Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INVESTIGACIÓN DE
OPERACIONES I
M.E DANIEL LÓPEZ SALAS
INSTITUTO TECNOLÓGICO SUPERIOR DE EL MANTE
INVESTIGACIÓN DE OPERACIONES I
M.E. DANIEL LÓPEZ SALAS
Programa de estudios
Unidad 1: Introducción a la investigación de operaciones.
1.1. Definición, desarrollo y tipos de modelos de investigación de operaciones.
1.2. Fases de estudio de la investigación de operaciones.
1.3. Principales aplicaciones de la investigación de operaciones.
1.4. Metodología para modelación.
1.5. Formulación de problemas lineales más comunes.
1.6. Conceptos de método gráfico y su aplicación.
Los orígenes de la I.O se remontan a principios del siglo pasado, su rápido desarrollo
comenzó en los años 40 y 50. El auge de la I.0 vino a principios de la II guerra mundial,
cuando los aliados convocaron a un gran número de especialistas para aplicar la
metodología científica para definir aspectos militares y tácticas de operación.
En los frentes de batalla los encuentros bélicos demandaban una gran necesidad de
asignar los escasos de los recursos a las distintas operaciones militares y a las
actividades dentro de cada operación. Tal asignación se debía realizar en la forma más
rápida y efectiva, sin desatender las prioridades que cada uno de los eventos exigía.
Fue en la década de los 50`s que se introdujo en uso de la I.O en la industria, negocio y
gobierno. Desde entonces esta aplicación se ha desarrollado con rapidez. En su
desarrollo se pueden identificar 3 factores que jugaron un papel importante:
1.- El primero factor fue el adelanto que se haya logrado en el establecimiento de los
métodos, modelos y técnicas disponibles en esa rama de la ciencia.
2.- El segundo factor que dio gran impulso para el desarrollo de la I.O fue el
surgimiento de las computadoras. Con este proceso los ordenadores tenían capacidad
para realizar cálculos aritméticos en segundos y posteriormente millones de cálculos.
3.- El tercer aspecto fue el de fasamiento que tuvo le competitividad de E.U con
respecto a la de Japón.
El nombre de I.O fue dado aparentemente porque el equipo estaba llevando a cabo la
actividad de investigar operaciones militares.
Es el tipo de modelo más importante de la I.O. Al formular este tipo de modelo uno
supone que todas las variables relevantes son cuantificables. Por consiguiente los
símbolos matemáticos se utilizan para representar variables las cuales están
relacionadas con las funciones matemáticas para poder descubrir el comportamiento
de un sistema. Lográndose la solución del modelo por una manipulación matemática
apropiada.
Modelo de simulación.
Modelo Heurístico.
Este modelo heurístico de solución descansa en las reglas empíricas o intuitivas, las
cuales dan una solución actual al modelo permitiendo determinar una solución
mejorada. Actualmente los métodos heurísticos son procedimiento de búsqueda que
pasan inteligentemente de un punto de solución a otro con el objetivo de mejorar el
criterio de este modelo. Cuando ninguna mejora adicional puede lograrse la mejor
solución que se haya obtenido es la solución aproximada al modelo.
Definición del problema: desde el punto de vista de la I.O nos indica 3 aspectos
principales que son:
Una descripción del objetivo del estudio debe reflejar una representación aproximada
del interés total del sistema, una falla común en este aspecto es identificar algunas
metas representando solamente una porción del sistema.
MÉTODO GRÁFICO
El método grafico se utiliza para la solución de problemas de PL, representando
geométricamente a las restricciones, condiciones técnicas y el objetivo.
*PL.- es una técnica mediante la cual se toman decisiones reduciendo el problema bajo
estudio a un modelo matemático general.
Maximizar y Minimizar.
Podemos maximizar y minimizar por el método grafico nuestros problemas y nos lleva
a un resultado exacto al igual que el simplex solo que este es aún más fácil, pues como
al principio mandas en la ecuación a X cero y después Y así te da el primer punto a
graficar y así con las demás ecuaciones, el punto donde se intersectan dos o más líneas
de las ecuaciones es el punto solución, este se sustituye debidamente cada número en
Su variable en la función objetivo para dar la comprobación. Así el espacio debajo del
punto de intersección es para maximización y se presenta el resultado por ejemplo
Z=10, para la minimización es lo mismo solo se toma el punto solución como lo más y
el resultado de igual solo que se representaría –Z=10 y la zona factible cabe en la
parte mayor de la gráfica.
Ejemplo: Un departamento de publicidad tiene que planear para el próximo mes una
estrategia de publicidad para el lanzamiento de una línea de T.V. a color tiene a
consideración 2 medios de difusión: La televisión y el periódico.
La publicidad en periódico tiene un costo de 500 dls. Por anuncio y la publicidad por
T.V. tiene un costo de 2000 dls. Por comercial. La meta es obtener al menos una
presentación como mínimo al 36 % de las familias de ingresos altos y al 60 % de las
familias de ingresos medios minimizando los costos de publicidad.
Minimizar
Sujeto a:
SOLUCIÓN ÓPTIMA:
Z = 3x1 + 4x2
1: X1=0 2: X1=0
X2=0 X2=0
2x1 + 3x2 = 60 4x1 + 2x2 = 80
X1=60/2 X1=80/4
X1=30 X1=20
(30,0) (20,0)
(0,20) (30,0)
(0,40) (20,0)
40
30 //
20 //////
10 /////////
0 //////////
10 20 30 40
Coordenadas de solución:
(0,20)
(15,10)
(20,0)
Ejercicio 1.
Un herrero con 80 kg. De acero y 120 kg. De aluminio quiere hacer bicicletas de paseo
y de montaña que quiere vender, respectivamente a20.000 y 15.000 Bolívares cada
una para sacar el máximo beneficio. Para la de paseo empleará 1 kg. De acero y 3 kg de
aluminio, y para la de montaña 2 kg. De ambos metales. ¿Cuántas bicicletas de paseo y
de montaña tendrá que fabricar para obtener el máximo beneficio?
Z =20000x1 + 15000x2
1: X1=0 2: X1=0
X2=0 X2=0
3x1 + 2x2 = 120 x1 + 2x2 = 80
X1=120/3 X1 = 80
X1=40 (80,0)
(40,0)
Z = 10000x1 + 6000x2
Restricciones: 1: X1=0 2: X1=0
20x1 + 50x2 <= 3000 -----1
X1 + x2 <=90-----------2 20x1 + 50x2 =3000 x1 + x2= 90
50x2=3000 x2= 90
X2 = 3000/50 (0,90)
X2=60
(0,60) X2=0
x1 + x2 =90
X2=0 X1= 90
20x1 + 50x2 =3000 (90,0)
X1= 3000/20
X1=150
(150,0)
F(x, y)=5x+7y
Las restricciones:
Vértices:
A (0, 100)
B intersección de s, t:
C intersección de r, t:
D (120, 0)
Debe repartir 50 impresos tipo A y 100 tipo, B para una ganancia máxima diaria de
$950
MÉTODO SIMPLEX
Objetivo del Método Simplex: El alumno analizará los fundamentos de la
programación lineal así como el procedimiento gráfico y el respectivo procedimiento
del Método Simplex.
Éste método se puede considerar como un método algebraico para resolver problemas
de programación lineal el cual involucra dos o más variables.
El Método Simplex fue creado en el año de 1947. Su primera aplicación fue después
del verano de 1947 cuando se resolvió un problema de programación de 9
restricciones y 27. Usando calculadora de escritorio se requirieron 120 días, en la
actualidad y un programa para resolver el Método Simplex será cosa de minutos.
S 1=
S2=
Nuevo renglón=
60/4 = 15
4/4 = 1
2/4 = 1/2
1/4 = 1/4
0/4 = 0
5. Determinar nuevo renglón S2 (Restarle nuevo renglón = X1)
48 – (2 x 15) = 18
2- (2 X1) = 0
4- (2 X ½)= 3
0 – (2 X ¼) = -1/2
1 – (2 X 0) = 1
6. Construir nueva tabla simplex.
Entra
Cj 8 6 0 0
Producto Cantidad X1 X2 S1 S2
8 X1 15 1 1/2 1/4 0
Sale 0 S2 18 0 3 -1/2 1
Zj 8 4 2 0
Cj - Zj 0 2 -2 0
7. Nuevo renglón X2
18/3 = 6
0/3 = 0
3/3 = 1
-1/2 / 3 = -1/6
1/3 = 1/3
8. Nuevo renglón X1
15 – (1/2 X 6) = 12
1 – (1/2 X 0) = 1
½ -(½ X 1) = 0
0 - ( ½ X 1/3) = -1/6
Cj 8 6 0 0
Producto Cantidad X1 X2 S1 S2
8 X1 12 1 0 1/3 -1/6
6 X2 6 0 1 -1/6 1/3
Zj = 8 6 5/3 2/3
Cj - Zj = 0 0 -5/3 -2/3
SOLUCIÓN ÓPTIMA
X1 = 12
X2 = 6
EJERCICIOS
1. Z= 4X1 + 3X2
2X1 ++ 5X2 ≤ 150
5 X1 + 2 X2 ≤ 60
SOLUCIÓN
Z= 90 X1= 0 X2= 30
2. Z=5X1 +6X2
3X1 +2X2 ≤ 120
4X1 + 6X2 ≤ 260
SOLUCIÓN
3. Z=2000X1 +5000X2
2X1 + 3X2 ≤ 36
3X1 + 6 X2 ≤ 60
SOLUCIÓN
En la segunda fase se inicia con una tabla terminando la primera fase y se retoma la
función objetivo en donde todas las variables artificiales se igualan a cero eliminando
las restricciones de holgura.
Para cambiar una desigualdad a una igualdad en cada uno de las restricciones utilizar
lo siguiente:
≤ Agregar S1
≥ Agregar –S1, A1
= Agregar A2
** Variables de holgura = S
** Variables artificiales = A
3X1 + X2 + 2X3 + S1 = 10
X1-2X2 + 3X3 - S2 + A1 = 6
X1 + X2 + 2X3 + S3= 7
2X1 + 3X2 -X3 + S2 = 9
0 0 0 0 0 0 1 1
Cj
Coeficientes Variables Base X1 X2 X3 S1 S2 S3 A1 A2 Cantidad
0 S1 3 1 2 1 0 0 0 0 10/2= 5
1 A1 1 -2 3 0 -1 0 1 0 6/3 = 2
0 S3 2 3 -1 0 0 1 0 0 9/-1= -9
1 A2 1 1 2 0 0 0 0 1 7/2= 3.5
Zj 2 -1 5 0 -1 0 1 1
Cj - Zj -2 -1 -5 0 1 0 0 0
1/3= 1/3
-2/3= -2/3
3/3= 1
0/3= 0
-1/3= -1/3
0/3= 0
1/3= 1/3
0/3= 0
6/3= 2
Utilizar Para:
Cj 0 0 0 0 0 0 1 1
6. Nuevo renglón X2
Utilizar para:
S1= S1-7/3X2
X3= X3 + 2/3X2
S3= S3 – 7/3X2
Cj 0 0 0 0 0 0 1 1
0 S1 2 0 0 1 0 0 0 -1 3
0 S3 2 0 0 0 -1 1 1 -1 8
Zj 0 0 0 0 0 0 0 0
Cj - Zj 0 0 0 0 0 0 1 1
8. En la fila Cj-Zj las variables X y las artificiales (S) dan cero, por lo tanto se
detiene el proceso y se sustituyen los valores de X en Cj.
Cj 2 1 3 0 0 0 0 0 R=
0 S1 2 0 0 1 0 0 0 -1 3
0 S3 2 0 0 0 -1 1 1 -1 8
Cj - Zj 4/7 0 0 0 1/7 0 0
9. Solución
X2= 9/7
X3= 20/7
Z= 69/7
EJERCICIO
Z= 3X1 +5X2
X1 < 4
2X2 ≤ 12
3X1 + 2X2 = 18
Solución
X1= 4
X2= 3
Z= 27
Cj 3 5 0 0 0 R=
3 X1 1 0 1 0 0 4
0 S2 0 0 3 1 0 6
5 X2 0 1 -3/2 0 0 3
Zj 3 5 -9/2 0 0 27
Cj - Zj 0 0 -9/2 0 0
-3X1 - 2X2 + S1 + S2 + S3
-3X1 - X2 + S1 =- 3
-4X1 - 3X2 + S2 =-6
X1 + X2 + S3= 3
Así queda la tabla (al lado derecho la eliminación Gaussiana que se utilizó para cada
renglón en base a los datos de la tabla anterior).
Variables X1 X2 S1 S2 S3 R Eliminación
Base Gaussiana
Z -1/3 0 0 -2/3 0 -4 Z+ 2X2
S1 -5/3 0 1 -1/3 0 -1 S1 + X2
X2 4/3 1 0 -1/3 0 2
S3 -1/3 0 0 1/3 1 1 S3-X2
-5/3 ÷ -5/3= 1
0/ -5/3= 0
1 ÷ -5/3= -3/5
-1/3 ÷ -5/3= 1/5
0 / -5/3= 0
Variables X1 X2 S1 S2 S3 R Eliminación
Base Gaussiana
Z 0 0 -1/5 -3/5 0 21/5 Z+ 1/3X1
X1 1 0 -3/5 1/5 0 3/5
X2 0 1 4/5 -3/5 0 6/5 X2 -4/3X1
S3 0 0 -1/5 2/5 1 6/5 S3 + 1/3 X1
SOLUCIÓN
Z= 21/5
EJERCICIOS
X1= 3/5
X2=1.)
6/5Z= -4X -12X 18X
1 2– 3
S.A.
X1 + 3X 3 ≥ 3
2X2 + 2X3 ≥ 5
Solución
Z= -42
X1 = 3
X2 = 5/2
S.A.
3X1 + X2 +2X 3 ≥ 4
6X1 +3X2 + 5X3 ≥ 10
Solución
Z= 22/3
X1 = 2/3
X2 = 2
S.A.
X1 + X 2 ≤ 8
X2 ≥ 3
-X1 + X2 ≤ 2
Solución
Z= -4
X1 = 1
X2 = 3
ANÁLISIS DE SENSIBILIDAD
Después de que se ha obtenido la solución óptima por el método Simplex-Dual puede
darse el caso de que uno o varios parámetros de mi problema de programación lineal
se cambien dando origen a la solución de un nuevo problema. Sin embargo aplicando
la técnica de análisis de sensibilidad no es necesario resolver el ejercicio desde un
principio.
FÓRMULAS A UTILIZAR
S.A.
3X1 + 5X 2 ≥ 15
5X1 + 2X2 ≥ 10
Variables Base X1 X2 S1 S2 R
Z 0 0 5/19 16/19 235/19
X2 0 1 5/19 -3/19 45/19
X1 1 0 -2/19 5/19 20/19
Solución
b= Los valores de las restricciones
B-1 = 5/19 -3/19 b= 15 b*= 5
-2/19 5/19 10 5 b*= Son cambios en las
restricciones (Deben dardetelas)
Aplicando…
5/19 -3/19 =
XB= * 5 10/19
-2/19 5/19
5 15/19
Resulta de:
10/19
≥ 0 La solución es factible
15/19
SOLUCIÓN
Z= 105/19
X1= 15/19
X2= 10/19
MÉTODO DE GOMORY
Resolver el siguiente problema mediante el Método de Gomory.
S.A:
5 6 0 0 Sale el menor:
Producto Cantidad
0 52 10 3 1 0
0 18 2 3 0 1
= 0 0 0 0
= 5 6 0 0
a) Nuevo Renglón
c) Nueva Tabla Simplex
R = 6, 2/3, 1, 0, 1/3
b) Nuevo Renglón 5 6 0 0
Producto Cantidad
52 - ( 3 x 6 ) = 34
10 - ( 3 x 2/3 ) = 8 0 34 8 0 1 -1
3 - ( 3 x 1 ) = 0 0 6 2/3 1 0 1/3
1 - ( 3 x 0 ) = 1 = 4 6 0 2
0 - ( 3 x 1/3 ) = -1 = 1 0 0 -2
d) Nuevo Renglón
d) Nueva Tabla Simplex
5 6 0 0 R = 17/4, 1, 0, 1/8,
e) Nuevo -1/8
Renglón
Producto Cantidad
5 17/4 1 0 1/8 -1/8
6 19/6 0 1 -1/12 5/12
6 - ( 2 x 17/4 ) = 19/6
= 5 6 1/8 15/8
= 0 0 -1/8 -15/8 2/3 - ( 2 x 1 ) = 0
1 - ( 2 x 0 ) = 1
Solución:
0 - ( 2 x 1/8 ) = -1/12
“Los valores son pates faccionarias ∴ tenemos
que buscar soluciones 1/3 - ( 2lox haremos
enteras, -1/8 ) = 5/12
mediante el corte de Gamory”
[ ] [ ]
a) b) ( ) ( )
c)
6) Añadir la prueba relación del corte y resolver por medio Simplex-Dual. Partir de la última
tabla simplex. b) Nueva Tabla Simplex
a) Tabla Simplex
Variable
Variable Base
Base 0 0 0 1 1 40
0 0 1/8 15/8 0 161/4 1 0 0 -1 1 4
1 0 1/8 -1/8 0 17/4 0 1 0 1 2/3 10/3
0 1 -1/12 5/12 0 19/6 0 0 1 7 -8 2
0 0 -1/8 -7/8 0 -1/4
( )
Solución:
S.A:
5 6 0 0 Sale el menor:
Producto Cantidad
0 52 10 3 1 0
0 18 2 3 0 1
= 0 0 0 0
= 5 6 0 0
c) Nuevo Renglón
c) Nueva Tabla Simplex
R = 6, 2/3, 1, 0, 1/3
d) Nuevo Renglón 5 6 0 0
Producto Cantidad
52 - ( 3 x 6 ) = 34
10 - ( 3 x 2/3 ) = 8
0 34 8 0 1 -1
3 - ( 3 x 1 ) = 0 0 6 2/3 1 0 1/3
1 - ( 3 x 0 ) = 1 = 4 6 0 2
0 - ( 3 x 1/3 ) = -1 = 1 0 0 -2
e) Nuevo Renglón
d) Nueva Tabla Simplex
R = 17/4, 1, 0, 1/8, -1/8
5 6 0 0 f) Nuevo Renglón
Producto Cantidad
5 17/4 1 0 1/8 -1/8
6 19/6 0 1 -1/12 5/12
6 - ( 2 x 17/4 ) = 19/6
= 5 6 1/8 15/8
= 0 0 -1/8 -15/8 2/3 - ( 2 x 1 ) = 0
Solución: 1 - ( 2 x 0 ) = 1
“Los valores son pates faccionarias ∴ tenemos
que buscar soluciones 0 enteras,
- ( 2 x lo1/8haremos
) = -1/12
Problema 2 Problema 3
4) 4, 1, 0, 0, 0, 1
3)
5 6 0 0 0 6 - [ x 4] =
Pro. Can.
0 34 8 0 1 -1 0 34 - [8 x 4] = 2 -[ x ]=0
6 18 2/3 1 0 1/3 0 8 - [8 x 1] = 0
0 4 1 0 0 0 1 1 - [ x 0] = 1
0 - [8 x 0] = 0
= 4 6 0 2 0
1 - [8 x 0] = 1 0 - [ x 0] = 0
= 1 0 0 -2 0
-1 - [8 x 0] = -1
0 - [8 x 1] = 0 -[ x ]=
5)
5 6 0 0 0
Solución: 0-[ x 1] = -
Pro. Can.
0 2 O 0 1 -1 0
6 10/3 0 1 0 1/3 -2/3
5 4 1 0 0 0 1
0 6 0 2 1
0 0 0 -2 -1
6.- Volver a Ramificar con respecto a
2) 3, 0, 1, 0, 0, 0, 1
3) 4) 4, 1, 0, 0, 0, 1,0
5 6 0 0 0 0
Pro. Can.
0 43 10 0 1 0 0 -3
0 9 2 0 0 1 0 0 43 - [10x4] = 3 9 - [2x4] = 1 3 - [0x4] = 3
0 4 1 0 0 0 1 0 10 - [10x1] = 0 2 - [2x1] = 0 0 - [0x1] = 0
0 5 0 1 0 0 0 1 0 - [10x0] = 0 0 - [2x0] = 0 1 - [0x0] = 1
= 0 6 0 0 0 6
1 - [10x0] = 1 0 - [2x0] = 0 0 - [0x0] = 0
= 5 0 0 0 0 -6
1 - [2x0] = 1 0 - [0x0] = 0
0 - [10x0] = 0
0 - [10x1] = -10 0 - [2x1] = -2 0 - [0x1] = 0
-3 - [10x0] = -3 0 - [2x0] = -3 1 - [0x0] = 1
5)
Solución:
5 6 0 0 0 0
Pro. Can.
0 3 0 0 1 0 -10 -3
0 1 0 0 0 1 -2 -3
5 4 1 0 0 0 1 0
6 3 0 1 0 0 0 1
= 5 6 0 0 5 6
= 0 0 0 0 -5 -6
3) 4) 3, 1, 0, 0, 1/2, 1,-3/2
5 6 0 0 0 0
Pro. Can.
0 40 10 0 1 0 0 -3 40 - [10x4] = 3 4 - [1x3] = 1 4 - [0x3] = 4
0 6 2 0 0 1 0 -3 10 - [10x1] = 0 1 - [1x1] = 0 0 - [0x1] = 0
0 4 1 0 0 0 1 0
0 - [10x0] = 0 1 - [0x0] = 1
0 - [1x0] = 0
6 4 0 1 0 0 0 1
0 - [0x0] = 0
1 - [10x0] = 1 0 - [1x0] = 0
= 0 6 0 0 0 6
= 5 0 0 0 0 -6 0 - [10x ] = -6 0 - [1x ] = 0 - [0x ] = 0
0 - [10x0] = 0 1 - [1x0] = 1 0 - [0x0] = 0
-3 - [10x ] = 12 0 - [1x ]= 1 - [0x ]=1
5)
5 6 0 0 0 0
Solución:
Pro. Can.
0 10 0 0 1 -5 -10 1/2
5 3 0 0 0 1/2 0 -3/2
0 1 1 0 0 -1/2 1 3/2
6 4 0 1 0 0 0 1
= 5 6 0 5/2 0 3/2
= 0 0 0 -5/2 0 3/2
A B C D
Oferta
1
20 10 30
2 4 1 3
2
10 20 30
8 2 6 5
3
10 10 20
6 1 4 2
Demanda 20 20 30 10
2. Una vez llenado las casillas enseguida verificar si el método es factible. Para
ello se suman el número de renglones y casillas y éstas deben ser igual al
número de casillas ocupadas:
2A 3A
8 -2 6 -2
4 -2 4 -2
12 -4 6 -4
8 16 -8
8
3B 1C
1 -2 1 -6
6 -4 2 -4
7 -6 3 -10
1 -7
1D 2D
3 -2 5 -2
4 -6 4 -6
2 -4 9 -8
9 -12 1
-3
1C 1C
1 -6 0 -20
2 -4 10 -10
3 -10
-7
*Para saber qué valor colocar en la casilla 1C se comparan con sus valores
en la primera tabla y se elige el valor negativo con menor valor absoluto (-
10)
A B C D
Oferta
1 20 10 30
2 4 1 3
2 20 10
30
8 2 6 5
3 10 10
20
6 1 4 2
Demanda 20 20 30 10
2A 3A
8 -2 6 -2
1 -6 1 -4
9 -8 7 -6
1 1
1B 3B
4 -1 1 -2
6 -2 6 -4
10 -3 7 -6
7 1
1D 2D
3 -2 5 -2
4 -1 4 -6
7 -3 9 -8
4 1
1.
A B C D
Oferta
1 15 15
10 2 20 11
2 15 10
25
12 7 9 20
3 5 5
10
4 14 16 18
Demanda 5 15 15 15
2.
A B C D
Oferta
1 70 10 80
5 2 7 3
2 30
30
3 6 6 1
3 60
60
6 1 2 4
4 10 35
45
4 3 6 6
Demanda 70 40 70 35
3.
A B C Oferta
1 100 100
5 4 3
9 7 5
4.
A B C D
Oferta
1 20 10 30
2 4 1 3
2 10 20
30
8 2 6 5
3 10 10
20
6 1 4 2
Demanda 20 20 30 10
5.
20 30 50
7 3 2 4 2
30 40 70
6 5 8 3 4
80 10 90
3 2 5 7 1
20 60 80 40 10
MÉTODO DE VOGEL
El método de aproximación de Vogel es un método heurístico de resolución de
problemas de transporte capaz de alcanzar una solución básica no artificial de inicio,
este modelo requiere de la realización de un número generalmente mayor de
iteraciones que los demás métodos heurísticos existentes con este fin, sin embargo
producen mejores resultados iniciales que los mismos.
Ejemplo
Una empresa de camiones transporta de la planta A, B, C a los destinos Santo Tomás,
Tampico, Victoria, Mante, junto con los costos unitarios en comparación otras rutas.
1. Determinar para cada renglón y columna una penalización, restando los costos
menores.
Demanda 5 15 15 15 50
Penalización
10-4=6 7-2=5 16-9=7 18-11=7
B 12 7 9 20 9-7=2
25
15 10
C 4 14 16 18 10 14-4=10
5 15
Demanda 5 15 15 15 50
Penalización
10-4=6 7-2=5 16-9=7 18-11=7
B 12 7 9 20 9-7=2
25
C 4 14 16 18 10 16-14=2
Demanda 5 15 15 15 50
Penalización
7-2=5 16-9=7 18-11=7
B 12 7 9 20 20-9=11
25
15 10
C 4 14 16 18 10 18-16=2
5 5
Demanda 5 15 15 15 50
Penalización
16-9=7 20-18=2
SOLUCIÓN ÓPTIMA
Z= 15(2) + 15(9) + 10(20) + 5(4) + 5(18)
Z= 475
MÉTODO HÚNGARO
El método Húngaro es un método de optimización de problemas de asignación
conocido como tal gracias a que los primeros aportes al método clásico definitivo
fueron de Dénes Koing y Jeno Egerváry dos métodos húngaros.
Directivo 2
14 15 17 14
Directivo 3
11 15 15 19
Directivo 4
21 24 26 24
Directivo 2
0 1 3 0
Directivo 3
0 4 4 3
Directivo 4
0 3 5 3
Directivo 2
0 0 0 0
Directivo 3
0 3 1 3
Directivo 4
0 2 2 3
3. Para que el problema finalice necesitamos trazar líneas donde haya ceros,
estos no deben tener más de dos intersecciones, como solo tenemos 2 líneas
es necesario encontrar el número menor que no se encuentre marcado por
las líneas (1) y sumarlo en las intersecciones. Por último se le resta a los
números que no estén en las intersecciones como se muestra:
0 3 2 3
Directivo 2
0 0 0 0
Directivo 3
0 3 1 3
Directivo 4
0 2 2 3
0 2 1 2
Directivo 2
1 0 0 0
Directivo 3
0 2 0 2
Directivo 4
0 1 1 2
0 1 1 1
Directivo 2
2 0 1 0
Directivo 3
0 1 0 1
Directivo 4
0 0 1 1
Directivo 2
14
Directivo 3
15
Directivo 4
24
Solución óptima
Z= 15 + 14 + 15 + 24
Z= 68