TRANSPORTE Y ASIGNACIÓN.

Investigación teórica.

Descripción breve
Se analizarán durante el Desarrollo de la investigación, conceptos básicos y determinantes acerca
del transporte y asignación.

Jesus Fermín Amores Garcia

Investigación de operaciones 1. 4A. Ing. Amel.
Definición del problema de transporte.
La manera más fácil de reconocer un problema de transporte es por su naturaleza o
estructura "de - hacia": de un origen hacia un destino, de una fuente hacia un usuario, del
presente hacia el futuro, de aquí hacia allá. Al enfrentar este tipo de problema, la intuición
dice que debe haber una manera de obtener una solución. Se conocen las fuentes y los
destinos, las capacidades y demandas y los costos de cada trayectoria. Debe haber una
combinación óptima que minimice el costo (o maximice la ganancia). La dificultad estriba
en el gran número de combinaciones posibles. En general, los problemas de transporte se
ocupan (en forma literal o imaginaría) de la distribución desde cualquier grupo de centros
de suministro, llamados orígenes, a cualquier grupo de centros de recepción, llamados
destinos de modo que se minimice el costo total de distribución.

Cada origen tiene ciertos recursos (oferta) para distribuir a los destinos y cada destino tiene
cierta demanda de estos recursos que recibe de los orígenes. El modelo de un problema de
transporte hace la siguiente suposición acerca de estos recursos (ofertas) y demandas. El
problema del transporte o distribución es un problema de redes especial en programación
lineal que se funda en la necesidad de llevar unidades de un punto específico llamado
fuente u Origen hacia otro punto específico llamado Destino. Los principales objetivos de
un modelo de transporte son la satisfacción de todos los requerimientos establecidos por
los destinos y claro está la minimización de los costos relacionados con el plan determinado
por las rutas escogidas.

El contexto en el que se aplica el modelo de transporte es amplio y puede generar

soluciones atinentes al área de operaciones, inventario y asignación de elementos. El
procedimiento de resolución de un modelo de transporte se puede llevar a cabo mediante
programación lineal común, sin embargo, su estructura permite la creación de múltiples
alternativas de solución tales como la estructura de asignación o los métodos más
populares. Los problemas de transporte o distribución son uno de los más aplicados en la
economía actual, dejando como es de prever múltiples casos de éxito a escala global que
estimulan la aprehensión de los mismos.
Problema de transporte mediante programación lineal

Como se mencionó anteriormente la programación lineal puede ser utilizada para la

resolución de modelos de transporte, aunque no sea sensato resolver los modelos
mediante el Método Simplex si puede ser de gran utilidad la fase de modelización, la
programación carece de la practicidad de los métodos de asignación, pero puede ser de
gran importancia dependiendo de la complejidad de las restricciones adicionales que puede
presentar un problema particular.

Algoritmo de transporte.

Saludos y bienvenidos a un nuevo blog correspondiente a la

asignatura de Investigación de Operaciones I, en esta ocasión
estaremos viendo otro tema relacionado con el visto
anteriormente denominado Modelo de Transporte,
Asignación, Transbordo, específicamente veremos algo sobre
los algoritmos de transporte.

El término algoritmo es un término ya estudiado en unidades

anteriores de la asignatura, sin embrago queremos recordarte
cuál es el concepto de algoritmo para luego entrar en materia.

Se denomina algoritmo a un grupo finito de operaciones

organizadas de manera lógica y ordenada que permite solucionar un determinado
problema. Se trata de una serie de instrucciones o reglas establecidas que, por medio de
una sucesión de pasos, permiten arribar a un resultado o solución.

Según los expertos en matemáticas, los algoritmos permiten trabajar a partir de un estado
básico o inicial y, tras seguir los pasos propuestos, llegar a una solución. Cabe resaltar que,
si bien los algoritmos suelen estar asociados al ámbito matemático (ya que permiten, por
citar casos concretos, averiguar el cociente entre un par de dígitos o determinar cuál es el
máximo común divisor entre dos cifras pertenecientes al grupo de los enteros), aunque no
siempre implican la presencia de números.

Además de todo lo expuesto, en el ámbito matemático, y cuando estamos decididos a llevar

a cabo la descripción de uno de esos algoritmos hay que tener en cuenta que se puede
efectuar mediante tres niveles. Así, en primer lugar, nos encontramos con el de alto nivel,
lo que es la descripción formal y finalmente la tarea de implementación.
El modelo de transporte es un caso particular de los problemas referidos a la programación
lineal. Trata situaciones de envío de productos de lugares llamados puntos origen (fuentes
de abastecimiento) a los puntos destino (fuentes de consumo), siendo su objetivo,
determinar las cantidades óptimas de envío de las fuentes de abastecimiento a las fuentes
de consumo que minimicen el costo total del transporte, al mismo tiempo que satisfagan
tanto los límites de la oferta como los requerimientos de la demanda.

El algoritmo de transporte organiza los cálculos en una forma más cómoda aprovechando
la ventaja de la estructura especial del modelo de transporte. Pare esto sigue los mismos
pasos que el método simplex, sin embargo, en lugar de usar la tabla simplex normal se
aprovecha la ventaja de la estructura especial del modelo de transporte para organizar los
cálculos en una forma más cómoda.

Se debe agregar que el algoritmo especial de transporte fue desarrollado por primera vez
cuando la norma eran los cálculos a mano y se necesitaba de soluciones con método
abreviado.

Hoy contamos con programas de cómputo que nos apoyan en la solución de los problemas
que se presentan en la investigación de operaciones, sin embargo, el algoritmo además de
su importancia histórica permite tener una perspectiva del uso de las relaciones teóricas
primal-dual para llegar a un resultado práctico, de mejorar los cálculos a mano.

Otro detalle importante es que el algoritmo de transporte se basa en la hipótesis que el

modelo esta balanceado y eso quiere decir que la demanda total es igual a la oferta total.
Si el modelo está desbalanceado siempre se podrá aumentar con una fuente ficticia o
destino ficticio para restaurar el equilibrio o balance.

Los pasos del algoritmo de transporte son exactamente iguales a los del algoritmo simplex.

1. En el primer paso se determina una solución básica factible de inicio que nos ayude
a proseguir en el paso dos.
2. En el segundo paso se usa la condición de optimalidad del método simplex para
determinar la variable de entrada entre todas las variables básicas. Detenerse si se
satisface.
3. En el tercer paso se usa la condición de factibilidad del método simplex para
determinar la variable de salida y así obtener la nueva solución y posteriormente
regresar al paso dos.

Método de la esquina noroeste.

El método de la esquina Noroeste es un algoritmo heurístico capaz de solucionar problemas
de transporte o distribución mediante la consecución de una solución básica inicial que
satisfaga todas las restricciones existentes sin que esto implique que se alcance el costo
óptimo total.
Este método tiene como ventaja frente a sus similares la rapidez de su ejecución, y es
utilizado con mayor frecuencia en ejercicios donde el número de fuentes y destinos sea muy
elevado.
Es uno de los métodos más fácil para determinar una solución básica factible inicial. Este
también considerado por ser el menos probable para dar una buena solución de “bajo
costo” porque ignora la magnitud relativa de los costos.

Pasos para desarrollar este método:

• Seleccionar la celda de la esquina noroeste (esquina superior izquierda).
• Haga el más grande envío como pueda en la esquina de la celda de la esquina
noroeste, esta operación agotará completamente la disponibilidad de suministros
en un origen a los requerimientos de demanda en un destino. A este procedimiento
o paso se le llama con frecuencia saturar.
• Corrija los números del suministro y requerimiento para reflejar lo que va quedando
de suministro y vuelva al paso uno.
Reglas para el desarrollo del método esquina noroeste:
• Los envíos son indicadores dentro de cada celda.
• Los suministros y requerimientos que quedan pueden ser registrados a la derecha
de los números originales.
• Las filas correspondientes a los orígenes pueden ser eliminadas o señaladas,
después de que sus requerimientos estén completamente llenos.

Método de costo mínimo.

El método del costo mínimo o método de los mínimos costos es un algoritmo desarrollado
con el objetivo de resolver problemas de transporte o distribución, arrojando mejores
resultados que métodos como el de la esquina noroeste, dado que se enfoca en las rutas
que presentan menores costos. Este algoritmo es mucho más sencillo que los anteriores,
dado que se trata simplemente de la asignación de la mayor cantidad de unidades posibles
(sujeta a las restricciones de oferta y/o demanda) a la celda menos costosa de toda la matriz
hasta finalizar el método.

Algoritmo del Costo Mínimo

Paso 1
De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este se rompe
arbitrariamente) y se le asigna la mayor cantidad de unidades posible, 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».

Ejemplo del Método del Costo Mínimo

Por medio de este método resolveremos el problema de transporte propuesto y resuelto

en artículos anteriores mediante programación lineal.

Solución paso a paso.

Seleccionamos la celda con menor valor, es decir la menos costosa, para asignarle la
mayor cantidad posible.
Método de aproximación de Vogel.
En este apartado estudiaremos un poco sobre el método de Vogel como un método de
aplicación de la investigación de operaciones, que nos permitirá analizar los problemas y
llegar a un resultado óptimo para la obtención de las máximas ganancias. es un método de
resolución de problemas de transporte capaz de alcanzar una solución básica no artificial
de inicio, este modelo requiere de la realización de un numero generalmente mayor de
iteraciones que los demás métodos heurísticos existentes con este fin, sin embargo,
produce mejores resultados iniciales que los mismos.
Este procedimiento trata de eliminar casi toda la tabla simplex además de los datos de
entrada, para llegar a la única información necesaria que es la solución básica factible
actual, los valores actuales y los valores resultantes de las variables no básicas. Es posible
apreciar de manera global la gran diferencia en eficiencia y conveniencia entre los métodos
simplex de transporte y simplex si ambos se aplican al mismo problema pequeño.
Método de vogel.
Este método tiene como objetivo obtener una solución inicial BF[1]. Como todas las
restricciones funcionales de los problemas de transporte son igualdades, el método simplex
obtendría esta solución mediante la introducción de variables artificiales y su utilización
como variables básicas iniciales. La solución básica que resulta sólo es factible para la
versión revisada del problema, por lo que se necesita un buen número de iteraciones [2]
para hacer que el valor de estas variables sea igual a cero y se obtengan las soluciones BF
reales. Este procedimiento es más sencillo ya que construye de manera directa una solución
BF real en la tabla simplex de transporte.

Procedimiento general para construir una solución inicial BF.

Al inicio, todos los renglones de los orígenes y las columnas de destinos de la tabla simplex
de transporte se toman en cuenta para proporcionar una variable básica (asignación).

1. Se selecciona la siguiente variable básica (asignación) entre los renglones y columnas en

que todavía se puede hacer una asignación de acuerdo con algún criterio.

2. Se hace una asignación que sea tan grande como para que use el resto de los recursos
en ese renglón o la demanda restante en esa columna (lo que resulte menor).

3. Se elimina ese renglón o columna —la que tenía la cantidad más pequeña de los recursos
o demandas restantes— para las nuevas asignaciones. (Si el renglón y la columna tienen la
misma cantidad de recursos y demanda restantes, de manera arbitraria se elimina el
renglón. La columna se usará después para proporcionar una variable básica degenerada,
es decir, una asignación con cero unidades encerradas en un círculo.)

4. Si sólo queda un renglón o una columna dentro de las posibilidades, entonces el

procedimiento se termina eligiendo como básicas cada una de las variables restantes, es
decir, las variables que no han sido elegidas ni eliminadas al quitar su renglón o columna
asociadas con ese renglón o columna que tiene la única asignación posible. De otra manera,
se regresa al paso 1.

Se han propuesto varios criterios diferentes para elegir las variables básicas, uno de ellos es
el Método de aproximación de Vogel que dice que Para cada renglón y columna que queda
bajo consideración, se calcula su diferencia, que se define como la diferencia aritmética
entre el costo unitario más pequeño cij y el que le sigue de los que quedan en ese renglón
o columna. (Si se tiene un empate entre el costo más pequeño de los restantes de un
renglón o columna, entonces la diferencia es 0.) En el renglón o columna que tiene la mayor
diferencia, se elige la variable que tiene el menor costo unitario que queda. (Los empates
en el caso de la mayor de estas diferencias se pueden romper de manera arbitraria.)

Ejemplo.
Ahora se aplicará el procedimiento general al problema del Metro Water District con el
criterio del método de aproximación de Vogel para seleccionar la siguiente variable básica
en el paso 1. En cada iteración, después de calcular y escribir las diferencias en cada renglón
y columna que quedan bajo consideración, se encierra en un círculo la mayor de ellas y se
enmarca en un cuadro el costo unitario menor en ese renglón o columna. La variable con
este costo unitario menor se selecciona como la siguiente variable básica y su valor se indica
en la esquina inferior derecha de la tabla actual, junto con el renglón o columna que se
elimina (vea los pasos 2 y 3 del procedimiento general). La tabla de la siguiente iteración es
la misma, pero se elimina este renglón o columna y se resta la cantidad asignada de la
demanda o los recursos correspondientes (cualesquiera que sean los sobrantes).
La aplicación de este procedimiento al problema del Metro Water District resulta en la serie
de tablas de parámetros que se muestran en la tabla 8.17, en donde la solución BF inicial
consiste en las ocho variables básicas (asignaciones) dadas en la esquina inferior derecha
de las tablas de parámetros respectivas.
Este ejemplo ilustra dos características sutiles del procedimiento general que merecen
atención especial. Primero, observe que la iteración final elige tres variables (x31, x32 y x33)
para entrar a la base, en lugar de una sola que se elige en las iteraciones anteriores. La razón
es que en este punto queda sólo un renglón (el renglón 3) sin eliminar. Por tanto, el paso 4
del procedimiento general impone que se deben seleccionar como básicas todas las
variables restantes asociadas con el renglón 3.
Segundo, observe que la asignación x23 5 20 en la penúltima iteración agota tanto los
recursos restantes de ese renglón como la demanda que queda en esa columna. Sin
embargo, en lugar de eliminar los dos, el paso 3 dispone que se elimine sólo el renglón y se
deje la columna para que más tarde proporcione una variable básica degenerada. En
realidad, la columna 3 se usa para este propósito en la iteración final cuando se selecciona
x33 5 0 como una de las variables básicas. Vea en la tabla 8.16 otro ejemplo de este
fenómeno, donde después de hacer la asignación x12 5 20 se elimina sólo el renglón 1, y la
columna 2 se conserva para proporcionar la variable básica degenerada x22 5 0, en la
siguiente iteración.
Aunque una asignación de cero puede parecer irrelevante, en realidad juega un papel
importante, pues como se verá pronto, el método simplex de transporte debe conocer
todas las m 1 n 2 1 variables básicas, incluso aquellas que tienen un valor de cero, que
constituyen la solución BF actual. (Introducción a la Investigación de Operaciones, pág. 300)

Prueba de optimalidad.

Se obtiene ui y vj al elegir el renglón con el mayor número de asignaciones y establecer su

u1 = 0; después se resuelve el sistema de ecuaciones cij = ui + vj para cada (i, j) tal que xij es
básica. Si cij - ui - vj ≥ 0 para toda (i, j) tal que xij es no básica, entonces la solución actual es
óptima, por lo que el proceso se detiene. De lo contrario, se realiza una iteración.
Partiendo de una solución inicial factible (Vogel, Esquina Noroeste, etc.) es necesario probar
la optimización de la asignación evaluando todas las celdas no asignadas (vacías) y
determinando la conveniencia de asignar en ellas. En la evaluación de las celdas vacías para
un posible mejoramiento, una ruta cerrada (ciclo) es seleccionada. La ruta tiene
movimientos horizontales y verticales, considerando que las celdas asignadas y no
asignadas pueden ser brincadas en el movimiento para localizar una celda adecuada.

La adición y la resta asegura que las restricciones de la unidad de capacidad y la unidad de

requerimientos no serán violadas.
Para evaluar la celda vacía se realiza la sumatoria de los costos de cada una de las celdas en
la ruta.
Si alguna de estas evaluaciones arrojará un signo negativo (para un problema de
minimización), entonces se deberá asignar en aquella celda con la evaluación más negativa.
Esto indicará que una reducción en el costo total puede lograrse transfiriendo tantas
unidades como sea posible a esa celda.
El número de unidades posibles a ser transferido será igual a la mínima cantidad que se
encuentra asignada en las celdas de la ruta con costo negativo. Al realizarse esta
transferencia debe asegurarse que las restricciones de la capacidad y de requerimientos no
sean violadas (esto se hace agregando las unidades encontradas a asignar en las celdas con
signo positivo y restando estas unidades de las celdas con signo negativo).
Si las evoluciones de todas las celdas vacías arrojan valores positivos, entonces se dice que
la asignación es óptima.

Iteración:

1. Se determina la variable básica entrante: se elige la variable no básica sij que tiene el
valor más negativo —en términos absolutos— para cij - ui - vj.
2. Se determina la variable básica saliente: se identifica la reacción en cadena que se
necesita para conservar la factibilidad cuando aumenta el valor de la variable básica
entrante. Entre las celdas donadoras se selecciona la variable básica que tiene el menor
valor.
3. Se determina la nueva solución BF: se suma el valor de la variable básica saliente a las
asignaciones de las celdas receptoras y se resta a las asignaciones de las celdas donadoras.
Definición del problema de asignación.
Primero que nada, es importante empezar con el pie derecho al definir un tema importante
como el que veremos a continuación. El problema de asignación se puede definir fácilmente
como “Asignar la mejor persona para el puesto”.

Pero veremos que este tipo de problema no se dedicara solamente a la asignación de

personas así que daremos una definición más formal para el problema de asignación:

El problema de asignación es un tipo especial de problema de programación lineal en el que

los asignados son recursos que se destinan a la realización de tareas.

Ejemplos

Múltiples son los casos en los que como ingenieros industriales podemos hacer uso del
problema de asignación para resolver diversas situaciones, entre los que cabe mencionar
se encuentran la asignación de personal a máquinas, asignados que pueden ser empleados
a quienes se tiene que dar trabajo, herramientas a puestos de trabajos, horarios a maestros,
candidatos a vacantes, huéspedes a habitaciones, comensales a mesas, vendedores a zonas
territoriales etc. Como observamos en algunos ejemplos los asignados no tienen que ser
personas. También pueden ser máquinas, vehículos o plantas, o incluso periodos a los que
se asignan tareas.

En el modelo de asignación la idea fundamental de resolución es ¿qué fuente satisface

mejor el destino?, y dado que hemos asociado el modelo a una gran diversidad de
circunstancias esta pregunta puede plantearse en múltiples contextos, como ¿qué
candidato es el idóneo para la vacante?, o ¿qué personal es el indicado para la línea
productiva?, o ¿qué personal es el mejor para ejecutar determinada tarea?.

Supuestos que debe de cumplir un problema de asignación.

Para que se ajuste a la definición de un problema de asignación, es necesario que este tipo
de aplicaciones se formule de manera tal que se cumplan los siguientes supuestos.

1. El número de asignados es igual al número de tareas. (Este número se denota por n.)
2. A cada asignado se le asigna sólo una tarea.
3. Cada tarea debe realizarla sólo un asignado.
4. Existe un costo cij asociado con el asignado i (i= 1, 2, . . ., n) que realiza la tarea j (j=
1,2, . . ., n).
5. El objetivo es determinar cómo deben hacerse las n asignaciones para minimizar los
costos totales.

Es importante mencionar que muchas aplicaciones potenciales no se adaptan por completo

al problema de asignación. Con frecuencia es posible reformular el problema para hacerlo
que se ajuste. Por ejemplo, muchas veces se pueden usar asignados ficticios o tareas
ficticias con este fin.

Formas de representar el modelo y restricciones.

El modelo general de asignación con n trabajadores y n puestos se representa en la tabla
siguiente:

El elemento cij representa el costo de asignar al trabajador i al puesto j (i, j = 1, 2, .., n).

El modelo matemático para manejar el problema de asignación utiliza las siguientes

variables de decisión:

para i = 1, 2, . . . , n y j = 1, 2, . . . , n. Entonces, cada xij es una variable binaria que toma

valores 0 o 1. Las variables binarias son importantes en investigación de operaciones para
representar las decisiones de sí o no.

En este caso, las decisiones de sí o no son: ¿debe el asignado i realizar la tarea j ? Si Z es el

costo total, el modelo del problema de asignación es:

sujeta a:
y…..

El primer conjunto de restricciones funcionales especifica que cada asignado realice sólo
una asignación, mientras que el segundo conjunto requiere que cada asignación sea
realizada sólo por un asignado.

Las restricciones funcionales del modelo de asignación evitan que las variables sean
mayores que 1, y las restricciones de no negatividad impiden que existan valores menores
que cero. Por tanto, si se elimina la restricción binaria para poder resolver el problema de
asignación como un problema de programación lineal, las soluciones que se obtienen
(incluso la solución óptima final) satisfacerán en forma automática la restricción binaria.

El problema de asignación puede describirse de manera similar, como se ve en la figura que

se muestra abajo. En este caso la primera columna enumera los n asignados y la segunda
las n tareas. Los números entre corchetes indican el número de asignados que se
proporcionan en ese lugar de la red, por lo cual los valores de la izquierda son 1 de manera
automática, mientras que los valores de -1 de la derecha indican que cada tarea utiliza un
asignado.
El método húngaro.
El método húngaro es un método de optimización de problemas de asignación, conocido
como tal gracias a que los primeros aportes al método clásico definitivo fueron de Dénes
König y Jenő Egerváry dos matemáticos húngaros. Este método utiliza la propiedad de
reducción de matrices para reducir la matriz original de costo, hasta que los costos C i j
asociados con la asignación óptima, sean cero y todos los otros costos sean no negativos.

En cada iteración del método húngaro, se reduce la matriz de tal manera que haya al menos
un cero en cada renglón y columna, comprobando con el teorema de König si se ha
alcanzado la solución óptima. Si el número mínimo de renglones y/o columnas necesarias
para cubrir todos los ceros es n, entonces existe una asignación óptima (no necesariamente
única). El algoritmo tal como se detallará a continuación está diseñado para la resolución
de problemas de minimización únicamente, ya que es más eficaz para resolver el problema
del transporte por el alto grado de degeneración que pueden presentar los problemas de
asignación.

Los problemas de asignación incluyen aplicaciones tales como asignar personas a tareas.
Aunque sus aplicaciones parecen diferir de las del problema del transporte, constituye un
caso particular. Los problemas de transporte y asignación son casos particulares de un
grupo más grande de problemas, llamados problemas de flujo en redes.

Suposiciones de un problema de asignación:

1. El número de asignados es igual al número de tareas (se denota por n). (esto puede
variar).
2. Cada asignado se asigna exactamente a una tarea.
3. Cada tarea debe realizarla exactamente un asignado.
4. Existe un costo cij asociado con el asignado i (i=1,2,…,n).
5. El objetivo es determinar cómo deben hacerse las asignaciones para minimizar los
costos totales
Procedimiento:
El Método Húngaro consta de los siguientes pasos:

Paso 1: En la matriz original de costo, identificar el mínimo de cada fila y restarlo de todos
los elementos de la fila.
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.

A continuación, presentaremos un ejemplo que muestra la aplicación del Método Húngaro

que nos permite decidir la asignación de trabajadores a puestos de trabajo.
Ejemplo:
Un equipo de 3 ingenieros debe ser asignado para la realización de 3 tareas, donde cada
ingeniero debe hacer una tarea. Se requiere encontrar la asignación de costo mínimo para
lo cual se dispone de los costos asociados a que el ingeniero i realice la tarea j. Por ejemplo,
representa el costo correspondiente a que el ingeniero 1 asuma la tarea 1.

Aplicar el Método Húngaro para encontrar una asignación óptima de los ingenieros a las
tareas.

El Paso 1 del Método Húngaro requiere identificar el valor mínimo de cada fila. En el caso
de la fila 1 dicho valor es $9 siendo el costo de que el ingeniero realice la tarea 3.
En particular si se dispone de un problema de mayor tamaño, hacer uso de Excel facilita los
cálculos tal como se muestra en la siguiente imagen:

A continuación, se resta el mínimo de cada fila a cada uno de los valores de la fila respectiva,
para obtener la matriz reducida:
La aplicación del Paso 2 produce los mínimos de cada columna según se observa en la tabla
anterior. Al restar esos valores de las columnas respectivas se obtiene la siguiente matriz
reducida:

Las celdas con valor cero y color azul son la solución óptima. En consecuencia, el ingeniero
1 realiza la tarea 2, el ingeniero 2 asuma la tarea 1 y el ingeniero 3 la tarea 3. Cada ingeniero
realiza exactamente una tarea y el costo total de dicha asignación (valor óptimo) es de:
$9 + $10 + $8 = $27
Los pasos presentados del Método Húngaro para el ejemplo anterior funcionaron bien
debido a que los elementos cero de la matriz anterior permiten una asignación factible de
ingenieros a las tareas (en el sentido que las tareas se asignan de forma única a los
ingenieros). Aunque no siempre es posible lograr una solución factible en la aplicación, caso
en el cual se requiere de pasos adicionales para la aplicación del método.