Está en la página 1de 5

Taller 3.

FLUJO MÁXIMO Y ALGORITMO DE FORD FULKERSON

1. OBJETIVOS

1.2.Objetivo general
 Generar por medio de conocimiento adquiridos en clase, las herramientas necesarias
para analizar problemas de flujo máximo.
1.3.Objetivos específicos
 Por medio de herramientas informáticas como Solver, GAMS y demás, lograra
solucionar el problema propuesto para este tipo de problemas.
 Conocer la estructura matemática de este tipo de problemas

2. MARCO TEÓRICO
Existe un flujo que viaja desde un único lugar de origen hacia un único lugar de destino a
través de arcos que conectan nodos intermediarios. Los arcos tienen una capacidad máxima
de flujo y se trata de enviar desde la fuente al destina la mayor cantidad posible de flujo.

Representación en la red: Se tiene una red capacitada con G=(n, A), siendo n el conjunto
de nodos y A el conjunto de los arcos.
Símbolo
xij Cantidad de flujo del nodo i al nodo j
cij Costo de flujo asociado por unidad de flujo del nodo i al j
bi Flujo neto o capacidad en el nodo i
Tabla 1. Representación de la simbología para el flujo en red.

Formulación con programación lineal. La formulación de un modelo de red capacitada como


programa lineal, es la base del desarrollo algorítmico, para lo cual se usa el siguiente modelo:

𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑧 = 𝑓

Valor de b(i)
𝑛 𝑛
f si i=1
∑ 𝑥𝑖𝑗 − ∑ 𝑥𝑘𝑖 = 0 si i=2,3,4,…,n-1
𝑗 𝑘 -f si i=n
Tabla 2.

FORD FULKERSON

1
Para la resolución de problemas de flujo máximo se requiere el uso del método Ford
Fulkerson. Este método propone buscar caminos en los que se pueda aumentar el flujo hasta
que se alcance el flujo máximo, la idea es encontrar una ruta de penetración con un flujo
positivo neto que una los nodos de origen y destino.

 El flujo es siempre positivo y con unidades enteras.


 El flujo a través de un arco es menor o igual que la capacidad.
 El flujo que entra en un nodo es igual al que sale de él.
Resolución de problema

1. Para resolver un problema de flujo máximo se debe seguir los siguientes pasos:
2. Se identifica el nodo origen y destino.
3. Se parte desde el nodo de origen y se escoge el arco que posea mayor flujo
4. Se identifica los nodos de transbordo.
5. Repetir como si el nodo intermediario fuera el nodo origen.
6. Se calcula "k" y las capacidades nuevas.
7. Dado el resultado se cambian las capacidades y se repite el mismo procedimiento desde
el inicio.

3. RESULTADOS Y ANÁLISIS DE RESULTADOS


Para empezar es de tener en cuenta que así como modelamos los enlaces de una red y sus
nodos como un grafo dirigido, podemos interpretar el grafo como una red de flujo de algún
material. Además que el flujo se debe a una fuente produce material en forma estacionaria
y un resumidero lo consume. En cuanto a los arco, cada uno puede ser considerado como
un conducto de cierta capacidad. Y por último teniendo en cuanta la ley de corrientes de
Kirchhoff, la suma de flujos entrantes a un vértice debe ser igual a la saliendo del vértice.
En primer lugar al realizar el procedimiento en Excel, se obtuvieron los siguientes
resultados.

VARIABLES (3-7) 480 (5-10) 130


(3-8) 130 (6-5) 300
(1-2) 420 (4-3) 300 (6-7) 70
(1-3) 510 (4-7) 250 (6-8) 160
(1-4) 730 (4-8) 190 (6-9) 10
(1-5) 650 (4-9) 10 (7-12) 490
(1-6) 540 (4-10) 80 (7-13) 260
(2-7) 470 (5-4) 100 (7-14) 270
(2-8) 90 (5-7) 240 (7-15) 250
(2-10) 60 (5-8) 210 (7-16) 240
(3-2) 200 (5-9) 270 (8-12) 330

2
(8-13) 320 (16-15) 240 (24-30) 350
(8-14) 130 (17-22) 50 (24-31) 20
(9-12) 290 (17-24) 240 (25-24) 300
(10-12) 270 (17-25) 210 (25-27) 360
(12-17) 220 (17-26) 260 (25-30) 190
(12-18) 600 (18-24) 330 (25-31) 250
(12-19) 150 (18-25) 890 (26-29) 230
(12-20) 180 (18-26) 550 (26-30) 250
(12-21) 230 (19-18) 300 (26-31) 330
(13-17) 290 (19-24) 310 (27-32) 410
(13-18) 230 (20-19) 400 (28-32) 460
(13-19) 60 (20-24) 10 (29-32) 590
(14-17) 250 (21-20) 230 (30-31) 180
(14-18) 210 (22-27) 50 (30-32) 610
(15-14) 60 (24-28) 460 (31-32) 780
(15-18) 430 (24-29) 360 f 2850

Figura 4. Resultados de las variables para cada arco, en solver (punto 1)

Como se muestra en la parte anterior cada arco posee un flujo diferentes, y cada una de estas
adquiere un valor característico, entonces en cada uno de estos hay un valor diferente.
También se empleó la herramienta GAMS para desarrollar el anterior punto, esto con el fin
de comprobar el resultado y afianzar el uso de otras herramientas de trabajo.

3
Figura 4. Resultados de las variables para cada arco, en GAMS (punto 1)

En el caso de los anteriores se observa que cada nodo no puede superar la capacidad de
cada arco, para el caso del algoritmo Ford Fulkerson, se hacen los pasos anterior mente
descritos, esto hasta que los arcos del primer novel ya no tengan más capacidad de
transporte y en este caso el valor de la función objetivo corresponderá a el valor de la suma
del mínimo de cantidad que se puede transportar en cada una de las etapas, y como se
mostrara a continuación, corresponde al mínimo de cada iteración, y la suma total, que es
equivalente al resultado de las anteriores herramientas usadas, como lo son GAMS y solver

Etapas Valor mínimo a


trasportar
Etapa 1 250
Etapa 2 240
Etapa 3 220
Etapa 4 270
Etapa 5 300
Etapa 6 330

4
Etapa 7 200
Etapa 8 180
Etapa 9 240
Etapa 10 210
Etapa 11 50
Etapa 12 140
Etapa 13 100
Etapa 14 90
Etapa 15 30
Función objetivo 2850
Tabla 3. Resultados con el algoritmo Ford fulkerson

En este caso se observan que el valor de la función objetivo es el mismo en todos los caso,
por esto se puede comprobar la veracidad y funcionalidad de los diferentes mecanismos de
valor, ahora se puede observar el grafo, generado.

Notar que el flujo máximo de unidades que puede llegar al nodo de destino son 2850
unidades (valor óptimo) donde cualquiera de las funciones objetivos propuestas
proporciona el mismo resultado (en particular hemos utilizado la primera de ellas).

REFERENCIAS
Taha, H. and Gonzalez Pozo, V. (2004). Investigación de operaciones. México: Pearson
Educación.

También podría gustarte