Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicios Resueltos Teoria de Grafos
Ejercicios Resueltos Teoria de Grafos
Teoría de grafos
Resumen. Este capítulo se inicia con una introducción a la teoría de grafos. Seguidamente, se propone la
formulación de un conjunto variado de problemas de teoría de grafos con su correspondiente solución.
Concretamente, se contemplan problemas de camino mínimo, problemas de flujo máximo, problemas de árbol
de extensión mínima y problemas de flujo a coste mínimo. La resolución es llevada a cabo a través de los
algoritmos de Ford y Bellman-Kalaba para los problemas de distancias mínimas, el algoritmo de Ford-
Fulkerson para los problemas de flujo máximo y el algoritmo de Kruskal para los problemas de extensión
mínima. En el caso de los problemas de flujo a coste mínimo se presenta únicamente el modelado de los
mismos. Así, se proponen diferentes enunciados de problemas con sus soluciones relacionados con la
Ingeniería de Organización Industrial y el ámbito de la gestión.
4.1 Introducción
Un grafo es un esquema constituido por un conjunto (finito o no, pero numerable) de nodos y un conjunto de
arcos que unen los nodos dos a dos. Sirven para modelar problemas reales o simulados donde existan una serie
de actividades interrelacionadas entre sí. Algunos ejemplos de su utilidad pueden encontrarse en grandes
proyectos de construcción con muchas subtareas, redes que conectan diversas ciudades y sistemas de tuberías,
entre otros. La utilización de los grafos permite dotar a los responsables encargados de planificar, organizar y
controlar este tipo de problemas, de una herramienta que les ayudará a modelarlos y resolverlos más
eficientemente. Los grafos son muy útiles para: (i) expresar una posibilidad de comunicación: mapa de
carreteras, red telefónica, circuito eléctrico, red de irrigación; (ii) traducir una relación de orden: preferencia,
jerarquía u ordenación; (iii) representar una evolución posible: cadena de Markov, problemas dinámicos,
decisiones secuenciales; and (iv) esquematizar una unión de naturaleza definida: algebraica, química, mecánica,
sociológica, semántica.
Por tanto, la teoría de grafos permite esquematizar y resolver muchos problemas en diferentes campos de la
ciencia y la tecnología. Se esTablace el inicio de la teoría de grafos con el trabajo de Euler (1736). En 1852,
Francis Guthrie formuló el problema de los cuatro colores para colorear un mapa cartográfico. Este problema
puede considerarse como el más famoso y productivo de network modelling e hizo que un gran número de
matemáticos, tales como Cayley, Hamilton, De Morgan, Kempe, Tait o Ramsey, se preocupasen por estudiar y
desarrollar esta teoría. Sin embargo, se tardó más de un siglo en demostrar su resultado (Appel y Haken,
1977a,b), lo que requirió del uso de ordenadores potentes para su consecución. Por su parte, Hierholzer (1873)
proporcionó una caracterización de los grafos denominados eulerianos como aquellos que son conexos y todos
sus nodos tienen valencia par. No obstante, el término “grafo” es introducido por primera vez en el trabajo de
Sylvester (1878).
En cuanto al tipo de problemas, por un lado, están los basados en la programación lineal tales como el
problema del transporte, el problema de asignación, el problema de transbordo y el problema del viajante del
comercio, que forman parte de los problemas de flujo de red (Taha, 2010; Anderson et al. 2009; Winston 2003;
Hillier and Lieberman, 2002). Las características diferentes de los clientes, la demanda, los almacenes y los
vehículos, así como de las restricciones operativas sobre las rutas, horarios, etc. dan lugar a gran número de
variantes del problema. En la literatura, algunos autores han intentado clasificar y simplificar la gran variedad de
posibles problemas, como por ejemplo los criterios propuestos por Bodin y Golden (1981) y Desrochers et al.
(1990), que intentan reflejar y ordenar las características principales en aspectos tales como: el almacén o
depósito, la flota, la demanda, el servicio y el objetivo a alcanzar. Esta clasificación de los problemas ha
facilitado tanto el desarrollo de modelos matemáticos y estrategias de resolución como la toma de decisiones por
parte de las empresas. Otro tipo característico de problemas de redes son los métodos CPM (Critical Path
Method) y PERT (Program Evaluation and Review Technique). Según Taha (2010), CPM y PERT son métodos
basados en redes y diseñados para ayudar en la planificación, programación y control de proyectos, cuyo
objetivo es proporcionar los medios analíticos para programar las actividades.
En este capítulo, se ha realizado una síntesis de los tipos de problemas englobados en los modelos de
optimización de redes. Los problemas de redes surgen en una gran cantidad de situaciones (redes de transporte,
eléctricas, comunicaciones, etc.) y en áreas tan diversas como producción, distribución, localización de
instalaciones, administración de recursos, etc. (Hillier y Lieberman, 2002). Aquí, en concreto, se proponen y
modelan problemas de los siguientes tipos:
– Problema del camino mínimo: busca el camino mínimo entre un punto de origen y un punto de
destino en una red. Este problema también permite modelar otras situaciones como por ejemplo
minimizar el coste total de una secuencia de actividades (reemplazo de equipos), minimizar la
distancia total recorrida (confiable) o determinar la mejor ruta. Además, tiene en cuenta las
probabilidades de que ocurra o no un suceso. Estos problemas se resuelven a través del algoritmo de
Ford (1956) y el algoritmo de Bellman and Kalaba (1960), indicado especialmente cuando en el
grafo existan arcos hacia atrás.
– Problema del flujo máximo: su objetivo es transportar la cantidad máxima de flujo desde un punto de
partida hasta un punto final. Es importante conocer la capacidad de la red para saber cuánto puede
enviarse desde un nodo fuente a un nodo destino, aunque esto también puede hacerse definiendo los
cortes; es decir, la capacidad de corte es igual a la suma de las capacidades de los arcos asociados, y
entre todos los cortes posibles en la red, el corte con la capacidad menor proporciona el flujo
máximo en la red. Son muchas las situaciones que pueden modelarse mediante una red con índice
máximo de flujo, como por ejemplo, los movimientos de tráfico, los sistemas hidráulicos, los
circuitos eléctricos, los transportes de mercancías, las capacidades de redes telemáticas, etc. También
se pueden modelar una variedad de situaciones diversas de asignación como problemas de flujo
máximo. Se pueden resolver estos problemas a través del algoritmo de Ford and Fulkerson (1956).
– Problema de flujo a coste mínimo: busca determinar los flujos en los diferentes arcos, minimizando
el coste total, al mismo tiempo que satisface las restricciones del flujo en los arcos y las cantidades
de la oferta y la demanda en los nodos. En cuanto a las aplicaciones de este problema en la vida real,
se encuentran por ejemplo en la comercialización de productos en una red de producción-
distribución, la programación del empleo, etc. Se pueden resolver estos problemas a través del
algoritmo de Busacker y Gowen (1961).
– Problema de árbol de extensión mínima: persigue unir los nodos de una red, directa o
indirectamente, buscando la longitud más corta en las ramas de conexión. Uno de los algoritmos
empleados para resolver este tipo de problemas es el algoritmo de Kruskal (1956), cuyo objetivo es
construir un árbol formado por arcos sucesivamente seleccionados de mínimo peso a partir de un
grafo ponderado en los arcos. La aplicación típica de este problema es el diseño de redes de
telecomunicaciones con el mínimo coste total, aunque también se utiliza para el diseño de redes de
transporte, TV por cable, sistemas distribuidos, interpretación de datos climatológicos, etc.
El objetivo de este capítulo de libro es ayudar al aprendizaje de la formulación de modelos de teoría de grafos
y mostrar algunas de sus aplicaciones en el área de Ingeniería de Organización Industrial y gestión. Así, se
modelan problemas de gestión mediante grafos y se resuelven modelos con distancias, flujos y problemas de
árbol de extensión mínima.
Al finalizar la lectura de este capítulo, el lector deberá ser capaz de: modelar y resolver diferentes problemas
prototipo de camino mínimo, flujo máximo y árbol de extensión mínima; y modelar problemas de flujo a coste
mínimo.
4.2 Planificación de almacenamiento en una biblioteca
En una de las bibliotecas de la EPSA se necesitan construir estanterías para colocar 200 libros de 19 cm de
altura, 150 libros de 24 cm de altura, 100 libros de 31 cm de altura y 80 libros de 35 cm de altura. Se considera
un espesor medio de 3 cm para todos los libros.
Existen varias posibilidades para almacenar los libros. Por ejemplo, se puede construir una estantería de 31
cm de altura para guardar todos los libros de una altura menor o igual a 31 cm; y una estantería de 35 cm de
altura para los libros de 35 cm. Por otro lado, podría construirse una única estantería de 35 cm para guardar todos
los libros, etc.
Se estima que la construcción de una estantería cuesta 2500 $ y que se incurre en un coste de 5 $ por cm2 por
el área disponible para guardar los libros. Suponer que el área requerida para almacenar un libro es la
multiplicación de la altura de la estantería por el espesor del libro.
Plantear y resolver el problema del camino mínimo que se podría utilizar para ayudar a determinar cómo
almacenar los libros a un coste mínimo.
SOLUCIÓN
Sean los nodos 0, 19, 24, 31 y 35, para cada arco cij es el coste total de almacenar todos los libros de altura>i
y ≤ j en una sola estantería más el coste de construir una estantería (Figura 4.1).
19
0
24 35
31
X0 = (0,0)
X19 = (59500,0)
X24 = (128500,0) à (59500+56500,19) = (116000,19)
(116000,19)
X31 = (211750,0) à (116000+49000,24) = (165000,24)
(165000,24)
(59500+118750,19) = (178250, 19)
X35 = (280750,0) à (165000+44500,31) = (209500,31)
(59500+175750,19) = (235250,19)
(116000+97000,24) = (213000,24)
(165000+44500,31) = (209500,31)
Luego el coste mínimo es 209500 $ y el camino mínimo = {0,19,24,31,35} o lo que es lo mismo, se debe
construir una estantería de cada altura.
Dibuje una red que permita representar el problema de maximizar el número de parejas compatibles como un
problema de flujo máximo.
SOLUCIÓN
EM AJ
BP CT
GC NW T
S
JL PC
TC SM
En la Figura 4.2, hay un arco con capacidad 1 que une el nodo fuente, S, con cada hombre, un arco con
capacidad 1 que une cada par de amigos compatibles, y un arco con capacidad 1, uniendo a cada mujer el nodo
destino, T. El flujo máximo en esta red es el número de parejas compatibles que el organizador puede formar.
Con la conservación del flujo se emparejará cada mujer con a lo más un hombre, ya que el arco que une a
cada mujer con el nodo destino tiene una capacidad de 1. Similarmente, se puede emparejar cada hombre con a
lo más una mujer, porque cada arco desde el nodo fuente hacia un hombre tiene una capacidad de 1. Como no
hay arcos que unan personas no compatibles, podemos estar seguros que un flujo de k unidades desde la fuente al
destino, representa una asignación de los hombres a las mujeres en la cual se crean k parejas compatibles.
La solución es un flujo de 4 desde el nodo fuente al nodo destino. Así, resolviéndolo con el algoritmo de Ford
and Fulkerson (1956), CT puede elegir a EM o GC (si CT elige a GC, AJ tiene que juntarse con BP), AJ puede
elegir a BP o GC (si AJ elige a GC, CT tiene que unirse con EM), JL tiene que unirse con SM, TC tiene que
elegir a NW o PC. Por ejemplo, juntar a EM y CT, BP y AJ, JL y SM y TC y PC.
Modelar un problema de flujo máximo que se pueda utilizar para determinar si se pueden cargar los paquetes
de tal manera que ningún camión cargue dos paquetes del mismo tipo.
SOLUCIÓN
En la Figura 4.3, hay un arco con capacidad 3 que une el nodo fuente, S, con cada tipo de paquete, un arco
con capacidad 1 que une cada paquete con todos los camiones, y un arco con la capacidad correspondiente,
uniendo cada camión con el nodo destino, T.
1
P1
C1
1
6
3
P2 1
C2
4
3
5
... ... T
S 4
... ...
... C5
3
3 P7
Todos los almacenes van a ser conectados por medio de una red telefónica utilizando líneas de la empresa
Telefón. El coste de contratar una línea entre dos puntos es de 50 $ por año y por Km de línea. La unión entre
dos puntos se considera que es una línea recta. El envío de información desde un almacén a otro se realizará sólo
a través de las líneas contratadas, y está información viajará de una línea a otra (si fuera necesario) a través de
los centros de conmutación localizados en los nodos donde se cruzan las líneas.
Asumiendo que los centros de conmutación sólo pueden estar situados en los 8 almacenes de la compañía y la
empresa quiere conectar todos los puntos con la mínima longitud posible de la línea, ¿cuál es la red telefónica de
mínimo coste que la compañía debería contratar y cuánto costaría?
SOLUTION
Tenemos que encontrar el árbol de extensión mínima por lo que utilizamos el algoritmo de Kruskal (1956).
Existen dos posibles árboles de extensión mínima:
HFDCAGBE y HFDCAEB
G
El coste total de la red telefónica es:
50·[(800)0.5 + 20 +10 + 30 + 20 + (1700)0.5 + 40] = 9475.77 $
Formule este problema como un modelo de teoría de grafos para determinar la forma óptima de asignar los
casos a los abogados, de manera que cada uno de ellos se dedique a un caso diferente y que el tiempo total de
horas empleadas sea mínimo
SOLUCIÓN
Se trata de un modelo de flujo máximo a coste mínimo. La estructura del grafo se indica en la Figura 4.4.
A1 C1
A2 C2
A3 C3 T
S
A4 C4
A5 C5
En la Figura 4.4, los arcos que van desde el nodo fuente, S, a cada abogado, tienen una capacidad mínima de
0, una capacidad máxima de 1 y un coste mínimo de 0, es decir, (0, 1, 0).
Los arcos que van desde cada abogado a cada caso tendrán una capacidad mínima de 0, una máxima de 1 y el
coste en horas correspondiente. Por ejemplo, el arco que va desde el abogado 1 al caso 1 quedaría (0, 1, 145).
Finalmente, los arcos que van desde cada caso al nodo destino, T, tendrán una capacidad mínima de 0, una
máxima de 1 y un coste mínimo de 0, es decir, (0, 1, 0).
a) Formule un modelo de Teoría de Grafos que sirva para determinar si ORGA, S.A. podrá terminar los
tres proyectos a tiempo.
b) Resuelva el problema e indique cómo debe actuar la empresa consultora
SOLUCIÓN
a) Formule un modelo de Teoría de Grafos que sirva para determinar si ORGA, S.A. podrá terminar los
tres proyectos a tiempo.
M1 P1
T
M2 P2
M3 P3
M4
A partir del algoritmo de Ford and Fulkerson (1956) se llega a la siguiente solución. El flujo máximo que
circularía por la red correspondiente es de 30. Una de las posibles soluciones sería asignar en el mes 1 a 2
consultores al proyecto P2 y 6 consultores al proyecto P3. En el mes 2, se asignarían 2 consultores a P1 y 6
consultores al P3. En el mes 3, se asignarían 6 consultores a P1 y 2 consultores a P2. Por último, en el mes 4 se
asignarían 6 consultores al P2.
SOLUCIÓN
Para representar el grafo de la Figura 4.6, se considera que cada nodo corresponde a un período mensual, por
tanto, habrán cinco nodos que van desde el período 0 al período 4. Los arcos representan la cantidad producida
para satisfacer las demandas de los períodos que abarcan, por ejemplo, el arco 0-1 representa producir la
cantidad de 100 unidades, el arco 0-2 representa producir 240 unidades, etc.
0 1 2 3 4
Utilizando el algoritmo de Ford (1956) para el cálculo del camino mínimo. La solución óptima es producir
100 unidades en el mes 1, 140 unidades en el mes 2 y 390 unidades en el mes 3, con un coste total de 7896 $.
Una empresa aérea de bajo coste, OrgaAir, dispone de 4 vuelos diarios de Valencia a Londres. A las 10:00
horas, 12:00 horas, 14:00 horas y 16:00 horas. Los dos primeros vuelos tienen una capacidad de 100 pasajeros y
los dos últimos pueden transportar hasta 150 pasajeros cada uno. En caso de sobrecontratación, más conocida
por la expresión inglesa overbooking, lo que implica que se han vendido más plazas de las que tiene el avión, la
empresa puede desviar a un pasajero a un vuelo posterior. Por supuesto, cada pasajero retrasado es compensado
económicamente con 200$ más 20$ por cada hora de retraso. La empresa acomoda siempre a los pasajeros
retrasados en el vuelo de las 16:00 horas o en otros vuelos de las 20:00 horas de otras líneas aéreas, que siempre
tienen capacidad disponible (se considera una capacidad de 999 pasajeros), sin ningún coste adicional.
Sabiendo que al principio de un día concreto los cuatro vuelos diarios de OrgaAir tienen vendidos 110, 160, 100
y 100 pasajes, modelar este problema como un modelo de flujo máximo a coste mínimo con el objetivo de
minimizar el coste total del overbooking para la empresa.
SOLUCIÓN
Se trata de un modelo de flujo máximo a coste mínimo. La estructura del grafo se muestra en la Figura 4.7.
10v 10u
12v 12u
14v 14u T
S
16v 16u
Pasajes vendidos
20u
Pasajes utilizados
ai = capacidad mínima.
bi = capacidad máxima.
ci = coste mínimo.
En la Figura 4.7, los arcos que van desde el nodo fuente, S, a cada vuelo representan los pasajes vendidos,
tienen una capacidad mínima y máxima de 110, 160, 100 y 140, respectivamente, y un coste mínimo de 0, es
decir, (0, 110, 0), para el nodo correspondiente al vuelo de las 10 horas. Los arcos que van desde cada vuelo
utilizado al nodo destino, T, tendrán una capacidad mínima de 0, y una máxima de 100, 100, 150, 150 y 999
(representa capacidad infinita), respectivamente, y un coste mínimo de 0, es decir, (0, 1, 0).
Los arcos que van desde cada vuelo o pasaje vendido a cada vuelo o pasaje utilizado tendrán una capacidad
mínima de 0, una máxima que corresponde con el sobrante entre el pasaje vendido y el disponible y el coste
unitario por el retraso correspondiente. La siguiente Tabla 4.7 proporciona los valores correspondientes a cada
arco.
Considerando sólo los datos relativos a los tiempos de producción por producto y la capacidad de producción
diaria máxima de cada máquina y asumiendo una producción diaria máxima de 100 unidades de cada tipo de
producto, plantee y resuelva un modelo de flujo máximo en un grafo para determinar el número máximo de
minutos que podrán estar funcionando las máquinas 1 y 2, que operan en secuencia, dadas las restricciones de
capacidad existentes.
SOLUCIÓN
Se trata de un problema de flujo máximo. En la Figura 4.8, hay un arco con capacidad 500 (capacidad de
producción diaria en minutos) que une el nodo fuente, S, con M1 (máquina 1), cuatro arcos con la capacidad
correspondiente al tiempo de producción en minutos de cada producto en la máquina 1 (2, 3, 4, 2) que une M1
con cada producto (P1, P2, P3, P4), cuatro arcos con la capacidad correspondiente al tiempo de producción en
minutos de cada producto en la máquina 2 (3, 2, 1, 2) que une cada producto a M2, y un arco con capacidad 380
que une M2 con el nodo destino, T. El flujo máximo en esta red es el número de minutos que la empresa puede
asignar a la secuenciación de estos cuatros productos.
Figura 4.8. Grafo secuenciación de máquinas
A partir del algoritmo de Ford and Fulkerson (1956) se ha obtenido un flujo máximo de 380. Una posible
solución sería, utilizar 180 minutos de la máquina M1 para el producto P1 y 200 minutos para P2 y,
similarmente, asignar 180 minutos de la máquina M2 al producto P1 y 200 minutos a P2.
Desde 1 1 1 2 2 2 3 3 3 4 4 5
Hasta 2 3 5 3 4 6 4 5 6 5 6 6
Longitud 4 3 5 1 3 5 2 2 5 1 1 3
a) Teniendo en cuenta que el coste es proporcional a la longitud del camino de tendido. Encuentre el
coste más bajo posible que conecta 1 con 6. Indique las canalizaciones por las que pasa uno de los
recorridos óptimos.
b) Si cada segmento de fibra tendida tiene las capacidades que se indican en la Tabla 4.10, determine la
capacidad total máxima de la conexión entre 1 y 6 así como los recorridos necesarios para alcanzar
dicha capacidad máxima.
SOLUCIÓN
a) Teniendo en cuenta que el coste es proporcional a la longitud del camino de tendido. Encuentre el
coste más bajo posible que conecta 1 con 6. Indique las canalizaciones por las que pasa uno de los
recorridos óptimos.
Para responder a esta pregunta se aplicará el algoritmo de Ford (1956) para obtener el camino de coste
mínimo en un grafo partiendo de las distancias desde 1 a los demás nodos.
b) Si cada segmento de fibra tendida tiene las capacidades que se indican en la Tabla 4.10, determine la
capacidad total máxima de la conexión entre 1 y 6 así como los recorridos necesarios para alcanzar
dicha capacidad máxima.
Para contestar a esta pregunta se tienen en cuenta las capacidades de la red y se busca el camino con flujo
máximo aplicando el algoritmo de Ford and Fulkerson (1956).
El flujo máximo es de 7 unidades por los caminos 1 – 2 – 6 (2), 1 – 3– 6 (2), 1 – 5 – 6 (2) y 1 – 3 – 4 – 6 (1).
Otra solución alternativa sería: 1 – 2 – 6 (2), 1 – 3 – 4 – 6 (3), 1 – 5 – 6 (2).
La meta del departamento es asignar tantas asignaturas como sea posible, respetando al mismo tiempo las
preferencias de los profesores.
Utilice un modelo de teoría de grafos para determinar el número máximo de asignaturas que se pueden
asignar y la asignación de las asignaturas a los profesores.
SOLUCIÓN
P1 A1
1 1
1 1
P2 A2
1
1
1 1
P3 A3 1 T
S 1
1
1
1 1
1
P4 A4
1 1 1
P5 A5
En la Figura 4.9, hay un arco con capacidad 1 que une el nodo fuente, S, con cada profesor, un arco con
capacidad 1 que une cada par de profesor-asignatura preferida, y un arco con capacidad 1, uniendo a cada
asignatura el nodo destino, T. El flujo máximo en esta red es el número de parejas profesor-asignatura que el
responsable del departamento puede formar.
Con la conservación del flujo se emparejará cada profesor con a lo más una asignatura, ya que el arco que une
a cada asignatura con el nodo destino tiene una capacidad de 1. Similarmente, se puede emparejar cada profesor
con a lo más una asignatura, porque cada arco desde el nodo fuente hacia un profesor tiene una capacidad de 1.
A partir del algoritmo de Ford and Fulkerson (1956), la solución es un flujo máximo de 4 desde el nodo
fuente al nodo destino. Por ejemplo, P1-A4, P3-A1, P4-5 y P5-A2.
SOLUCIÓN
Se trata de un problema de flujo máximo. A partir del algoritmo de Ford and Fulkerson (1956) se obtendría un
flujo máximo de 9 m3/hora.
b) Determinar qué flujo debe circular por cada una de las tuberías para obtener el flujo máximo.
Variables de decisión:
Función objetivo:
Restricciones:
Formule y resuelva este problema con un modelo de teoría de grafos cuya solución minimice el coste de
satisfacer la demanda mensual para los bodys.
SOLUCIÓN
Este problema se modelaría a través de un grafo de camino mínimo. El grafo resultante estaría formado por
los arcos y costes indicados en la Tabla 4.14.
La solución de este grafo se obtendría aplicando el algoritmo de Ford (1956), y consistiría en servir bodys de
1, 3, 6 y 12 meses con un coste total de 7.024.000 $.
1
14 10
c v 15 f
3
8
d 5
Figura 4.10. Estructura de la red de climatización
Examen
Proporcione una solución óptima basada en la teoría de grafos al Director de Proyectos de CONDUAIR
Titulación Convocatoria: Septiembre
Ingeniero de Organización Industrial
SOLUCIÓN Curso: 07/08
Asignatura
Se trata del problema conocido como minimal spanning Centrotree,
Día
por lo queHora Duración
aplicando el algoritmo de Kruskal
Métodos
(1956) seCuantitativos
obtiene que ladesolución
Organización
óptimaIndustrial
utilizaría 32 E.P.S.A
metros de 03/09/08 9:00las habitaciones
tubo conectando 4 Horas como se indica
en la Figura 4.11.
a 4
4
2 9
b u e
1
14 10
c v 15 f
3
8
d 5
Figura 4.11. Solución según el algoritmo de Kruskal
4.16 Planificación de transporte de maquinaria
Una empresa debe transportar máquinas desde las plantas productivas A, B y C a los almacenes X, Y y Z. Se
requieren 5 máquinas en X, 4 en Y y 3 en Z, mientras que existen 8 máquinas disponibles en A, 5 en B y 3 en C.
a) Plantee y resuelva un modelo de teoría de grafos para determinar el flujo máximo de máquinas que
podrían transportarse y el recorrido de dicho flujo
b) Asumiendo un coste medio de 45 $ por máquina transportada, ¿cuál sería el coste total de transportar
las máquinas obtenidas en el apartado anterior?
SOLUCIÓN
a) Plantee y resuelva un modelo de teoría de grafos para determinar el flujo máximo de máquinas que
podrían transportarse y el recorrido de dicho flujo.
Aplicando el algoritmo de Ford and Fulkerson (1956) al grafo de flujo máximo indicado en la Figura 4.12 se
obtiene que el número máximo de máquinas que pueden transportarse es de 12 con varias posibles distribuciones
del flujo (Tabla 4.15).
8
A X
8
5
8
5
Y
8 4
5
B
5
T
S 3
5 3
Z
3
3
C 3
540 $
Determine mediante el algoritmo adecuado la ruta más rápida para ir del nodo A hasta el E en hora punta.
Claramente muestre su trabajo para cada iteración del algoritmo.
SOLUCIÓN
Dado que se trata de un problema de camino mínimo con arcos hacia atrás, se aplica para su resolución el
algoritmo de Bellmann and Kalaba (1960).
Iteración 0:
vA(0) = ∞
vB(0) = 100
vC(0) = 90
vD(0) = 230
vE(0) = 0
Iteración 1:
vA(1) = 200
vB(0) = 100
vC(0) = 90
vD(0) = 230
vE(0) = 0
Iteración 2:
vA(1) = 200
vB(0) = 100
vC(0) = 90
vD(0) = 230
vE(0) = 0
Para poder determinar la asignación óptima que minimice el coste total de realización de los pedidos,
suponiendo que cada máquina puede realizar un solo pedido y que todos los pedidos deben ser realizados,
plantee un modelo de teoría de grafos que represente el problema enunciado.
Pedido/Máquina M1 M2 M3 M4 M5
P1 16 4 9 5 6
P2 2 14 7 5 13
P3 8 10 3 12 11
P4 3 7 6 10 5
P5 3 6 8 11 7
SOLUCIÓN
Se trata de un modelo de flujo máximo a coste mínimo. La estructura del grafo se muestra en la Figura 4.13.
P1 M1
P2 M2
P3 M3 T
S
P4 M4
P5 M5