodo j
a través de esta trayectoria es factible . Una trayectoria ligada del nodo 1 al nodo j
es una sucesión de arcos cuya dirección puede ser hacia o desde el nodo j. Un
ciclo es una trayectoria que comienza y termina en el mismo nodo. Dos nodos
están conectados si en la red existe al menos una trayectoria entre ellos. Una red
es conexa si cada par de nodos están conectados; por lo tanto, la red de la figura
13, es conexa y dejará de serlo si se suspenden los arcos A ~ B, A ~ D YA ~ F
La capacidad del arco es la cantidad máxima de flujo que puede circular en éste .
En los nodos fuentes , el flujo que sale de ellos excede el flujo que entra. En los
casos contrarios , esto es , el flujo que llega excede al que sale, se tienen nodos
demandas. En un nodo de transbordo o intermedio, el flujo que entra es igual al
que sale .
6.2 PROBLEMA DE LA RUTA MÁS CORTA.
Para el anál isis de este modelo se puede suponer una red conexa y no dirigida con
dos nodos principales llamados origen y destino. A cada uno de los arcos no
dirigidos se asocia una distancia. El objetivo del problema es encontrar la ruta más
corta o trayectoria con la mínima distancia total, que va desde el origen al destino.
El algoritmo de solución para este problema se fundamenta en el análisis de toda

la red , partiendo del origen e identificando sucesivamente la ruta más corta desde
el origen a cada uno de los nodos en orden ascendente de sus distancias. Se
obt iene la solución del probl ema al llegar al nodo de stino .
122
INVEST IGAC ION DE OPERAC IONES PARA INGEN I ER I AS y ADM IN ISTR AC ION DE EMP RESAS
6.2.1 Algoritmo de la ruta más corta.
En cada una de las k-ésimas iteraciones se debe definir para el k-ésimo nodo , la
distancia más corta desde el origen hasta el k-ésimo nodo. Si d ik define la distancia
entre los nodos i, k; entonces se puede calcular la distancia más corta desde el
origen hasta el nodo k-ésimo con la siguiente expresión:
T¡ = Me;lO r{T, + d ,¡ } , i: cada I/ odo cO l/ ectad o con eL I/ odo k
El procedimiento termina con el cálculo de T k para el nodo final.
Ejemplo. Encontrar la ruta más corta desde el origen (nodo O) hasta el final (nodo
F) a través del sistema de vías que se muestra en la figura 13. En la tabla siguiente
se encuentran los resultados obtenidos al aplicar el algoritmo anterior a este
problema .
Aplicación del algoritmo de la ruta más corta para el ejemplo.
Iteración Nodo i resue lt o Distancia Menor

o Nodo conectado al nodo T; d ;k T; + d;k distancia Ruta
K k TK
O O O O O O O O~O
1 A O O O 4 0+ 4 4 O~A
2 e O O O 8 0+8 8 O~C
3 B O O O 10 0+ 10
1 A 4 4 4+4 8 O~A~B
2 e 8 2 8+2
4 E 2 e 8 8 8+8
3 B 8 6 8+6 14 O~A~ B~E
5 D 1 A 4 14 4+14
3 B 8 8 8+8 16 O~A~ B~D
4 E 14 2 14+2 16 O~A~ B~E~D
6 F 1 A 4 16 4+ 16 20 O~A~F
4 E 14 14 14+ 14
5 D 16 10 16+ 10
123
LU IS ALBERTO RINCON AB RIL
Las dos últimas columnas de la tabla anterior, resumen la información del último
nodo resuelto ; esto es , la distancia de la ruta más corta desde el origen a este
nodo y la última rama en esta ruta más corta . Además muestra que la ruta más
corta para el sistema de vías de la figura 13 es O~A~F y mide 20 unidades.
6.2.2 Otras aplicaciones.
El problema se ha presentado en términos de minimizar la distancia de un origen a

un destino. Sin embargo , en realidad el problema de redes generalmente estudia la
ruta que conecta a dos nodos específicos que minimiza la suma de los valores de
las ligaduras sobre esa ruta. Las ramas pueden ser actividades de algún tipo y los
valores asociados pueden representar el costo de esa actividad. En este caso, el
problema es encontrar la secuencia de actividades que logra el objetivo específico
de minimizar el costo total relacionado . Otro problema se tiene cuando el valor
asociado a cada ligadura es el tiempo requerido para realizar esa actividad. En
este caso , se necesita encontrar la secuencia de actividades que logra el objetivo
de minimizar el tiempo total requerido. Así, algunas de las aplicaciones más
importantes del problema de la ruta más corta no tienen nada que ver con
distancias.
Particularmente también se puede necesitar encontrar las rutas más cortas del
origen a cada uno de los demás nodos de la red . El Algoritmo mostrado en el
ejemplo precedente , obtiene las rutas más cortas a cada nodo desde el origen.
124
INVESTIGAC ION DE OPERAC IONES PARA I NGEN IERIAS y ADMIN ISTRAC ION DE EMPRESAS
6.3 PROBLEMA DEL ÁRBOL DE EXPANSiÓN MíNIMA.
Este problema tiene algunas similitudes con el problema de la ruta más corta. De
manera general , en ambos casos se considera una red no dirigida y conexa , en la
que los datos dados incluyen medidas para cada ligadura (distancia , costo, tiempo ,
etc .). Involucran también el hecho de seleccionar un conjunto de ligaduras que
tiene la longitud total más corta entre todas las ligaduras que cumplan
determinada propiedad. En el problema de la ruta más corta , la ligadura
seleccionada debe generar una trayectoria entre el origen y el destino, mientras
que para el árbol de expansión mínima se requiere que las ligaduras seleccionadas
generen una trayectoria entre cada par de nodos, de tal manera que la suma de
todas las trayectorias sea mínima. Una red con n nodos sólo requiere n - 1
ligaduras para generar una trayectoria entre cada par de nodos. Por lo tanto, el
problema es encontrar el árbol de expansión con la longitud total mínima de sus
ligaduras .
El problema del árbol de mínima expansión se resuelve normalmente con el inicio

en cualqu ier nodo. El primer paso consiste en seleccionar la rama más corta
posible a otro nodo desde el inicio, sin preocuparse del efecto que esta elección
pueda tener en las decisiones posteriores. El segundo paso consiste en identificar
el nodo no conectado más cercano a cualquiera de los dos que se acaban de
conectar y después agregar la ligadura correspondiente a la red. Este proceso se
repite , según el resumen que se da a continuación , hasta que se hayan conectado
todos los nodos.
L25
L U ISALBERTO RI CON ABR il
6.3.1 Algoritmo para el problema del árbol de expansión mínima.
Paso 1. Se selecciona , de manera arbitraria , cualquier nodo y se conecta al nodo

más cercano distinto de éste .
Paso 2. Se identifica el nodo no conectado más cercano a un nodo conectado , y

se unen estos dos nodos. Este paso se repite hasta que se hayan conectado todos
los nodos. Los empates para el nodo no conectado más cercano , se rompen
arbitrariamente y el algoritmo aún tiende a una solución óptima. Sin embargo , los
empates indican la posibilidad de soluciones óptimas múltiples . Todas esas
soluciones, si existen , se pueden encontrar si se buscan las demás formas de
romper los empates hasta el final.
Ejemplo. La figura 14 muestra todas las posibilidades de construir una red

eléctrica entre siete municipios (nodos) de un distrito a partir de una subestación
colocada en el nodo O. Los valores asociados con los arcos son los costos en
millones de dólares para unir cada par de municipios . Determinar como debe
tenderse la red entre los municipios , de tal manera que todos queden conectados a
un costo total mínimo .
La tabla de la página siguiente muestra que el árbol de expansión de mínimo costo

total para la red eléctrica entre lo siete municipios (nodos) del distrito de la figura
14 es de 44 Millones de dólares , representado por los siguientes circuitos:
126
INVrST I(, ,\C ION DE OPER ,\CIONrS P,\RA INCEN IER Ir\S y ¡\D~ II N I STR ,\C I ON DI" E~IPRES¡\S
Figura 14. Posibilidades de construir una red eléctrica entre siete municipios.
Aplicación del algoritmo del árbol de expansión mínima para el ejemplo.
Nodos Nodo k de menor Costo Costo acumulado Costo menor

conectados
i
costo que puede ser
conectado a un nodo i
Cik Tk acumulado
Tk
O O~ 1 6 6 6
O~1 1 ~3 6 6+6 12
O~1 ~3 3~2 4 12+4 16
O~1 ~3~2 3~4 9 16+9 25
O~1 ~3~2 4~5 4 25+4 29
J,
4
O ~ 1 ~3 ~2 5~6 15 29+ 15 44
J,
4~ 5
127
LUIS ALBERTO RINCON ABR I L
En la figura 14-1 , la red eléctrica definitiva aparece con línea continua. Como en
este problema hay n =7 nodos, dispone de n - 1 =6 ligaduras y ningún ciclo para
calificar como un árbol de expansión .
......
......
......
20............ ......
......
/
12 /
/
/
/
20/
/
/
/
/
Figura 14-1. Diseño para construir una red eléctrica entre siete municipios.
El problema del árbol de expansión tiene muchas aplicaciones prácticas. Un caso

importante es la planeación de redes de transporte aéreo que se usarán poco, pero
que se requieren para proporcionar alguna trayectoria entre todos los pares de
nodos de la manera más económica. Los nodos son los aeropuertos que requieren
acceso a otros aeropuertos , las ligaduras son las rutas aéreas y las distancias
(valores de las ligaduras) son los costos de proporcionar la comunicación . En este
caso, el objetivo es determinar las vías de comunicación que darían servicio a
todas las localidades con un costo total mínimo.
128
INVEST IGAC ION DE OPERAC IONES PA RA INGEN IER IAS y ADM IN ISTRAC ION DE EM PRESAS
6.4 FLUJOS EN REDES.
Los problemas de esta clase son aplicaciones de Programación Lineal con una
característica especial, siempre tienen una solución óptima con base en números
enteros si los datos de entrada también son enteros. Esto permite el diseño de
algoritmos eficientes que pueden ser aplicados a la solución de una variedad de
problemas combinatorios. Entre estos se disponen, el algoritmo de flujo máximo, el
cálculo de flujos de costo mínimo.
6.5 PROBLEMA DEL FLUJO MÁXIMO.
Se considera la situación en la que se enlazan un nodo fuente y un nodo destino

mediante una red de arcos de un solo sentido. Cada arco tiene una capacidad
máxima de flujo admisible . El objetivo consiste en obtener la máxima cantidad
de flujo entre el nodo fuente y destino. Puede ser el caso donde un número de
ref inerías se conectan a terminales de distribución mediante una red de
oleoductos. En los oleoductos se tienen unidades de bombeo que impulsan los
productos derivados del petróleo hasta las terminales de distribución. El objetivo
consiste en maximizar el flujo entre las refinerías y las terminales de distribución
dentro de los límites de capacidad de las refinerías y los oleoductos. La figura 15
ilustra el problema del flujo máximo de la refinería . En este caso hay una fuente
conectada a todas las refinerías y un depósito que recibe flujo de todas las
terminales de distribución . Los nodos entre las refinerías y las terminales de
distribución son las estaciones de bombeo . Las capacidades de los arcos de la
fuente única representan las sal idas máximas de las refinerías. Cada oleoducto
tiene una capacidad máxima que determina el flujo máximo admisible en la línea.
En algunos casos , podrá necesitarse utilizar las demandas en las terminales como
las capacidades de los arcos al depósito.
129
LU I S ¡\ U 3ERTO RINCON ABR IL
I
I
I
I
, Fuente I
:_____ .____ J Depósito
Estaciones de
Refinerías
bombeo
, Terminales
Figura 15. Red de oleoductos.
Supóngase que cada arco (i, j) de una red dirigida tiene asociado un número no
negativo C¡j denominado la capacidad del arco, Si esta capacidad representa la
máxima cantidad de algún artículo que pueda enviarse a través del arco, la
pregunta inmediata es, Cuál es la cantidad máxima del artículo que se puede
enviar de un nodo a otro , dentro de la red?
Lo anterior obliga a considerar el problema de hallar el máximo flujo posible desde

un nodo fuente O, a un nodo depósito o terminal T. El modelo matemático de
este problema se expresa de la siguiente forma :
6.5.1 Variables de decisión.
Xii: Cantidad de flujo a través del arco (i, j).
130
INVEST I(; ,\C ION !lE O PEI,AC IONES PA RA INGEN I ERI ¡\S Y , \I)~ II N I STR ¡\CION DE EM PR ESAS
La cantidad de flujo a través de cada arco S La capacidad de flujo a través de este

arco.
o S Xii S Gii
En los nodos diferentes al fuente y terminal , la ley de conservación se cumple , esto

es , la cantidad que entra al nodo es igual a la cantidad que fluye hacia fuera , por lo
tanto:
o si i ;f. ji 11:'1/1 1:'. lel"ll/illa11

IX
1
'1 - Ix
.1
l' =
j
V si i = ji/l:'l/ll:'
_V si i = 11:'I"Il7il/ul
r
J
El término V representa el valor del flujo total. Se llama flujo posible a cualquier
conjunto de valores que satisfacen las restricciones anteriores. Es evidente que
este modelo corresponde a un problema lineal en donde el objetivo es maximizar el
valor de V sujeto a las anteriores restricciones.
El modelo matemático para la red de flujo máximo de la figura 16 es el siguiente:
Max(V) = X 12 + X 13
Sujeto a las restricciones:
X 12 + X 32 - X 24 =O
X 13 - X 32 - X 34 =O
X 12 S 4 , X 13 S 3 , X 32 S 2 , X 34 S 2 , X 24 S 4
Xii ~ O
J31
LU IS ALBERTO RINCON ABR IL
4 (4,3) 4 ,4)
(2,1)
(3,2) (2,1)
Figura 16. Solución factible para una Red de flujo máximo propuesta.
La figura 16 ilustra un flujo factible desde el nodo 1 al nodo 4 para una red . El
primer número de la pareja asociada con cada uno de los arcos es la capacidad
del arco y el segundo número es el flujo del arco.
6.5.3 Algoritmo de trayectorias de aumentos.
El modelo matemático para la figura 16, muestra que este problema es soluble por
el Método Simplex. Sin embargo , se dispone de un algoritmo basado en dos
conceptos intuitivos: red residual y trayectoria aumentada . Una vez se han
asignado flujos a los arcos de la red original , las capacidades restantes o
residuales conforman la red residual que sirve para asignar flujos adicionales.
En una trayectoria de aumento desde el nodo fuente al destino al través de la red

residual , todos los arcos tienen capacidad residual positiva. El mínimo de estas
capacidades residuales se llama capacidad residual de trayectoria de aumento,
pues proporciona la posibilidad de aumentar el flujo al través de la red .
132
IN\ I S·II (;.\(' ION DE O I'LR ;\(' IO N I.S I'.\ R/\ IN(; I 'JlERI AS y ¡\ D ~ II N I S l RA C ION D r E~ IPR ESAS
Este algoritmo , selecciona trayectorias de aumento y agrega al flujo la capacidad

residual de esa trayectoria. Este proceso se repite hasta que ya no existan
trayectorias de aumento , con lo que el flujo del nodo fuente al nodo destino ya no
puede crecer.
Ejemplo. En la figura 17 se representa una red para la que se requiere calcular el

flujo máximo que puede haber entre el nodo fuente 1 y el nodo final 7.
(40,O)
Figura 17. Red residual para el ejemplo de flujo máximo.
Cuando se inicia el Algoritmo , todas las trayectorias son de aumento , por cuanto
para cada una de ellas , todos los arcos tienen capacidad residual. Aplicando el
algoritmo para la red residual 1 ~2~6~7 , se obtiene la capacidad residual =
Menor {80 - O, 30 -O , 60 -O} = 30. Flujo que se agrega a esta trayectoria en la
figura 18.
133
L UIS ALBERTO RINCON ABR IL
~ (1 0,0)
. F~.'.~~.~r0 . . . .(~.~:~~ . . . .
'-¡l..
••...•..• ·····• ...•~50,0) ~1 0,0) ..../
(40,0)··...
. ~20 , O) . .l
•••••••••
..,/
····0. . . J.4~,0)
:\
:~•••/
... ::·.. (60,0)
Usando el algoritmo , la figura 19 considera las siguientes trayectorias adicionales.

Red residual 14 34 64 7. Flujo que se agrega = Menor {70-0 , 40-0 , 60-30} = 30 .
Red residual 14 44 54 7, Flujo que se agrega = Menor {40- 0 , 40-0 , 60-0} = 40 .
(40,30)
•·••···· ..• ,(50,0)
.................
(40 ,40)
134
INVESTIG /\C ION DE OPERAC IONES PA RA INGEN I ER I,\S y AD~ II N I S TR AC I ON DE EM PR ESAS
La figura 19 muestra que si se utiliza la trayectoria residual 1 ~2~3~5~7, se

podría aumentar el flujo en 10 unidades y posteriormente usando la trayectoria
residual 1 ~3~5~7 , se podría aumentar el flujo en otras 10 unidades. Esto
equivale a usar únicamente la trayectoria residual 1~3~5~7 para aumentar el
flujo en otras 20 unidades , tal como aparece en la figura 20.
(40,30)
(40,40)
Figura 20. Red sin trayectorias de aumento para el ejemplo de f.lujo máximo.
Una solución final es óptima si para toda trayectoria indiscriminada que se quiera
asignar no puede evitar el uso de cancelación de flujos asignados con anterioridad.
Cuando se avanza en el algoritmo , es posible determinar el flujo , sumando las

asignaciones de flujo o comparando las capacidades residuales finales con las
capacidades originales en los arcos . Si se emplea este último método , existe un
flujo a través de un arco si la capacidad residual final es menor que la capacidad
original. La magnitud de este flujo es igual a la diferencia entre estas capacidades.
Puede resultar difícil , cuando las redes son grandes, encontrar una trayectoria de
aumento. El siguiente procedimiento sistemático simplifica el hecho. Se comienza
135
1 L ' I ~ 1\ L llFR"1() RI NCON ABR il
por analizar todos los nodos que se unen desde el origen con un arco y con
capacidad residual positiva. Enseguida , para cada uno de estos nodos , se
determinan todos los nuevos nodos a los que se llega desde este nodo con un solo
arco con capacidad residual positiva. Esto se repite hasta llegar al nodo final. Se
obtiene como resultado , un árbol con todos los nodos a los que se puede llegar
desde el origen, a lo largo de una trayectoria con capacidad de flujo residual
estrictamente positiva. Este procedimiento de abanico siempre identificará una
trayectoria de aumento , si existe . Aunque el anterior procedimiento es muy directo,
será útil poder reconocer cuándo se tiene un patrón óptimo sin tener que buscar de
manera exhaustiva una ruta que no existe . A veces es posible esto con el resultado
de un teorema importante de teoría de redes , conocido como el teorema del flujo
máximo - cortadura mínima. Una cortadura se define como cualquier conjunto
de arcos dirigidos que contienen al menos un arco de cada trayectoria dirigida que
va del nodo origen al nodo destino. El valor de la cortadura es la suma de las
capacidades de los arcos de la cortadura.
Teorema del flujo máximo - cortadura mínima. Para cualquier red con un solo
nodo origen y un solo nodo destino, el flujo máximo factible del origen al destino
es igual al valor de la cortadura mínima para todas las cortaduras de la red.
El análisis para la red residual inicial de la figura 17, presenta el siguiente conjunto
de cortes con la correspondiente capacidad
Conjunto de cortes Capacidad

1~2, 1~3, 1~4 80+ 70+40 = 190
2~6,3~6, 3~5, 4~5 30+40+50+40=160
1~3,2~3, 2~6, 4~3, 4~5 70+10+30+20+40=170
2~6, 3~6, 5~6,3~5, 4~5 30+40+10+50+40=170
5~7, 6~7 60+60 = 120
136
IN\' I S'II (¡AC ION DI. OPFRAC IONES PARA INGEN I ER I AS y AD~ II N I STRAC I ON DE EMPRESAS
Por lo tanto , 120 es el valor de la cortadura mínima que equivale al flujo máximo
factible presentado en la figura 20,
6.6 FLUJOS DE COSTO MíNIMO.
Es una solución muy eficiente que aborda un conjunto muy amplio de aplicaciones ,
tomando en cuenta un flujo a través de una red con capacidades limitadas en sus
arcos, Tal como se tiene para el problema de la ruta más corta, considera un costo
(o distancia) para el flujo a través de cada arco. E igual que para los problemas del
transporte y asignación , puede considerar el flujo desde varios orígenes (nodos
fuente) hasta varios destinos (nodos demanda).
El problema del flujo de costo mínimo se puede resolver de manera tan eficiente
porque se puede formular como un problema de programación lineal y resolver
mediante una versión simplificada llamada método Símplex de Redes. En la
siguiente sección se describirá el uso del método Simplex.
6.6.1 Modelo matemático del flujo de costo mínimo.
En una red conexa dirigida con al menos un nodo origen y al menos un nodo
destino, se dispone la siguiente información:
C¡j = costo por unidad de flujo a través del arco i~j ,
d¡j = capacidad del arco i ~j,
b¡ = flujo neto generado en el nodo i. En este caso, b¡ > O en los nodos fuentes, b¡
< O en los nodos demandas y b¡ = O en los nodos transbordos .
137
L U IS A LBERTO RINCON A BR IL
Variables de decisión.
Xij = flujo a través del arco i~j.
Función Objetiva.
Minimizar el costo total de enviar los recursos disponibles a través de la red para
cumplir con la demanda.
11 11
Mil/ (Z) = ¿¿ e" X " . Las sumas se toman sólo sobre arcos existentes .
i = l j= J
Restricciones.
Para cada nodo , el flujo total que entra menos el flujo total que sale es igual al flujo
neto generado en este nodo.
El flujo a través del arco i~j, debe ser positivo, sin exceder la capacidad del arco .
Propiedad de soluciones factibles: Necesariamente, para que un problema de
flujo de costo mínimo tenga soluciones factibles , debe cumplir que Lb,
"
= O. Esto
i= 1
es , el flujo total generado por los nodos orígenes debe ser igual al flujo total
absorbido por los nodos destinos.
En muchos problem as, las cantidades b i y d ij serán valores enteros ; en este caso ,
en la soluci ón las cantidades de flujo Xij tendrán que ser también enteros . Sin
138
I ' \'r.STIGAC ION DE OPER ,\C IONES P¡\R¡\ INGE IER I¡\S y ¡\D~ II N I STR /\C I ON DE E~ IPRE S r\S
embargo , de la misma manera que para el problema de transporte , esta de la

solución se cumple sin necesidad de establecer restricciones enteras en forma
explícita sobre las variables . Esto se debe a la propiedad de soluciones enteras ,
"En los problemas del flujo de costo mínimo con todos los b¡ y d¡j enteros; se
tendrá que todas las variables básicas en cada solución básica factible , serán
también valores enteros".
Ejemplo de una red de distribución de bienes. Una compañía ensambla su

nuevo producto en dos plantas (nodos 1 y 2) Los mercadea mediante un canal de
distribución (nodo 3) y dos almacenes (nodos 4 y 5) . La figura 21 muestra las
formas de transportar el producto y los costos asociados. La capacidad máximas
para el canal 1 ~2 es de 10 unidades y para el canal 3~5 es de 80 unidades.
El problema de decisión: calcular el número de unidades a enviar por cada red

de distribución, de tal manera que se satisfaga la demanda de los almacenes sin
exceder la oferta de las fábricas con un costo total de transporte mínimo.
Variables de decisión.
X'2 = unidades que se enviarán desde la fábrica 1 hasta la fábrica 2.

X'3 = unidades que se enviarán desde la fábrica 1 hasta el canal de distribución.
X'4 = unidades que se enviarán desde la fábrica 1 hasta el almacén 4.
X 23 = unidades que se enviarán desde la fábrica 2 hasta el canal de distribución.
X 35 = unidades que se enviarán desde el canal de distribución hasta el almacén 5.
X 45 = unidades que se enviarán desde el almacén 4 hasta el almacén 5.
X54 = unidades que se enviarán desde el almacén 5 hasta el almacén 4.
Función Objetiva.
Min(C) = 200 X'2 + 400X 13 + 900X'4 + 300X23 + 100X 35 + 300X 45 + 200X 54 .
139
I. UIS A l BERTO RI NCON AB RI L
Restricciones.
En el nodo 1. X12 + X13 + X14 = 50

En el nodo 2. X 23 - X 12 = 40
En el nodo 3. -X 13 - X 23 + X35 =O
En el nodo 4. X 45 - X 14 - X 54 = -30
En el nodo 5. X 54 - X 35 - X 45 = -60
En el arco 1--72. X 12 < 10
En el arco 3--75 . X 35 S 80
Restricciones de no negatividad.
50 unidades de 30 unidades
900 Dól/unid demandadas
"O
c:
--o
::1
:o
o
o
N
40 unidades de 60 unidades
producción demandadas
Figura 21. Red de distribución de bienes.
Las variables en el conjunto de las restricciones de núcleo tienen exactamente dos

coeficientes distintos de cero, uno es + 1 Y el otro -1 . Este patrón aparece en todos
140
IN\'LS1IC; I\C10N I) \. OPER I\C ION I: S P,\R ,\ I N(;rN I ER I AS y i\D~ II N I ST R i\C I ON DE E~ IPR ESAS
los problemas de flujo de costo mínimo y es esta estru ctura especial la que lleva a
la propiedad de soluciones enteras, De otro lado , cuando se tienen n restricciones
de nodo, únicamente hay n-1 independientes, esto es , una de ellas es redundante ,
Esto se puede comprobar porque al sumar todas estas ecuaciones, se obtienen
ceros en ambos lados , Como existen n - 1 restricciones independientes , estas
ecuaciones proporcionan n- 1 variables básicas para una solución básica factible ,
6.6.2 Solución con Programación Lineal.
Para la solución de este problema con la herramienta SOLVER de EXCEL, se

puede preparar inicia lmente la siguiente hoja de trabajo:
A B e D E F G H J K
2 X12 X13 X14 X23 X35 X45 X54

3
4 Min(c) = 200 400 900 300 100 300 200
5 Nodo 1 1 1 1 = 50
6 Nodo 2 -1 1 = 40
7 Nodo 3 1 1 -1 = O
8 Nodo 4 -1 1 -1 = -30
9 Nodo 5 -1 -1 1 = -60
10 Arco 1,2 1 < 10
11 Arco 3,5 1 < 80
12
13 X12 X13 X14 X23 X35 X45 X54
14 Valores
15 Mínimos O O O O O O O
16
17 Min(c) = _ S4'S$14 =C4 ' C$14 _04 ' 0$14 _ E4'E$14 _F4'F$14 _G4'G$14 _H4'H$14 _ SUMA(S17H17)
18 Nodo 1 _ SS'S$14 - CS'C$14 =05'0$14 = ES 'E $14 =FS'F$14 =GS'G$14 =HS'H$14 =SUMA(S1S.H1S)
= 50
Nodo 2 - S6'S$14 _C6'C$14 _06 ' 0$14 _F6'F$14 =F6'F$14 =G6 ' G$14 - H6'H$14 - SUMA(S 19 H 19)
19 = 40
20 Nodo 3 =STS$14 =CTC$14 _ OTO$14 - ETE$14 _ FTF$14 _GTG$14 =HTH$14 - SUMA(S20H20)
= O
21 Nodo 4 - SS'S$14 - CS'C$14 = OS'O$14 = ES'E$14 =FS'F$14 =GS ' G$14 =HS'H$14 = SUMA(S21 H21)
= -30
22 Nodo 5 - S9'S$14 - C9'C$14 _ 09 ' 0$14 =E9'E$14 _F9'F$14 - G9'G$14 _ H9'H$14 -S UMA(S22H22)
= -60
23 Arco 1,2 _SlO ' 8$14 - C10'C$14 =010'0$14 =E10'E$14 =F10'F$14 =G10 ' G$14 =H10'H$14 =SUMA(S23 H23)
< 10
24 Arco 3, 5 _S11'S$14 - C11 ' C$14 011'0$14 - E11'E$14 _ F11'F$14 - G11'G$14 _ H11'H$14 - SUMA(S24 H24)
< 80
25
Figura 22. Hoja de trabajo en EXCEL para el ejemplo de la red de distribución,
14 J
L U I S I\ L I3E RTO RINCON A IlRI L
En la figura 22, la fila cuatro de la hoja , considera los coeficientes de efectividad

para la función objetiva y las filas cinco hasta la once , disponen los coeficientes
tecnológicos de las restricciones para el ejemplo de la red de distribución de
bienes. Las celdas B14 :H 14, han sido reservadas para que SOLVER escriba el
valor que calcule para las variables del problema. Las celdas B15:H15 , consideran
la condición de no negatividad de las variables. La celda K17 contiene el cálculo de
la función objetiva, esto es, el valor de los costos totales en función de las
variables. Las celdas K18 ,..... ,K24 contienen el cálculo del lado izquierdo de cada
una de las restricciones del problema.
Teniendo presente estas características planteadas en los párrafos anteriores,

enseguida se usa la opción SOLVER del menú de herramientas de EXCEL y se
responde al cuadro de diálogo de la siguiente forma:
~di.:ión 1:.er ln ~,;e tt ar Eormato tie rramientas Datos VeQtana -;J
Parámetros de Solver
CelQ," objetivo:
Resolver
\Iólor de l." celda ob jetivo :
Cerrar
(-- [:1i:dmo (;- r',·1i'o.irno C' y'alores de: lo
Cam!djando las celdas
Qpciones , , .
Suje tas a las siguientes restric ciünes:
:lB$14 :$H$14 >= $E:$15:$H$1:,

.-, t ,K$I::: = $J$I:::
- ..::. $K$19 = $J$19
~ambiar.,. [3,.establecer to
• ~I $K$ 20 = $J$20
$K$21 = $J$2 1
$f; $22 = $J$22
o D D
Figura 23. Cuadro de diálogo de SOLVER en EXCEL.
142
IN" I' STI(, \C ION DI. OPLRAC IONES PAR ,\ IN(,EN IERIAS y ¡\D~ II ISTR ¡\C IO DE E~ I PRF.SAS
Una vez se responde el cuadro de diálogo , se pulsa el botón Resolver , para

encontrar la siguiente respuesta:
A B e D E F G H J K
2 X12 X13 X14 X23 X35 X45 X54

3
4 Min(c) = 200 400 900 300 100 300 200
5 Nodo 1 1 1 1 = 50
6 Nodo 2 -1 1 = 40
7 Nodo 3 1 1 -1 = o
8 Nodo 4 -1 1 -1 = -30
9 Nodo 5 -1 -1 1 = -60
10 Arco 1 - 2 1 < 10
11 Arco 3 - 5 1 < 80
12
13 X12 X13 X14 X23 X35 X45 X54
14 Valores O 40 10 40 80 O 20
15 Mín im os O O O O O O O
16
17 Min(c) = O 16000 9000 12000 8000 O 4000 49000
18 Nodo 1 O 40 10 O O O O = 50 50
19 Nodo 2 O O O 40 O O O = 40 40
20 Nodo 3 O 40 O 40 -80 O O = O O
21 Nodo 4 O O -10 O O O -20 = -30 -30
22 Nodo 5 O O O O -80 O 20 = -6 0 -60
23 Arco 1 - 2 O O O O O O O < 10 O
24 Arco 3 - 5 O O O O 80 O O < 80 80
Figura 24. Hoja EXCEL con la solución SOLVER para la red de distribución.
La figura 24 muest ra la solución obtenida por SOLVER pa ra el ejemp lo de la red

de distribución , que se interpreta de la sig uiente mane ra:
X12 = O. No se enviará desde la fábrica 1 hasta la fábrica 2.

X13 = 40 unidades se enviarán desde la fábrica 1 hasta el canal de distribución.
X14 = 10 unidades se enviarán desde la fábrica 1 hasta el almacé n 4.
X23 = 40 unidades se enviarán desde la fábrica 2 hasta el canal de distrib ución.
X35 = 80 unidades se enviarán desde el ca nal de distri bución hasta el almacé n 5.
X45 = O: No se enviará desde el almacén 4 hasta el almacén 5.
143
LU IS ALBERTO RINCON MlR IL
XS4 = 20 unidades se enviarán desde el almacén 5 hasta el almacén 4.
El costo total mínimo para realizar el transporte , conforme a la distribución anterior

será de 49000 dólares.
6.6.3 Solución Heurística.
Consiste en recurrir iterativamente al concepto de ruta más corta o de mínimo

costo de la siguiente forma:
1. Se define como camino por donde se trataría de enviar un cierto número de

unidades a la ruta de mínimo costo.
2. Una vez se tiene una ruta de mínimo costo , se examina el mayor número de
unidades que se puede enviar por esta ruta .
3. Saturada esta ruta , se busca otra ruta de mínimo costo (la segunda mejor) , a
través de la cual se enviará correspondientemente el mayor número de
unidades posibles .
4. El proced imiento del punto anterior se repetirá hasta realizar el programa
completo de envíos .
Soluci ón Heurística para el ejemplo de la red de distribución.
Fábrica Mayor número Unidades en la Ruta de Almacén

de unidades Fabrica mínimo Costo
para enviar después del
envío
2 40 O 2~3~5 5
1 20 30 1 ~3~5 5
1 20 10 1 ~3~5~4 4
1 O 10 1 ~ 2 ~3 ~ 5 ~4 4
1 10 O 1 ~4 4
144
1. Encontrar las Rutas más cortas para cada Red de la siguiente figura.
Red A
Origen
Red B
o Un Diario de circulación local debe adquirir nueva maquinaria (parcialmente

automatizada) para la impresión de su periódico. Dentro de tres años se instalará un
nuevo sistema de maquinaria totalmente automatizado , por lo tanto después no se
necesitará la maquinaria que se adquiera ahora. Dado que el trabajo pesado
aumentará rápidamente los costos de operación y mantenimiento, podría resultar
benéfico reemplazarla antes de los tres años. La tabla siguiente presenta los costos
netos totales asociados a la compra de la maquinaria automatizada al final del año i
(precio de compra - valor por cambio de maquinaria + costos de operación y
mantenimiento) , si se reemplaza al final año j. El problema es determinar en qué
momento debe ser reemplazada la maquinaria para minimizar el costo total durante los
tres años.
Año Añoj
i 1 2 3
O 16 36 62
1 20 42
2 24
145
L UIS A LB ERTO RINCON ABRIL
3. Una compañía debe suministrar 1000 cajas de cartón por mes a una fábrica. Para los
próximos cuatro meses , el costo de fabricación de cada caja será $1000 en el primer
mes, $ 1800 en el segundo mes, $2000 en el tercer mes y $2800 en el cuarto mes. El
costo de mantenimiento y bodega por caja es de 600 $/mes. Si la producción por mes
se realiza en múltiplos de 1000 Y se desea encontrar el programa de producción más
eficiente en términos de costo , entonces se necesita formular el modelo como una
representación de Red y resolverlo.
4. Un Banco necesita conectar el computador central con terminales de computadores en

cada una de sus sucursales mediante dispositivos de comunicaciones. No se requiere
que cada sucursal esté conectada directamente con la principal , puede hacerse
indirectamente a través de otra sucursal. Simplemente, es necesario que exista alguna
ruta que conecte a todas las sucursales con la oficina principal. Los costos asociados
para la inversión inicial son los siguientes.
Costos entre oficinas

Oficina Pnnclpal Sucursal 1 Sucursal 2 Sucursal 3 Sucursal 4 Sucursal 5
Pnnclpal 38 14 23 54 32
Sucursal 1 38 20 22 43 10
Sucu rsal 2 14 20 28 24 44
Sucursal 3 23 22 28 35 16
Sucursal 4 54 43 24 35 62
Sucursal 5 32 10 44 16 62
5. Considere para las Redes del problema 1 que los arcos son de ligadura y diseñe para
cada una el árbol de mínima expansión.
6. Modificar el valor del flujo 0---72 a 16 en la Red A del problema 1 y los valores de los
flujos 0---7 1 a 10, 0---73 a 20 y 6---78 a 16 en la Red B. En ambos casos considerar el
problema de flujo máximo, donde el origen es el nodo fuente y el destino el nodo
demanda . Las capacidades son los valores que se muestran en los arcos. Usando el
algoritmo de la trayectoria de aumento resolver el problema.
7. Una compañía fabrica un mismo producto en dos plantas distintas y después lo

despacha a dos almacenes. La planta 1 puede enviar por ferrocarril cualquier cantidad
hasta el almacén 1, mientras que la planta 2 puede enviar por ferrocarril cualquier
J46
IN\TST IG AClON IX OPERACIONES PARA INGEN IERI AS y I\D~'IINISTRACION DE EMPRESAS
cantidad hasta el almacén 2. Pero ambas plantas pueden usar camiones para mandar
hasta 500 unidades de cada planta al centro de distribución , desde los que se puede
enviar hasta 500 unidades a cada almacén. La tabla siguiente muestra el costo unitario
de transporte por cada ruta , las cantidades que se producen en las plantas por periodo
y las cantidades que se requieren en los almacenes por periodo.
Centro Almacén 1 Almacén 2 Producción

Distribución
Planta 1 30 70 800
Planta 2 40 90 700
Centro Di stribución 20 40
Demanda 600 900
7. 1. Representar la red como un problema de flujo de costo mínimo y resolverlo .

7.2. Formularlo como un modelo de Programación y resolverlo.
147

Programacion Entera

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Programacion Entera

Cargado por

Copyright:

Formatos disponibles

3. PROGRAMACiÓN ENTERA.

Muchas aplicaciones no se pueden abordar con los métodos de solución de la

3.1 QUÉ ES LA PROGRAMACiÓN ENTERA.

La Programación Entera es un conjunto de técnicas de la Investigación Operativa

Es importante anotar que las técnicas desarrolladas hasta ahora , dentro de la

3.2 PRINCIPALES MODELOS.

3.2.1 Problema entero (PE).

x, ~ O e/l/ ero , para j = 1,2,3 .. ...• /1

=> Método de plano de corte .

=> Algoritmo de Land-Doig.

3.2.2 Problema entero mixto (PEM).

=> Algoritmo entero-mixto de Gomory

3.2.3 Problema entero cero uno o binario (PECU).

~ Método de bifurcación y Acotación .

3.2.4 Ejemplo de Modelo.

Evaluación de inversiones independientes.

Cuando se tiene la posibilidad de distribuir unos recursos financieros entre varios

Se definen como variables de decisión las siguientes :

Xi = O: la alternativa j-ésima no ejecuta .

Con ello se puede estructurar el modelo en la siguiente forma:

Max(VPNT) = I" VPN j"}

Dado que este modelo es de una sola restricción , únicamente se presentará el

3.2.5 Método de bifurcación y acotación.

Ejemplo . Un grupo financiero tiene 5 proyectos ue inversión factibles . Cada

CUADRO 1. Datos asociados con los 5 proyectos de inversión .

Valor Presente Neto VPN J

El método requiere que las alternativas se listen en orden descendente respecto

CUADRO 2. Cambio de índice para cada proyecto j.

El modelo matemático correspondiente será entonces:

Max(V) = 60X 1+54X 2 +32X 3 + 18X 4 + 13X s

Nodo 1: (Análisis con base en el proyecto 1). Al incluir el proyecto 1, se invierten

proyectos 1 Y 2 completos y del retomo asociado 32-7xl=25 del proyecto 3, al cual

CUADRO 3. Nodo (1)

El proyecto 3 excede en 7 millones la disponibilidad para inversión total , por lo que

Nodo 1*: (Análisis de la no inversión en el proyecto 1). Haciendo un procedimiento

El proyecto 4 excede en 1 millón la disponibilidad para inversión total , por lo que el

A esta altura del problema y analizando la Figura 7, es importante recordar que el

Figura 7. Diagrama de solución para el ejemplo.

CUADRO 5. Nodo (1,2)

CUADRO 6. Nodo (1 ,2*)

CUADRO 7. Nodo (1 ,2,3)

Esta solución , además de no factible , es imposible porque el nodo (1 ,2,3) indica

CUADRO 8. Nodo (1 ,2,3*)

CUADRO 9. Nodo (1 ,2,3*,4)

CUADRO 10. Nodo (1,2,3*,4*)

Ahora en la Figura 7 aparecen 5 nodos sin ramificación : (1 *) , (1 ,2*) , (1 ,2 ,3) ,

CUADRO 11. Nodo (1,2,3*,4,5)

CUADRO 12. Nodo (1,2,3*,4,5*)

Es obvio, entender que a partir de este momento no se requieren más

30 Millones en el Proyecto 1 (índice nuevo)

Una manera de resumir el anterior proceso, además de la utilización mecánica del

solamente examinó 10 de ellas para determinar el óptimo.

El lector podrá observar que en la medida que el número de proyectos tienda a

de impuestos , valor de mercado para todos igual a O, tasa mínima después de

CUADRO 13: Datos (Valores en miles de dólares)

VPN(A) = 20000(P/A,20%, 14) - 50000 = 42210

una anualidad A para n períodos con una tasa de interés periódica i.

CUADRO 14 . Ordenación de proyectos

Proyecto j Inversión Ij Valor Presente VPN

CUADRO 15. Nodo (1)

CUADRO 16. Nodo (1 *)

CUADRO 17. Nodo (1 ,2)

Figura 8. Diagrama de solución para el problema.

CUADRO 10. Nodo (1,2,3,4)

Ahora en la Figura 7 aparecen 5 nodos sin ramificación : (1 ) , (1 ,2) , (1 ,2 ,3) ,

CUADRO 12. Nodo (1,2,3,4,5)