UNIVERSIDAD DE GUAYAQUIL www.ug.edu.

ec
Facultad de Ciencias Matemáticas y Físicas
Guayaquil - Ecuador
Carrera de Software

Investigación Grupal 2 - Exposición

➢ Cruz Herrera Michael

➢ Figueroa Pacheco Roberto

➢ Oyola Orrala Ángel

➢ Pintag Cayambe Carlos

➢ Zambrano Vera Kenneth

Facultad de Ciencias Matemáticas Físicas, Universidad de Guayaquil.

Ingeniería en Software, Investigación de Operaciones

Msc. Francisco Álvarez Solís

Sof -S-No.4-5.

Fecha:15/07/21
 UNIVERSIDAD DE GUAYAQUIL www.ug.edu.ec
Facultad de Ciencias Matemáticas y Físicas
Guayaquil - Ecuador
Carrera de Software

INDICE

MÉTODO HÚNGARO………………………………………………………………………………1

PASOS DEL MÉTODO HÚNGARO……………………………………………………………2

ASIGNACIÓN OPTIMA DEL MÉTODO HÚNGARO……………………………………3

EJEMPLO DEL MÉTODO HÚNGARO…………………………………………………………4

MÉTODO DE EXPANSIÓN MÍNIMA…….…………………………………………………..6

PASOS DEL MÉTODO DE EXPANSIÓN MÍNIMA ….…………………………………..7

EJEMPLO MÉTODO DE EXPANSIÓN MÍNIMA …………………………………………8

BIBLIOGRAFÍA……………………………………………………………………………………….10
 El Método Húngaro

El método húngaro es un algoritmo que se utiliza en problemas de asignación cuando se quiere

minimizar el costo. Es decir, se usa para encontrar el costo mínimo al asignar varias personas a diversas
actividades basadas en el menor costo. Se debe asignar cada actividad a una persona diferente.
Un problema de asignación es un tipo especial de problema de programación lineal, donde el objetivo
es minimizar el costo o el tiempo de completar una cantidad de trabajos por parte de varias personas. Una
de las características importantes del problema de asignación es que solo se asigna un trabajo (o
trabajador) a una máquina (o proyecto).
Este método fue desarrollado por el matemático húngaro D. Konig. Por esta razón, se le conoce como
el método húngaro para problemas de asignación. También es conocido como algoritmo de asignación de
Kuhn-Munkres.

Cualquier problema de asignación se puede resolver fácilmente aplicando este método que consta de
dos fases:

– Con la primera fase se realizan reducciones de filas y reducciones de columnas.

– En la segunda fase se optimiza la solución sobre una base iterativa.

El método húngaro consta de cuatro pasos. Los primeros dos pasos se ejecutan una sola vez, mientras
que los pasos 3 y 4 se repiten hasta encontrar una asignación óptima.

Se considera como dato de entrada a una matriz cuadrada del orden n por n, la cual debe contener
solamente elementos no negativos.

Para un problema dado, si el número de filas de la matriz no es igual al número de columnas se debe
agregar una fila ficticia o una columna ficticia, dependiendo del caso. Los costos de asignación para esas
celdas ficticias siempre se asignan como cero.

1
 Pasos del Método Húngaro

Paso 1: restar los mínimos de cada fila

Para cada fila de la matriz se selecciona el elemento con el valor más bajo y se lo resta de cada
elemento en esa fila.

Paso 2: restar los mínimos de cada columna

De manera similar, se selecciona para cada columna el elemento con el valor más bajo y se lo resta de
cada elemento en esa columna.

Paso 3: cubrir todos los ceros con un mínimo número de líneas

Se deben cubrir todos los ceros en la matriz resultante del paso 2 usando un número mínimo de líneas
horizontales y verticales, ya sea por filas o columnas.

Si se requiere un total de n líneas para cubrir todos los ceros, siendo n igual al tamaño n por n de la
matriz, se tendrá una asignación óptima entre los ceros y por tanto el algoritmo se detiene.

De lo contrario, si se requieren menos de n líneas para cubrir todos los ceros en la matriz, se continúa
con el paso 4.

Paso 4: crear ceros adicionales

Se selecciona el menor elemento de la matriz (llamado k) que no esté cubierto por una de las líneas
realizadas en el paso 3.

Se resta el valor de k de todos los elementos que no están cubiertos por líneas. Posteriormente se suma
el valor de k a todos los elementos que están cubiertos por la intersección de dos líneas.

Los elementos que están cubiertos por una sola línea se dejan tal como están. Después de realizar este
paso, se regresa al paso 3.

2
Asignación Óptima del Método Húngaro

Una vez que se detenga el algoritmo en el paso 3, se elige un conjunto de ceros de tal manera que cada
fila y cada columna tenga solo un cero seleccionado.

Si en este proceso de selección no existe un único cero en una fila o columna, se elegirá entonces uno
de esos ceros. Se eliminan los ceros restantes en esa columna o fila, repitiendo lo mismo para las otras
asignaciones también.

Si no hay una única asignación de ceros significa que existen múltiples soluciones. Sin embargo, el
costo seguirá siendo el mismo para los diferentes conjuntos de asignaciones.

Se elimina cualquier fila o columna ficticia que se haya agregado. Los ceros elegidos en esta matriz
final corresponden así a la asignación ideal requerida en la matriz original.

3
 Ejemplo Método Húngaro

Los tres hijos de Joe Klyne, John, Karen y Terri, quieren ganar algo para sus gastos personales,
durante un viaje de la escuela al zoológico. El señor Klyne ha destinado tres tareas para sus hijos: podar el
pasto, pintar la cochera y lavar los autos de la familia. Para evitar discusiones, les pide que presenten
ofertas (secretas) de lo que crean que es un pago justo para cada una de las tres tareas. Se sobreentiende
que después los tres obedecerán la decisión de su papá sobre quién hace cuál tarea.

Con base en esta información ¿cómo debe asignar las tareas el señor Klyne? El problema de
asignación se puede resolver con el método húngaro.
Paso 1. En la matriz original de costo, identificar el mínimo de cada renglón y restarlo de todos los
elementos del renglón.
Paso 2. En la matriz que resulte del paso 1, identificar el mínimo de cada columna, y restarlo de todos
los elementos de la columna.
Paso 3. Identificar la solución óptima como la asignación factible asociada con los elementos cero de
la matriz obtenida en el paso 2. Sean pi y qj los costos mínimos del renglón i y la columna j, como se
definieron en los pasos 1 y 2, respectivamente. Los mínimos de renglón del paso 1 se calculan con la
matriz original de costo.

A continuación, se resta el mínimo del renglón de cada renglón respectivo, para obtener la matriz
reducida de la tabla.

4
 La aplicación del paso 2 produce los mínimos de columna de la tabla anterior. Al restar esos valores de
las columnas respectivas se obtiene la matriz reducida de la tabla siguiente.

Las celdas con elementos cero subrayados son la solución óptima. Eso quiere decir que John va a
pintar la cochera, Karen podará el pasto y Terri lavará los autos. El costo total para el señor Klyne será 9
10 8 $27. Esta cantidad también será siempre igual (p1 p2 p3) + (q1 q2 q3) = (9 9 8) (0 1 0) $27.

5
 Método de Expansión Mínima

El algoritmo del árbol de expansión mínima es un modelo de optimización de redes que consiste
en enlazar todos los nodos de la red de forma directa y/o indirecta con el objetivo de que la longitud total
de los arcos o ramales sea mínima (entiéndase por longitud del arco una cantidad variable según el
contexto operacional de minimización, y que puede bien representar una distancia o unidad de medida).
Una aplicación característica es en la construcción de carreteras pavimentadas que unen varias
poblaciones. El camino entre dos poblaciones puede pasar por uno o más poblaciones adicionales. El
diseño más económico del sistema de caminos indica que se minimice la distancia total de caminos
pavimentados, resultado que se obtiene implementando el algoritmo de árbol de expansión mínima

Sean:
N = {1,2,3,…,n} el conjunto de nodos de la red.
Ck= Conjunto de nodos que se han enlazado de forma permanente en la iteración k
Čk= Conjunto de nodos que hacen falta por enlazarse de forma permanente.

6
 Pasos Método de Expansión Mínima

Paso cero (0): Conceptualización del algoritmo

Definir los conjuntos C0 = {ø} y Č0 = {N}, es decir que antes del paso 1 no se han enlazado de forma
permanente nodo alguno, y por ende el conjunto que representa a los nodos que hacen falta por enlazarse
de forma permanente es igual a la cantidad de nodos que existen en la red.

Paso 1:
Se debe de escoger de manera arbitraria un nodo en el conjunto Č0 llamado i el cual será el primer
nodo permanente, a continuación, se debe de actualizar el conjunto C1 = {i}, que significa que al tiempo
en que el conjunto C1 gana el elemento i el conjunto Č0pierde el elemento i por ende ahora será igual a
Č1 = N – {i}, además se debe actualizar el subíndice de los conjuntos k, el cual ahora será igual a 2.

Paso 2: Paso general «K»

Se debe de seleccionar un nodo j del conjunto ČK-1 («k-1» es el subíndice que indica que se está haciendo
referencia al conjunto de la iteración inmediatamente anterior) el cual tenga el arco o ramal con menor
longitud con uno de los nodos que se encuentran en el conjunto de nodos de enlace permanente CK-1. Una
vez seleccionado se debe de enlazar de forma permanente lo cual representa que pasa a formar parte del
conjunto de enlaces permanentes y deja de formar parte del conjunto que todavía se debe conectar para
lograr la expansión. Al actualizar el algoritmo en este paso los conjuntos deben de quedar de la siguiente
forma.
CK = CK-1 + {j} mientras que ČK = ČK-1 – {j}
El paso general que define k que al mismo tiempo representa a las iteraciones debe de ejecutarse toda
vez que el conjunto ČK no sea vacío, cuando este conjunto sea igual a vacío se tendrá el árbol de expansión
mínima.
El entendimiento del algoritmo desde el punto de vista algebraico no es quizá el más simple, sin
embargo, mediante el ejemplo gráfico se verá que es un algoritmo muy sencillo de elaborar.

7
Ejemplo Método de Expansión Mínima

Figura 1

8
9
 Bibliografía

Taha, H. (2004). Investigación de Operaciones, 7ma Edición.

Fuente:
http://www.uenicmlk.edu.ni/img/biblioteca/Administración%20Investigación%20de%20Operaci
ones%20-%20Hamdy%20A.%20Taha%20-%207ma%20Edición.pdf
Método Húngaro:
https://www.lifeder.com/metodo-hungaro/
Teoría de Redes, Método de Árbol de Expansión Mínima:
https://www.ingenieriaindustrialonline.com/investigacion-de-operaciones/teoria-de-
redes/#:~:text=El%20algoritmo%20del%20árbol%20de,cantidad%20variable%20según%20el%
20contexto

10