CONTENIDO

INTRODUCCIÓN
1. MÉTODO DEL TRANSPORTE
1.1 FORMULACIÓND DEL PROBLEMA GENERAL DE TRANSPORTE
1.2 MÉTODOS UTILIZADOS EN LA PRIMERA FASE
1.2.1 Método de la Esquina Noroeste
1.2.2 Método de Vogel
1.2.3 Método del Coste Mínimo
1.2.4 Ejercicio de Aplicación Métodos Primera Fase
1.3 MÉTODOS UTILIZADOS EN LA SEGUNDA FASE
1.3.1 Ejercicio de Aplicación del Método de Stepping-Stone
1.3.2 Ejercicio de Aplicación del Método de Distribución Modificado
1.4 PROBLEMA DE ASIGNACIÓN (MÉTODO HÚNGARO)
1.4.1 Ejercicio de Aplicación
2. MÉTODO DE REDES
2.1 ARBOL DE EXPANSIÓN MINIMA
2.1.1 Ejercicio de Aplicación
2.2 ALGORITMO DE LA RUTA MÁS CORTA
2.2.1 Ejercicio de Aplicación
2.3 ALGORITMO DEL FLUJO MÁXIMO
2.3.1 Ejercicio de Aplicación
2.4 ALGORITMO DE REDES CAPACITADAS DE COSTO MÍNIMO
2.4.1 Ejercicio de Aplicación
2.5 ALGORITMO DE LA RUTA CRÍTICA (CPM)
2.5.1 Ejercicio de Aplicación
CONCLUSIONES
BIBLIOGRAFÍA
 INTRODUCCIÓN

En este trabajo se tratan dos aplicaciones especiales de la programación lineal: los

problemas de transporte y de asignación y problemas de redes.

En el primer capítulo, se abarcará el problema de transporte que estudia la distribución de

un producto homogéneo desde un conjunto de fábricas a un conjunto de almacenes o puntos
de venta de modo que se satisfagan las demandas de los almacenes y no se superen las
disponibilidades de las fábricas, con coste mínimo. Se identifican dos fases en la solución
de los problemas; en la primera encontramos los métodos de la esquina noroeste (MEN), de
Vogel y de coste mínimo. En la segunda fase se utilizan los métodos de Stepping-Stone y
MODI (distribución modificada, también denominada u-v).

Por su parte, en el segundo capítulo, analizaremos el problema de redes. Dentro de los

métodos que veremos aquí encontramos: árbol de expansión mínima, algoritmo de la ruta
más corta, algoritmo del flujo máximo, algoritmo de redes capacitadas de costo mínimo y el
algoritmo de la ruta crítica.
 1. MÉTODO DEL TRANSPORTE

El modelo de transporte tiene notable interés por sus importantes aplicaciones que, como
se vera en varios ejercicios, no se restringe únicamente a la distribución de mercancías.

Su procedimiento especifico de solución, llamado algoritmo de transporte consta de dos

fases y es rápido y eficiente. La primera fase consiste en obtener una solución factible
inicial. Se pasa después a la segunda fase, en la que se comprueba si la solución obtenida
en la primera fase es óptima, y si no lo es, como mejorarla.

1.1 FORMULACIÓN DEL PROBLEMA GENERAL DE TRANSPORTE.

El problema de Transporte presenta una estructura especial de programación lineal, que

requiere de la programación entera y de la no-negatividad.

Puede decirse que, existen m orígenes que surten a n centros de consumo (destinos) para
cierto producto.

La capacidad de oferta del origen (i) es filas.

La demanda del centro de consumo ( j ) es con j = 1,2,3,...,n columnas.

Teniendo en consideración el costo unitario de enviar el producto del origen (i) al centro
de consumo ( j ).
Y de esto resulta la siguiente cuestión: ¿Cuántas unidades del producto se deben enviar del
origen ( i ) al centro de consumo ( j ), de manera que comúnmente se minimicen los costos
totales de Transporte, se esté satisfecha la demanda del centro de consumo sin exceder la
capacidad de la oferta del origen ( i)?

El problema de transporte se representa a continuación como una matriz, que puede estar en

función a los costos o a los flujos

DESTINO

ORIGEN 1 2 3 ...
OFERTA

DEMANDA

Expresado en forma general queda:

de donde
 para j = 1, 2, 3, ..., n

donde es la cantidad de recursos (x) asignados al destino ( j ) con su costo unitario (i).

Desarrollando la función objetivo, se tiene

Aunque la matrices de Transporte pueden presentarse de la siguiente manera:

Caso 1.

Que la oferta total sea mayor que la demanda total

Es decir, .

Se tendrá que añadir un centro de consumo artificial(n+1) cuya demanda

en los cuales los costos unitarios , son todos ceros con

k= 1,2,...,m que de forma matricial se expresa de la siguiente manera:

DESTINO Columna OFERTA

ORIGEN agregada

DEMANDA

Caso2.

Que la demanda total sea mayor que la oferta total, o sea:

para lo cual se añadirá una fila a la matriz, que será (m+1), con capacidad de oferta

, los costos unitarios son ceros, quedando la matriz de costos

como sigue.
DESTINO OFERTA

ORIGEN 1 2 ... n

DEMANDA

El objetivo de aumentar una columna o agregar una fila es el de balancear el problema de

Transporte. Una vez hecho esto, se requerirá que la solución inicial sea básica y factible.

Para esto, los métodos de resolución al problema de Transporte para obtener la solución
inicial son:

1. PRIMERA FASE:

 Método de la Esquina Noroeste

 Método Vogel.
 Método del Coste Mínimo

2. SEGUNDA FASE

 Método de Stepping – Stone

 Método Distribución Modificada (MODI)
3. PROBLEMA DE ASIGNACIÓN (MÉTODO HÚNGARO)

1.2 MÉTODOS UTILIZADOS EN LA PRIMERA FASE

1.2.1 Método de la Esquina Noroeste.

También llamado noroccidental o de extremos, presenta la construcción de una matriz de

flujos de la siguiente manera.

Paso1

En la posición (1, 1) que es el extremo Noroeste , se decide a

, por lo tanto alguno de los valores se hacen

cero.

Paso 2.

Si es CERO, se pasa a la posición que le sigue ( "abajo" en la columna) que es la (2, 1),

para hacer Se cancela el resto de la fila con ceros; además no se

considerarán estas posiciones en un futuro, exceptuando la posición .

Por otro lado, si , en el paso anterior, se pasa a la posición contigua (que en este caso

sería (1, 2), tal que Se cancela lo restante de la columna con ceros, y

se descarta de consideración futura alguna, con excepción de la posición

Paso3.

Continuar con la misma lógica hasta llegar a la posición (m, n) de la matriz de flujos.

En esta forma se obtendrá una solución inicial factible, básica; pero bastante distante del
óptimo para el problema del transporte.

Donde :

1.2.2 Método de Vogel

El algoritmo del Método Vogel para obtener una solución básica factible de un problema de
Transporte es el que se muestra a continuación:

Paso 1.

Construcción de una matriz de costos y flujos en relación a un problema balanceado.

Ir al paso 3.

Paso2.

Usar el remanente de costos y flujos de la matriz, hasta que los flujos estén asignados.

Paso3.

Calcular las diferencias de las filas y de las columnas de la matriz de costos. Esta diferencia
resulta entre los números más pequeños (tanto de filas como de columnas).

Paso4.
Seleccionar a la fila o a la columna que tenga la mayor diferencia. En caso de empate, se
decide arbitrariamente.

Paso 5.

Localizar el costo más pequeño en la matriz de costos en la fila o la columna seleccionada

en el paso anterior. Esta será la posición

Paso 6.

En la matriz de flujos , decidir , con ( i, j ) identificado en el paso

anterior.

Se considerará determinar la oferta con , y la demanda será .

Paso7.

 Si , llénese la fila i con ceros, exceptuando la posición , eliminando

la fila de cualquier consideración futura.

 De resultar , se llenará la columna j con ceros, con excepción de la

posición , las posiciones restantes se descartadas de tomarse en cuenta.

Continuar con el paso 2 del algoritmo.

1.2.3 Método de Coste Mínimo

El método del coste mínimo asigna el mayor número posible de unidades a la posición de
menor coste eliminando la fila y/o columna que quede satisfecha, y repite el proceso hasta
eliminar todas las filas y columnas.
1.2.4 Ejercicio de Aplicación Métodos Primera Fase

Dada la tabla de transporte:

1 2 3 Disp.

A 8 9 6 45

B 5 7 4 25

C 3 5 7 50

D 7 8 5 30
Dem. 40 60 30

Donde los elementos interiores representan costes, se desea determinar una solución inicial
básica factible y su coste asociado con:

a) El MEN.
b) El método de Vogel.
c) El método de Coste Mínimo.
d) Comentar la calidad relativa de las soluciones obtenidas en los apartados anteriores.

SOLUCIÓN

Como la disponibilidad total es de 150 y la demanda total es de 130, el problema no es

equilibrado. Para equilibrarlo, introducimos un destino ficticio (columna F) con demanda
150-30=20 y costes nulos en las posiciones de sus columnas. Tenemos entonces, la tabla:
 1 2 3 F Disp.

A 8 9 6 0 45

B 5 7 4 0 25

C 3 5 7 0 50

D 7 8 5 0 30
Dem. 40 60 30 20

a) El MEN comienza tomando la posición de la tabla situada más al noroeste (A,1) y

situando en ella el máximo número posible de unidades, que será el mínimo entre la
disponibilidad del origen A y la demanda del destino 1. En este caso, XA1=min(45,40)=40.
A continuación, se reducen, en ese valor asignado, la disponibilidad de A y la demanda de
1. Se obtiene así la tabla de la que se elimina la fila y/o columna que quede satisfecha.

1 2 3 F Disp.
40
A 8 9 6 0 5

B 5 7 4 0 25

C 3 5 7 0 50

D 7 8 5 0 30
Dem. 0 60 30 20

En este caso, la columna 1 pasa a tener demanda 0, así que la eliminamos, teniendo ahora la
tabla reducida y con bordes (disponibilidades y demandas) revisados,
 2 3 F Disp.

A 9 6 0 5

B 7 4 0 25

C 5 7 0 50

D 8 5 0 30
Dem. 60 30 20

Se repite el procedimiento con esta tabla. Ahora, la esquina noroeste corresponde a la

(A,2). El número de unidades que asignamos a esta aposición es XA2=min(5,60)=5. Una
vez reducidas la disponibilidad de A y la demanda de 2, se obtiene:

2 3 F Disp.
5
A 9 6 0 0

B 7 4 0 25

C 5 7 0 50

D 8 5 0 30
Dem. 55 30 20

Prescindiendo de la fila A, que ha quedado satisfecha al convertirse en nula su

disponibilidad, tenemos la nueva tabla reducida con la asignación XB2=25.
 2 3 F Disp.
25
B 7 4 0 0

C 5 7 0 50

D 8 5 0 30
Dem. 30 30 20

Prescindiendo de la fila B, ya queda satisfecha, y reiterando el procedimiento, tenemos la

solución básica factible que mostramos en la tabla:

1 2 3 F Disp.
40 5
A 8 9 6 0 45
25
B 5 7 4 0 25
30 20
C 3 5 7 0 50
10 20
D 7 8 5 0 30
Dem. 40 60 30 20

Esta solución es no degenerada, ya que el número de posiciones básicas es 7 igual al

número máximo posible que es m + n – 1 = 4 + 4 – 1 = 7, donde m = número de filas y
n = número de columnas de la tabla de transporte equilibrada, de posiciones básicas que
puede tener una solución básica factible. El coste asociado a esta solución es:

C = 40*8 + 5*9 +25*7 +30*5 + 20*7 + 10*5 + 20*0 = 880

b) El método de Vogel comienza determinando las penalizaciones de la fila (PF i) y

columna (PCj), obtenidas como el valor absoluto de la diferencia entre los dos costes
menores de cada fila y cada columna, respectivamente. Situamos estos valores a la derecha
y en la parte inferior de la tabla, obteniendo la tabla ampliada
 1 2 3 F Disp. PFi

A 8 9 6 0 45 6*

B 5 7 4 0 25 4

C 3 5 7 0 50 3

D 7 8 5 0 30 5
Dem. 40 60 30 20
PCj 2 2 1 0

A continuación, consideramos la mayor penalización entre filas y columnas, que es 6

(marcada con un *) y corresponde a la fila A. Elegimos la posición de menor coste en esta
fila, que es la (A , F), y situamos en ella el mayor número posible de unidades dado por
XAF = min (45,20) = 20. Reduciendo la disponibilidad de la fila A y la demanda de la fila
F en ese valor, tenemos la tabla:

1 2 3 F Disp.
20
A 8 9 6 0 25

B 5 7 4 0 25

C 3 5 7 0 50

D 7 8 5 0 30
Dem. 40 60 30 0

Eliminamos la fila y/o columna que haya quedado satisfecha, que en este caso es la
columna F, y repetimos el proceso con la tabla reducida y sus bordes revisados. Las
penalizaciones son ahora

1 2 3 Disp. PFi

A 8 9 6 25 2
 B 5 7 4 25 1

C 3 5 7 50 2

D 7 8 5 30 2
Dem. 40 60 30
PCj 2 2* 1

Y la mayor es 2. Como hay empate, lo rompemos arbitrariamente y tomamos, por ejemplo,

la columna 2. En esta columna, el menor coste es 5, que corresponde a la posición (C , 2).
Hacemos XC2 = min (50,60) = 50 y reducimos la disponibilidad de C y la demanda de 2 en
tal número de unidades

1 2 3 Disp.

A 8 9 6 25

B 5 7 4 25
50
C 3 5 7 0

D 7 8 5 30
Dem. 40 10 30

eliminamos la fila C. La nueva tabla reducida, con las penalizaciones, es

1 2 3 Disp. PFi

A 8 9 6 25 2

B 5 7 4 25 1
30
D 7 8 5 30 2*
Dem. 40 10 30
PCj 2 1 1
Tomamos como mayor penalización la correspondiente a la fila D, pues hay empates. En
ella, la posición de menor coste es (D , 3). Hacemos XD3 = min (30 , 30) = 30 y reducimos
la disponibilidad de D y la demanda de 3 en ese valor. Esto nos lleva a eliminar
simultáneamente la fila D y la columna 3, indicación de degeneración en la solución inicial.
Continuando con el procedimiento llegamos a la solución básica factible

1 2 3 Fict. Disp.
15 10 20
A 8 9 6 0 45
25
B 5 7 4 0 25
50
C 3 5 7 0 50
30
D 7 8 5 0 30
Dem. 40 60 30 20

que es degenerada, ya que tiene 6 posiciones básicas, una menos que el número máximo
que es 7. El coste asociado es

C = 15*8 + 10*9 + 20*0 + 25*5 + 50*5 + 30*5 = 735

c) Método del Coste Mínimo

En nuestra tabla, el menor coste es 0, que corresponde a toda las posiciones de la

columna F. Elegimos una arbitrariamente, por ejemplo, la posición (A , F) y el
mayor número de unidades que podemos asignar es XAF = min (45,20) = 20.
Reducimos la disponibilidad de la fila A y la demanda de la columna F en ese
número de unidades y tenemos la tabla
 1 2 3 F Disp.
20
A 8 9 6 0 25

B 5 7 4 0 25

C 3 5 7 0 50

D 7 8 5 0 30
Dem. 40 60 30 0

Eliminamos la columna F, que ha quedado satisfecha. La nueva tabla reducida con bordes
revisados es:

1 2 3 Disp.

A 8 9 6 25

B 5 7 4 25

C 3 5 7 50

D 7 8 5 30
Dem. 40 60 30

La posición de menor coste es (C , 1). Le asignamos XC1 = min (50,40) = 40. La tabla con
la disponibilidad de la fila C y la demanda de la columna 1 reducidas en ese número de
unidades es:

1 2 3 Disp.

A 8 9 6 25

B 5 7 4 25
40
C 3 5 7 10
 D 7 8 5 30
Dem. 0 60 30

Y eliminando la columna 1, ya que satisfecha, se obtiene la tabla reducida:

2 3 Disp.

A 9 6 25

B 7 4 25

C 5 7 10

D 8 5 30
Dem. 60 30

La posición de menor coste es (B,3). Le asignamos XB3 = min (25,30) =25. Continuando
con el procedimiento, se llega a la solución dada en la tabla que es no degenerada, ya que
tiene 7 posiciones básicas.

1 2 3 F Disp.
25 20
A 8 9 6 0 45
25
B 5 7 4 0 25
40 10
C 3 5 7 0 50
25 5
D 7 8 5 0 30
Dem. 40 60 30 20

C = 25*9 + 20*0 + 25*4 +40*3 + 10*5 + 25*8 + 5*5 = 720

d) Los métodos de Vogel y de Coste mínimo han proporcionado una solución inicial básica
factible, bastante mejor que el MEN. En general esto era de esperarse, ya que el MEN
distribuye las unidades en la tabla de transporte sin tener en cuenta los costes, mientras que
los otros dos métodos tienen una lógica basada en ellos.

1.3 MÉTODOS UTILIZADOS EN LA SEGUNDA FASE

1.3.1 Ejercicio de Aplicación del Método de Stepping-Stone

Dada la tabla de transporte:

1 2 3 4 Disp.

1 8 11 5 7 400

2 9 5 6 11 700

3 12 4 8 10 100
Dem. 500 400 100 200
Obtener la solución óptima con el método de Stepping-Stone a partir de la solución inicial
obtenida con el MEN.

SOLUCIÓN

La disponibilidad total (1200) coincide con la demanda total, por lo que el problema es
equilibrado. Determinamos la solución inicial básica factible con el MEN. Esta es:

1 2 3 4 Disp.
400
1 8 11 5 7 400
100 400 100 100
2 9 5 6 11 700
 100
3 12 4 8 10 100
Dem. 500 400 100 200

Con coste C = 8800. Esta solución inicial es no degenerada, pues tiene 6 posiciones
básicas. Podemos, entonces, comenzar el procedimiento de Stepping-Stone calculando

primero el coste relativo ij de cada posición no básica a partir de la construcción de un

ciclo para cada una (un ciclo para una posición no básica es un camino que comienza y
termina en la posición no básica elegida, formado por segmentos alternativamente
verticales y horizontales, o viceversa, con extremos en posiciones básicas. Se designarán
alternativamente las posiciones del ciclo con ^+ y ^-, comenzando con ^+ en la
posición no básica de partida).

Consideramos inicialmente la posición no básica (1,2). La tabla muestra el ciclo construido

para ella, con el efecto sobre el objetivo debido al incremento de una unidad para las
posiciones con designación ^+ y la disminución de una unidad para las posiciones con

designación ^-, y el coste relativo 12.

Posición Designación Efecto sobre

(i,j)  el objetivo

(1,2) ^+ 11

(1,1) ^- -8

(2,1) ^+ 9

(2,2) ^- -5

(1,2) ^+ -
Coste relativo 7

Procediendo de modo análogo con el resto de las posiciones no básicas, podemos

determinar los demás costes relativos.
 Posición Coste relativo

(i,j) ij)
(1,2) 7
(1,3) 0
(1,4) -3
(3,1) 4
(3,2) 0
(3,3) 3

Situamos éstos sobre los costes de transporte por unidad dentro de la tabla. Se obtiene así:

1 2 3 4 Disp.
400 7 0 -3
1 8 11 5 7 400
100 400 100 100
2 9 5 6 11 700
4 0 3 100
3 12 4 8 10 100
Dem. 500 400 100 200

Si todos los costes relativos fueran no negativos, la solución actual sería óptima. No es este
el caso. Tomamos la posición con coste relativo más negativo, la única en este caso es

(1,4), con 14 = -3. Generamos a continuación una nueva solución determinando
previamente, a partir del ciclo construido con la posición (1,4), que es

Posición Valor de Designación

(i,j) Xij) 
(1,4) - ^+
(1,1) 400 ^ -
(2,1) 100 ^+
(2,4) 100 ^ -

la cantidad  = min {Xij} = min {400,100} = 100.

^ -
Esta cantidad es el mayor valor que se puede asignar a la posición (1,4). Se modifica la
solución actual, sumándola a las posiciones del ciclo con designación ^+, restándola a
aquellas con designación ^ - y permaneciendo igual los valores del resto de las variables.
Así, la nueva solución, con los nuevos costes relativos es:

1 2 3 4 Disp.
300 7 0 100
1 8 11 5 7 400
200 400 100 3
2 9 5 6 11 700
1 -3 0 100
3 12 4 8 10 100
Dem. 500 400 100 200

Sigue siendo no degenerada, ya que tiene de nuevo 6 posiciones básicas. El coste asociado
será de C = 8800 + (-3)*100 = 8500, como puede también comprobarse de forma directa a
partir de la tabla. Ahora, el coste relativo más grande (i único) corresponde a la posición

(3,2), con 32 = -3. El ciclo para esa posición es

Posición Valor de Designación

(i,j) Xij) 
(3,2) - ^+
(3,4) 100 ^ -
(1,4) 100 ^+
(1,1) 300 ^ -
(2,1) 200 ^+
(2,2) 400 ^ -
la cantidad  = min {100,300,400} = 100, y la nueva solución, que permanece no
degenerada, es

1 2 3 4 Disp.
200 7 0 200
1 8 11 5 7 400
300 300 100 3
2 9 5 6 11 700
4 100 3 3
3 12 4 8 10 100
Dem. 500 400 100 200

Esta tabla contiene, además, los nuevos costes relativos. Como todos son no negativos, el
procedimiento termina al haberse alcanzado la solución óptima. Esta es

X*11 = 200, X*14 = 200, X* 21 = 300, X*22 = 300, X*26 = 100, X*32 = 100

Con coste C* = 8200.

Finalmente, observamos que en esta tabla final la posición no básica (1,3) tiene coste

relativo 13 = 0, lo que significa que existen óptimas alternativas.

1.3.2 Ejercicio de Aplicación del Método de Distribución Modificado

Dada la tabla de transporte

1 2 3 Disp.
 1 4 3 5 8

2 2 3 6 5

3 3 1 2 6
Dem. 8 3 9

determinar la solución óptima con el método MODI a partir de la solución inicial obtenida
por el procedimiento MEN.

SOLUCIÓN

La disponibilidad total es 19, menor que 20, la demanda total. El problema no es

equilibrado. Añadimos un origen ficticio (F) con disponibilidad 20 – 19 = 1, que
proporciona el exceso de demanda, con costes 0 en las posiciones de esta nueva fila. La
solución básica factible inicial con el MEN es

1 2 3 Disp.
8 Î
1 4 3 5 8
3 2
2 2 3 6 5
6
3 3 1 2 6
1
F 0 0 0 1
Dem. 8 3 9
Tal solución tiene 5 posiciones básicas, si prescindimos por el momento del Î que aparece
en la posición (1,2), siendo el máximo posible m + n – 1 = 4 + 3 – 1 = 6. Hay que añadir
una Î posición. Las posiciones independientes son (1,2), (1,3), (2,1), (3,1) y (F,1).
Elegimos de forma arbitraria la posición (1,2) como Î-posición, como aparece en la tabla
anterior.

Al haber convertido la solución inicial en no degenerada, podemos aplicar el método

MODI, para saber si tal solución es óptima o, si no lo es, mejorarla. Comenzamos
calculando los números MODI de fila ( Si, i = 1,2,3,F) y columna (Tj, j = 1,2,3) con la
condición

ij = 0 = Si + Tj + Cij  (i , j) básica

donde los ij son los indicadores, o costes relativos, de las variables Xij, con un significado
análogo al de los indicadores en el método simples; observemos que Sij = ui + Tj = -vj,
donde = ui y –vj son los valores de las variables duales del problema de transporte en
formato estándar. De la condición anterior, tenemos el sistema de 6 ecuaciones lineales con
7 incógnitas, compatible indeterminado,

S1 + T1 + 4 = 0, S1 + T2 + 3 = 0, S2 + T2 + 3 = 0
S2 + T3 + 6 = 0, S3 + T3 + 2 = 0, SF + T 3 + 0 = 0

Tomando arbitrariamente la variable S1 y haciéndola, por ejemplo, igual a 0, se tiene la

solución que aparece en la columna de la derecha, bajo S i, y en la fila inferior, a la derecha
de Tj, de la tabla.

1 2 3 Disp. Si
8 Î -1

1 4 3 5 8 0
-2 3 2
2 * 2 3 6 5 0
 3 2 6
3 3 1 2 6 4
2 3 1
F 0 0 0 1 6
Dem. 8 3 9
Tj -4 -3 -6

Calculamos los indicadores de las variables o posiciones no básicas a partir de la relación

ij = 0 = Si + Tj + Cij  (i , j) no básica

que también aparecen en la tabla (números sobre los costes). Puesto que existen
indicadores negativos, es posible la mejora de la solución actual. Elegimos el más
negativo, que corresponde a la posición (2,1), marcada con *, con 21 = -2 y construimos
un ciclo para ella. Este es

Posición Valor de Designación

(i,j) Xij) 
(2,1) - ^+
(1,1) 8 ^ -
(1,2) Î ^+
(2,2) 3 ^ -

Con valor
 = min {Xij} = min {8,3} = 3.
^ -

La nueva solución, que se mantiene no degenerada, es:

 1 2 3 Disp.
5 3+Î

1 4 3 5 8
3 2
2 2 3 6 5
6
3 3 1 2 6
1
F 0 0 0 1
Dem. 8 3 9

Para esta tabla, calculamos los números MODI de fila y columna a parir del sistema

S1 + T1 + 4 = 0, S1 + T2 + 3 = 0, S2 + T1 + 2 = 0
S2 + T3 + 6 = 0, S3 + T3 + 2 = 0, SF + T 3 + 0 = 0

Y los indicadores ij de las posiciones no básicas, que podemos ver en la tabla

1 2 3 Disp. Si
5 3+Î -3

1 4 3 * 5 8 0
3 2 2
2 2 3 6 5 2
5 4 6
3 3 1 2 6 6
4 5 1
F 0 0 0 1 8
Dem. 8 3 9
Tj -4 -3 -8

Existe un indicador negativo, así que aún es posible la mejora. Este corresponde a la
posición (1,3), con 13 = -3. El ciclo para esta posición es
 Posición Valor de Designación

(i,j) Xij) 
(1,3) - ^+
(1,1) 5 ^ -
(2,1) 3 ^+
(2,3) 2 ^ -

con valor  = min {5,2} = 2. La nueva solución, que es no degenerada, junto con los
números MODI e indicadores, se muestra en la tabla siguiente:

1 2 3 Disp. Si
3 3+Î 2
1 4 3 5 8 0
5 2 3

2 2 3 6 5 2
2 1 6
3 3 1 2 6 3
1 2 1
F 0 0 0 1 5
Dem. 8 3 9
Tj -4 -3 -5

Puesto que todos los indicadores son no negativos, se ha alcanzado la optimalidad.

Hacemos entonces Îy la solución óptima es

X*11 = 3, X*12 = 3, X*13 = 2, X*21 = 5, X*33 = 6, X*F3 =1

con coste C* = 53. Observemos que el óptimo es único, pues todos los indicadores de las
posiciones no básicas son positivos.

1.4 PROBLEMA DE ASIGNACIÓN (MÉTODO HÚNGARO)

Paso1.

Deberá haber una matriz balanceada de costos, donde será restado tanto en la columna
como en la fila el número más pequeño de esa columna o fila. O sea,

con j = 1,...,n y i = 1,...,m.

Paso2.

Seleccionar un cero en cada renglón y columna de la nueva matriz de costos. Se elimina la

columna y el renglón al que pertenece el cero seleccionado.

Tenemos una solución óptima, si al finalizar este paso, se ha hecho una asignación
completa de ceros, en otras palabras, cada origen tiene su destino y viceversa.

Si no se ha llegado al óptimo, se continúa con el paso 3.

Paso3.

Se encuentra la condición de Köning, donde el índice cuadrado (donde concuerdan el

máximo número de ceros) es igual al índice de diseminación (el número mínimo de filas y
columnas, tal que si se omiten desaparecen los ceros de la matriz).

Este paso de subdivide en los siguientes:

3a) Marcar cada una de las filas que no contenga un cero asignado.

3b) Marcar cada columna que contenga un cero, (que no es necesario que esté asignado), de
la fila descrita en el paso 3a).

3c) Marcar cada fila que contenga un cero asignado en la columna del paso anterior 3b).

3d) Repetir los pasos 3b) y 3c), has que no se puedan marcar más columnas o más filas.
3e) Tachar las filas que no se encuentren marcadas y las columnas que sí lo están.

3f) Seleccionar el número más pequeño de los elementos no considerados en ningún

aspecto. Este elemento se restará a los demás elementos no tachados, y se sumará a los que
tengan doble marca, o que estén tachados.

Los elementos que tengan una sola marca, no cambian.

1.4.1 Ejercicio de Aplicación

Una empresa de alimentación tiene en plantilla 4 ejecutivos Ei, i = 1,2,3,4, que debe asignar
a cuatro grandes clientes Cj, j = 1,2,3,4. Los costes estimados (en millones de pesetas) de la
asignación de cada ejecutivo a cada cliente son

C1 C2 C3 C4
E1 15 19 20 18
E2 14 15 17 14
E3 11 15 15 14
E4 21 24 26 24

resolverlo con el método húngaro.

SOLUCIÓN

Resolvemos el problema con el método Húngaro, un algoritmo específico para el problema

de asignación, computacionalmente más eficiente que los procedimientos anteriores.

Como la tabla tiene todos los costes no negativos, podemos comenzar la aplicación del
algoritmo cuyo primer paso consiste en generar ceros restando el menor elemento de cada
fila de todos los elementos de su fila y haciendo lo mismo para las columnas con la tabla
obtenida. La nueva tabla es
 C1 C2 C3 C4
E1 0 3 2 3
E2 0 0 0 0
E3 0 3 1 3
E4 0 2 2 3

Para ver si es posible una asignación independiente de ceros, es decir, que exista al menos
un cero por fila y columna, aplicamos la heurística que consiste en buscar la fila y columna
con menor número de ceros en la tabla obtenida, marcar uno de los ceros de la fila (aparece
en negrita en la siguiente tabla) y tachar el resto de ceros (se indica poniendo X) que se
encuentran en la misma fila y columna que el cero marcado. La fila con menor número de
ceros es la primera (rompemos empates tomando la fila superior), así que marcamos el cero
de la posición (1,1) y tachamos los ceros de las posiciones (2,1), (3,1) y (4,1). Ahora, la fila
con menor número de ceros (no tachados) es la segunda. Marcamos, por ejemplo, el cero
de la posición (2,2) y tachamos los de las posiciones (2,3) y (2,4). La tabla es

C1 C2 C3 C4
E1 0 3 2 3

E2 X 0 X X
E3 X 3 1 3

E4 X 2 2 3

Como N hemos conseguido un cero marcado por fila, no tenemos una asignación
independiente, y el algoritmo debe continuar generando ceros adicionales sobre la tabla
obtenida. Para ello, aplicamos el siguiente procedimiento:

1) Marcar todas las filas (con  a la derecha de la fila) que no contienen un cero marcado,
que serán la tercera y cuarta.
2) Marcar columnas (con ) que tienen un cero tachado en filas marcadas, que sólo será la
primera columna.
3) Marcar toda la fila que tenga un cero marcado en una columna marcada, que será la
primera fila.
4) Repetir 2) y 3) hasta que no haya más filas y columnas que marcar. La tabla con las
filas y columnas marcadas es

C1 C2 C3 C4

E1 0 3 2 3 
E2 X 0 X X

E3 X 3 1 3 
E4 X 2 2 3 


A continuación, debemos pasar líneas a través de las filas no marcadas y las columnas
marcadas, que indicaremos con flechas como se puede observar en la tabla y que es el
menor número de líneas verticales y horizontales (L. C.) que cubren todos los ceros de la
matriz (hemos quitado la marca de los ceros y restituido los ceros tachados).

C1 C2 C3 C4 L. C.

E1 0 3 2 3

E2 0 0 0 0 ¬
E3 0 3 1 3

E4 0 2 2 3

L. C.

Ahora, seleccionamos el menor de los costes no cubiertos por las líneas anteriores, siempre
será un valor positivo al estar todos los ceros cubiertos, que es c^m = 1 que corresponde a
la posición (3,3). Esta cantidad la restamos a todos los elementos no cubiertos, la sumamos
a los elementos cubiertos que estén en la intersección no cubiertos, la sumamos a los
elementos cubiertos que estén en la intersección de una línea vertical y horizontal, y
permanece igual el resto. La nueva tabla es

C1 C2 C3 C4

E1 0 2 1 2

E2 1 0 0 0

E3 0 2 0 2

E4 0 1 1 2

De nuevo, comprobamos si es posible marcar un cero por fila. Tenemos

C1 C2 C3 C4

E1 0 2 1 2

E2 1 0 X X

E3 X 2 0 2

E4 X 1 1 2

Como no hay un cero marcado por fila, no hemos alcanzado una asignación óptima y
debemos generar nuevamente ceros adicionales. Aplicando el procedimiento de antes, el
menor número de líneas que cubren todos los ceros está indicado en la tabla

C1 C2 C3 C4 L. C.

E1 0 2 1 2

E2 1 0 0 0 ¬
E3 0 2 0 2 ¬
E4 0 1 1 2
 L. C.

El menor elemento no cubierto es c^m = 1, y la nueva tabla de asignación que también

contiene los ceros marcados y tachados, es

C1 C2 C3 C4

E1 0 1 X 1

E2 2 X X 0

E3 1 2 0 2

E4 X 0 X 1

Esta tabla tiene un cero marcado por fila. Por tanto, se ha alcanzado la optimalidad. La
solución es la misma
 2. MÉTODO DE REDES

Aunque muchos de los problemas de optimización de redes pueden formularse como

programas lineales o enteros y resolverse con los algoritmos correspondientes, existen
métodos específicos que aprovechan la estructura especial de cada problema y su
representación en una red, permitiendo procedimientos de solución más eficientes.

Existen un gran número de situaciones en investigación de operaciones que se pueden

modelar y resolver adecuadamente como redes (nodos conectados por ramas). A manera de
ilustración considere las siguientes situaciones:

a) El diseño de una re de ductos de gas natural mar adentro, que conectan las fuentes en el
golfo de México con un punto de entrega cerca de la orilla. El objeto del modelo es
minimizar el costo de construcción del ducto.
b) La determinación de la ruta más corta entre dos ciudades en una red de carreteras
existente.
c) La determinación de la capacidad máxima (en toneladas por año) de una red de ductos
de suspensión de carbón, que une las minas de carbón en Wyoming con las plantas de
energía eléctrica en Houston. (Los ductos de suspensión transportan el carbón
bombardeando agua a lo largo de ductos especialmente diseñados).
d) La determinación del programa de flujo de costo mínimo de los campos petroleros a las
refinerías a través de una red de ductos.
e) La determinación del programa de tiempo (fechas de inicio y de terminación) para las
actividades de un proyecto de construcción.
La solución de estas situaciones y de otras semejantes se logran por medio de una variedad
de algoritmos de optimización de redes. Algunos de estos algoritmos son:

 Árbol de expansión mínima.

 Algoritmo de la ruta mas corta.
 Algoritmo del flujo máximo.
 Algoritmo de redes capacitadas de costo mínimo.
 Algoritmo de la ruta crítica.

2.1 ARBOL DE EXPANSIÓN MINIMA

Un problema de recorrido mínimo involucra a un conjunto de nodos y a un conjunto de

ramas propuestas, ninguna de las cuales es orientada. Cada rama propuesta tiene un costo
no negativo asociado a ella. El objetivo es construir una red conexa que contenga a todos
los nodos y que sea tal que la suma de los costos asociados con las ramas realmente
empleadas sea mínima. Debe suponerse que hay suficientes ramas propuestas para
asegurar la existencia de una solución.

No es difícil ver un problema de recorrido mínimo se resuelve siempre mediante un árbol .

(si dos nodos en una red conexa están unidos mediante dos rutas, una de estas rutas debe
contener una rama cuya eliminación no desconecte a la red. El eliminar la rama puede
solamente abatir el costo total). Una árbol de recorrido mínimo puede encontrarse al
seleccionar inicialmente cualquier nodo y determinar cual de las ramas que coinciden con
el nodo seleccionado tiene el menor costo. A esta rama se le acepta como parte de la red
final. Después se completa la red iterativamente. En cada etapa del proceso iterativo, la
atención se centra en aquellos nodos que ya se han eslabonado. Todas las ramas que
conectan a estos nodos con nodos inconexos se consideran y se identifica a la mas barata de
las ramas. Los empates se resuelven arbitrariamente. A esta rama se le acepta como parte
de la red final. El proceso iterativo termina cuando se han eslabonado todos los nodos.
Si todos los costos son diferentes ( esto siempre se puede obtener mediante cambios
infinitesimales ), se puede probar que el árbol de recorrido mínimo es único y que es un
producto del algoritmo anterior para cualquier selección de nodo inicial.

2.1.1 Ejercicio de Aplicación

El servicio de Parques Nacionales planea desarrollar una zona campestre para el turismo.
Se han señalado cuatro sitios en el área para llegar a ellos en automóviles. Estos sitios y
las distancias ( en millas ) entre ellos, se presentan en la tabla.

Entrada al parque Cascada Formación rocosa Mirador Pradera

Entrada al parque .... 7.1 19.5 19.1 25.7
Cascada 7.1 .... 8.3 16.2 13.2
Formación rocosa 19.5 8.3 .... 18.1 5.2
Mirador 19.1 16.2 18.1 .... 17.2
Pradera 25.7 13.2 5.2 17.2 ....

Para dañar lo menos posible al medio ambiente, el Servicio de Parques desea minimizar el
número de millas de caminos necesario para proporcionar el acceso deseado. Determínese
cómo deberán construirse los caminos para lograr este objetivo.

SOLUCION

Los nodos son los cuatro sitios que van a desarrollarse y la entrada del parque, mientras
que las ramas propuestas son los posibles caminos para unir los sitios. Los costos son el
número de millas. La red completa se muestra en la siguiente figura, en donde cada sitio
está representado por la primera letra de su nombre.

C
7.1 16.2
19.11
E M
13.2 8.3

P F
25.7 19.51
17.2 18.1

5.2
Se selecciona arbitrariamente la entrada del parque como nodo inicial. Los costos de las
ramas que llegan a este nodo se enlistan en el primer renglón de la tabla. Ya que el menor
costo es 7.1, se agrega a la red la rama que va de la entrada del parque a la cascada.

Se considerarán ahora todas las ramas que unen a la entrada del parque o a la cascada con
un nuevo lugar. Estas son las ramas que van de la entrada del parque a la formación
rocosa, al mirador y a la pradera; así como aquellas que van de la cascada a los mismos
tres sitios. De estas, la rama más barata es aquella que va de la cascada a la formación
rocosa así que se agrega a la red.

Después se consideran todas aquellas ramas que vayan hacia el mirador o la pradera, desde
la entrada del parque, la cascada o la formación rocosa. De estas, la rama que va de la
formación rocosa a la pradera tiene el menor costo, así que se agrega a la red.

En esta etapa, el único sitio no comunicado es el mirador. La rama más barata que une al
mirador con cualquiera de los otros sitios, es la que corresponde a la cascada. Agregando
esta rama a la red, se llega a la siguiente figura la cual tiene un costo mínimo de

Z* = 7.1 + 8.3 + 5.2 + 16.2 = 36.8 millas

C
7.1 16.2

E M
8.3

P F
5.2
2.2 ALGORITMO DE LA RUTA MAS CORTA

Un problema de la ruta más corta involucra una red conexa con un costo no negativo
asociado a cada rama. A un nodo se le denomina fuente y a otro nodo se le denomina
destino. El objetivo es determinar una ruta que una a la fuente con el origen, de manera que
la suma de los costos asociados con las ramas en la ruta sea mínima.

Los problemas de la ruta más barata se resuelven mediante el siguiente algoritmo, en cuya
aplicación todo empate será resuelto arbitrariamente.

Paso 1.

Constrúyase una lista maestra tabulando bajo cada nodo, en orden ascendente según el
costo, las ramas que llegan a él. Cada rama bajo un nodo dado, se escribe con ese nodo
como su primer nodo. Omítase en la lista cualquier rama que tenga a la fuente como su
segundo nodo o que tenga al destino como su primer nodo.

Paso 2.

Márquese con un asterisco a la fuente y asígnese el valor 0. Localícese la rama más barata
que coincida con la fuente y enciérrese en un círculo. Márquese con un asterisco al
segundo nodo de esta rama y asígnese a este nodo un valor igual al costo de la rama.
Elimínense de la lista maestra todas aquellas otras ramas que tengan como segundo nodo al
que se acaba de marcar con asterisco

Paso 3

Si el nodo que acaba de marcarse con asterisco es el destino continúese en el paso 5. Si

no, continúese en el paso 4.
Paso 4.

Considérense en la lista maestro actual, todos los nodos marcados con asterisco que tengan
bajo ellos ramas muy cerradas en un círculo. Para cada uno de ellos, agréguese el valor
asignado al nodo, al costo de la rama sin círculo mas barata bajo él. Denótese a la menor
de estas sumas con M y enciérrese en un círculo la rama cuyo costo contribuyó a M.
Márquese con un asterisco el segundo nodo de esta rama y asígnesele el valor M.
Elimínense de la lista maestra todas las otras ramas que tengan al nodo que acaba de
marcarse con asterisco como segundo nodo. Continúese en el paso 3.

Paso 5.

Z* es el valor asignado al destino. Una ruta de costo mínimo se obtiene recursivamente,

iniciando con el destino, al incluir en la ruta cada rama encerrada en círculo cuyo segundo
nodo pertenece a la ruta.

2.2.1 Ejercicio de Aplicación.

Smart conduce diariamente a su trabajo. Debido a que acaba de terminar un curso en

análisis de redes, él puede determinar la ruta más corta al trabajo. Desafortunadamente, la
ruta seleccionada está excesivamente patrullada por la policía y con todas las multas
pagadas por exceso de velocidad, la ruta más corta no es la mejor elección. Por
consiguiente, Smart ha decidido elegir una ruta que maximice la probabilidad de no ser
detenido por la policía.

La red en la figura muestra las posibles rutas entre su hogar y el trabajo y las probabilidades
asociadas de que no lo detengan en cada segmento. Por consiguiente, la probabilidad de
que no lo detengan camino al trabajo es el producto de las probabilidades asociadas con los
segmentos sucesivos de la ruta seleccionada. Por ejemplo, la probabilidad de que no lo
multen en la ruta 1 3  5  7 es 0.9 * 0.3 * 0.25 = 0.0675. El objetivo de Smart es
seleccionar la ruta que maximice la probabilidad de que no lo multen.
 0.8 0.35
2 4 6
0.2 0.5
0.6
0.4
1 0.1 7

0.9
0.25
3 5
0.3

El problema se puede formular como un modelo de la ruta más corta, utilizando una
transformación logarítmica que convertirá el producto probabilidad en la suma de los
logaritmos de probabilidades, es decir, si p1k = p 1 * p 2 * ..... * p k es la probabilidad de
que no lo detengan, entonces

log p 1k = log p 1 + log p 2 + ….. + log p k

Matemáticamente la maximización de p 1k es equivalente a la maximización de log p 1k .

Debido a que log p 1k < = 0, la maximización de log p 1k , a su vez, es equivalente a la
minimización de – log p 1k . Utilizando ésta transformación, las probabilidades
individuales p la figura anterior se reemplazan con –log p, para todas las j en la red, por
tanto da la red de la ruta más corta en la figura siguiente:
 0.09691 0.45593
2 4 6
0.30103
0.69897
0.22185
0.39794
1 1. 7
0.04576
0.60206
0.52288
3 5

Utilizando TORA, la ruta más corta en la figura anterior, está definida por los nodos 1, 3, 5
y 7, con una “longitud” correspondiente de 1.1707 ( = - log p 17 ) . Por tanto, la
probabilidad máxima de que no lo detengan es p 17 = 0.0675.

2.3 ALGORITMO DE FLUJO MÁXIMO

El objetivo en un problema de flujo máximo es desarrollar un programa de embarque que

maximice la cantidad de material enviado entre dos puntos. Al punto de origen se le
denomina fuente; al punto final se le denomina destino. Existen varias vías de embarque
que unen a la fuente con el destino, directamente o pasando por lugares intermedios
denominados empalmes. Se considera que no es posible almacenar material en los
empalmes, es decir, que cualquier material que llega a un empalme es embarcado
inmediatamente a otro sitio.

Una red puede ser el modelo para un problema de flujo máximo. La fuente, el destino y los
empalmes se representan mediante nodos, mientras que las ramas representan los conductos
a través de las cuales se transportan materiales. Asociado a cada nodo N y a cada rama NM
que salga de N, hay un número no negativo, o capacidad, que representa la cantidad
máxima de material que puede embarcarse de N a través de NM.

0
 4
B
5
10
8 4 0

Fuente A D Destino
0
7
5

0 10
C

EJEMPLO:

La figura anterior es una red que tiene A como fuente, a D como destino y a B y C como
empalmes. Cerca de los extremos de cada rama se indican las capacidades de flujo en
ambas direcciones. Nótese que pueden embarcarse 7 unidades de A a C a lo largo de AC,
pero en la dirección opuesta sólo pueden embarcarse 0 unidades, ésta asimetría permite, de
desearse definir una orientación para AC. En contraste, los flujos a lo largo de BC pueden
moverse en ambas direcciones, con una capacidad de 5 unidades en ambos sentidos.

Los problemas de flujo máximo se resuelven mediante el siguiente algoritmo:

Paso 1

Encuéntrese una ruta que permita el flujo positivo de material de la fuente al destino. Si no
existe alguna, continúese en el paso 5.

Paso 2

Determínese el flujo máximo que puede embarcarse a lo largo de esta ruta y denótese k.

Paso 3
Disminúyase la capacidad directa (es decir, la capacidad en la dirección de flujo de las k
unidades) de cada rama de ésta ruta en k y auméntese la capacidad en sentido inverso en k.
Agréguense k unidades a la cantidad enviada al destino.

Paso 4

Continúese en el paso 1.

Paso 5

El flujo máximo es la cantidad de material entregada en el destino. El programa óptimo de

embarque se determina comparando la red original con la red final. Cualquier reducción
en capacidad significa un embarque.

2.3.1 Ejercicio de Aplicación

Determínese el flujo máximo de material que puede ser enviado de la fuente A al destino
D, a través de la red planteada en el ejemplo anterior.

Una ruta que va de la fuente al destino es la rama AD, la cual une a estos nodos
directamente. Puede permitir 8 unidades. Embarcando ésta cantidad, se envían 8 unidades
a D, disminuyendo en 8 la capacidad de AD y aumentando en 8 la capacidad de DA. La
red resultante se muestra en la figura siguiente:

0 4
B
5
0 7A
10 0 5C 10 40 D 8
 Fuente Destino
(-8) (+8)

Otra ruta de la fuente al destino que puede permitir el flujo positivo es { AC, CB, BD }. La
cantidad máxima de material que puede ser enviado a lo largo de ésta ruta es de 4 unidades,
es decir, la capacidad de BD. Haciendo este embarque, se incrementa en cuatro unidades el
suministro en D, con lo cual se tiene 8+4 = 12. simultáneamente, se disminuyen en 4
unidades las capacidades de AC, CB y BD y se incrementan en esta misma cantidad las
capacidades de CA, BC y DB. Entonces, la figura anterior se convierte en la siguiente
figura:

0 0
B
9
10
0 8 8

Fuente A D Destino
(-12) 0 (+12)
3
1

4 10
C
La ruta { AC, CD } de la figura anterior, puede permitir 3 unidades de A a D. Haciendo
este embarque se aumenta en 3 unidades el suministro e D, teniéndose 12 + 3 = 15, y se
disminuyen en 3 las capacidades de AC y CD. También se incrementas en 13 unidades las
capacidades de CA y DC. La nueva red es la figura siguiente.

0 0
B
9
10 8
0 8

Fuente A D Destino
(-15) 3 (+15)
0
1

7 7
C

La ruta { AB, BC, CD } de la figura anterior, puede permitir 7 unidades de la fuente al

destino. Haciendo este embarque se aumenta el suministro en 15 + 7 = 22 unidades y se
disminuye en 7 las capacidades de AB, BC y CD. También se incrementan en 7 unidades
las capacidades de BA, CB y DC. El resultado es la figura siguiente:

0
7
B
2
3
0 8 8

Fuente A D Destino
(-22) 10 (+22)
0
8

7 0
C
2.4 ALGORITMO DE REDES CAPACITADAS DE COSTO MINIMO

El problema del flujo restringido de costo mínimo generaliza el modelo de flujo máximo en
cuatro aspectos:

a) Todos los arcos son direccionales (un sentido).

b) Un costo de flujo por unidad ( no negativo ) está asociado con cada arco.
c) Los arcos pueden tener límites positivos de capacidad inferior.
d) Cualquier nodo en la red puede actuar como un punto de origen o un pozo.

El nuevo modelo determina lo flujos en los diferentes arcos que minimizan el costo total, al
mismo tiempo que satisfacen las relaciones del flujo en los arcos y las cantidades de la
oferta y la demanda en los nodos.

2.4.1 Ejercicio de Aplicación

GrainCo proporciona maíz de tres sitios a tres granjas avícolas. Las cantidades de la oferta
en los tres sitios son 100, 200 y 50 mil bushels y la demanda en las tres granjas es de 150,
80 y 120 mil bushels. En su mayor parte GrainCo utiliza ferrocarriles para transportar el
maíz a las granjas, con excepción de tres rutas en las cuales se utilizan camiones.

La figura siguiente resume la ruta disponible entre los silos y las granjas.

[-150]
$1
[100] 1 4 $2
(50,80)
$1
$4 [50]120) (100,120)
(70,120)
$3 [-120]
6
$5 3 $2

[200] $4
2 5
$6 [-80]

Los silos están representados por los nodos 1, 2 y 3, cuyas cantidades de oferta son [100],
[200] y [50], respectivamente. Las granjas están representadas por los nodos 4, 5 y 6, cuyas
cantidades de demandas son [-150], [-80] y [-120], respectivamente. Las rutas permiten el
transbordo entre los silos. Los arcos (1,4), (3,4) y (4,6) son rutas de camiones. Estas
rutas tienen capacidades mínimas y máximas. Por ejemplo la capacidad de la ruta (1,4) es
entre 50 y 80 mil bushels. Todas las otras rutas utilizan transbordos cuya capacidad
máxima es prácticamente ilimitada. Los costos de transporte por bushel se indican en los
respectivos arcos.

2.5 ALGORITMO DE LA RUTA CRITICA (CMP)

El método de la ruta crítica fue diseñado para ayudar en la planificación, la programación y

el control de proyectos. Un proyecto se define como una colección de actividades
interrelacionadas, en la cual cada actividad requiere tiempo y recursos. El objetivo de este
método es proporcionar medios analíticos para programar las actividades. Los pasos de
ésta técnica son:

a) Definir las actividades del proyecto, sus relaciones de precedencia y sus requerimientos
de tiempo.
b) Después el proyecto se traduce a una red que muestra las relaciones de precedencia entre
las actividades.
c) El tercer paso indica hacer cálculos específicos de red que faciliten el desarrollo del
programa de tiempo para el proyecto.

Esta técnica supone relaciones deterministas de la actividad.

2.5.1 Ejercicio de Aplicación

Cierto programa se compone de 12 subrutinas A, B, ..., L. La concepción del proyecto

hace que su ejecución implique el siguiente cuadro de precedencia, costes en miles de
pesetas y tiempos de compleción de las subrutinas en días.
Tiempo Tiempo Coste Coste
Actividad Predecesor Normal Reducido Normal Reducido
A - 5 3 200 250
 B - 4 4 300 300
C - 8 7 400 500
D A 3 2 120 150
E A 7 5 200 300
F C 5 5 300 300
G C 4 3 300 370
H B, D 3 3 800 800
I F, H 9 6 70 160
J F, H 11 7 150 200
K E, I 8 6 60 150
L G, J 10 9 100 105

a) Dibujar la red CPM.

b) Determinar el camino crítico y su duración.
c) Reducir la duración del proyecto en dos días en la forma más económica.

SOLUCION

a) La red CPM de ejecución de este proyecto con el criterio actividad – arco es:

E,7
2 6
K,8
A,5
D,3 I,9

B,4 H,3 J,11 L,10

1 3 5 7 8
F,5
C,8
G,4
4
b) Utilizando el algoritmo CPM determinamos para cada actividad los valores PC, PT, TC
y TT, que se muestran en la tabla

Actividad Etiquetas Holgura

Nombre Duración PC PT TC TT TT - TC
A 5 0 5 2 7 2
B 4 0 4 6 10 6
C 8 0 8 0 8 Crítica
D 3 5 8 7 10 2
E 7 5 12 19 26 14
F 5 8 13 8 13 Crítica
G 4 8 12 20 24 12
H 3 8 11 10 13 2
I 9 13 22 17 26 4
J 11 13 24 13 24 Crítica
K 8 22 30 26 34 4
L 10 24 34 24 34 Crítica

El tiempo de compleción es T = 34 días, el camino crítico C F  J  L, y el coste C es

la suma de los costes normales de todas las actividades, 3´000.000 pesetas.

c) Determinamos inicialmente el incremento de costes Cij por día reducido para cada
actividad (i,j), a partir de la expresión

Coste reducido – Coste normal

Cij =
Tiempo Normal - Tiempo reducido

Para la actividad A asociada al arco (1,2), este coste es, en miles de pesetas:

250 – 200
Cij = = 25

5-3
y, análogamente, para las restantes actividades. La tabla siguiente recoge tales costes:

Actividad Coste reducción Actividad Coste reducción

 Nombre (i,j) Cij (* 10^3 ptas) Nombre (i,j) Cij (* 10^3 ptas)
A (1,2) 25 G (4,7) 70
B (1,3) 0 H (3,5) 0
C (1,4) 100 I (5,6) 30
D (2,3) 30 J (5,7) 12.5
E (2,6) 50 K (6,8) 45
F (4,5) 0 L (7,8) 5

Realizamos una representación del proyecto en un diagrama horizontal dibujando cada

actividad con una barra de longitud igual a su duración y con origen en el valor de su
etiqueta PC. Dibujamos el camino crítico como una línea continua sobre el eje de tiempos
y el resto de actividades en diferentes niveles, utilizando líneas punteadas para indicar los
enlaces entre actividades de la red CPM . El esquema es:

A,5 E,7

D,3 H,3 I,9 K,8

B,4

C,8 F,5 J , 11 L , 10

G,4

0 5 10 15 20 25 30 35

El procedimiento de reducción se lleva a cabo unidad a unidad. Las actividades que

consideramos inicialmente para su reducción serán las actividades críticas con coste
Cij > 0. Estas son C, J y L. La que conlleva menor incremento de coste el L, así que
reducimos esta actividad en 1 día, teniendo el proyecto una nueva duración T = 33 y un
coste C = 3005000. El camino crítico sigue siendo el mismo, aunque la duración L es de 9
días. Ahora, intentamos reducir en otro día la duración del proyecto. Observemos que L no
admite una nueva reducción, pero la actividad crítica que permite reducir un día con menor
incremento en el costo es J. La nueva duración de la actividad J es 10 días y el incremento
de costo12500. De nuevo, permanece el mismo camino crítico.

A,5 E,7

D,3 H,3 I,9 K,8

B,4

C,8 F,5 J , 10 I,9

G,4

0 5 10 15 15 20 30 35
 CONCLUSIONES

 El modelo de transporte busca determinar un plan de transporte de una mercancía de

varias fuentes a varios destinos. Entre los datos del modelo se encuentran: a) Nivel de
oferta en cada fuente y la demanda en cada destino y b) El costo de transporte unitario
de la mercancía de cada fuente a cada destino.

 El problema del árbol de extensión mínima consiste en encontrar las conexiones más
eficientes entre todos los nodos de la red, las que por definición no deben incluir ningún
lazo.

 El problema de la ruta más corta tiene que ver con la determinación de las ramas
conectadas en una red de transporte que constituyen, en conjunto, la distancia más corta
entre una fuente y un destino.

 La idea básica del algoritmo de flujo máximo es encontrar una trayectoria de

penetración que conecte el nodo fuente con el nodo destino en modo tal, que la
capacidad de cada rama en esta trayectoria sea positiva. El flujo máximo a lo largo de
esta rama debe ser igual a la capacidad mínima de todas las ramas que constituyen la
trayectoria.
 BIBLIOGRAFÍA

BRONSON, Richard y FOURNIER, María. TEORÍA Y PROBLEMAS DE

INVESTIGACIÓN DE OPERACIONES. Ed. McGraw-Hill. México,1983. P. 167-178.

RÍOS, Sixto; INSUA, David y otros. PROGRAMACIÓN LINEAL Y APLICACIONES.

Ed. Alfaomega. Santafé de Bogotá, 1998. P. 193-320.

TAHA, Hamdy. INVESTIGACIÓN DE OPERACIONES: UNA INTRODUCCIÓN.

Sexta Edición. Ed. McGraw-Hill. México, 1998. P. 215-279.