Informe Nro 02

UNIVERSIDAD NACIONAL DE
SAN CRISTOBAL DE HUAMANGA
ESCUELA DE FORMACION PROFESIONAL DE INGENIERIA CIVIL

MÉTODOS NUMÉRICOS
PRACTICA CALIFICADA Nro 3
TEORIA DE REDES
DOCENTE:
: PÉREZ CRISTIAN
ING. CASTRO
ALUMNOS:
AYALA BIZARRO, Rocky G.
CARDENAS HUAMAN, Royer J.
GAMBOA SANTANA, Hedber
RIVAS ALARCÓN, Enrrique
VARGAS ÑAUPA, Hilmar.
CIVIL YeDaRo
INGENIERÍA CIVIL - UNSCH

YeDaRo
Copyright ©2020 Rocky Ayala Bizarro
Published by UNIVERSIDAD NACIONAL DE SAN CRSITOBAL DE HUAMANAGA
http://www.civilyedaro.wordpress.com
License information.
First printing, November 2020

Baja
A DIOS
E por iluminar y bendecir nuestro camino. F A nue-
stros padres, quienes nos apoyan de manera incondicional
en nuestra formación académica; gracias a ellos por apostar
siempre en la educación.
H G
Índice General
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
CAPITULO 1 TEORÍA DE LOS ALGORITMOS UTILIZADOS −−−−−
Pag.1
1.1 PROBLEMA DEL MODELO DE TRANSPORTE . . . . 1
1.2 ALGORITMO PARA LA CONSTRUCCIÓN DE ÁRBOL
DE EXTENSIÓN MÍNIMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 ALGORITMO PARA LA CONSTRUCCIÓN DE LA RUTA
MÁS CORTA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 ALGORITMO DE FLUJO MÁXIMO . . . . . . . . . . . . . . . . . . . . 3
CAPITULO 2 RESOLUCIÓN DE PROBLEMAS −−−−−−−−−−−−−−−− Pag. 7

Cuestionario Nro 1 ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Cuestionario Nro 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
CAPITULO Conclusiones −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 59
CAPITULO Bibliografía −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 60

INTRO DUCCIÓN
Los grafos se pueden clasificar en dos grupos: dirigidos y no dirigidos. Los arboles
forman parte de los no dirigidos.
Sirven para organizar y relacionar datos en una base de datos, por ejemplo. Esto permite
realizar operaciones de manera eficiente. Por ejemplo, un árbol de definición jerárquica
se utiliza para configurar una base de datos para los registros de libros existentes en
diversas bibliotecas.
Otro ejemplo de la utilización de árboles son los diccionarios. A partir de una palabra,
se realiza una búsqueda en el árbol para saber si está incluida en el conjunto, y si existe,
se obtienen sus datos asociados (por ejemplo, si es un verbo, un sustantivo, un artículo,
etc.).
En este trabajo introducirán los siguientes temas: árboles de expansión, su definición;
arboles de expansión mínima, su definición y la explicación de los algoritmos que per-
miten hallar un árbol de expansión mínima; redes de flujo maximo, camino minimo y
por ultimo vertices atractivos en un grafo.
La organización del trabajo es la siguiente: En la capitulo 1 se encuentran las definiciones
básicas de los metodos utilizados. En el capitulo 2 se rsuelve los problemas asignados.
El GRUPO
Universidad Nacional de San Cristóbal de Huamanga
Escuela Profesional de Ingeniería Civil
Ayacucho, Diciembre del 2013.

Capítulo
TEORÍA DE LOS ALGO- 1 1
RITMOS UTILIZADOS
MÉTODOS
NUMÉRICOS
1.1 PROBLEMA DEL MODELO DE TRANSPORTE

Algoritmo de MÉTODO DE LA ESQUINA NOROESTE
Este método se explica en su resolución capitulo 2
1.2 ALGORITMO PARA LA CONSTRUCCIÓN DE ÁR-

BOL DE EXTENSIÓN MÍNIMA
El problema del árbol de expansión mínima es apropiado para los problemas en los cuales
la redundancia es expansiva, o el flujo a lo largo de los arcos se considera instantáneo,
se considera una red no dirigida y conexa, en la que la información dada incluye alguna
medida de longitud positiva, distancia, costo, tiempo, etc. asociada con cada ligadura.
El problema surge cuando todos los nodos de una red deben de conectarse entre ellos sin
formar un ciclo.
Los dos problemas involucran también el hecho de seleccionar un conjunto de ligaduras
con la longitud total más corta entre todos los conjuntos de ligaduras que satisfacen cierta
propiedad. En el caso del problema de la ruta más corta, esta propiedad es que la ligadura
seleccionada debe proporcionar una trayectoria entre el origen y el destino. Para el árbol
de expansión mínima la propiedad que se requiere es que las ligaduras seleccionadas deben
proporcionar una trayectoria entre cada par de nodos.
También se le conoce como árbol generador mínimo, es una red conexa y ponderada que
se refiere a utilizar los arcos de la red para llegar a todos los nodos de esta, de manera tal
que se minimiza la longitud total.
Para su solución se emplean los algoritmos de Prim y Kruskal
El problema del árbol de expansión mínima se puede resumir de la siguiente manera:
Se tienen los nodos de una red pero no las ligaduras. En su lugar se proporcionan
las ligaduras potenciales y la longitud positiva de cada una si se insertan en la red.
Ingeniería Civil Pag. 1

CAP. 1 TEORÍA DE LOS ALGORITMOS UTILIZADOS UNSCH
(Las medidas alternativas para la longitud de una ligadura incluyen distancia, costo
y tiempo.)
Se desea diseñar la red con suficientes ligaduras para satisfacer el requisito de que
haya un camino entre cada par de nodos.
El objetivo es satisfacer este requisito de manera que se minimice la longitud total

de las ligaduras insertadas en la red.
Algoritmo de Kruskal
Se comienza seleccionando el arco de menor longitud.
En cada iteración agrege el siguiente arco de menor longitud del conjunto de arcos
disponibles, teniendo la precaución de no formar ningún ciclo.
El algoritmo se finalizara cuando todos los arcos estén conectados.

Si N = Número de nodos
→ La solución optima debe incluir “n − 1′′ arcos
1.3 ALGORITMO PARA LA CONSTRUCCIÓN DE LA

RUTA MÁS CORTA
Aunque al final de la sección se mencionan otras versiones del problema de la ruta más
corta, incluso algunas para redes dirigidas, la atención se centrará en la siguiente versión
sencilla.
Considere una red conexa y no dirigida con dos nodos especiales llamados origen y destino.
A cada ligadura (arco no dirigido) se asocia una distancia no negativa. El objetivo es
encontrar la ruta más corta, la trayectoria con la mínima distancia total del origen al
destino. Se dispone de un algoritmo relativamente sencillo para manejar este problema.
La esencia del procedimiento es que analiza toda la red a partir del origen; identifica de
manera sucesiva la ruta más corta a cada uno de los nodos en orden ascendente de sus
distancias (más cortas), desde el origen; el problema queda resuelto en el momento de
llegar al nodo destino.
En el problema de la ruta más corta se determina ésta, entre una fuente y un destino, en
una red de transporte.
Los algoritmos que se utilizan para su resolución en redes tanto cíclicas como acíclicas
son:
El Algoritmo de Dijkstra
El Algoritmo de Floyd
El algoritmo de Dijkstra tiene por objeto determinar las rutas más cortas entre el nodo
fuente y todos los demás nodos de la red.

El algoritmo de Floyd es general. Porque permite determinar la ruta más corta entre dos
nodos cualquiera en la red.
Para ver este tema usaremos el algoritmo de Dijkstra, el cual tiene por objetivo determinar
las rutas mas cortas entre el nodo fuente y el resto de los nodos de la red.
El algoritmo de Dijkstra
Sea ui la distancia más corta del nodo fuente 1 hasta el nodo i, y se define dij (≥0 como
la longitud del arco (ij ). Entonces el algoritmo define la etiqueta de un nodo inmediato
posterior j como:
[uj , i] = [ui + dij , i] , dij ≥ 0
La etiqueta del nodo inicio es [0.−] que indica que el nodo no tiene predecesor.
Las etiquetas de nodos en el algoritmo Dijkstra son de dos clases: Temporales y Perma-
nentes.
-Una etiqueta temporal se modifica si se puede encontrar una ruta más corta a un nodo.
Cuando se ve que no se puede encontrar rutas mejores, cambia el estado de la etiqueta
temporal a permanente.
Paso 0. Etiquetar el nodo fuente (nodo 1) con la etiqueta permanente [0.−]. Igualar
i = 1.
Paso i.
a) Calcular las etiquetas temporales [ui + dij , i] para cada nodo j al que pueda
llegarse desde el nodo i, siempre y cuando no tenga etiqueta permanente. Si el nodo
j ya está etiquetado con [uj , i] por otro nodo k y si ui + dij < uj , sustituir [uj , k ]
por [uj + dij , i].
b) Si todos los nodos tienen etiquetas permanentes, detenerse. En caso contrario,
seleccionar la etiqueta [ur , s] que tenga la distancia más corta (= ur )entre todas las
etiquetas temporales (los empates se rompen en forma arbitraria). Hacer y repetir
el paso i.
1.4 ALGORITMO DE FLUJO MÁXIMO

En teoría de grafos, un grafo dirigido con pesos es también conocido como una red.
En los problemas de flujo en redes, las aristas representan canales por los que puede cir-
cular cierta cosa: datos, agua, coches, corriente eléctrica, etc. Los pesos de las aristas
representan la capacidad máxima de un canal: velocidad de una conexión, volumen máx-
imo de agua, cantidad máxima de tráfico, voltaje de una línea eléctrica, etc.; aunque es
posible que la cantidad real de flujo sea menor.
El problema del flujo máximo consiste en lo siguiente: dado un grafo dirigido con pesos,
G = (V , A, W ), que representa las capacidades máximas de los canales, un nodo de inicio
s y otro de fin t en V , encontrar la cantidad máxima de flujo que puede circular desde s
hasta t.

En términos generales, el problema de flujo máximo se puede describir de la siguiente

manera.
1. Todo flujo a través de una red conexa dirigida se origina en un nodo, llamado origen,
y termina en otro nodo llamado destino.
2. Los nodos restantes son nodos de trasbordo (en la mayoría de problemas los nodos son
A, B, C, D y E).
3. Se permite el flujo a través de un arco sólo en la dirección indicada por la flecha, donde
la cantidad máxima de flujo está dada por la capacidad del arco. En el origen, todos los
arcos señalan hacia afuera. En el destino, todos señalan hacia el nodo.
4. El objetivo es maximizar la cantidad total de flujo del origen al destino. Esta cantidad
se mide en cualquiera de las dos maneras equivalentes, esto es, la cantidad que sale del
origen o la cantidad que entra al destino.
Para la resolución de problemas de este tipo se tiene los siguientes algoritmos:
Algoritmo de la trayectoria de aumento del problema de flujo máximo.
Para su ejecución se tienen los siguientes pasos.

1. Se identifica una trayectoria de aumento cuando se encuentra alguna trayectoria di-
rigida del origen al destino en la red residual, tal que cada arco sobre ella tenga capacidad
residual estrictamente positiva. (Si no existe una, los flujos netos asignados constituyen
un patrón de flujo óptimo.)
2. Cuando se encuentra el mínimo de las capacidades residuales de los arcos sobre esta
trayectoria se identifica la capacidad residual c∗ de esta trayectoria de aumento. Se
aumenta en c∗ el flujo de esta trayectoria.
3. Se disminuye en c∗ la capacidad residual de cada arco en esta trayectoria de aumento.
Se aumenta en c∗ la capacidad residual de cada arco en la dirección opuesta en esta
trayectoria. Se regresa al paso 1.
Cuando se lleva a cabo el paso 1, con frecuencia habrá varias alternativas de trayectorias
de aumento entre las cuales se podrá escoger. Aunque la estrategia algorítmica para elegir
es importante para elevar la eficiencia de las aplicaciones a gran escala, no se profundizará
en este tema relativamente especializado.
Algoritmo de flujo máximo deshaciendo caminos
La idea de los flujos, que van desde s hasta t, es muy próxima a la de un camino por el
que circula cierto fluido. Cada unidad de flujo que llega hasta un nodo, debe salir por
alguna de sus aristas. Por lo tanto, un posible algoritmo podría basarse en encontrar. Por
ese camino podemos mandar cierta cantidad de flujo.
£Cuánto? Pues todo lo que quepa. Por ejemplo, si en un grafo tomamos el camino (s, a, b,
t). El máximo flujo que podemos mandar por ese camino está limitado por el mínimo de
las capacidades por las que pasa el camino. De esta forma, el algoritmo iría encontrando
caminos los caminos, añadiendo los flujos correspondientes al grafo y quitárnoslos. Y así
seguiría hasta que no queden más caminos para enviar flujo.
La estructura del algoritmo que lleva a cabo esta idea sería la siguiente:

Ejemplo 5.6 Vamos a aplicar la primera versión del algoritmo del flujo máximo sobre
el grafo G de la figura 5.33a). En la figura 5.34 se muestra una ejecución posible del
CAP. 1 algoritmo, donde
TEORÍA DE LOS ALGORITMOS no se alcanza la solución óptima.
UTILIZADOS UNSCH
a) G b) F
2 0
5
a b 4 0
a b 0
s 4 s 0
1 3 t 0 0 t
4 3 0 0
2 d 0
c d c
c) d)
1. Sea G = (V , A, CG) el grafo de capacidades 2 máximas. Inicializar el grafo 0
a b 40 0
a de flujos b 4
5
reales, F , con los mismos nodos y aristas de G, pero con pesos 0. Es decir, CF (v, w ) =
40 4
0; ∀ < v, w >∈ A. Este grafo guardará
s el
1 resultado t s t
3 del algoritmo. 0 0
2. Buscar un camino en G, desde 4 0 s hasta 3t, pasando2 por aristas cuyo 4 peso sea0 mayor
d 0
c d c
que 0. Este camino es denominado camino creciente. Supongamos que el camino es
(s, v1, v2, ..., vk, t). Tomamos m = min[CG(s, v1), CG(v1, v2), ..., CG(vk, t)]. Es decir,
por este camino pueden fluirFigura hasta
5.34: m unidades
Primera de del
versión flujo, como de
algoritmo máximo.
flujo máximo en redes. a) Grafo del proble-
ma, G. b) Grafo de flujos F inicial.
3. Para cada arista < v, w > del camino anterior, añadir m al coste c) Grafo G después
de dela quitar
arista elcorre-
camino (s, c, b, t). d)
spondiente en F , quitarloGrafo
en Gdey flujos después
ponerlo en Gdeenañadir el mismo
sentido camino.
contrario. Es decir,CF (v, w ) =
CF (v, w ) + m; CG(v, w ) = CG En(v, ) − m; CG
lawprimera (w, v )del
ejecución =paso
CG(2,w,sev )encuentra
+ m para todo <(s,
el camino v, c,wb,>t). Los costes de
del camino del paso 2. las aristas son: 4, 4, 4; ası́ que m = 4. Esta cantidad se añade en F (figura 5.34d) y se quita
Hay que tener en cuenta que de Gaquí
(figura 5.34c).suponiendo
estamos Si intentamosque buscar otrode
el peso camino entre sinexistente
una arista y t, en el grafo de la figura
5.34c), que pase por aristas con peso mayor que cero, vemos que no existe ninguno. Por
es 0. De esta forma, cuando sumamos m a CG(w, v ), pero < v, w > no está en G, sería
12
equivalente a crear una nueva El arista
camino estarı́a en la m.Esta
con peso pila de llamadas
nueva recursivas. Lo más
versión del adecuado no
algoritmo serı́adeja
ir almacenando en un
array los nodos que están en la rama actual de la llamada a bpp.
de ser no determinista, pero garantiza siempre la solución óptima.
Algoritmo de Ford-Fulkerson
El algoritmo de Ford-Fulkerson propone buscar caminos en los que se pueda aumentar el

flujo, hasta que se alcance el flujo máximo.La idea es encontrar una ruta de penetración
con un flujo positivo neto que una los nodos origen y destino.
Consideraremos las capacidades iniciales del arco que une el nodo i y el nodo j como
Cij y Cji . Estas capacidades iniciales irán variando a medida que avanza el algoritmo,
denominaremos capacidades residuales a las capacidades restantes del arco una vez pasa
algún flujo por él, las representaremos como cij y cji .
Para un nodo j que recibe el flujo del nodo i, definimos una clasificación [aj, i] donde aj
es el flujo del nodo i al nodo j.
Este método depende de tres ideas importantes: Camino de aumento y red residual, ya
que es iterativo. Se comienza con f (u, v ) = 0 para cada par de nodos. En cada iteración
se incrementa el valor del flujo buscando un camino de aumento, el cual es un camino
desde la fuente al sumidero que puede conducir mas flujo.
Los pasos del algoritmo se definen como sigue:
Paso 1: Inicializamos las capacidades residuales a las capacidades iniciales, hacemos
(cij, cji) = (Cij, Cji) para todo arco de la red. Suponiendo el nodo 1 como el nodo
origen, hacemos a1 = ∞ y clasificamos el nodo origen con [∞, −]. Tomamos i = 1 y
vamos al paso 2.
Paso 2: Determinamos Si como un conjunto que contendrá los nodos a los que podemos
acceder directamente desde i por medio de un arco con capacidad positiva, y que no

formen parte del camino en curso. Si Si contiene algún nodo vamos al paso 3, en el caso
de que el conjunto sea vacío saltamos al paso 4.
Paso 3: Obtenemos k ∈ Si como el nodo destino del arco de mayor capacidad que salga
de i hacia un nodo perteneciente a Si. Es decir, cik = maxcij con j ∈ Si. Hacemos
ak = cik y clasificamos el nodo k con [ak, i]. Si k es igual al nodo destino o sumidero,
entonces hemos encontrado una ruta de penetración, vamos al paso 5. En caso contrario
continuamos con el camino, hacemos i = k y volvemos al paso 2.
Paso 4 (retroceso): Si i = 1, estamos en el nodo origen, y como Si es vacío, entonces
no podemos acceder a ningún nodo, ni encontrar algún nuevo camino, hemos terminado,
vamos al paso 6.
En caso contrario, i , 1, le damos al valor i el del nodo que se ha clasificado inmediata-
mente antes, eliminamos i del conjunto Si actual y volvemos al paso 2.
Paso 5: Llegados a este paso tenemos un nuevo camino: N p = {1, k1, k2, ..., n}, esta será
la p − sima ruta de penetración desde el nodo origen al nodo destino. El flujo máximo a
lo largo de esta ruta será la capacidad mínima de las capacidades residuales de los arcos
que forman el camino, es decir: f p = min{a1, ak1, ak2, ..., an}.
La capacidad residual de cada arco a lo largo de la ruta de penetración se disminuye por f p
en dirección del flujo y se incrementa por f p en dirección inversa, es decir, para los nodos
i y j en la ruta, el flujo residual se cambia de la (cij , cji ) actual a (cij − f p, cji + f p)si el
flujo es de i a j, o (cij + f p, cji − f p) si el flujo es de j a i. Inicializamos i = 1 y volvemos
al paso 2 para intentar una nueva ruta de penetración.
Paso 6 (solución): Una vez aquí, hemos determinado m rutas de penetración. El flujo
máximo en la red será la suma de los flujos máximos en cada ruta obtenida, es decir:
F = f 1 + f 2 + ... + f m. Teniendo en cuenta que las capacidades residuales inicial y final
del arco (i, j ) las dan (Cij , Cji ) y (cij , cji ) respectivamente, el flujo máximo para cada
arco se calcula como sigue: sea (α, β ) = (Cij − cij , Cji − cji ), si α > 0, el flujo óptimo de
i a j es α, de lo contrario, si β > 0, el flujo óptimo de j a i es β. Es imposible lograr que
tanto α como β sean positivas.

Capítulo
RESOLUCIÓN 2
2 1
DE PROBLEMAS
MÉTODOS
NUMÉRICOS
PREGUNTA 2.1 MÉTODO DE LA ESQUINA NOROESTE
Una empresa produce un producto en cuatro ciudades, Lima

(L); Chimbote (C) Trujillo (T) y Arequipa (A), dicha produc-
ción se destina a tres centros de consumo I, II, y III. Se sabe que
los centros productores disponen de 60, 80, 50, y 30, unidades
de productos respectivamente; y los centros de consumo necesi-
tan 70, 80 y 70 respectivamente. El costo unitario de transporte
en soles es:
Solution Cuadro Nž1

Centros productores Centros de consumo
I II III
Lima (L) 5 6 8
Chimbote (C) 4 8 12
Trujillo (T) 12 0 10
Arequipa (A) 3 6 9
a. Se pide formular y resolver detalladamente un modelo

de transporte para determinar un programa que minim-
ice el costo total de transporte entre los cuatro centros
productores y los tres centros de consumo.
b. Supongamos que la empresa anterior solo tiene dos cen-

tros de consumo con 90 y 100 capacidad de consumo, y
se pide estructurar un modelo también que minimice los
costos totales del transporte.

CAP. 2 RESOLUCIÓN DE PROBLEMAS UNSCH
ALGORITMO DE RESOLUCIÓN DE LA ESQUINA NOROESTE PARTE a)

Se parte por esbozar en forma matricial el problema, es decir, las filas que representen
fuentes y columnas que representen destinos, luego el algoritmo debe de iniciar en la celda,
ruta o esquina Noroeste de la tabla (esquina superior izquierda).

Centros de consumo
I II III
Fueente 1 Esquina noroeste - -
Fueente 2 - - -
Fueente 3 - - -
Fueente 4 - - -
PASO 1:
En la celda seleccionada como esquina Noroeste se debe asignar la máxima cantidad de

unidades posibles, cantidad que se ve restringida ya sea por las restricciones de oferta o
de demanda. En este mismo paso se procede a ajustar la oferta y demanda de la fila y
columna afectada, restándole la cantidad asignada a la celda.
PASO 2:
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después
del "Paso 1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la
restante se deja con demanda u oferta cero (0) según sea el caso.
PASO 3:
Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o
columna, si este es el caso se ha llegado al final el método, "detenerse". La segunda es que
quede más de un renglón o columna, si este es el caso iniciar nuevamente el "Paso 1".
SOLUCIÓN DEL PROBLEMA PASO A PASO a)

I II III Oferta
Lima (L) 5 6 8 60
Chimbote (C) 4 8 12 80
Trujillo (T) 12 0 10 50
Arequipa (A) 3 6 9 30
Demanda 70 80 70

ITERACIÓN 1

I II III Oferta Dual P(i)
5 6 8
Lima (L) 60 0
60 Cij=11
4 8 12
Chimbote (C) 80 -1
10 70
12 0 10
Trujillo (T) 50 -9
10 40
3 6 9
Arequipa (A) 30 -10
30
Demanda 70 80 70
Esquina Noroeste
Asignaremos el mayor numero de unidades posibles, en este caso 60 dado que la oferta
de Lima restringe un numero mayor
Ahora la cantidad asignada a la esquina noroeste es restada a la ofertada de Lima y a la

demanda de la " I ", en un procedimiento muy lógico. Dado que la oferta de Lima una
vez restada la cantidad asignada es cero (0), se procede a eliminar la fila. El proceso de
asignación nuevamente se repite.
ITERACIÓN 2

5 6 8
Lima (L) 60 0
20 40
4 8 12
Chimbote (C) 80 -1
50 30
12 0 10
Trujillo (T) 50 -9
50
3 6 9
Arequipa (A) 30 -1
Cij=-4 30
Demanda 70 80 70

Esquina Noroeste
Asignaremos el numero de unidades RESTANTES, en este caso 10 dado q la oferta de
Chimbote y la demanda de " II " lo condicionan.
Hallada la nueva cantidad de la esquina noroeste se procede a realizar la misma operación,

quedando en este caso como 70 Ahora la cantidad asignada a la esquina noroeste es restada
a la ofertada Chimbote y a la demandada en " II ", en un procedimiento muy lógico.
ITERACIÓN 3

5 6 8
Lima (L) 60 0
60
4 8 12
Chimbote (C) 80 3
70 10
12 0 10
Trujillo (T) 50 -5
50
3 6 9
Arequipa (A) 30 1
20 10
Demanda 70 80 70
Esquina Noroeste
Asignaremos el numero de unidades de laoferta de Trujillo, en este caso 10 dado que
la oferta de Trujillo ya esta determinado.
Ahora la cantidad asignada a la esquina noroeste es restada a la ofertada de Arequipa y

a la oferta de la " III ".
RESULTADOS:

productores consumidores Consumo costo unitario Costo total Reducion de costo
1 Lima (L) III 60 8 480 0
2 Chimbote (C) I 70 4 280 0
3 Chimbote (C) II 10 8 80 0
3 Trujillo (T) II 50 0 0 0
3 Arequipa (A) II 20 6 120 0
4 Arequipa (A) III 10 9 90 0
Total Objetivo Funcion Valor = 1050

ALGORITMO DE RESOLUCIÓN DE LA ESQUINA NOROESTE PARTE b)

I II Oferta
Lima (L) 5 8 60
Chimbote (C) 4 12 80
Trujillo (T) 12 10 50
Arequipa (A) 3 9 30
Demanda 100 90
ITERACIÓN 1

I II Oferta Dual P(i)
5 8
Lima (L) 60 0
60 Cij=-5
4 12
Chimbote (C) 80 -1
30 50
12 10
Trujillo (T) 50 -3
50
3 9
Arequipa (A) 30 -3
90
Demanda 90 100
Esquina Noroeste
Asignaremos el mayor numero de unidades posibles, en este caso 60 dado que la oferta
de Lima restringe un numero mayor
Ahora la cantidad asignada a la esquina noroeste es restada a la ofertada de Lima y a la

demandada de la " I ", en un procedimiento muy lógico. Dado que la demanda de Lima
una vez restada la cantidad asignada es cero (0), se procede a eliminar la fila. El proceso
de asignación nuevamente se repite.

ITERACIÓN 2

5 8
Lima (L) 60 0
10 50
4 12
Chimbote (C) 80 -1
80
12 10
Trujillo (T) 50 2
50
3 9
Arequipa (A) 30 2
Cij=-4
Demanda 90 100
Esquina Noroeste
Asignaremos el numero de unidades RESTANTES, en este caso 30 dado q la oferta de
Lima y la demanda de " II " lo condicionan.
Hallada dla nueva cantidad de la esquina noroeste se procede a realizar la misma operación,
quedando en este caso como 90-60=30 Ahora la cantidad asignada a la esquina noroeste
es restada a la ofertada de Lima y a la demandada en " I ", en un procedimiento muy
lógico.
ITERACIÓN 3

5 8
Lima (L) 60 0
60
4 12
Chimbote (C) 80 3
80
12 10
Trujillo (T) 50 2
40
3 9
Arequipa (A) 30 2
10
Demanda 90 100

Esquina Noroeste
Asignaremos el numero de unidades de la oferta de Chimbote, en este caso 50 dado q
la oferta de Chimbote ya esta determinado.
Ahora la cantidad asignada a la esquina noroeste es restada a la ofertada de Chimbote y

a la oferta de la " II ", en un procedimiento muy lógico a las primera iteracion.
ITERACIÓN 4

5 8
Lima (L) 60 0
60
4 12
Chimbote (C) 80 2
60
12 10
Trujillo (T) 50 2
40
3 9
Arequipa (A) 30 1
30
Demanda 90 100
Esquina Noroeste
Asignaremos el numero de unidades de laoferta de Chimbote, en este caso 30 dado q
la oferta de Trujillo ya esta determinado.
Ahora la cantidad asignada a la esquina noroeste es restada a la ofertada de Trujillo y a

la oferta de la " II ", en un procedimiento muy lógico a las primera iteracion.
RESULTADOS:

productores consumidores Consumo costo unitario Costo total Reducion de costo
1 Lima (L) II 60 8 480 0
2 Chimbote (C) I 60 4 240 0
3 Chimbote (C) 20 0 0 0
3 Trujillo (T) II 40 10 400 0
3 Trujillo (T) 10 0 0 0
4 Arequipa (A) I 30 3 90 0
Total Objetivo Funcion Valor = 1050

PREGUNTA 2.2 ALGORITMO PARA LA CONSTRUCCIÓN DE ÁRBOL

DE EXTENSIÓN MÍNIMA
Una compañía contratista encargada en la construcción de vías

urbanas desea saber cuántos kilómetros tendría que hacer zan-
jas para instalar los tubos de desagüe.
Se llama árbol ponderado a un árbol en el que cada arista tiene asignado un numero
llamado peso. En muchas situaciones, una arista en un grafo (dirigido o no dirigido) no
tiene el mismo “valor” que otra del mismo grafo: se puede definir en cada una un valor
de costo o de peso.
Este tipo de problema del Árbol de Expansión Mínima (MST) puede ser resuelto con
varios algoritmos, los mas conocidos con Prim y Kruskal ambos usan técnicas voraces
(greedy).
ALGORITMO DE KRUSKAL
Este algoritmo es de tipo voraz o greedy. Como se quiere construir un árbol generador
de peso mínimo la estrategia será ir añadiendo aristas de mínimo peso hasta conseguir
un árbol generador. En cada paso, incorporación de una nueva arista, se debe comprobar
que no se forme ningún ciclo con las aristas previamente introducidas.
SOLUCIÓN DEL PROBLEMA

PROGRAMA UTILIZADO - WinQSB
La solución siguiente se realizo con el Software WinQSB,

el cual utiliza el algoritmo de KRUSKAL.
Mas adelante se detalla paso a paso la solución del prob-
lema Nro 02.
ITERACIÓN 1
En forma arbitraria, se selecciona el nodo 1 como inicio. El nodo no conectado más

cercano a 1 es 3. Se conecta el nodo 1 con el nodo 3.
ITERACIÓN 2
El nodo no conectado más cercano a cualesquiera de los nodos 1 o 3 es el nodo 6 (más

cercano a 3). Se conecta el nodo 3 con el nodo 6.

ITERACIÓN 3
El nodo no conectado más cercano a 1, 2 o 6 es el nodo 5 (más cercano a 3). Se conecta

el nodo 3 con el nodo 5.
ITERACIÓN 4
El nodo no conectado más cercano a 1, 2, 6 o 5 es el nodo 2 (más cercano a 5). Se conecta

el nodo 5 con el nodo 2.

ITERACIÓN 5
El nodo no conectado más cercano a los nodos 1, 2, 6, 5 o 2 es el nodo 7 (más cercano a

5). Se conecta el nodo 5 con el nodo 7.
ITERACIÓN 6
El nodo no conectado más cercano a los nodos 1, 2, 6, 5 , 2 o 7 es el nodo 4 (más cercano

a 5). Se conecta el nodo 5 con el nodo 4.

ITERACIÓN 7
El nodo no conectado más cercano a los nodos 1, 2, 6, 5 , 2 , 7 o 4 es el nodo 8 (más

cercano a 6). Se conecta el nodo 6 con el nodo 8.
ITERACIÓN 8
El único nodo no conectado es el nodo 9. Está más cerca del nodo 8. Se conecta el nodo
8 con el nodo 9.

Todos los nodos han quedado conectados, por lo que ésta es la solución (óptima) que se
buscaba.
La longitud total de las ramas es de 46 kilómetros.
Aunque con este procedimiento a primera vista puede parecer que la elección del nodo
inicial afectará la solución final y la longitud total de las ligaduras, en realidad no es así.
Solution for Minimal Spanning Tree Problem vías urbanas

From Node Connect To Distance/Cost
1 Node 1 Node 3 2
2 Node 3 Node 5 7
3 Node 5 Node 2 3
4 Node 5 Node 4 6
5 Node 5 Node 7 5
6 Node 3 Node 6 6
7 Node 6 Node 8 8
8 Node 7 Node 9 9
Total Minimal Connected Distance or Cost = 46

Ahora compararemos la los resultados del Software WinQSB, con los resultados del
Matlab.
INGRESO DE DATOS

RESULTADOS
500
3
400 4
300 2
200
5
100
0 1
-100
-200 6
-300
9
-400
7
8
-500
-500 -400 -300 -200 -100 0 100 200 300 400 500
La compañía contratista deberá encargar la construcción de :
46 kilómetros de zanjas en las vías urbanas.
PREGUNTA 2.3 ALGORITMO PARA LA CONSTRUCCIÓN DE LA RUTA

MÁS CORTA
La Empresa de electricidad Hidrandina, desea saber qué

tiempo le lleva a su jefe de obras desplazarse desde su central
(1) a su estación 10.
Esta sección presenta dos algoritmos para resolver tanto redes cíclicas (es decir, que
contienen bucles) como redes acíclicas:
1 El algoritmo de Dijkstra para determinar las rutas más cortas entre el nodo origen
y los demás nodos en la red.
2 El algoritmo de Floyd para determinar la ruta más corta entre dos nodos cua-
lesquiera en la red.
En esencia, el algoritmo de Floyd incluye a Dijkstra.

Algoritmo de Dijkstra.
Sea ui la distancia más corta del nodo origen 1 al nodo i,y defina di,j (≥ 0) como la longitud
del arco (i,j). El algoritmo define la etiqueta para un nodo j que sigue inmediatamente
como:
[ ]
uj , i = [ui + dij , i] , dij ≥ 0
La etiqueta para el nodo de inicio es [0, 2], que indica que el nodo no tiene predecesor. Las
etiquetas de nodo en el algoritmo de Dijkstra son de dos tipos: temporales y permanentes.
Una etiqueta temporal en un nodo se modifica si puede hallarse una ruta más corta al
nodo. De lo contrario, el estado temporal cambia a permanente.
Paso 0. Etiquete el nodo de origen (nodo 1) con la etiqueta permanente [0, 2]. Establezca
i = 1.
Paso general i:
1 Calcule las etiquetas temporales [ui + dij , i] ] para cada nodo dij > 0,siempre que j
no esté etiquetado
[ ] permanentemente. Si el nodo j ya tiene una [ etiqueta
] temporal
existente uj , k hasta otro nodo k y si ui + dij < uj reemplace uj , k con [ui + dij , i].
2 Si todos los nodos tienen etiquetas permanentes deténgase. De lo contrario, se-

leccione la etiqueta [ur , s] que tenga la distancia más corta (= ur ) entre todas las
etiquetas temporales (rompa los empates arbitrariamente). Establezca i = r y repita
el paso i.
Algoritmo de Floyd.
Este algoritmo es más general que el Dijkstra porque determina la distancia entre dos
nodos cualesquiera en la red. El algoritmo representa una red de n nodos como una
matriz cuadrada con n filas y n columnas. La entrada (i,j) de la matriz da la distancia
dij del nodo i al nodo j, la cual es finita si i está vinculado directamente a j, e infinita en
caso contrario.
La idea del algoritmo de Floyd es simple. Dados tres nodos, i, j y k en la figura con
las distancias de conexión que se muestran en los tres arcos, es más corto llegar de j a i
pasando por k si.
dij + dkj < dij
En este caso es óptimo reemplazar la ruta directa de i → j con la ruta indirecta i → k → j.

Este intercambio de operación triple se aplica a la matriz de distancias por medio de los
siguientes pasos:
Paso 0. Defina la matriz de la distancia de inicio Do y la matriz de secuencia de nodos
So (todos los elementos en las diagonales están bloqueados). Establezca k = 1.

Paso 0. Defina la matriz de la distancia de inicio D0 y la matriz de secuencia de nodos S0
(todos los elementos en las diagonales están bloqueados). Establezca k 5 1.
1 2 Á j Á n
1 — d12 Á dij Á d1n

2 d21 — Á d2j Á d2n
o o o o o o o
D0 = I di1 di2 Á dij Á din
o o o o o o o
N Dn1 dn2 Á dnj Á -
1 2 Á j Á n
1 — 2 Á j Á n
2 1 — Á j Á n
S0 = o o o o o o o
i 1 2 Á j Á n
o o o o o o o
n 1 2 Á j Á —
Paso general k. Defina

Paso general k.Defina la filak yk laycolumna
la fila la columna
k como k filacomo
pivote yfila pivote
columna y columna
pivote. Aplique pivote.
la operaciónlatriple
Aplique a cada elemento
operación triple adijcada
en Dk−1 , para todas
elemento dijlas
eni yDj.Si la condición.
k21, para todas las i y j. Si
la condición dij + dkj < dij , (i , k, j , k, i , j )
dik + dkj 6 dij, (i Z k, j Z k, y i Z j)
Implementación de la operación triple en forma de matriz
Se satisface, realice los siguientes cambios:

a.Cree Dx reemplazando dij en Dk−1 con dik + dkj .
b. Cree Sk reemplazando Sij en Sk−i con K = K + 1.Si K = n + 1,deténgase: de lo
contrario repita el paso k.
El paso k del algoritmo puede explicarse representando Dk−1 como se muestra en la figura
. Aquí, la fila k y la columna k definen la fila y columna pivote actuales. La fila i
representa cualquiera de las filas 1, 2,..., y k − 1, y la fila p representa cualquiera de las
filas k + 1,k + 2,..., y n. Asimismo, la columna j representa cualquiera de las columnas 1,
2,..., y k + 1, y la columna q representa cualquiera de las columnas k + 1,k + 2,..., y n. La
operación triple puede aplicarse como sigue: Si la suma de los elementos en la fila pivote y
la columna (mostrados por cuadrados) es menor que el elemento de intersección asociado
(mostrado por un círculo), entonces es óptimo reemplazar la distancia de intersección por
la suma de las distancias pivote.

CAP.
2262 RESOLUCIÓN
Capítulo 6 DE PROBLEMAS
Modelo de redes UNSCH
Columna
Columna pivote Columna
j k q
Fila i dij dik diq
Fila pivote k dkj dkq
Fila p dpj dpk dpq FIGURA 6.20

Implementación de la ope
triple en forma de matriz
Después de n pasos,realice
se satisface, podemoslosdeterminar la ruta
siguientes más corta entre los nodos i y j a partir
cambios:
de las matrices Dn y Sn aplicando las siguientes reglas:
1 da. CreedeDDk nreemplazando

ji a partir dij entre
da la ruta más corta en Dlosk21 coni ydj.ik
nodos 1 dkj.
2 Ab.partir
Cree deSSnk reemplazando
,determine sij en SK
el nodo intermedio k21=S con k. Establezca k 5 k 1 1. Si k
ij que da en resultado la ruta
i → kdeténgase:
→ j.Si Sij = deKy lo
Skjcontrario repita
= j, deténgase; ellos
todos paso
nodosk.intermedios de la ruta
han sido encontrados. De lo contrario, repita el procedimiento entre los nodos i y k
y entre los nodos k y j.
El paso k del algoritmo puede explicarse representando Dk21 como s
en la figura 6.20.Aquí, la fila k y la columna k definen la fila y columna pivote a
filageneral
Paso i representa
i: cualquiera de las filas 1, 2,…, y k 2 1, y la fila p representa c
de las filas k 1 1, k 1 2,…, y n. Asimismo, la columna j representa cualquiera
1 Calcule las etiquetas temporales [ui + dij , i] ] para cada nodo dij > 0,siempre que j
lumnas 1, 2,…, y k
no esté etiquetado
2 1, y la columna q representa cualquiera
permanentemente. Si el nodo j ya tiene una
de las columnas
[ ] [ etiqueta
] temporal
2,…, y n. La
existente uj , koperación triple
hasta otro nodo puede
k y si ui + dijaplicarse como
< uj reemplace uj , ksigue:
con [uSi la suma de los
i + dij , i].
en la fila pivote y la columna (mostrados por cuadrados) es menor que el el
Si todos los nodos
2intersección tienen (mostrado
asociado etiquetas permanentes deténgase. entonces
por un círculo), De lo contrario, se-
es óptimo reempla
leccione la etiqueta [ur , s] que tenga la distancia más corta (= ur ) entre todas las
tancia de intersección por la suma de las distancias pivote.
etiquetas temporales (rompa los empates arbitrariamente). Establezca i = r y repita
Después
el paso i. de n pasos, podemos determinar la ruta más corta entre los no
partir de las matrices Dn y Sn aplicando las siguientes reglas:
ALGORITMO1. PARA LA CONSTRUCCIÓN

dij, a partir de Dn, da la rutaDE LA másRUTA
cortaMÁS CORTA
entre los nodos i y j.
La Empresa
2. Adepartir
electricidad
de SHidrandina, desea saber qué tiempo le lleva a su jefe de obras
n, determine el nodo intermedio k 5 sij que da en resulta
desplazarsei desde
S k suScentral (1)5a k
j. Si sik suyestación
skj 5 j,10.deténgase; todos los nodos intermedios de l
sido encontrados. De lo contrario, repita el procedimiento entre los n
y entre los nodos k y j.Ingeniería Civil Pag. 24
CAP. 2 RESOLUCIÓN DE PROBLEMAS
8 UNSCH
2 8
2 7 8
9
9 9 5
12 3
6
1 4 6 10
7 9 4
9 8
9 8
2
3 5 9
7 12
Se llama árbol ponderado a un árbol en el que cada arista tiene asignado un numero lla-
mado peso. En muchas situaciones, una arista en un grafo (dirigido o no dirigido) notiene
el mismo "valor" que otra del mismo grafo: se puede definir en cada una un valor de costo
o de peso.
Este tipo de problema Para la Contruccion de la Ruta mas Corta puede ser resuelto con
varios algoritmos, los mas conocidos son Dijkstra y Floyd.
ALGORITMO DE DIJKSTRA:
Se dispone de un algoritmo relativamente sencillo para manejar este problema. La esencia
del procedimiento es que analiza toda la red a partir del origen; identifi ca de manera
sucesiva la ruta más corta a cada uno de los nodos en orden ascendente de sus distancias
(más cortas), desde el origen; el problema queda resuelto en el momento de llegar al nodo
destino.
La solución siguiente se realizo con el Software WinQSB, el cual utiliza el algoritmo de
KRUSKAL.Se detalla paso a paso la solución del problema Nro 03.
ITERACIÓN 1
En forma arbitraria, etiquetamos el nodo 1 como inicio. Los nodos no conectado más
cercano a 1 es 2,3,4 o 7. Se conecta el nodo 1 con el nodo 2,3,4 o 7.
ITERACIÓN 2 Etiquetamos el nodo 7 buscando una ruta mas corta,Se une el nodo 7 con
el nodo 1.

2 8
2 7 8
CAP. 2 RESOLUCIÓN DE PROBLEMAS 9 UNSCH
9 9 5
6 3
6
2
8 7
8 8
1 4 6 10
7 9 4
9 8
6 9 9 8
2
3 5 9
1
8 47
8 6
12 10
7
2
3
8 5 9
2
8 7
8 8
9
6
1
8 4
8 6 10
7
2
3
8 5
8 9
7
ITERACIÓN 3
Se une el nodo 7 con los nodos mas cercanos que sonlos nodos 1,2,8 o 6.
ITERACIÓN 4
El nodo no conectado más cercano a 8 o 5 es el nodo 10 y 9 se consideraar la ruta mas
cercana.

2 8
2 7 8
9
9 9 5
6 3
2 6
8 7
8 8
1 4 6 10
7 9 4
9
6 9 8
9 8
2
1
8 3 4
8 5 6 9 10
7 7 12
2
3
8 5
8 9
7
2 8
2
8 7
8 8
9
6
1
8 4
8 6
8 10
7
2
3
8 5
8 9
7
ITERACIÓN 5
El nodo no conectado más cercano a 8 o 5 es el nodo 10 y 9 se considerara la ruta mas
cercana.
ITERACIÓN 6
cercana.

2 8
2 7 8
CAP. 2 RESOLUCIÓN DE PROBLEMAS 9 UNSCH
9 9 5
6 3
6 2 8
2
8 7
8 8
1 4 6 10
7 9 4
9 9 8
9 8
2 6
3 5 9
1
8 4 7
8 612
8 10
7
2
3
8 5
8 9
7
2 8
2
8 7
8 8
9
6
1
8 4
8 6
8 10
7
2
3
8 5
8 9
7
ITERACIÓN 7
cercana.se concecta el nodo 5 con el nodo 9 y el nodo 8 con el nodod 10.
ITERACIÓN 8 Se etiqueta el nodo 6 y se conecta con el nodo 10, devido a que existe
una distancia mas corta del nodo 6 al nodo 10 que del nodo 8 al nodo 10.

2 8
2 7 8

9 9 5
6 3
6 2 8
2
8 7
8 8
1 4 6 10
7 9 4
9
9 8
9 9 8
2 6
3 5 9
1
8 4 7
8 612
8 10
8
7
2
3
8 5
8 9
8
7 12
2 8
2
8 7
8 8
9
6
1
8 4
8 6
8 10
8
7 4
2
3
8 5
8 9
8
7 12
ITERACIÓN 9 Como no existe una diatancia mas corta, de los nodos 9 al nodo 10,del
nodo 8 al nodo 10, se quena como distancia minima del nodo 6 al nodo 10.
Todos los nodos que contienen la ruta mas corta han quedado conectados, por lo que ésta
es la solución (óptima) que se buscaba. La ruta más corta es de de 19min.

2 8
2
8 7
8 8
9
6
1
8 4
8 6
8 10
8
7 4
2
3
8 5
8 9
8
7 12
Solution for Minimal Spanning Tree Problem vías urbanas

Solution for Shortest Path Problem PROBLEMA 03 1
From To Distance/Cost Cumulative Distance/Cost
1 Node1 Node7 6 6
2 Node7 Node6 9 15
3 Node6 Node10 4 19
From Node1 To Node10 0 19

PREGUNTA 2.4 Algoritmo de flujo máximo
Determine el flujo máximo que debe pasar por el arco 3,4 para
que la red se encuentre en equilibrio y puedan circular los ve-
hículos sin congestionar la ciudad.
SOLUCIÓN GRÁFICA
.
Para este problema de flujo máximo, empleamos el método de la suposición de un nodo
externo de tal forma que equilibre los nodos en los que el flujo no cumple con la condición
de entrada y salida.
ITERACIÓN 1
Creamos el nodo A como un auxiliar. Este nodo equilibra los nodos en los que tenemos
la influencia de los variables.
En el nodo 4 notamos que la salida es 70 + 60 que debera equilibrar con 70 + X .
En el nodo 2 vemos que existe el equilibrio con 70+20+30 de salida; lo cual ya no se le
toca.
en el paso de los nodos de2 y 3 hacia los ndos 4 y 5 existe solamete 70 + 20, faltando asi
120 lo cual es asignado a la variable X.
Quedando el grafico de esta manera.

ITERACIÓN 2
El nodo axiliar A transporta 60 lo cual se debe de asignar a un camino diferente de esta;

pero vemos que el flujo entre los nodos 3 y 5 no existe el flujo o el flujo es cero, lo que no
debería de ser así.
Tratamos de desplazar este flujo del nodo auxiliar a otros que aun no tienen el flujo
máximo.

ITERACIÓN 3
Asignamos el flujo del nodo auxiliar al de 3 y 5 que coincidentemente da con el optimo

de esta.
Al realizar este dezplazamiento se debe tener en cuenta que el flujo de 5 a 6 aumenta en
esta cantidad.
De esta manera determinamos el valor de:

X = 60
La Municipalidad de Ayacucho desea saber cuántos vehículos

por hora deben pasar por la Av. 1-3 como máximo si se con-
ducen todos al punto 7 para que no exista congestión en las
calles internas.

Este algoritmo se utiliza para reducir los embotellamientos entre ciertos puntos de partida
y destino de una red, así se tiene el problema en cuestión del sistema de vías publicas de
transporte.
SOLUCION Nř1:
Considerando el tramo 1 − 3
Para la resolución de este problema se

realizo con el Software WinQSB, el cual
Algoritmo de Flujo Máximo Deshaciendo
Caminos

Para su resolución asignaremos un valor arbitrario de 500 al tramo 1 − 3. Dándonos así

las siguientes iteraciones de desarrollo:
ITERACIÓN 1
Teniendo el nodo 1 como inicio. Observamos que en el nodo 6 la cantidad de ingreso no es

la misma que la que sale así que nos ponemos un nodo imaginario A para llevar el exceso
de carga en este tramo. Entonces en el nodo 0 entrara una carga de 30 para equilibrar
las cargas.
ITERACIÓN 2
Como tenemos un nodo de apoyo, entonces para poder suprimir el nodo 0 debemos abo-
carnos a analizar el nodo 1 y nos damos cuenta para la equilibrar las cargas se debe de
restar el exceso del nodo 6 al tramo 1 − 2 = 110 y así llegar a su máximo flujo permitido
en los tramos 1 − 2 − 5 − 6

ITERACIÓN 3
Ahora eliminado el nodo de apoyo 0, analizamos de manera juiciosa el tramo 2 − 3 y el

tramo 1 − 3 ay un desequilibrio en sus cargas de entrada y salida así que nos prestamos
a igualarlas y ver su flujo máximo que admiten.
Así que nos dispondremos a eliminar el tramo 2 − 3 ya que opaca el flujo máximo en el
tramo 1 − 2
ITERACIÓN 4
Al haber quedado eliminado el tramo 2 − 3 nos disponemos a igualar las cargas de estas
y resultan.

ITERACIÓN 5
Observamos que en el tramo 3 − 4 se tiene una carga de 30 y para asegurar el flujo máximo
procederemos a eliminarla y así de esta manera tener una óptima circulación de cargas.
ITERACIÓN 6 − Final
Al final de todo el análisis se obtiene el flujo máximo de cargas de todos los tramos del
problema.

Este es el resultado final de la optimización para flujo máximo para la red.

Cuadro de datos finales y resultados
Pto. Tramo Flujo Neto

1 1-2 30
2 1-3 210
3 1-4 130
4 2-5 30
5 3-5 90
6 3-6 120
7 4-6 160
8 5-7 100
9 5-6 20
10 6-7 300
a 2-3 —-
b 3-4 —-
Flujo Total Nudo 7 400
SOLUCION Nř2:
Excluyendo el tramo 1 − 3

Para la resolución de este problema se

realizo con el Software WinQSB, el cual
Algoritmo de Flujo Máximo Deshaciendo
Caminos
Para su resolución asignaremos un valor arbitrario de 500 al tramo 1 − 3. Dándonos así

las siguientes iteraciones de desarrollo:
ITERACIÓN 1
Teniendo el nodo 1 como inicio. Observamos que en el nodo 6 la cantidad de ingreso no

es la misma que la que sale así que eliminamos el tramo 3 − 6. Entonces en el nodo 6
tendrá una carga de 210 para equilibrar las cargas.

ITERACIÓN 2
Ahora debemos abocarnos a analizar el nodo 3 y vemos el flujo de cargas en los tramos
2 − 3 y el tramo 3 − 4, para asegurar el flujo máximo tendremos que quitar el tramo 3 − 4
de 30 en su flujo.
ITERACIÓN 3
Ahora analizamos el nodo 5 y de manera juiciosa el tramo 5 − 6 y el tramo 5 − 7 ay un

desequilibrio en sus cargas de así que reduciremos estas para una mejor distribución.
ITERACIÓN 4
Luego de haber cooregido el flujo en el nodo 5, nos dispodremos a agregar el tramo 3 − 6

antes eliminado ya que sera necesario para el maximo flujo en este nodo, y ala su vez
eliminar el tramo 5 − 6, de esta forma las cargas de estas resultan.

ITERACIÓN 5
Observamos que en el tramo 3 − 5 queda un desequilibrio que deja con menos carga al
tramo 3 − 6 asi que nos dispondremos a quitarlo y reducir de igual manera el tramo 5 − 7,
de esta manera tener una óptima circulación de cargas.
Al final de todo el análisis se obtiene el flujo máximo de cargas de todos los tramos del
problema.



1 1-2 110
2 1-4 130
3 2-3 50
4 2-5 60
5 3-6 50
6 4-6 130
7 5-7 60
8 6-7 180
a 2-3 —-
b 3-5 —-
c 5-6 —-
Todos los vehículos pasan por los puntos denotados por 1 al 9

sin congestionar la ciudad. Determinar X, B para mantener el
el equilibrio.

SOLUCIÓN GRÁFICA
.
En este problema de flujo máximo asignaremos el máximo valor que pueda tomar el X sin
congestionar el flujo; quiere decir, paras este caso particular X solo puede tomar valores
de 2, 1 y 0 que lo condiciona el nodo 4.
De esta manera determinamos que el flujo sera maximo cuando X = 2.
PASO Nž 1
Asignamos el valor de X = 2 en sus lugares correspondientes.

Tomamos los nodos en los cuales no se cumple la condición de flujo o que es lo mismo
decir donde hay congestiona miento; estos son 3 ,5 y 7.

PASO Nž 2
En los nodos 3, 5 y 7 determinamos el flujo verdadero con las ecuaciones de igualdad de

cantidades entrantes y salientes en un mismo nodo.
Despues tomamos los nodos restantes en los cuales sigue el congestionamiento 6, 8 y 9.
Quedando de esta manera:

PASO Nž 3
En el nodo 6 realizamos el calculo de B:
Calculo de B:
4 = 2+ B
B = 2
RESULTADO:
Despues de realizar estos cálculos el flujo quedaría de esta manera, con un total del flujo
de 11 vehículos :

B=2
X =2
La Municipalidad de Ayacucho desea saber cuántos vehículos

por hora deben pasar por la Av. 1 − 3, 5 − 6 y cuantos salen
por B como máximo si se quiere mantener en sin congestionar
la ciudad.

Este algoritmo se utiliza para reducir los embotellamientos entre ciertos puntos de partida
y destino de una red, así se tiene el problema en cuestión del sistema de vías publicas de
transporte.
Considerando el tramo 1 − 3
Para la resolución de este problema se real-

izo con el Software WinQSB, el cual Algo-
ritmo de Flujo Máximo Ford-Fulkerson
Para su resolución comenzaremos por los caminos conocidos y luego así llegar a optimizar
las variables en cuestión como fase final.
Dándonos así las siguientes iteraciones de desarrollo:
ITERACIÓN 1
Para iniciar las iteraciones comenxaremos por un camino, teniendo el nodo 1 como inicio
trazaremos el camino hasta llegar al nodo 7 dándonos el tramo 1 − 2 − 5 − 7. Para poder
equilibrar las cargas asignaremos como flujo máximo de 60 a estos tramos y dejando las
sobras o excedentes para una posterior iteración.
ITERACIÓN 2
Nuevamente trazaremos otro tramo o camino para una adecuada distribución de cargas,
teniendo nuevamente el nodo 1 como inicio llegaremos al nodo 7 mediante el tramo 1 −
4 − 6 − 7. Para poder equilibrar las cargas asignaremos como flujo máximo de 100 a estos
tramos y dejando las sobras o excedentes para una posterior iteración.

ITERACIÓN 3
El siguiente tramo a escoger debe de tomarse obviando aún los tramos para las variables
“X ′′ . Teniendo el nodo 1 como inicio se llegara al nodo 7 mediante el tramo 1 − 2 − 3 − 5 − 7.
De esta forma asignaremos como flujo máximo de 20 a estos tramos.
ITERACIÓN 4
Se observa que ya se han agotado las reservas en los flujos conocidos así que optaremos
por un análisis en el nodo 3, ya que este presenta aún un flujo por descubrir.
Como ya se han llegado al máximo flujo en los tramos 1 − 2, 1 − 4. Ya no se podrá poner
más flujo a los tramos 3 − 4, 3 − 6 incluido el flujo B, nos prestaremos a eliminarlos.

ITERACIÓN 5
Habiendo eliminado los tramos anteriores fijaremos la última ruta como el tramo 1 − 3 −
5 − 7, para asegurar su flujo máximo asignaremos un valor que vuelva cero(0) al flujo
3 − 5 dándonos un total de 70 − X = 0
Al sumar todas las cargas en los nudos se obtiene un flujo máximo de 250, siendo de esta
manera el resultado final.



1 1-2 80
2 1-3 X = 70
3 1-4 100
4 2-5 60
5 2-3 20
6 3-5 90
7 4-6 100
8 5-7 80
9 5-6 X = 70
10 6-7 170
a 3-4 —-
b 3-6 —-
B=0 —-
Una empresa constructora que trabaja en una zona de un determinado territorio quiere
abrir una sede comarcal que dé servicio a sus obras.
Se desea conocer la ubicación idónea de dicha sede con el fin de minimizar los gastos en
desplazamiento. La zona engloba los siguientes pueblos:

Belarcazar 3.7 28.5 Sta. Eufemia 1.1
9.5
15.5 28
Hinojosa del Duque 7.8
18.5
El Viso 3.0 Torrecampo 1.4
18.5
29
31.2 11 16 20
19
Villanueva duque 1.7 3.9
La Granjuela 0.5
Villanueva de Córdova 9.4
15.5 Alcaracejos 1.4 11.5 21
29.5
14.5 Pozoblanco 16.5
16 Peñarroya 12.5
fuente Obejuna 5.7
9 31 35
Bélmez 3.7
22
14 21.5
12.5 Espiel 2.4
25 14
Villanueva del Rey 1.2 15.5 Villaharta 0.6

Ojuelos 0.2
CRITERIOS
1 El cirterio Centro localiza un vértice de forma que se minimiza la maxima deistancia.
2 El criterio de la Mediana localiza un vértice de forma que se minimiza la suma de

distancias . UNIVERSIDAD NACIONAL DE SAN CRISTOBAL DE HUAMANGA
FACULTAD : INGENIERIA DE MINAS, GEOLOGIA Y CIVIL
ESCUELA : INGENIERIA CIVIL iv
CURSO : MÉTODOS NUMÉRICOS
PROFESOR : ING. CRISTIAN CASTRO PEREZ FECHA: 2013
ÍTEM DENOMINACIÓN N° HABITANTES

1 Belalcazar 3702
2 Sta. Eufemia 1100
3 Hinojosa del Duque 7800
4 El Viso 3000
5 Torrecampo 1400
6 La Granjuela 564
7 Villanueva del Duque 1789
8 Alcaracejo 1400
9 Pozoblanco 16500
10 Villanueva de Córdova 9400
11 Fuente Ovejuna 5700
12 Peñarroya – Pueblonuevo 12500
13 Belmez 3700
14 Espiel 2400
15 Villaharta 675
16 Ojuelos Altos 231
17 Villanueva del Rey 1225
Las carreteras existentes entre los anteriores pueblos son:
ÍTEM DE A DISTANCIA (KM)

1 Belalcazar Sta. Eufemia 28.5
2 Belalcazar Hinojosa del Duque 9.5
3 Sta. Eufemia El Viso
Ingeniería Civil 15.5
Pag. 51
4 Sta. Eufemia Torrecampo 28.0
5 Hinojosa del Duque El Viso 18.5
6 Hinojosa del Duque La Granjuela 29.0
13 Belmez 3700
14 Espiel 2400
15 Villaharta 675
CAP. 2 RESOLUCIÓN DE PROBLEMAS
16 Ojuelos Altos 231
UNSCH
17 Villanueva del Rey 1225

ÍTEM DE A DISTANCIA (KM)

1 Belalcazar Sta. Eufemia 28.5
2 Belalcazar Hinojosa del Duque 9.5
3 Sta. Eufemia El Viso 15.5
4 Sta. Eufemia Torrecampo 28.0
5 Hinojosa del Duque El Viso 18.5
6 Hinojosa del Duque La Granjuela 29.0
7 Hinojosa del Duque Villanueva del Duque 19.5
8 Hinojosa del Duque Peñarroya – Pueblonuevo 31.2
9 El Viso Alcaracejo 11.0
10 El Viso Pozoblanco 16.0
11 Torrecampo Pozoblanco 20.0
12 Torrecampo Villanueva de Córdova 19.0
13 La Granjuela Fuente Ovejuna 14.0
14 La Granjuela Peñarroya – Pueblonuevo 15.0
15 Villanueva del Duque Alcaracejo 3.0
16 Villanueva del Duque Peñarroya – Pueblonuevo 29.0
17 Alcaracejo Pozoblanco 11.0
18 Alcaracejo Espiel 31.0
19 Pozoblanco Villanueva de Córdova 21.0
20 Pozoblanco Villaharta 35.0
21 Fuente Ovejuna Peñarroya – Pueblonuevo 16.0
22 Fuente Ovejuna Ojuelos Altos 14.0
23 Peñarroya – Pueblonuevo Belmez 9.0
24 Belmez Espiel 22.0
25 Belmez Ojuelos Altos 21.0
26 Belmez Villanueva del Rey 12.0
27 Espiel Villaharta 15.0
28 Espiel Villanueva del Rey 14.0
29 Ojuelos Altos Villanueva del Rey 25.0
APLICACIÓN
UNSCH – FIMGC - DAIMC CCP
PROBLEMAS IN
CRITERIO CENTRO:
M ini {M ax {Wk d(i, k )}} → A ∗ W i, k ∈ vrtices
CRITERIO{ MEDIANA: }
∑
M ini,k M ax {Wk .Wk .d(i, k )} → W ∗ A i, k ∈ vrtices
Nota: "W" es la matriz diagonal formada por los pesos de los vértices.
PROBLEMAS OUT
CRITERIO CENTRO:
M ini {M ax {Wk d(i, k )}} → A ∗ W i, k ∈ vrtices
CRITERIO{ MEDIANA: }
∑
M ini,k M ax {Wk .Wk .d(i, k )} → A ∗ W i, k ∈ vrtices
Nota: En grafos no dirigidos In=Out
DATOS:
Población:De cada pueblo (Nodo) 1,2,3...17 "V"
Distancia:Distacia existente entre pueblos; 29 conjunto de datos d1,2 ; d1,3 ; ... "d"
ESCOGEMOS EL CRITERIO CENTRO:

PASO 1: Definición de grafo ponderado de pueblo y carreteras G(V,E)

vértices igual a Nodos V = 1, 2, 3...17
Carreteras entre los diferentes pueblos E = (1, 2); (2, 5); (5, 10); ...(13, 14)
E: Reemplaza los nombres por numeros
El peso de cada Vértice es el numero de habitantes multipocdo por 0.001
P: Peso
Pv = 3.7; 1.1; 7.8...1.2
PE = 28; 28; 7.8...22

PASO 2: Cálculo de la matriz de distancias entre pueblos A
0,00 14,50 0,00 16,00 14,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
14,50 0,00 29,00 15,50 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
0,00 29,00 0,00 31,20 0,00 0,00 9,50 0,00 18,50 19,50 0,00 0,00 0,00 0,00 0,00 0,00 0,00
16,00 15,50 31,20 0,00 0,00 9,00 0,00 0,00 0,00 29,50 0,00 0,00 0,00 0,00 0,00 0,00 0,00
14,00 0,00 0,00 0,00 0,00 21,50 0,00 0,00 0,00 0,00 25,00 0,00 0,00 0,00 0,00 0,00 0,00
0,00 0,00 0,00 9,00 21,50 0,00 0,00 0,00 0,00 0,00 12,50 22,00 0,00 0,00 0,00 0,00 0,00
0,00 0,00 9,50 0,00 0,00 0,00 0,00 28,50 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
0,00 0,00 0,00 0,00 0,00 0,00 28,50 0,00 15,50 0,00 0,00 0,00 0,00 0,00 26,00 0,00 0,00
A’= 0,00 0,00 18,50 0,00 0,00 0,00 0,00 15,50 0,00 0,00 0,00 0,00 11,00 16,00 0,00 0,00 0,00
0,00 0,00 19,50 29,50 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 3,90 0,00 0,00 0,00 0,00
0,00 0,00 0,00 0,00 25,00 12,50 0,00 0,00 0,00 0,00 0,00 14,00 0,00 0,00 0,00 0,00 0,00
0,00 0,00 0,00 0,00 0,00 22,00 0,00 0,00 0,00 0,00 14,00 0,00 31,00 0,00 0,00 0,00 15,60
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 11,00 3,90 0,00 31,00 0,00 11,50 0,00 0,00 0,00
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 16,00 0,00 0,00 0,00 11,50 0,00 20,00 21,00 35,00
0,00 0,00 0,00 0,00 0,00 0,00 0,00 26,00 0,00 0,00 0,00 0,00 0,00 20,00 0,00 19,00 0,00
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 21,00 19,00 0,00 0,00
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 15,60 0,00 35,00 0,00 0,00
0,00 14,50 43,50 16,00 14,00 25,00 53,00 75,90 60,40 45,50 37,50 47,00 49,40 60,90 80,90 81,90 62,60
14,50 0,00 29,00 15,50 28,50 24,50 38,50 63,00 47,50 45,00 37,00 46,50 48,90 60,40 80,40 81,40 62,10
43,50 29,00 0,00 31,20 57,50 40,20 9,50 34,00 18,50 19,50 52,70 54,40 23,40 34,50 54,50 55,50 69,50
16,00 15,50 31,20 0,00 30,00 9,00 40,70 59,90 44,40 29,50 21,50 31,00 33,40 44,90 64,90 65,90 46,60
14,00 28,50 57,50 30,00 0,00 21,50 67,00 89,90 74,40 59,50 25,00 39,00 63,40 74,90 89,60 95,90 54,60
25,00 24,50 40,20 9,00 21,50 0,00 49,70 68,90 53,40 38,50 12,50 22,00 42,40 53,90 72,60 74,90 37,60
53,00 38,50 9,50 40,70 67,00 49,70 0,00 28,50 28,00 29,00 62,20 63,90 32,90 44,00 54,50 65,00 79,00
A= 75,90 63,00 34,00 59,90 89,90 68,90 28,50 0,00 15,50 30,40 71,50 57,50 26,50 31,50 26,00 45,00 66,50
60,40 47,50 18,50 44,40 74,40 53,40 28,00 15,50 0,00 14,90 56,00 42,00 11,00 16,00 36,00 37,00 51,00
45,50 45,00 19,50 29,50 59,50 38,50 29,00 30,40 14,90 0,00 48,90 34,90 3,90 15,40 35,40 36,40 50,40
37,50 37,00 52,70 21,50 25,00 12,50 62,20 71,50 56,00 48,90 0,00 14,00 45,00 56,50 64,60 77,50 29,60
47,00 46,50 54,40 31,00 39,00 22,00 63,90 57,50 42,00 34,90 14,00 0,00 31,00 42,50 50,60 63,50 15,60
49,40 48,90 23,40 33,40 63,40 42,40 32,90 26,50 11,00 3,90 45,00 31,00 0,00 11,50 31,50 32,50 46,50
60,90 60,40 34,50 44,90 74,90 53,90 44,00 31,50 16,00 15,40 56,50 42,50 11,50 0,00 20,00 21,00 35,00
80,90 80,40 54,50 64,90 94,90 73,90 54,50 26,00 36,00 35,40 76,50 62,50 31,50 20,00 0,00 19,00 55,00
81,90 81,40 55,50 65,90 95,90 74,90 65,00 45,00 37,00 36,40 77,50 63,50 32,50 21,00 19,00 0,00 56,00
65,00 64,50 39,00 49,00 79,00 58,00 48,50 42,10 26,60 19,50 60,60 46,60 15,60 27,10 35,00 48,10 0,00
PASO 3: Cálculo de la matriz de pesos por el numero de habitantes W
5700 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 564 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 7800 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 12500 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 231 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 3700 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 3702 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1100 0 0 0 0 0 0 0 0 0
w= 0 0 0 0 0 0 0 0 3000 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 1789 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 1225 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 2400 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 1400 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 16500 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 1400 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 9400 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 675
Se cálculan las distancias de los camino minimos de cada par de vértice.

PASO 4: Cálculo de la matriz de distancia ponderada decada pueblo al resto de los pueblos. Se calculan la máx de cada columna
m1 ; m2 ; m3 ...m17
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 0 82650 247950 91200 79800 142500 302100 432630 344280 259350 213750 267900 281580 347130 461130 4668
2 8178 0 16356 8742 16074 13818 21714 35532 26790 25380 20868 26226 27580 34066 45346 459
3 339300 226200 0 243360 448500 313560 74100 265200 144300 152100 411060 424320 182520 269100 425100 4329
4 200000 193750 390000 0 375000 112500 508750 748750 555000 368750 268750 387500 417500 561250 811250 8237
5 3234 6584 13283 6930 0 4967 15477 20767 17186 13745 5775 9009 14645 17302 20698 221
6 92500 90650 148740 33300 79550 0 183890 254930 197580 142450 46250 81400 156880 199430 268620 2771
7 196206 142527 35169 150671 248034 183989 0 105507 103656 107358 230264 236558 121796 162888 201759 2406
8 83490 69300 37400 65890 98890 75790 31350 0 17050 33440 78650 63250 29150 34650 28600 495
9 181200 142500 55500 133200 223200 160200 84000 46500 0 44700 168000 126000 33000 48000 108000 1110
10 81400 80505 34886 52776 106446 68877 51881 54386 26656 0 87482 62436 6977 27551 63331 651
11 45938 45325 64558 26338 30625 15313 76195 87588 68600 59903 0 17150 55125 69213 79135 949
12 112800 111600 130560 74400 93600 52800 153360 138000 100800 83760 33600 0 74400 102000 121440 1524
13 69160 68460 32760 46760 88760 59360 46060 37100 15400 5460 63000 43400 0 16100 44100 455
14 1004850 996600 569250 740850 1235850 889350 726000 519750 264000 254100 932250 701250 189750 0 330000 3465
15 113260 112560 76300 90860 132860 103460 76300 36400 50400 49560 107100 87500 44100 28000 0 266
16 769860 765160 521700 619460 901460 704060 611000 423000 347800 342160 728500 596900 305500 197400 178600 0
17 43875 43538 26325 33075 53325 39150 32738 28418 17955 13163 40905 31455 10530 18293 23625 324
PASO 5: Se calculan la máxima distancia ponderada de cada pueblo al resto de los

pueblos.
maximo 1004850 996600 569250 740850 1235850 889350 726000 748750 555000 368750
PASO 6: Se calculan el mínimo de los máximos de la columna. minimo 368750
Respuesta:El vértice mas atractivo lo posee la Localidad de Villanueva del Duque

CONCLU SIONES
A continuación dejamos algunas conclusiones que se llegó en el siguiente trabajo y en la
elaboración de nuestro programa sobre Calculo de Redes cerradas.
Conclusión 01
Utilice el algoritmo adecuado para encontrar la ruta más corta a través de la red que se
muestra a continuación, en donde los números representan las distancias reales entre
los nodos correspondientes. Formule el problema de la ruta más corta como uno de
PL.
Conclusión 01
Los modelos de optimización de redes constituyen una herramienta muy sencilla para
la encontrar la solución óptima a los problemas de flujo de redes, porque proporcionan
algoritmos fáciles de comprender y aplicar que comparados con el método simplex
disminuyen el número de iteraciones que resuelven el problema. Si se aplicara el método
simplex en un problema de distribución o de redes, tendríamos muchas variables y
restricciones en el modelo y se tendría que utilizar herramientas computacionales para
encontrar la solución optima de una forma rápida, ahora con los modelos de redes solo
habría que aplicar las iteraciones al grafo que origina la representación de la red del
problema y luego aplicar el algoritmo que corresponde, que puede ser el algoritmo de
la ruta más corta, algoritmo para encontrar el árbol de expansión mínima, algoritmo
de la trayectoria de aumento o el algoritmo de flujo máximo.
Conclusión 01
Aunque los problemas de flujo de costo mínimo y el de la ruta más corta pueden
formularse como modelos de programación lineal para luego aplicar el método simplex,
no es conveniente su utilización. Por otro lado solucionar el problema utilizando redes
mejora la eficiencia de los cálculos.
BIBLIO GRAFÍA
Bibliográfica
Hamdy A. Taha. Investigación De Operaciones. Ediciones Alfaomega. Cuarta
Edición. 1991.
Frederick S. Hiller y Gerald J. Liberman. Investigación De Operaciones. McGraw-

Hill. Séptima Edición. 2002.
Carnahan, B. Luther, A. Wilkes Cálculo Numérico, Aplicaciones Editorial

Rueda, Madrid, 1979.
Burden, R. Y Faires J. Análisis Numérico. Edit. Iberoamericana, México,

1985.
Nieves, A., Domínguez, F. Métodos Numéricos Aplicados a la Ingeniería Química.

Edit. CECSA, México 1985.
Edit. Prentice-Hall Hispano Americano, S.A. México, 1992. Gerald, C. Análisis

Numérico
http://flujomaximo.wikispaces.com/Algoritmo+de+Ford-Fulkerson
http://grafos-unefa.blogspot.com/2011/06/flujo-maximo-algoritmo-de-ford.html
www.monografias.com/trabajos16/flujo-redes/flujo-redes.shtmlixzz2oAnJleGG
1985.

Informe Nro 02

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Informe Nro 02

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE

SAN CRISTOBAL DE HUAMANGA

ESCUELA DE FORMACION PROFESIONAL DE INGENIERIA CIVIL

INGENIERÍA CIVIL - UNSCH

Published by UNIVERSIDAD NACIONAL DE SAN CRSITOBAL DE HUAMANAGA

First printing, November 2020

CAPITULO 1 TEORÍA DE LOS ALGORITMOS UTILIZADOS −−−−−

CAPITULO 2 RESOLUCIÓN DE PROBLEMAS −−−−−−−−−−−−−−−− Pag. 7

CAPITULO Conclusiones −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 59

CAPITULO Bibliografía −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Pag. 60

INGENIERÍA CIVIL - UNSCH

TEORÍA DE LOS ALGO- 1 1

1.1 PROBLEMA DEL MODELO DE TRANSPORTE

1.2 ALGORITMO PARA LA CONSTRUCCIÓN DE ÁR-

Ingeniería Civil Pag. 1

El objetivo es satisfacer este requisito de manera que se minimice la longitud total

Se comienza seleccionando el arco de menor longitud.

El algoritmo se finalizara cuando todos los arcos estén conectados.

1.3 ALGORITMO PARA LA CONSTRUCCIÓN DE LA

Ingeniería Civil Pag. 2

1.4 ALGORITMO DE FLUJO MÁXIMO

Ingeniería Civil Pag. 3

En términos generales, el problema de flujo máximo se puede describir de la siguiente

Algoritmo de la trayectoria de aumento del problema de flujo máximo.

Para su ejecución se tienen los siguientes pasos.

Algoritmo de flujo máximo deshaciendo caminos

Ingeniería Civil Pag. 4

El algoritmo de Ford-Fulkerson propone buscar caminos en los que se pueda aumentar el

Ingeniería Civil Pag. 5

Ingeniería Civil Pag. 6

PREGUNTA 2.1 MÉTODO DE LA ESQUINA NOROESTE

Una empresa produce un producto en cuatro ciudades, Lima

Solution Cuadro Nž1

a. Se pide formular y resolver detalladamente un modelo

b. Supongamos que la empresa anterior solo tiene dos cen-

Ingeniería Civil Pag. 7

ALGORITMO DE RESOLUCIÓN DE LA ESQUINA NOROESTE PARTE a)

Solution Cuadro Nž2

En la celda seleccionada como esquina Noroeste se debe asignar la máxima cantidad de

SOLUCIÓN DEL PROBLEMA PASO A PASO a)

Solution Cuadro Nž1

Ingeniería Civil Pag. 8

Solution Cuadro Nž3

Ahora la cantidad asignada a la esquina noroeste es restada a la ofertada de Lima y a la

Solution Cuadro Nž4

Ingeniería Civil Pag. 9

Hallada la nueva cantidad de la esquina noroeste se procede a realizar la misma operación,

Solution Cuadro Nž5

Ahora la cantidad asignada a la esquina noroeste es restada a la ofertada de Arequipa y

Solution Cuadro Nž6

Ingeniería Civil Pag. 10

ALGORITMO DE RESOLUCIÓN DE LA ESQUINA NOROESTE PARTE b)

Solution Cuadro Nž1

Solution Cuadro Nž3

Ahora la cantidad asignada a la esquina noroeste es restada a la ofertada de Lima y a la

Ingeniería Civil Pag. 11

Solution Cuadro Nž3

Solution Cuadro Nž3

Ingeniería Civil Pag. 12

Ahora la cantidad asignada a la esquina noroeste es restada a la ofertada de Chimbote y

Solution Cuadro Nž3

Ahora la cantidad asignada a la esquina noroeste es restada a la ofertada de Trujillo y a

Solution Cuadro Nž6

Ingeniería Civil Pag. 13