INTRODUCCIÓN

Dondequiera que miremos en nuestra vida cotidiana, las redes son evidentes. Electricidad y
potencia

Las redes traen iluminación y entretenimiento a nuestros hogares. Permiso de redes telefónicas
nos comunicamos entre nosotros casi sin esfuerzo dentro de nuestras comunidades locales y a
través de las fronteras regionales e internacionales. Sistemas nacionales de carreteras, Las redes
ferroviarias y las redes de servicios aéreos nos brindan los medios para cruzar grandes distancias
geográficas para realizar nuestro trabajo, ver a nuestros seres queridos y visitar nuevos lugares y
disfruta de nuevas experiencias. Redes de fabricación y distribución. Nos da acceso a los alimentos
esenciales de la vida y a los productos de consumo. Y computadora redes, como los sistemas de
reserva de aerolíneas, han cambiado la forma en que compartimos información y conducir nuestra
vida comercial y personal.

Entidad (electricidad, un producto de consumo, una persona o un vehículo, un mensaje) de uno

señalar a otro en una red subyacente, y hacerlo de la manera más eficiente posible, tanto para
proporcionar un buen servicio a los usuarios de la red como para usar el subyacente (y
típicamente costoso) instalaciones de transmisión de manera efectiva. En el sentido más general,
este objetivo es de lo que se trata este libro. Queremos aprender a modelar ajustes de la
aplicación como objetos matemáticos conocidos como problemas de flujo de red y estudiar varias
formas (algoritmos) para resolver los modelos resultantes.

Los flujos de red son un dominio problemático que se encuentra en la cúspide entre varios
campos, de consulta, incluyendo matemática aplicada, informática, ingeniería, gestión, e
investigación de operaciones. El campo tiene una rica y larga tradición, trazando se remonta a la
obra de Gustav Kirchhoff y otros pioneros de la electricidad. Ingeniería y mecánica que primero
analizaron sistemáticamente los circuitos eléctricos. Esta El trabajo inicial sentó las bases de
muchas de las ideas clave de la teoría del flujo de red y Redes establecidas (gráficos) como objetos
matemáticos útiles para representar muchos 1 sistemas físicos Gran parte de este trabajo inicial
fue de naturaleza descriptiva, respondiendo a tales preguntas como: si aplicamos un conjunto de
voltajes a una red determinada, ¿cuál será el flujo de corriente resultante? El conjunto de
preguntas que abordamos en este libro son un poco diferente: si tenemos formas alternativas de
usar una red (es decir, enviar flujo), que alternativa será más rentable? Nuestra herencia
intelectual para responder a tales preguntas son mucho más recientes y pueden rastrearse hasta
finales de los años cuarenta y principios de los cincuenta cuando las comunidades de
investigadores y profesionales desarrollaron simultáneamente la optimización como un campo de
investigación independiente y lanzó la revolución informática, conduciendo a los poderosos
instrumentos que conocemos hoy para realizar trabajos científicos y cálculos gerenciales.

En su mayor parte, en este libro deseamos abordar las siguientes preguntas básicas:
1. Problema del camino más corto. ¿Cuál es la mejor manera de atravesar una red para llegar
desde un punto a otro lo más barato posible?

2. Problema de flujo máximo. Si una red tiene capacidades en flujos de arco, ¿cómo podemos
enviar la mayor cantidad de flujo posible entre dos puntos en la red mientras se honra las
capacidades de flujo de arco?

3. Problema de flujo de costo mínimo. Si incurrimos en un costo por unidad de flujo en una red
con capacidades de arco y necesitamos enviar unidades de un bien que residan en uno o más
puntos en la red a uno o más puntos, ¿cómo podemos enviar el material al mínimo costo posible?

En el sentido de la matemática tradicional aplicada y pura, cada uno de estos problemas Es trivial
de resolver. No es muy difícil (pero nada obvio para los dos posteriores problemas) para ver que
solo necesitamos considerar un número finito de alternativas para cada problema. Entonces, un
matemático tradicional podría decir que los problemas están bien resueltos: Simplemente
enumere el conjunto de posibles soluciones y elija la que sea mejor. Desafortunadamente, este
enfoque está lejos de ser pragmático, ya que el número de posibles las alternativas pueden ser
muy grandes, más que el número de átomos en el universo para muchos problemas prácticos!
Entonces, en cambio, nos gustaría diseñar algoritmos que estén en un sentido "bueno", es decir,
cuyo tiempo de cálculo es pequeño, o al menos razonable, por problemas encontrados en la
práctica. Una forma de garantizar este objetivo es idear algoritmos cuyo tiempo de ejecución está
garantizado para no crecer muy rápido como la red subyacente se hace más grande (la
informática, la investigación de operaciones y las matemáticas aplicadas Las comunidades se
refieren al desarrollo de algoritmos con tales garantías de rendimiento como el peor análisis de
caso). Desarrollar algoritmos que sean buenos en este sentido es otro tema importante a lo largo
de este libro, y nuestro desarrollo se basa en gran medida en la teoría de la complejidad
computacional que comenzó a desarrollarse dentro de la informática, matemática aplicada, y
círculos de investigación de operaciones en la década de 1970, y ha floreció desde entonces.

El campo de la teoría de la complejidad computacional combina la artesanía y teoría; se basa en

una confluencia de conocimientos matemáticos, diseño de algoritmos creativos, y el uso
cuidadoso, y a menudo muy inteligente, de estructuras de datos para idear métodos de solución
que son demostrablemente buenos en el sentido que acabamos de mencionar. En el campo de
flujos de red, los investigadores idearon las primeras contribuciones fundamentales de esta
naturaleza en la década de 1950 antes del campo de la teoría de la complejidad computacional
incluso existió como una disciplina separada como la conocemos hoy. Y a lo largo de las últimas
tres décadas, Los investigadores han hecho un flujo constante de innovaciones que han dado
como resultado nuevos métodos de solución y en mejoras a métodos conocidos. En los años
pasados, sin embargo, los investigadores han hecho contribuciones al diseño y análisis de redes.
Algoritmos de flujo con garantías mejoradas de rendimiento en el peor de los casos en un
explosivo, ritmo casi vertiginoso; Además, estas contribuciones fueron muy sorprendentes: en
todo En los años cincuenta, sesenta y setenta, los flujos de red habían evolucionado hacia una
situación bastante madura. Tanto, que la mayoría de las comunidades de investigación y
profesionales creían que los modelos centrales que estudiamos en este libro se entendieron tan
bien que Sería difícil encontrar nuevas innovaciones y serían pocas y distantes. Resulta que nada
podría haber estado más lejos de la verdad.
Nuestra presentación tiene la intención de reflejar estos nuevos desarrollos; en consecuencia,

Ponemos mucho énfasis en diseñar y analizar buenos algoritmos para resolver Los modelos de
optimización central que surgen en el contexto de los flujos de red. Nuestra intención es reunir y
sintetizar las muchas nuevas contribuciones relacionadas con la eficiencia de algoritmos de flujo
de red con material tradicional que ha evolucionado en las últimos cuatro décadas. Hemos
intentado destilar y destacar algunas de las ideas centrales esenciales (p. ej., argumentos de escala
y funciones potenciales) que subyacen a muchos de los recientes innovaciones y al hacerlo para
dar una cuenta unificada de los muchos algoritmos que ahora están disponibles Esperamos que
este tratamiento brinde a nuestros lectores no solo con una entrada accesible a estos nuevos
desarrollos emocionantes, pero también con un comprensión de las contribuciones más recientes
y avanzadas de la literatura. Aunque estamos reuniendo ideas y metodologías de las matemáticas
aplicadas, ciencias de la computación e investigación operativa, nuestro enfoque tiene Orientación
informática aplicada a ciertos tipos de modelos que tradicionalmente surgido en el contexto de la
gestión de una variedad de sistemas operativos (el producto alimenticio de investigación de
operaciones).

Creemos que una comprensión completa de los algoritmos de flujo de red y una apreciación
completa para su uso requiere más que un conocimiento profundo de buenos algoritmos para
modelos centrales. En consecuencia, aunque este tema es nuestro objetivo central, también
dedicar considerable atención a describir aplicaciones de problemas de flujo de red. De hecho,
creemos que nuestra discusión de las aplicaciones a lo largo del texto, en los ejercicios, y en un
capítulo final es una de las principales características distintivas de Nuestra cobertura.

No hemos adoptado una perspectiva de programación lineal en todo el libro, sin embargo, debido
a que sentimos que hay mucho que ganar con un enfoque más directo, y porque nos gustaría que
el material que cubrimos sea fácilmente accesible para los lectores que no son especialistas en
optimización. Además, creemos que una comprensión de Los problemas de flujo de red desde los
primeros principios proporciona una configuración concreta útil para obtener una visión
considerable sobre programas lineales más generales.

Del mismo modo, dado que varias variaciones importantes de los problemas básicos de flujo de
red son importantes en la práctica o en la colocación de flujos de red en el contexto más amplio
del campo de optimización combinatoria, también hemos incluido varios capítulos sobre temas:
asignaciones y emparejamientos, árboles de expansión mínima, modelos con costos convexos (en
lugar de lineales), redes con pérdidas y ganancias, y multicommodity fluye En cada uno de estos
capítulos no hemos intentado ser exhaustivos, sino más bien, he tratado de proporcionar una
introducción a las ideas esenciales de los temas.

El capítulo de relajación lagrangiana nos permite mostrar cómo la red central Los modelos surgen
en contextos de problemas más amplios y cómo los algoritmos que tenemos desarrollado para los
modelos principales se puede utilizar junto con otros métodos para Resolver problemas más
complejos que surgen con frecuencia en la práctica. En particular, esta discusión nos permite
presentar y describir las ideas básicas de descomposición de métodos para varios modelos de
optimización de red importantes, restringidos más cortos caminos, el problema del vendedor
ambulante, el problema de enrutamiento de vehículos, multicommodity flujos y diseño de red.
Como la prueba del budín está en la comida, también hemos incluido un capítulo sobre algunos
aspectos de las pruebas computacionales de algoritmos. Dedicamos gran parte de nuestra
discusión para idear los mejores algoritmos posibles para resolver problemas de flujo de red, en el
sentido teórico de la teoría de la complejidad computacional. Aunque el El modelo teórico de
computación que estamos utilizando ha demostrado ser una guía valiosa para modelar y predecir
el rendimiento de algoritmos en la práctica, no es un modelo perfecto y, por lo tanto, algoritmos
que no son teóricamente superiores a menudo rinden mejor en la práctica. Aunque las pruebas
empíricas de algoritmos tradicionalmente ha sido un medio valioso para investigar ideas
algorítmicas, las matemáticas aplicadas, las comunidades de informática e investigación operativa
aún no han alcanzado un consenso sobre cómo medir empíricamente el rendimiento algorítmico.
Entonces en este capítulo no solo informamos sobre la experiencia computacional con un
algoritmo que hemos presentado, pero también ofrece algunas ideas sobre cómo medir el
rendimiento computacional y comparar algoritmos.

PROBLEMAS DE FLUJO DE RED

En esta sección presentamos los modelos de flujo de red que estudiamos en este libro, y en la
siguiente sección presentamos varias aplicaciones que ilustran la importancia práctica de estos
modelos Tanto en el texto como en los ejercicios del resto de capítulos, presentamos muchas
otras aplicaciones. En particular, el Capítulo 19 contiene Un resumen más completo de las
aplicaciones con ilustraciones extraídas de varias especialidades en matemática aplicada,
ingeniería, logísticas, fabricación y la Ciencias físicas.

Problema de flujo de costo mínimo

El modelo de flujo de costo mínimo es el más fundamental de todos los problemas de flujo de red.
De hecho, dedicamos la mayor parte de este libro al problema del flujo de costo mínimo,
especialmente casos de esto, y varias de sus generalizaciones. El problema es fácil de enunciar:
deseamos determinar el envío de un producto de menor costo a través de una red para satisfacer
las demandas en ciertos nodos de los suministros disponibles en otros nodos. Este modelo tiene
una serie de aplicaciones familiares: la distribución de un producto desde la fabricación de plantas
a almacenes, o de almacenes a minoristas; el flujo de materia prima y bienes intermedios a través
de varias estaciones de mecanizado en una línea de producción; el enrutamiento de automóviles a
través de una red de calles urbanas; y el enrutamiento de llamadas a través del sistema telefónico.
Como veremos más adelante en este capítulo y en los capítulos 9 y 19, el modelo de flujo de costo
mínimo también tiene muchas aplicaciones menos transparentes.

En esta sección presentamos una formulación de programación matemática del problema de flujo
de costo mínimo y luego describe varias de sus especializaciones y variantes, así como otros
modelos básicos que consideraremos en capítulos posteriores. Asumimos nuestros lectores están
familiarizados con la notación básica y las definiciones de la teoría de grafos; aquellos lectores sin
estos antecedentes pueden consultar la Sección 2.2 para obtener una breve descripción de este
material.

Sea G = (N, A) una red dirigida definida por un conjunto N de n nodos y un establecer A de m arcos
dirigidos. Cada arco (i, j) E A tiene un costo asociado Cij que denota el costo por unidad de flujo en
ese arco. Suponemos que el costo del flujo varía linealmente con La cantidad de flujo. También
asociamos con cada arco (i, j) E A una capacidad Uij que denota la cantidad máxima que puede
fluir en el arco y un límite inferior lij que denota la cantidad mínima que debe fluir en el arco. Nos
asociamos con cada nodo i E N un número entero b (i) que representa su oferta / demanda. Si b
(i)> 0, nodo i es un nodo de suministro; si b (i) <0, el nodo i es un nodo de demanda con una
demanda de - b (i); y si b (i) = 0, el nodo i es un nodo de transbordo. Las variables de decisión en el
mínimo el problema del flujo de costos son los flujos de arco y representamos el flujo en un arco
(i,}) E A por Xij. El problema del flujo de costo mínimo es un modelo de optimización formulado de
la siguiente manera:

En esta formulación, X es una matriz n x m, llamada matriz de incidencia de arco de nodo del
problema de flujo de costo mínimo. Cada columna X ij en la matriz que corresponde a la variable
Xij. La columna X ij tiene un + 1 en la i-ésima fila, un -1 en la j-ésima fila; lEl resto de sus entradas
son cero.

Nos referimos a las restricciones en (l.Ib) como restricciones de balance de masa. El primero
término en esta restricción para un nodo representa el flujo de salida total del nodo (es decir, el
flujo que emana del nodo) y el segundo término representa la entrada total del nodo (es decir, el
flujo que ingresa al nodo). La restricción del balance de masa establece que la salida menos la
entrada debe ser igual a la oferta / demanda del nodo. Si el nodo es un nodo de suministro, su
flujo de salida excede su flujo de entrada; si el nodo es un nodo de demanda, su entrada excede su
flujo de salida; y si el nodo es un nodo de transbordo, su flujo de salida es igual a su afluencia. El
flujo también debe satisfacer las restricciones de límite inferior y capacidad (1.1 c), que nos
referimos a restricciones de flujo de enlace. Los límites de flujo suelen ser modelos físicos
capacidades o restricciones impuestas en los rangos de operación de los flujos. En la mayoría de
las aplicaciones, los límites inferiores en los flujos de arco son cero; por lo tanto, si no declaramos
límites inferiores para cualquier problema, suponemos que tienen valor cero.

En la mayoría de las partes del libro suponemos que los datos son integrales (es decir, todos los
arcos capacidades, costos de arco y suministros / demandas de nodos son integrales). Nos
referimos a esta asunción como la suposición de integralidad. El supuesto de integralidad no es
restrictivo para la mayoría de las aplicaciones porque siempre podemos transformar datos
racionales en enteros datos multiplicándolos por un número adecuadamente grande. Además,
necesariamente necesitamos para convertir números irracionales en números racionales para
representarlos en una computadora. Las siguientes versiones especiales del problema de flujo de
costo mínimo playa central papel en la teoría y aplicaciones de los flujos de red.

El problema del camino más cortó. El problema del camino más corto es quizás el más simple de
todos los problemas de flujo de red. Para este problema deseamos encontrar una ruta de mínimo
costo (o longitud) desde un nodo fuente especificado s a otro nodo sumidero especificado t,
suponiendo que cada arco (i, j) E A tiene un costo (o longitud) asociado Cij 'Algunas de las
aplicaciones más simples del problema de la ruta más corta son determinar una ruta entre dos
nodos especificados de una red que tiene una longitud mínima, o una ruta que toma menos
tiempo de atravesar, o un camino que tenga la máxima fiabilidad. Como veremos en nuestras
discusiones posteriores, este modelo básico tiene aplicaciones en muchos dominios de problemas
diferentes, tales como reemplazo de equipos, programación de proyectos, gestión de flujo de
efectivo, enrutamiento de mensajes en sistemas de comunicación y flujo de tráfico a través de
ciudades congestionadas. Si establecemos b (s) = 1, b (t) = - 1 yb (i) = 0 para todos los demás nodos
en el mínimo problema de flujo de costos, la solución al problema enviará 1 unidad de flujo desde
el nodo s al nodo t a lo largo del camino más corto. El problema del camino más corto también
modela situaciones en el que deseamos enviar flujo desde un nodo de origen único a un nodo de
sumidero único en una red no capacitada. Es decir, si deseamos enviar v unidades de flujo desde el
nodo s a nodo t y la capacidad de cada arco de la red es al menos v, enviaremos el fluir a lo largo
de una ruta más corta del nodo s al nodo t. Si queremos determinar el más corto rutas desde el
nodo de origen a todos los demás nodos de la red, luego en el mínimo problema de flujo de costos
establecemos b (s) = (n - 1) yb (i) = - 1 para todos los demás nodos. [Nosotros podemos establecer
cada capacidad de arco Uij en cualquier número mayor que (n - 1).] El costo mínimo la solución de
flujo luego enviaría el flujo unitario desde el nodo s a cualquier otro nodo i a lo largo de una
trayectoria más corta.

Problema de flujo máximo. El problema del flujo máximo es en cierto sentido un complemento
modelar al problema del camino más corto. Los modelos de problemas de ruta más corta son
situaciones en las que el flujo incurre en un costo pero no está restringido por ninguna capacidad;
Por el contrario, en el problema de flujo máximo, el flujo no incurre en costos, pero está
restringido por límites de flujo. El problema de flujo máximo busca una solución factible que envíe
la máxima cantidad de flujo desde un nodo fuente especificado a otro nodo receptor especificado
t. Si interpretamos uijas la velocidad de flujo máxima del arco (i, j), el problema de flujo máximo
identifica el flujo de estado estable máximo que la red puede enviar desde el nodo s a nodo t por
unidad de tiempo. Los ejemplos del problema de flujo máximo incluyen determinar El flujo
máximo en estado estacionario de (1) productos derivados del petróleo en una red de tuberías, (2)
automóviles en una red de carreteras, (3) mensajes en una red de telecomunicaciones y (4)
electricidad en una red eléctrica Podemos formular este problema como un costo mínimo
problema de flujo de la siguiente manera. Establecemos b (i) = 0 para todo i E N, Cij = 0 para todo
(i, j) E A, e introduzca un arco adicional (t, s) con costo C ts = - 1 y límite de flujo Uts = 00. Entonces
la solución de flujo de costo mínimo maximiza el flujo en el arco (t, s); pero dado que cualquier
flujo en el arco (t, s) debe viajar del nodo s al nodo t a través de los arcos en A [ya que cada b (i) =
0], la solución al problema de flujo de costo mínimo maximizará El flujo del nodo s al nodo t en la
red original.

Problema de asignación. Los datos del problema de asignación consisten en dos conjuntos de
igual tamaño Nt y N z (es decir, / Nt / = / N z /), una colección de pares A ~ Nt x Nz representando
posibles asignaciones, y un costo cij asociado con cada elemento (i, j) E A. En el problema de
asignación que deseamos emparejar, al mínimo costo posible, cada objeto en Nt con exactamente
un objeto en N z. Ejemplos del problema de asignación incluye asignar personas a proyectos,
trabajos a máquinas, inquilinos a apartamentos, nadadores a eventos en una reunión de natación,
y graduados de la escuela de medicina a pasantías disponibles. El problema de asignación es un
problema de flujo de costo mínimo en una red G = (Nt U N 2, A) con b (i) = 1 para todo i E N l, b (i)
= -1 para todo i E N 2, y uij = 1 para todos (i, j) E A.

Problema de transporte. El problema del transporte es un caso especial de El problema de flujo de

costo mínimo con la propiedad de que el conjunto de nodos N está particionado en dos
subconjuntos NJ y Nz (de cardinalidad posiblemente desigual) de modo que (1) cada nodo en Nl es
un nodo de suministro, (2) cada nodo Nz es un nodo de demanda y (3) para cada arco (i, j) en A, i E
Nt yj E N z. El ejemplo clásico de este problema es la distribución de bienes de almacenes a
clientes. En este contexto, los nodos en N 1 representan los almacenes, los nodos en N2
representan clientes (o, más típicamente, cliente zonas), y un arco (i, j) en A representa un canal
de distribución desde el almacén i hasta cliente j.

Problema de circulación. El problema de circulación es un problema de flujo de costo mínimo con

solo nodos de transbordo; es decir, b (i) = 0 para todo i E N. En este caso deseamos encontrar un
flujo factible que honre los límites inferior y superior lij y Uij impuesta al arco fluye Xij 'Ya que
nunca introducimos ningún flujo exógeno en la red o extraer cualquier flujo de ella, todo el flujo
circula alrededor de la red. Nosotros deseamos encontrar la circulación que tiene el costo mínimo.
El diseño de una ruta El horario de una aerolínea comercial proporciona un ejemplo de un
problema de circulación. En esta configuración, cualquier avión circula entre los aeropuertos de
varias ciudades; El más bajo el límite de lij impuesto en un arco (i, j) es 1 si la aerolínea necesita
prestar servicio entre ciudades i y j, por lo que deben despachar un avión en este arco (en
realidad, los nodos representar una combinación de una ubicación física y una hora del día para
que un arco conecte, por ejemplo, la ciudad de Nueva York a las 8 a.m. con Boston a las 9 a.m.).En
este libro, también estudiamos las siguientes generalizaciones del costo mínimo problema de flujo

Problemas convexos de flujo de costos. En el problema de flujo de costo mínimo, asumimos que
el costo del flujo en cualquier arco varía linealmente con la cantidad de flujo. Convexo Los
problemas de flujo de costos tienen una estructura de costos más general: el costo es una función
convexa de la cantidad de flujo. Los costos de flujo varían de manera convexa en numerosos
problemas ajustes, que incluyen (1) pérdidas de potencia en una red eléctrica debido a la
resistencia, (2) costos de congestión en una red de transporte de la ciudad y (3) costos de
expansión de una comunicación de red.

Problemas de flujo generalizados. En el problema de flujo de costo mínimo, los arcos conservan
flujos (es decir, el flujo que entra en un arco es igual al flujo que sale del arco). En general en los
problemas de flujo, los arcos pueden "consumir" o "generar" flujo. Si Xij unidades de flujo ingresa
a un arco (i, j), luego las unidades jJ.ijXij llegan al nodo j; jJ.ij es un multiplicador positivo asociado
con el arco. Si 0 <jJ.ij <I, el arco es con pérdida, y si I <jJ.ij <00, el arco es ganadora Los problemas
de flujo de red generalizados surgen en varios contextos de aplicación: por ejemplo, (I) transmisión
de energía a través de líneas eléctricas, con pérdida de energía con distancia recorrida, (2) flujo de
agua a través de tuberías o canales que pierden agua debido a filtración o evaporación, (3)
transporte de un producto perecedero, y (4) escenarios de gestión de efectivo en los que los arcos
representan oportunidades de inversión y Los multiplicadores representan la apreciación o
depreciación del valor de una inversión.

Problemas de flujo de productos múltiples. Los modelos de problemas de flujo de costo mínimo El
flujo de un solo producto a través de una red. Surgen problemas de flujo de productos múltiples
cuando varios productos utilizan la misma red subyacente. Los productos pueden ser
diferenciados por sus características físicas o simplemente por su destino de origen pares.
Diferentes productos tienen diferentes orígenes y destinos, y los productos tienen restricciones de
balance de masa separadas en cada nodo. Sin embargo, el compartir las capacidades de arco
común une los diferentes productos. De hecho, el problema esencial abordado por el problema
del flujo de productos múltiples es la asignación de la capacidad de cada arco para los productos
individuales de una manera que minimiza los costos generales de flujo. Los problemas de flujo de
productos múltiples surgen en muchas prácticas situaciones, incluyendo (I) el transporte de
pasajeros de diferentes orígenes a diferentes destinos dentro de una ciudad; (2) el enrutamiento
de petroleros no homogéneos (no homogéneos en términos de velocidad, capacidad de carga y
costos operativos); (3) el envío mundial de diferentes variedades de granos (como maíz, trigo,
arroz y soja) de países que producen granos a aquellos que lo consumen; y (4) la transmisión de
mensajes en una red de comunicación entre diferentes destinos de origen pares.

Otros modelos. En este libro también estudiamos otros dos modelos de red importantes: la
extensión mínima problema del árbol y el problema de coincidencia. Aunque estos dos modelos
no son problemas de flujo per se, debido a su importancia práctica y matemática y debido a su
estrecha conexión con varios problemas de flujo, hemos incluido ellos como parte de nuestro
tratamiento de los flujos de red.
Problema de árbol de expansión mínimo. Un árbol de expansión es un árbol (es decir, un árbol
conectado gráfico acíclico) que abarca (toca) todos los nodos de una red no dirigida.

El costo de un árbol de expansión es la suma de los costos (o longitudes) de sus arcos. En el

problema de árbol de expansión mínimo, deseamos identificar un árbol de expansión de mínimo
costo (o longitud). Las aplicaciones del problema del árbol de expansión mínimo son variadas e
incluye (1) la construcción de carreteras o ferrocarriles que abarcan varias ciudades; (2) colocación
de tuberías que conectan sitios de perforación en alta mar, refinerías y mercados de consumo; (3)
diseño de redes de acceso local; y (4) hacer conexiones de cables eléctricos en un control panel.

Problemas a juego. Una coincidencia en un gráfico G = (N, A) es un conjunto de arcos con la

propiedad de que cada nodo incide como máximo en un arco del conjunto; así la coincidencia
induce un emparejamiento de (algunos 00 los nodos en el gráfico usando los arcos en A. En una
coincidencia, cada nodo coincide con, como máximo, otro nodo y algunos nodos podría no
coincidir con ningún otro nodo. El problema de coincidencia busca una coincidencia eso optimiza
algunos criterios. Problemas de coincidencia en gráficos bipartitos (es decir, aquellos con dos
conjuntos de nodos y con arcos que unen solo nodos entre los dos conjuntos, como en los
problemas de asignación y transporte) se denominan problemas de coincidencia bipartita, y
aquellos en gráficos no bipartitos se denominan problemas de coincidencia no bipartitos. Hay dos
formas adicionales de categorizar problemas de coincidencia: coincidencia de cardinalidad
problemas, que maximizan el número de pares de nodos coincidentes y ponderados problemas de
coincidencia, que maximizan o minimizan el peso de la coincidencia. Los problemas de
correspondencia ponderada en un gráfico bipartito también se conocen como la asignación
problema. Las aplicaciones de problemas de emparejamiento surgen al emparejar compañeros de
cuarto con hostales, emparejar pilotos con aviones compatibles, programar tripulaciones de
aerolíneas para vuelos disponibles piernas y asignando tareas a los conductores de autobuses.

APLICACIONES. Las redes son penetrantes. Surgen en numerosas configuraciones de aplicaciones

y en muchas formas Las redes físicas son quizás las más comunes y las más fácilmente
identificables. Clases de redes; y entre redes físicas, redes de transporte son quizás los más visibles
en nuestra vida cotidiana. A menudo, estas redes modelan Instalaciones homogéneas, tales como
ferrocarriles o carreteras. Pero en otras ocasiones, ellos corresponden a entidades compuestas
que modelan, por ejemplo, distribución compleja y decisiones logísticas. El "problema de
transporte" de la investigación de operaciones tradicional es ilustrativo. En el problema del
transporte, un remitente con inventario de bienes en los almacenes deben enviar estos productos
a centros minoristas geográficamente dispersos, cada uno con una demanda determinada del
cliente, y el remitente desea satisfacer estas demandas sin incurrir en los costos mínimos de
transporte posibles. En este entorno, un transporte el enlace en la red subyacente podría
corresponder a un canal de distribución complejo, por ejemplo, un envío de camiones desde el
almacén a una cabeza de ferrocarril, un ferrocarril envío y otro tramo de transporte desde el patio
de ferrocarril de destino hasta el del cliente sitio.
Las redes físicas no se limitan a la configuración de transporte; también surgen en Varias otras
disciplinas de la ciencia aplicada y la ingeniería, como las matemáticas, química e ingeniería
eléctrica, comunicaciones, mecánica y civil. Cuando Las redes físicas se producen en estas
diferentes disciplinas, sus nodos, arcos y flujos. Modelan muchos tipos diferentes de entidades
físicas. Por ejemplo, en una comunicación típica de red, los nodos representarán centrales
telefónicas e instalaciones de transmisión, los arcos denotarán cables de cobre o enlaces de fibra
óptica, y el flujo significaría transmisión de mensajes de voz o de datos. La Figura 1 ", 1 muestra
algunas asociaciones típicas para los nodos, arcos y flujos en una variedad de redes físicas. Los
problemas de flujo de red también surgen de maneras sorprendentes para problemas que en es
posible que la superficie no parezca involucrar redes en absoluto. A veces estas aplicaciones están
vinculados a una entidad física, y en otras ocasiones no lo están. A veces los nodos y los arcos
tienen una dimensión temporal que modela actividades que tienen lugar a lo largo del tiempo.

Muchas aplicaciones de programación tienen este sabor. En cualquier caso, las redes modelan una
variedad de problemas en la programación de proyectos, máquinas y tripulaciones; ubicación y
diseño teoría; almacenamiento y distribución; planificación y control de producción; y social,
contextos médicos y de defensa. De hecho, estas diversas aplicaciones de flujo de red Los
problemas parecen estar más extendidos que las aplicaciones de las redes físicas. Presentamos
muchas de estas aplicaciones a lo largo del texto y en los ejercicios; Capítulo 19, en particular,
reúne y resume muchas aplicaciones. En la siguiente discusión, para establecer un telón de fondo
para los próximos capítulos, describimos varios ejemplos de aplicaciones destinadas a ilustrar una
variedad de contextos problemáticos y a ser sugerente de cómo surgen problemas de flujo de red
en la práctica. Este conjunto de aplicaciones proporciona al menos un ejemplo de cada uno de los
modelos de red que presentamos en La sección anterior.

Aplicación 1.1 Reasignación de viviendas

Una autoridad de vivienda tiene varias casas a su disposición que permite a los inquilinos. Cada
casa tiene sus propios atributos particulares. Por ejemplo, una casa podría o podría no tiene
garaje, tiene cierto número de habitaciones y su renta cae dentro de un Rango particular. Estos
atributos variables nos permiten agrupar la casa en varios categorías, que indexamos por i = 1,
2, ..., n. Durante un período de tiempo, varios inquilinos entregarán sus inquilinos como se mudan
o eligen vivir en alojamientos alternativos. Además, los requisitos de los inquilinos cambiarán con
el tiempo (porque llegan nuevas familias, niños dejar el hogar, los ingresos y el cambio de trabajo,
y otras consideraciones). Como estos cambios ocurren, la autoridad de vivienda le gustaría
reubicar a cada inquilino a una casa de su categoría de elección. Si bien la autoridad a menudo
puede lograr este objetivo c0n intercambios simples, a veces encontrará situaciones que requieren
múltiples movimientos: mudar a un inquilino reemplazaría a otro inquilino de una casa en una
categoría diferente, quien, a su vez, reemplazaría a un inquilino de una casa en otra categoría, y
así sucesivamente, creando así un ciclo de cambios. Llamamos a tal cambio un cambio cíclico. La
decisión del problema es identificar un cambio cíclico, si existe, o mostrar que no existe tal
cambio.

Para resolver este problema como un problema de red, primero creamos un gráfico de reubicación
G cuyos nodos representan varias categorías de casas. Incluimos arco (i, j) en el grafico cada vez
que una persona que vive en una casa de categoría desea mudarse a una casa de la categoría j. Un
ciclo dirigido en G especifica un ciclo de cambios que satisfará el requisito de una persona en cada
una de las categorías contenidas en el ciclo. Aplicando este método iterativamente, podemos
satisfacer los requisitos de un número creciente de personas.

Esta aplicación requiere un método para identificar ciclos dirigidos en una red, si existe Un método
bien conocido, conocido como clasificación topológica, identificará tales ciclos Discutimos la
clasificación topológica en la Sección 3.4. En general, muchas reasignaciones de inquilinos podría
ser posible, por lo que el gráfico de reubicación G podría contener varios ciclos. En ese caso, la
administración de la autoridad normalmente querría encontrar un ciclo que contenga tantos arcos
como sea posible, ya que menos movimientos son más fáciles de manejar administrativamente.
Podemos resolver este problema usando un algoritmo de ruta más corta (ver Ejercicio 5.38).

Aplicación 1.2 Surtido de vigas de acero estructural

En sus diversos proyectos de construcción, una empresa constructora necesita acero estructural.
Vigas de sección transversal uniforme pero de diferentes longitudes. Para cada i = 1, ..., n, dejar D;
> 0 denota la demanda de la viga de acero de longitud L ;, y suponga que LJ < L2 <'"<Ln. La
empresa podría satisfacer sus necesidades manteniendo y aprovechando un inventario de
existencias que contenga exactamente unidades Di de la viga de acero de longitud L ;. Eso Sin
embargo, podría no ser económico llevar las longitudes demandadas en el inventario, debido al
alto costo de configurar la instalación de inventario para almacenar y manejar cada longitud. En
ese caso, si la empresa necesita un haz de longitud L; no llevado en inventario, Puede cortar una
viga de mayor longitud hasta la longitud deseada. La operación de corte típicamente producirá
acero inutilizable como chatarra. Dejar K; denotar el costo de configuración la facilidad de
inventario para manejar vigas de longitud L j, y dejar C; denotar el costo de un haz de longitud L ;.
La compañía quiere determinar la longitud de las vigas a ser llevado en inventario para minimizar
el costo total de (1) configurar el inventario instalación, y (2) desechar el acero utilizable perdido
como chatarra.
Formulamos este problema como un problema de ruta más corta de la siguiente manera.
Construimos una red dirigida G en (n + 1) nodos numerados 0, 1, 2, ..., n; los nodos en esta red
corresponde a varias longitudes de haz. El nodo 0 corresponde a una viga de longitud cero y el
nodo n corresponde al haz más largo. Para cada nodo i, la red contiene un arco dirigido a cada
nodo j = i + 1, i + 2, ..., n. Interpretamos el arco (i, j) como representación de una estrategia de
almacenamiento en la que mantenemos vigas de longitud Lj haga un inventario y utilícelos para
satisfacer la demanda de todas las vigas de longitudes L; + J, Li + 2 '. ••, Lj • El costo Cij del arco (i,
j) es

El costo del arco (i, j) tiene dos componentes: (1) el costo fijo Kj de configuración la facilidad de
inventario para manejar vigas de longitud Lj, y (2) el costo de usar vigas de longitud Lj para
satisfacer las demandas de vigas de longitudes L; + 1, •••, Lj • Una ruta dirigida del nodo 0 al nodo
n especifica una variedad de vigas para transportar en inventario y El costo de la ruta es igual al
costo asociado con este esquema de inventario. Por ejemplo, la ruta 0-4-6-9 corresponde a la
situación en la que configuramos el inventario para manejar vigas de longitudes L4, L6 y L9. En
consecuencia, la ruta más corta desde el nodo 0 al nodo n prescribiría el surtido de menor costo
de vigas de acero estructural.

Aplicación 1.8 Problema del torneo

Considere un torneo round-robín entre n equipos, suponiendo que cada equipo juegue contra
cualquier otro equipo c veces. Suponga que ningún juego termina en empate. Una persona afirma
que ai para 1: s i: s n denota el número de victorias acumuladas por el equipo i-ésimo Al final del
torneo. ¿Cómo podemos determinar si el conjunto dado de no negativo enteros en, 0.2, .. •,
representa un posible récord ganador para el n equipos?

Defina una red dirigida G = (N, A) con el conjunto de nodos N = {I, 2, ..., n} y conjunto de arcos A =
{(i, j) E N x N: i <j}. Por lo tanto, cada nodo i está conectado a los nodos i + 1, i + 2, ..., n. Deje que
Xij para i <j represente la cantidad de veces que el equipo i derrota team j. Observe que el número
total de veces que el equipo i supera a los equipos i + 1, i + 2, ..., n es ~ {j: (i, j) EA} Xij. Observe
también que la cantidad de veces que el equipo i vence a un equipo j <i es c - Xji. En consecuencia,
el número total de veces que el equipo i supera a los equipos 1, 2, ..., i-I es (i - l) c - ~ {j: (j, i) EA} Xji
'El número total de victorias del equipo que debo igual al número total de veces que supera a los
equipos 1, 2, ..., n. El precedente las observaciones muestran que

Además, un posible récord ganador también debe satisfacer los siguientes niveles inferiores y
condiciones de límite superior:
Esta discusión muestra que el registro a; es un posible récord ganador si Las restricciones definidas
por (1.3) y (1.4) tienen una solución factible x. Sea b (i) = (X; - (i - l) c. Observe que las expresiones
LiEN (Xi y LiEN (i - l) c son ambas igual a cn (n - 1) / 2, que es el número total de juegos jugados. Por
consiguiente, LiE ~ (i) = O. El problema de encontrar una solución factible de un sistema de flujo de
red como (1.3) y (1.4) se llama un problema de flujo factible y se puede resolver resolviendo
problema de flujo máximo (ver Sección 6.2).

Aplicación 1.4 Nivelación de terreno montañoso

Esta aplicación se inspiró en un problema común que enfrentan los ingenieros civiles cuando están
construyendo redes de carreteras a través de terreno montañoso o montañoso. El problema
concierne en La distribución de la tierra desde los puntos altos hasta los puntos bajos del terreno
para producir un camino nivelado. El ingeniero debe determinar un plan para nivelar la ruta
especificando el número de camiones de tierra para moverse entre varios lugares a lo largo de la
red de carreteras propuesta. Primero construimos un gráfico de terreno: es un gráfico no dirigido
cuyos nodos representan ubicaciones con demanda de tierra (puntos bajos) o ubicaciones con una
oferta de tierra (puntos altos). Un arco de este gráfico representa una ruta disponible para
distribuir la tierra, y el costo de este arco representa el costo por camión de tierra en movimiento
entre los dos puntos (Una carga de camión es la unidad básica para redistribuir la tierra). La figura
1.2 muestra una parte del gráfico del terreno.

Un plan de nivelación para un gráfico de terreno es un flujo (conjunto de cargas de camiones) que
cumple con demandas en los nodos (nivela los puntos bajos) por los suministros disponibles (por
tierra obtenida desde puntos altos) al costo mínimo (para los movimientos de camiones). Este
modelo es claramente un problema de flujo de costo mínimo en el gráfico del terreno.

Aplicación 1. ES Recableado de máquinas de escribir

Durante varios años, una empresa había estado utilizando máquinas de escribir eléctricas
especiales para preparar cintas de papel perforadas para ingresar datos en una computadora
digital. Porque la máquina de escribir se utiliza para perforar una cinta de papel de seis agujeros,
puede preparar 26 = 64 agujeros binarios / sin agujeros patrones. Las máquinas de escribir tienen
46 caracteres, y cada uno perfora uno de los 64 patrones. La compañía adquirió una nueva
computadora digital que utiliza una codificación diferente patrones de agujeros / sin agujeros para
representar personajes. Por ejemplo, usando 1 para representar un agujero y 0 para representar
un sin agujero, la letra A es 111100 en el código para la antiguo computadora y 011010 en el
código de la nueva computadora. La máquina de escribir actualmente golpea al primero y debe
modificarse para golpear al segundo.

Cada tecla de la máquina de escribir está conectada a una barra de código de acero, por lo que al
cambiar El código de esa clave requiere cambios mecánicos en el sistema de barras de acero. La
extensión de los cambios dependen de qué tan cerca estén los personajes nuevos y los anteriores.
Para la letra A, los bits segundo, tercero y sexto son idénticos en el antiguo y el nuevo código y no
se necesitan cambios para estos bits; sin embargo, el primero, cuarto y los quintos bits son
diferentes, por lo que tendríamos que hacer tres cambios en el código de acero barra conectada a
la tecla A. Cada cambio implica eliminar metal en un lugar y agregando metal en otro lugar.
Cuando se presiona una tecla, se activa su barra de código de acero seis barras transversales (que
utilizan todas las teclas) que están conectadas eléctricamente a seis perforaciones. Si
intercambiamos los cables cuarto y quinto de las barras transversales a la perforaciones (que es
esencialmente equivalente a intercambiar el cuarto y quinto bits de todos los caracteres en el
código anterior), reduciríamos la cantidad de cambios necesarios para la tecla A de tres a uno. Sin
embargo, este cambio de cables podría aumentar el número de cambios para algunas de las otras
45 claves. El problema, entonces, es cómo conectar de manera óptima los cables de las seis barras
transversales a los seis punzones para que podamos minimizar el número de cambios mecánicos
en las barras de códigos de acero.

Formulamos este problema como un problema de asignación de la siguiente manera. Definir un

red G = (NJ U N2, A) con conjuntos de nodos NJ = {I, 2, ..., 6} y N2 = {I ', 2 ', ..., 6'}, y un conjunto de
arcos A = NJ x N2; el costo del arco (i, j ') E A es el número de claves (de 46) para las cuales el bit i-
ésimo en el código anterior difiere del jth mordió el nuevo código. Por lo tanto, si asignamos la
barra transversal i al punzón j, el número de Los cambios mecánicos necesarios para imprimir el bit
i de cada símbolo correctamente es Cij '. En consecuencia, la asignación de costo mínimo
minimizará el número de mecánicos cambios.

Aplicación 1.6 Emparejamiento de altavoces estéreo

Como parte de su proceso de fabricación, un fabricante de altavoces estéreo debe emparejar

altavoces individuales antes de que pueda venderlos como un conjunto. El desempeño de los dos
altavoces depende de su respuesta de frecuencia. Para medir la calidad de los pares, La compañía
genera coeficientes de correspondencia para cada par posible. Calcula estos coeficientes sumando
las diferencias absolutas entre las respuestas de los dos altavoces a 20 frecuencias discretas, lo
que da un valor de coeficiente de coincidencia entre 0 y 30,000. Las malas coincidencias producen
un coeficiente grande y un buen emparejamiento produce un coeficiente bajo. El fabricante
generalmente usa dos objetivos diferentes para emparejar los altavoces: (1) encontrar tantos
pares como sea posible cuyos coeficientes coincidentes no excedan un límite de especificación, o
(2) emparejar altavoces dentro de los límites de especificación para minimizar La suma total de los
coeficientes coincidentes. El primer objetivo minimiza el número de pares fuera de la
especificación, y por lo tanto, el número de altavoces que la empresa debe vender a precio
reducido Este modelo es una aplicación de la coincidencia de cardinalidad no bipartita problema
en un gráfico no dirigido: los nodos de este gráfico representan altavoces y los arcos unen dos
nodos si los coeficientes coincidentes de los altavoces correspondientes son dentro del límite de
especificación. El segundo modelo es una aplicación de lo no bipartito problema de
correspondencia ponderado.

Aplicación 1.7 Medición de la homogeneidad de bimetálico

Objetos

Esta aplicación muestra cómo se puede utilizar un problema de árbol de expansión mínimo para
determinar El grado en que un objeto bimetálico es homogéneo en su composición. A utilice este
enfoque, medimos la composición del objeto bimetálico en un conjunto de puntos de muestra.
Luego construimos una red con nodos correspondientes a la muestra puntos y con un arco que
conecta puntos de muestra físicamente adyacentes. Le asignamos un costo con cada arco (i, j)
igual al producto de la distancia física (Euclidiana) entre los puntos de muestra i y j y un factor de
homogeneidad entre 0 y 1. El factor de homogeneidad es 0 si la composición de las muestras
correspondientes es exactamente igual, y es 1 si la composición es muy diferente; de lo contrario,
es un número entre o y 1. Tenga en cuenta que esta medida otorga mayor peso a dos puntos si
son diferentes y están muy separados El costo del árbol de expansión mínimo es una medida de la
homogeneidad del objeto bimetálico. El costo del árbol es 0 si todos los puntos de muestra son
exactamente iguales, y los valores de alto costo implican que el material es bastante no
homogéneo.

Aplicación 1.8 Redes eléctricas

La red eléctrica que se muestra en la Figura 1.3 tiene ocho resistencias, dos fuentes de corriente.
(En los nodos 1 y 6) y un sumidero de corriente (en el nodo 7). En esta red deseamos Determinar
los flujos de corriente de equilibrio a través de las resistencias. Un método popular para resolver
este problema es introducir una variable Xi} que represente el flujo actual en el arco (i, j) de la red
eléctrica y escribe un conjunto de relaciones de equilibrio por estos flujos; es decir, las ecuaciones
de relación tensión-corriente (usando la ley de Ohm) y las ecuaciones de balance actual (usando la
ley de Kirchhoff). La solución de estas ecuaciones da las corrientes de arco Xi}. Un enfoque
alternativo y posiblemente más eficiente es formular este problema como un problema de flujo de
costos convexo. Esta formulación utiliza el conocido resultado de que las corrientes de equilibrio
en las resistencias son esos flujos para lo cual las resistencias disipan la menor cantidad de energía
total suministrada por el fuentes de voltaje (es decir, la corriente eléctrica sigue el camino de
menor resistencia). Ohmios la ley muestra que una resistencia de resistencia 'i; se disipa;; xri vatios
de potencia. Por lo tanto, podemos obtener las corrientes óptimas resolviendo el siguiente
problema de flujo de costos convexo:

En este modelo, b (i) representa la oferta / demanda de una fuente o sumidero actual.

La formulación de un conjunto de condiciones de equilibrio como una optimización equivalente. El

modelo es una idea poderosa en las ciencias físicas, que data del siglo pasado, que se conoce
como los llamados principios variacionales. El término "variacional" surge porque las condiciones
de equilibrio son las "condiciones de optimización" para el equivalente modelo de optimización
que nos dice que no podemos mejorar la solución óptima variando (de ahí el término
"variacional") la solución óptima para este modelo de optimización.

Aplicación 1.9 Determinación de una política energética óptima

Como parte de su esfuerzo de planificación nacional, la mayoría de los países necesitan decidir
sobre una energía política (es decir, cómo utilizar las materias primas disponibles para satisfacer
sus necesidades energéticas). Supongamos, por simplicidad, que un país en particular tiene cuatro
materias primas básicas: crudo petróleo, carbón, uranio e hidroenergía; y tiene cuatro necesidades
energéticas básicas: electricidad, petróleo doméstico, petróleo y gas. El país tiene la base
tecnológica y la infraestructura para convertir cada materia prima en una o más formas de
energía. Por ejemplo, puede convertir el petróleo crudo en petróleo o petróleo doméstico, el
carbón en electricidad y pronto. La base tecnológica disponible especifica la eficiencia y el costo de
cada conversión. El objetivo es satisfacer, al menor costo posible de conversión de energía, un
cierto nivel de consumo anual de diversas necesidades energéticas de un determinado año
producción de materias primas.

La Figura 1.4 muestra la formulación de este problema como un flujo de red generalizado. La red
tiene tres tipos de arcos: (1) arcos de origen (s, i) que emanan del nodo fuente s, (2) arcos
sumideros (j, t) entrando en el nodo sumidero t, y (3) conversión arcos (i, j). El arco fuente (s, i)
tiene una capacidad igual a la disponibilidad a (i) de materia prima iy un multiplicador de flujo de
valor 1. El arco del sumidero (j, t) tiene una capacidad igual a la demanda ~ (j) de tipo j necesidad
de energía y flujo mUltiplier de valor 1. Cada conversión el arco (i, j) representa la conversión de la
materia prima i en la forma de energía j; El multiplicador de este arco es la eficiencia de la
conversión (es decir, unidades de energía j obtenido de 1 unidad de materia prima i); y el costo del
arco (i, j) es el costo de Esta conversión. En este modelo, dado que un (i) es un límite superior en el
uso de materia prima

i, ~: = I <x (i) es un límite superior en el flujo que sale del nodo s. Del mismo modo,: L: = I J3 (i) es
un límite inferior en el flujo hacia el nodo t. En el ejercicio 15.29, mostramos cómo convertir este
problema en una forma estándar sin límites en suministros y demandas.

Aplicación 1.10 Equilibrio racial de escuelas

En 1968, la Corte Suprema de los Estados Unidos dictaminó que todos los sistemas escolares del
país deberían comenzar a admitir estudiantes en las escuelas sin discriminación y deben emplear
técnicas más rápidas para promover escuelas desagregadas en todo el país. Esta decisión hizo
necesario que muchos sistemas escolares desarrollen procedimientos radicalmente diferentes
para asignar estudiantes a las escuelas. Dado que la Corte Suprema no especificó qué constituye
un equilibrio racial aceptable, las juntas escolares individuales usaron sus propios juicios para
llegar a criterios aceptables en los que basar su desegregación de planes Esta aplicación describe
un modelo de flujo de múltiples productos para determinar un asignación óptima de estudiantes a
escuelas que minimiza la distancia total recorrida por los estudiantes, dada una especificación de
los límites inferior y superior en el racial requerido de equilibrio en cada escuela. Suponga que un
distrito escolar tiene escuelas S y la escuela j tiene capacidad Uj. Para el propósito de esta
formulación, dividimos el distrito escolar en centros de población. Estos lugares pueden, por
ejemplo, ser censos, paradas de autobús o bloques de la ciudad. La única restricción para los
centros de población es que sean finitos en número y que una sola medida de distancia aproxima
razonablemente la distancia a la que cualquier estudiante centro debo viajar si él o ella es
asignado a la escuela j. Deje que Sik denote lo disponible Número de estudiantes del grupo étnico
kth en el i-ésimo centro de población. El objetivo es asignar estudiantes a las escuelas de una
manera que logre la composición étnica deseada para cada escuela y minimiza la distancia total
recorrida por los estudiantes. Cada escuela j tiene el requisito étnico de que debe inscribirse al
menos ljk y no más de Estudiantes del Reino Unido del grupo étnico kth.

Podemos modelar este problema como un problema de flujo de múltiples productos básicos de
manera adecuada red definida La Figura 1.5 muestra esta representación de red para un problema
con tres centros de población y tres escuelas. Esta red tiene un nodo para cada centro de
población y para cada escuela, así como un nodo "fuente" y un nodo "sumidero" para cada grupo
étnico Los productos de flujo representan a los estudiantes de diferentes grupos étnicos. Los
estudiantes del kth grupo étnico fluyen desde la fuente ak para hundirse ek a través de centro de
población y nodos escolares. Establecemos el límite superior en la conexión de arco (ak, bi) el
nodo de origen del grupo étnico número k y el centro de población i-ésimo igual a Sik y el costo del
arco (bi, Cj) que conecta el i-ésimo centro de población y la escuela j igual a f ij, la distancia entre
ese centro de población y esa escuela. Configurando la capacidad del arco (Cj, dj) igual a Uj, nos
aseguramos de que el número total de estudiantes (de todos los grupos étnicos) asignados a la
escuela j no excede el máximo de estudiantes población para esta escuela. Los estudiantes de
todos los grupos étnicos deben compartir la capacidad de cada escuela Finalmente, incorporamos
restricciones en las composiciones étnicas de las escuelas estableciendo los límites inferior y
superior en el arco (dj, ek) igual a ljk y Ujk Es bastante fácil verificar que el problema del flujo de
múltiples productos modela el racial problema de equilibrio, por lo que un flujo mínimo de
múltiples productos especificará una asignación óptima de estudiantes a las escuelas.
1.4 RESUMEN

En este capítulo presentamos los problemas de flujo de red que estudiamos en este libro y
describió algunos escenarios en los que surgen estos problemas. Empezamos dando Una
formulación de programación lineal del problema de flujo de costo mínimo e identificación de
varios casos especiales: el problema del camino más corto, el problema del flujo máximo, el
problema de asignación, el problema de transporte y el problema de circulación. Nosotros A
continuación se describen varias generalizaciones del problema del flujo de costo mínimo: el
convexo problema de flujo de costos, el problema de flujo de red generalizado y el
multicommodity problema de flujo Finalmente, describimos otros dos modelos de red
importantes: el mínimo problema del árbol de expansión y el problema de coincidencia. Aunque
estos dos problemas no son problemas de flujo de red per se, los hemos incluido en este libro
porque están estrechamente relacionados con varios problemas de flujo de red y porque surgen a
menudo en el contexto de la optimización de la red.

Las redes son generalizadas y surgen en numerosas configuraciones de aplicaciones. Físico Las
redes, que son las clases de redes más fácilmente identificables, surgen en muchos aplicaciones en
muchos tipos diferentes de sistemas: comunicaciones, hidráulicos, mecánicos, electrónica y
transporte. Problemas de flujo de red también surgen en sorprendente formas en problemas de
optimización que en la superficie pueden parecer no involucrar redes en absoluto. Describimos
varias de estas aplicaciones "indirectas" de red problemas de flujo, en entornos problemáticos
como vivienda urbana, planificación de la producción, redes eléctricas, equilibrio racial, nivelación
de terreno montañoso, evaluación de torneos, emparejar altavoces estéreo, escribir máquinas de
escribir, evaluar la homogeneidad de materiales físicos y planificación energética. Las aplicaciones
que hemos considerado ofrecer solo un breve vistazo de la amplia importancia práctica de los
flujos de red; Aunque nuestra discusión de aplicaciones en este capítulo es limitada, proporcionan
al menos un ejemplo de cada uno de los modelos de red que hemos introducido en este capítulo.