Está en la página 1de 15

Aplicaciones de programación lineal

Problema de transporte

Ejemplo 5.1
Formulación matemática
Conjuntos:
𝐼: enlatadoras
𝐽: almacenes

Parámetros:
𝑐𝑖𝑗 : costos de embarque por carga de latas de chiles de la enlatadora 𝑖 al almacén 𝑗, ∀𝑖 ∈
𝐼, 𝑗 ∈ 𝐽
𝑠𝑖 : producción de la enlatadora 𝑖, ∀𝑖 ∈ 𝐼
𝑑𝑗 : demanda del almacén 𝑗, ∀𝑗 ∈ 𝐽

Variables de decisión:
𝑥𝑖𝑗 : número de cargas de chiles enlatados que se envían de la enlatadora 𝑖 al almacén 𝑗,
∀𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

Modelo:

𝑀𝑖𝑛 𝑍 = ∑ ∑ 𝑐𝑖𝑗 𝑥𝑖𝑗


𝑖∈𝐼 𝑗∈𝐽

𝑠𝑢𝑗𝑒𝑡𝑜 𝑎: ∑ 𝑥𝑖𝑗 = 𝑠𝑖 ∀𝑖 ∈𝐼
𝑗∈𝐽

∑ 𝑥𝑖𝑗 = 𝑑𝑗 ∀𝑗 ∈ 𝐽
𝑖∈𝐼
𝑥𝑖𝑗 ≥ 0 ∀ 𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


Tabla 5.1. Datos del ejemplo 5.1
Costos de embarque por carga
Almacén
1 2 3 4 Producción
1 464 513 654 867 75
Enlatadora 2 352 416 690 791 125
3 995 682 388 685 100
Demanda 80 65 70 85

Podemos ver que la tabla de datos es la misma que la de parámetros, además la suma de
la producción (75+125+100) es igual a la suma de las demandas (80+65+70+85), entonces
no es necesario agregar filas ni columnas ficticias.
Ejemplo 5.2
Formulación matemática
Conjuntos:
𝐼: plantas
𝐽: centros de distribución

Parámetros:
𝑐𝑖𝑗 : costos de envío de los coches eléctricos de la planta 𝑖 al centro de distribución 𝑗, ∀𝑖 ∈
𝐼, 𝑗 ∈ 𝐽
𝑠𝑖 : producción de la planta 𝑖, ∀𝑖 ∈ 𝐼
𝑑𝑗 : demanda del centro de distribución 𝑗, ∀𝑗 ∈ 𝐽

Variables de decisión:
𝑥𝑖𝑗 : número de coches eléctricos que se envían de la planta 𝑖 al centro de distribución 𝑗,
∀𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

Modelo:

𝑀𝑖𝑛 𝑍 = ∑ ∑ 𝑐𝑖𝑗 𝑥𝑖𝑗


𝑖∈𝐼 𝑗∈𝐽

𝑠𝑢𝑗𝑒𝑡𝑜 𝑎: ∑ 𝑥𝑖𝑗 = 𝑠𝑖 ∀𝑖 ∈𝐼
𝑗∈𝐽

∑ 𝑥𝑖𝑗 = 𝑑𝑗 ∀𝑗 ∈ 𝐽
𝑖∈𝐼
𝑥𝑖𝑗 ≥ 0 ∀ 𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

𝑥𝑖𝑗 ∈ ℤ ∀ 𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


Tabla 5.3. Datos del ejemplo 5.2
Centro de Distribución
Distancia
1 2 3 4
1 800 1300 400 700
Planta 2 1100 1400 600 1000
3 800 1200 800 900

Podemos ver que la tabla de datos no es la tabla de parámetros ya que deben de estar los
costos de envío, además el costo de flete por embarque es de $1,100.00 más $0.50 por
milla. También faltan las capacidades y las demandas. Como la suma de las capacidades es
la misma que la suma de las demandas, no es necesario añadir filas o columnas ficticias.

Tabla de Centros de distribución


parámetros
1 2 3 4 Producción
1 1500 1750 1300 1450 12
Plantas 2 1650 100 1400 1600 17
3 1500 1700 1500 1550 11
Demanda 10 10 10 10

Ejemplo 5.3
Formulación matemática
Conjuntos:
𝐼: fosos (canteras)
𝐽: construcciones

Parámetros:
𝑐𝑖𝑗 : costo por tonelada acarreada de grava del foso 𝑖 a la construcción 𝑗, ∀𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽
𝑠𝑖 : toneladas de grava en el foso 𝑖, ∀𝑖 ∈ 𝐼
𝑑𝑗 : toneladas de grava solicitada en la construcción 𝑗, ∀𝑗 ∈ 𝐽

Variables de decisión:
𝑥𝑖𝑗 : toneladas de grava acarreadas del foso 𝑖 a la construcción 𝑗, ∀𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

Modelo:

𝑀𝑖𝑛 𝑍 = ∑ ∑ 𝑐𝑖𝑗 𝑥𝑖𝑗


𝑖∈𝐼 𝑗∈𝐽

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


𝑠𝑢𝑗𝑒𝑡𝑜 𝑎: ∑ 𝑥𝑖𝑗 = 𝑠𝑖 ∀𝑖 ∈𝐼
𝑗∈𝐽

∑ 𝑥𝑖𝑗 = 𝑑𝑗 ∀𝑗 ∈ 𝐽
𝑖∈𝐼
𝑥𝑖𝑗 ≥ 0 ∀ 𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

Tabla 5.4. Datos del ejemplo 5.3


Costo por tonelada acarreada Precio por
1 2 3 tonelada
Foso Norte 30 60 50 100
Sur 60 30 40 120

Podemos ver que no aparecen los suministros ni las demandas. Además, la suma de
suministros (18+14=32) es mayor que la suma de las demandas (10+5+10=25), entonces
debemos de añadir una construcción ficticia con costos de cero y con demanda igual a la
diferencia (32-25=7).
Tabla de parámetros
Construcciones Suministro
1 2 3 4
Fosos Norte 130 160 150 0 18
Sur 180 150 160 0 14
Demanda 10 5 10 7

Método simplex de transporte

Ejemplo 5.9.
Solución básica factible inicial (método de la equina noroeste)
𝑥𝑖𝑗 𝑠𝑖
75 75 0
5 65 55 125 120 55 0
15 85 100 85 0
𝑑𝑗 80 65 70 85
5 0 15 0
0 0

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


Variables básicas = 𝑚 + 𝑛 − 1
𝑉𝐵 = 3 + 4 − 1 = 6

Para todas las VB, resolver el sistema de ecuaciones 𝑐𝑖𝑗 = 𝑢𝑖 + 𝑣𝑗


𝑐𝑖𝑗 𝑠𝑖
464 75
352 416 690 125
388 685 100
𝑑𝑗 80 65 70 85

Hacemos 𝑢2 = 0 (tiene más variables básicas)


𝑐11 = 𝑢1 + 𝑣1 => 464 = 𝑢1 + 𝑣1
𝑐21 = 𝑢2 + 𝑣1 => 352 = 𝑢2 + 𝑣1 => 𝑣1 = 352
𝑐22 = 𝑢2 + 𝑣2 => 416 = 𝑢2 + 𝑣2 => 𝑣2 = 416
𝑐23 = 𝑢2 + 𝑣3 => 690 = 𝑢2 + 𝑣3 => 𝑣3 = 690
𝑐33 = 𝑢3 + 𝑣3 => 388 = 𝑢3 + 𝑣3
𝑐34 = 𝑢3 + 𝑣4 => 685 = 𝑢3 + 𝑣4
Resolviendo el sistema de ecuaciones:
𝑢1 = 112, 𝑢3 = −302 y 𝑣4 = 987

Para todas las VNB, realizar la prueba de optimalidad 𝑐𝑖𝑗 − 𝑢𝑖 − 𝑣𝑗 ≥ 0


𝑐𝑖𝑗 𝑢𝑖
513 654 867 112
791 0
995 682 -302
𝑣𝑗 352 416 690 987

𝑐12 − 𝑢1 − 𝑣2 => 513 − 112 − 416 = −15


𝑐13 − 𝑢1 − 𝑣3 => 654 − 112 − 690 = −148
𝑐14 − 𝑢1 − 𝑣4 => 867 − 112 − 987 = −232
𝑐24 − 𝑢2 − 𝑣4 => 791 − 0 − 987 = −196
𝑐31 − 𝑢3 − 𝑣1 => 995 − (−302) − 352 = 945
𝑐32 − 𝑢3 − 𝑣2 => 682 − (−302) − 416 = 568
Variable que entra: 𝑥14
De las negativas, seleccionar la más grande en valor absoluto:
max{15,148,232,196} = 232 por eso la variable que entra es 𝑥14

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


Actualizamos la tabla (formar un polígono)
𝑥𝑖𝑗 𝑠𝑖
75 75
5 65 55 125
15 85 100
𝑑𝑗 80 65 70 85

Es celda receptora (+)


Es celda donadora (-)
Variable que entra: 𝑥23
De las celdas donadoras, seleccionar la más pequeña: min{75,55,85} = 55
Es por esto que la variable que entra es 𝑥23

Actualizar nueva solución:


𝑥𝑖𝑗 𝑠𝑖
20 55 75
60 65 125
70 30 100
𝑑𝑗 80 65 70 85

Para todas las VB, resolver el sistema de ecuaciones 𝑐𝑖𝑗 = 𝑢𝑖 + 𝑣𝑗


𝑐𝑖𝑗 𝑠𝑖
464 869 75
352 416 125
388 685 100
𝑑𝑗 80 65 70 85

Hacemos 𝑢1 = 0 (empate, selección aleatoria)


𝑐11 = 𝑢1 + 𝑣1 => 464 = 𝑢1 + 𝑣1 => 𝑣1 = 464
𝑐14 = 𝑢1 + 𝑣4 => 869 = 𝑢1 + 𝑣4 => 𝑣4 = 869
𝑐21 = 𝑢2 + 𝑣1 => 352 = 𝑢2 + 𝑣1
𝑐22 = 𝑢2 + 𝑣2 => 416 = 𝑢2 + 𝑣2
𝑐33 = 𝑢3 + 𝑣3 => 388 = 𝑢3 + 𝑣3
𝑐34 = 𝑢3 + 𝑣4 => 685 = 𝑢3 + 𝑣3
Resolviendo el sistema de ecuaciones:
𝑢2 = −112, 𝑣2 = 528 𝑦 𝑣3 = 570

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


Para todas las VNB, realizar la prueba de optimalidad 𝑐𝑖𝑗 − 𝑢𝑖 − 𝑣𝑗 ≥ 0
𝑐𝑖𝑗 𝑢𝑖
513 654 0
690 791 -112
995 682 -182
𝑣𝑗 464 528 570 867

𝑐12 − 𝑢1 − 𝑣2 => 513 − 0 − 528 = −15


𝑐13 − 𝑢1 − 𝑣3 => 654 − 0 − 570 = 84
𝑐23 − 𝑢2 − 𝑣3 => 690 − (−112) − 570 = 232
𝑐24 − 𝑢2 − 𝑣4 => 791 − (−112) − 867 = 36
𝑐31 − 𝑢3 − 𝑣1 => 995 − (−182) − 464 = 713
𝑐32 − 𝑢3 − 𝑣2 => 682 − (−182) − 528 = 336
Variable que entra: 𝑥12

Actualizamos la tabla (formar un polígono)


𝑥𝑖𝑗 𝑠𝑖
20 55 75
60 65 125
70 30 100
𝑑𝑗 80 65 70 85

Es celda receptora (+)


Es celda donadora (-)
Variable que entra: 𝑥11

Actualizar nueva solución:


𝑥𝑖𝑗 𝑠𝑖
20 55 75
80 45 125
70 30 100
𝑑𝑗 80 65 70 85

Para todas las VB, resolver el sistema de ecuaciones 𝑐𝑖𝑗 = 𝑢𝑖 + 𝑣𝑗


𝑐𝑖𝑗 𝑠𝑖
513 867 75
352 416 125
388 685 100
𝑑𝑗 80 65 70 85

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


Hacemos 𝑢1 = 0 (empate, selección aleatoria)
𝑐12 = 𝑢1 + 𝑣2 => 513 = 𝑢1 + 𝑣2 => 𝑣2 = 513
𝑐14 = 𝑢1 + 𝑣4 => 867 = 𝑢1 + 𝑣4 => 𝑣4 = 867
𝑐21 = 𝑢2 + 𝑣1 => 352 = 𝑢2 + 𝑣1
𝑐22 = 𝑢2 + 𝑣2 => 416 = 𝑢2 + 𝑣2
𝑐33 = 𝑢3 + 𝑣3 => 388 = 𝑢3 + 𝑣3
𝑐34 = 𝑢3 + 𝑣4 => 685 = 𝑢3 + 𝑣4
Resolviendo el sistema de ecuaciones:
𝑣1 = 449, 𝑢2 = −97 , 𝑣3 = 570 𝑦 𝑢3 = −182

Para todas las VNB, realizar la prueba de optimalidad 𝑐𝑖𝑗 − 𝑢𝑖 − 𝑣𝑗 ≥ 0


𝑐𝑖𝑗 𝑢𝑖
464 654 0
690 791 -97
995 682 -182
𝑣𝑗 449 513 570 867

𝑐11 − 𝑢1 − 𝑣1 => 464 − 0 − 449 = 15


𝑐13 − 𝑢1 − 𝑣3 => 654 − 0 − 570 = 84
𝑐23 − 𝑢2 − 𝑣3 => 690 − (−97) − 570 = 217
𝑐24 − 𝑢2 − 𝑣4 => 791 − (−97) − 867 = 21
𝑐31 − 𝑢3 − 𝑣1 => 995 − (−182) − 449 = 728
𝑐32 − 𝑢3 − 𝑣2 => 682 − (−182) − 513 = 351

Como todos cumplen que 𝑐𝑖𝑗 − 𝑢𝑖 − 𝑣𝑗 ≥ 0 entonces encontramos la solución óptima.

𝑧 ∗ = 20 ∗ 513 + 55 ∗ 867 + 80 ∗ 352 + 45 ∗ 416 + 70 ∗ 388 + 30 ∗ 685


𝑧 ∗ = 152,535

Solución:
Para que el costo mínimo de $152,535 se obtenga se debe de hacer lo siguiente:
La enlatadora 1 debe enviar 20 cargas de latas de chiles al almacén 2 y 55 al almacén 4,
la enlatadora 2 debe enviar 80 cargas de latas de chiles al almacén 1 y 45 al almacén 2,
la enlatadora 3 debe enviar 70 cargas de latas de chiles al almacén 3 y 30 al almacén 4.

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


Ejemplo 5.3
Solución básica factible inicial (método de la equina noroeste)
𝑥𝑖𝑗 𝑠𝑖
10 5 3 18
7 7 14
𝑑𝑗 10 5 10 7

Para todas las VB, resolver el sistema de ecuaciones 𝑐𝑖𝑗 = 𝑢𝑖 + 𝑣𝑗


𝑐𝑖𝑗 𝑠𝑖
130 160 150 18
160 0 14
𝑑𝑗 10 5 10 7

Hacemos 𝑢1 = 0 (tiene más variables básicas)


𝑐11 = 𝑢1 + 𝑣1 => 130 = 𝑢1 + 𝑣1 => 𝑣1 = 130
𝑐12 = 𝑢1 + 𝑣2 => 160 = 𝑢1 + 𝑣2 => 𝑣2 = 160
𝑐13 = 𝑢1 + 𝑣3 => 150 = 𝑢1 + 𝑣3 => 𝑣3 = 150
𝑐23 = 𝑢2 + 𝑣3 => 160 = 𝑢2 + 𝑣3
𝑐24 = 𝑢2 + 𝑣4 => 0 = 𝑢2 + 𝑣4
Resolviendo el sistema de ecuaciones:
𝑢2 = 10 𝑦 𝑣4 = −10

Para todas las VNB, realizar la prueba de optimalidad 𝑐𝑖𝑗 − 𝑢𝑖 − 𝑣𝑗 ≥ 0


𝑐𝑖𝑗 𝑢𝑖
0 0
180 150 10
𝑣𝑗 130 160 150 -10

𝑐14 − 𝑢1 − 𝑣4 => 0 − 0 − (−10) = 10


𝑐21 − 𝑢2 − 𝑣1 => 180 − 10 − 130 = 40
𝑐22 − 𝑢2 − 𝑣2 => 150 − 10 − 160 = −20
Variable que entra: 𝑥22

Actualizamos la tabla (formar un polígono)


𝑠𝑖
10 5 3 18
7 7 14
𝑑𝑗 10 5 10 4

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


Es celda receptora (+)
Es celda donadora (-)
Variable que sale: 𝑥12

Actualizar nueva solución:


𝑥𝑖𝑗 𝑠𝑖
10 8 18
5 2 7 14
𝑑𝑗 10 5 10 4

Para todas las VB, resolver el sistema de ecuaciones 𝑐𝑖𝑗 = 𝑢𝑖 + 𝑣𝑗


𝑐𝑖𝑗 𝑠𝑖
130 150 18
150 160 0 14
𝑑𝑗 10 5 10 7

Hacemos 𝑢2 = 0 (más variables básicas)


𝑐11 = 𝑢1 + 𝑣1 => 130 = 𝑢1 + 𝑣1
𝑐13 = 𝑢1 + 𝑣3 => 150 = 𝑢1 + 𝑣3
𝑐22 = 𝑢2 + 𝑣2 => 150 = 𝑢2 + 𝑣2 => 𝑣2 = 150
𝑐23 = 𝑢2 + 𝑣3 => 160 = 𝑢2 + 𝑣3 => 𝑣3 = 160
𝑐24 = 𝑢2 + 𝑣4 => 0 = 𝑢2 + 𝑣4 => 𝑣4 = 0
Resolviendo el sistema de ecuaciones:
𝑢1 = −10 𝑦 𝑣1 = 140

Para todas las VNB, realizar la prueba de optimalidad 𝑐𝑖𝑗 − 𝑢𝑖 − 𝑣𝑗 ≥ 0


𝑐𝑖𝑗 𝑢𝑖
160 0 -10
180 0
𝑣𝑗 140 150 160 0

𝑐12 − 𝑢1 − 𝑣2 => 160 − (−10) − 150 = 20


𝑐14 − 𝑢1 − 𝑣4 => 0 − (−10) − 0 = 10
𝑐21 − 𝑢1 − 𝑣1 => 180 − 0 − 140 = 40

Como todos cumplen que 𝑐𝑖𝑗 − 𝑢𝑖 − 𝑣𝑗 ≥ 0 entonces encontramos la solución óptima.

𝑧 ∗ = 10 ∗ 130 + 8 ∗ 150 + 5 ∗ 150 + 2 ∗ 160 + 7 ∗ 0


𝑧 ∗ = 3,570

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


Solución:
Para minimizar el costo a $3,570 el contratista debe acarrear la grava de la siguiente
forma:
Del foso 1 debe acarrear 10 toneladas de grava a la construcción 1,
Del foso 1 debe acarrear 8 toneladas de grava a la construcción 3,
Del foso 2 debe acarrear 5 toneladas de grava a la construcción 2, y
Del foso 2 debe acarrear 2 toneladas de grava a la construcción 3.

Problema de asignación

Ejemplo 5.9.
Formulación matemática

Conjuntos:
𝐼: máquinas
𝐽: localidades (sitios)

Parámetros:
𝑐𝑖𝑗 : costos del manejo de materiales al colocar una máquina 𝑖 en la localidad 𝑗, ∀𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

Variables de decisión:
1 si la máquina 𝑖 se coloca en la localidad 𝑗
𝑥𝑖𝑗 = {
0 en caso contrario

Modelo:

𝑀𝑖𝑛 𝑍 = ∑ ∑ 𝑐𝑖𝑗 𝑥𝑖𝑗


𝑖∈𝐼 𝑗∈𝐽

𝑠𝑢𝑗𝑒𝑡𝑜 𝑎: ∑ 𝑥𝑖𝑗 = 1 ∀𝑖 ∈𝐼
𝑗∈𝐽

∑ 𝑥𝑖𝑗 = 1 ∀𝑗 ∈ 𝐽
𝑖∈𝐼
𝑥𝑖𝑗 ∈ {0, 1} ∀ 𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

Tabla 5.7. Datos del ejemplo 5.9.


Costo de manejo de materiales
Localidad
1 2 3 4

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


1 13 16 12 11
Máquina 2 15 - 13 20
3 5 7 10 6

Como el número de máquinas es menor que el número de sitios, se añade una fila

Tabla de parámetros
Costo de manejo de materiales
Localidad
1 2 3 4
1 13 16 12 11
2 15 M 13 20
Maquinas 3 5 7 10 6
4 0 0 0 0

Ejemplo 5.10.
Formulación matemática
Conjuntos:
𝐼: tipo de nado
𝐽: nadador

Parámetros:
𝑡𝑖𝑗 : tiempo del nadador 𝑗 en el tipo de nado 𝑖, ∀𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

Variables de decisión:
1 si al nadador 𝑗 se le asigna el tipo de nado 𝑖
𝑥𝑖𝑗 = {
0 en caso contrario

Modelo:

𝑀𝑖𝑛 𝑍 = ∑ ∑ 𝑡𝑖𝑗 𝑥𝑖𝑗


𝑖∈𝐼 𝑗∈𝐽

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


𝑠𝑢𝑗𝑒𝑡𝑜 𝑎: ∑ 𝑥𝑖𝑗 = 1 ∀𝑖 ∈𝐼
𝑗∈𝐽

∑ 𝑥𝑖𝑗 = 1 ∀𝑗 ∈ 𝐽
𝑖∈𝐼
𝑥𝑖𝑗 ∈ {0, 1} ∀ 𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

Tabla 5.8. Datos del ejemplo 5.10.


Tiempo en segundos
Tipo de nado Carlos Cristian David Antonio Pedro
Dorso 37.7 32.9 33.8 37 35.4
Pecho 43.4 33.1 42.4 34.7 41.8
Mariposa 33.3 28.5 38.9 30.4 33.6
Libre 29.2 26.4 29.6 28.5 31.1
Formule matemáticamente este problema como un problema de asignación.

Como el número de nadadores es mayor que el de tipos de nados, entonces agregados una
fila.

Tabla de parámetros
Tiempo en segundos
Tipo de nado Carlos Cristian David Antonio Pedro
Dorso 37.7 32.9 33.8 37 35.4
Pecho 43.4 33.1 42.4 34.7 41.8
Mariposa 33.3 28.5 38.9 30.4 33.6
Libre 29.2 26.4 29.6 28.5 31.1
Perrito 0 0 0 0 0

Método Húngaro

Ejemplo 5.11. Resuelva utilizando el método húngaro el ejemplo 5.9.

13 16 12 11
15 100 13 20
5 7 10 6
0 0 0 0

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


2 5 1 0
2 87 0 7
0 2 5 1
0 0 0 0

Podemos ver que la cantidad mínima de líneas es la cantidad de renglones (columnas),


entonces se puede hacer la asignación óptima.
𝑧 ∗ = 11 + 13 + 5 = 29

Solución:
Para que el costo del manejo de materiales se minimice a 29 unidades se debe de hacer la
siguiente asignación: la máquina #1 se debe de colocar en el sitio #4, la máquina #2 en el
sitio #3 y la máquina #3 en el sitio #1.

Ejemplo 5.12. Utilice el método húngaro para hallar la asignación óptima del ejemplo 5.10.

37.7 32.9 33.8 37.0 35.4


43.4 33.1 42.4 34.7 41.8
33.3 28.5 38.9 30.4 33.6
29.2 26.4 29.6 28.5 31.1
0 0 0 0 0

4.8 0 0.9 4.1 2.5


10.3 0 9.3 1.6 8.7
4.8 0 10.4 1.9 5.1
2.8 0 3.2 2.1 4.7
0 0 0 0 0

Vemos que el número mínimo de líneas es menor que el número de filas (columnas), por lo
tanto, no se puede realizar la asignación óptima, i.e., 2<5.

4.8 0 0.9 4.1 2.5


10.3 0 9.3 1.6 8.7
4.8 0 10.4 1.9 5.1
2.8 0 3.2 2.1 4.7
0 0 0 0 0

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ


3.9 0 0 3.2 1.6
9.4 0 8.4 0.7 7.8
3.9 0 9.5 1 4.2
1.9 0 2.3 1.2 3.8
0 0.9 0 0 0

Vemos que el número mínimo de líneas es menor que el número de filas (columnas), por lo
tanto, no se puede realizar la asignación óptima, i.e., 3<5.

3.9 0.7 0 3.2 1.6


8.7 0 7.7 0 7.1
3.2 0 8.8 0.3 3.5
1.2 0 1.6 0.5 3.1
0 1.6 0 0 0

Vemos que el número mínimo de líneas es menor que el número de filas (columnas), por lo
tanto, no se puede realizar la asignación óptima, i.e., 4<5.

2.7 0.7 0 3.2 0.4


7.5 0 7.7 0 5.9
2 0 8.8 0.3 2.3
0 0 1.6 0.5 1.9
0 2.8 1.2 1.2 0

Podemos ver que la cantidad mínima de líneas es la cantidad de renglones (columnas),


entonces se puede hacer la asignación óptima.
𝑧 ∗ = 33.8 + 34.7 + 28.5 + 29.2 = 126.2

Solución:
Para que en la prueba de relevos se minimice el tiempo a 126.2 segundos, el entrenador
debe de realizar la siguiente asignación: David debe nadar tipo dorso, Antonio tipo pecho,
Cristian tipo mariposa y Carlos tipo libre. Pedro no deberá participar en la prueba.

PROGRAMACIÓN LINEAL DRA. MARTHA SELENE CASAS RAMÍREZ