Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Para resolver este problema, se puede utilizar un algoritmo que analiza toda la red a partir
del origen y encuentra la ruta más corta a cada uno de los nodos en orden ascendente de sus
distancias, desde el origen. El proceso se repite hasta llegar al nodo destino.
Este algoritmo se puede aplicar a cualquier red de conexiones para encontrar la ruta más
corta entre dos nodos.
que se minimice la longitud total. Este problema se puede resolver mediante el algoritmo de
Prim o el algoritmo de Kruskal, que buscan el árbol de expansión mínima en una red no
dirigida y conexa. La idea es seleccionar una ligadura a la vez, de tal forma que el conjunto
de ligaduras seleccionadas forme un árbol que cubra todos los nodos de la red, y que la
longitud total sea la mínima posible. En cada iteración se selecciona la ligadura de menor
longitud que conecte un nodo ya seleccionado con uno no seleccionado. El proceso se
repite hasta que se hayan seleccionado todas las ligaduras necesarias para formar el árbol de
expansión mínima.
que la red resultante —con sólo las ligaduras seleccionadas— forme un árbol de expansión,
según la defi nición que se presentó en la sección 9.2. Por lo tanto, el problema es encontrar
el árbol de expansión con la longitud total mínima de sus ligaduras. La fi gura 9.5 ilustra el
concepto de árbol de expansión del problema de Seervada Park (sección 9.1). La fi gura
9.5a no es un árbol de expansión, pues los nodos O, A, B y C no están conectados con los
nodos D, E y T. Se necesita una ligadura más para hacer esta conexión. En realidad, esta
red consta de dos árboles, uno para cada uno de estos dos conjuntos de nodos. Las ligaduras
de la fi gura 9.5b sí se expanden por toda la red —es decir, es una gráfi ca conexa según la
defi nición de la sección 9.2—, pero no es un árbol porque tiene dos ciclos (O–A–B–C–O y
D–T–E–D), esto es, tiene demasiadas ligaduras. Como el problema de Seervada Park tiene
n 5 7 nodos, en la sección 9.2 se indicó que una red debe tener exactamente n 21 5 6
ligaduras y ningún ciclo para califi car como árbol de expansión. Esta condición se logra en
la fi gura 9.5c, por lo que esta red es una solución factible —con una longitud total de 24
millas en las ramas o ligaduras— para el problema del árbol de expansión mínima. (Se verá
que esta solución no es óptima, puesto que es posible construir un árbol de expansión con
sólo 14 millas en sus ramas.) Algunas aplicaciones A continuación se proporciona una lista
de algunos tipos importantes de aplicaciones de este problema. 1. Diseño de redes de
telecomunicación (redes de fi bra óptica, de computadoras, telefónicas, de televisión por
cable, etcétera). 2. Diseño de redes de transporte para minimizar el costo total de
proporcionar las ligaduras (vías ferroviarias, carreteras, etcétera). 3. Diseño de una red de
líneas de transmisión de energía eléctrica de alto voltaje. 4. Diseño de una red de cableado
de equipo eléctrico —como sistemas de cómputo— para minimizar la longitud total de
cable. 5. Diseño de una red de tuberías para conectar varias localidades.
■ 9.4 PROBLEMA DEL ÁRBOL DE EXPANSIÓN MÍNIMA
El problema del árbol de expansión mínima es similar al problema de la ruta más corta,
pero en lugar de encontrar la ruta más corta entre dos nodos, el objetivo es encontrar el
conjunto mínimo de ligaduras para conectar todos los nodos de la red y formar un árbol de
expansión con la longitud total mínima de las ligaduras. Este problema se puede aplicar en
diversas áreas, como en el diseño de redes de telecomunicación, transporte, líneas de
transmisión de energía eléctrica, cableado de equipo eléctrico y redes de tuberías. En
general, se busca minimizar el costo o la longitud total de las ligaduras, mientras se asegura
que haya una conexión entre cada par de nodos.
El algoritmo del problema del árbol de expansión mínima es un método para encontrar el
árbol de expansión mínima de un grafo. El algoritmo comienza seleccionando un nodo
arbitrario y conectándolo al nodo más cercano. A continuación, se identifica el nodo no
conectado más cercano a un nodo conectado y se conectan estos dos nodos. Este proceso se
repite hasta que todos los nodos estén conectados. Los empates del nodo más cercano
distinto o del nodo no conectado más cercano pueden romperse en forma arbitraria, pero el
algoritmo debe llegar a una solución óptima. El proceso se puede ejecutar de manera
manual mediante el enfoque gráfico ilustrado en el texto. Se garantiza que la red resultante
es un árbol de expansión mínima.
9.5 PROBLEMA DE FLUJO MÁXIMO
el problema de flujo máximo se convierte en un problema de una red conexa dirigida con
un único origen y un único destino, lo que permite su resolución mediante algoritmos
eficientes como el algoritmo de Ford-Fulkerson o el algoritmo de Edmonds-Karp.
Al agregar un nodo fuente ficticio, se crea un nodo que suple todo el flujo que entra en la
red original. Y al agregar un nodo sumidero ficticio, se crea un nodo que absorbe todo el
flujo que sale de la red original. Los nuevos arcos que conectan los nodos originales con los
nodos ficticios tienen capacidades iguales al flujo máximo que puede pasar por esos nodos.
Después de agregar estos nodos y arcos adicionales, se puede aplicar el algoritmo del flujo
máximo para encontrar la máxima cantidad de flujo que puede pasar de la fuente ficticia al
sumidero ficticio. La solución obtenida para la red aumentada se traduce de vuelta a la red
original mediante la eliminación de los nodos ficticios y los arcos correspondientes.
flujo que fluye del origen al destino, entonces se puede concluir que el patrón de flujo
actual es óptimo y no se puede encontrar una trayectoria de aumento adicional.
En resumen, para encontrar una trayectoria de aumento en una red de flujo, se puede
utilizar el procedimiento de abanico, que consiste en determinar todos los nodos que se
pueden alcanzar desde el origen con un solo arco con capacidad residual estrictamente
positiva, y repetir este procedimiento para los nuevos nodos alcanzados. Alternativamente,
se puede aplicar el teorema del flujo-máximo corte-mínimo para determinar si el patrón de
flujo actual es óptimo, buscando un corte en la red original con un valor igual al flujo que
fluye del origen al destino.
El texto habla sobre el algoritmo de flujo máximo en redes, que es una herramienta
importante en la optimización de redes. El objetivo es maximizar la cantidad de flujo que se
puede enviar a través de una red de forma eficiente, teniendo en cuenta la capacidad de los
enlaces de la red.
El algoritmo utiliza un procedimiento sistemático para encontrar una trayectoria de
aumento en la red, lo que permite aumentar el flujo máximo que se puede enviar a través de
la red. También se discute un teorema importante en la teoría de redes, conocido como el
teorema del flujo máximo corte mínimo, que establece una relación entre el flujo máximo y
el valor del corte mínimo de la red.
El modelo de redes para optimizar los trueques entre tiempo y costo de un proyecto redes
pueden ayudar en la gestión de proyectos de gran escala o de investigación y desarrollo. En
la década de 1950 se desarrollaron dos técnicas de Investigación de Operaciones basadas en
redes, PERT y CPM, para ayudar a los directores de proyectos a planear y coordinar las
actividades, establecer un calendario realista y supervisar el progreso del proyecto. Este
método aborda el problema de cómo completar un proyecto dentro de una fecha límite
específica invirtiendo más dinero para acelerar algunas de las actividades, y se resuelve
mediante un modelo de optimización que puede ser resuelto por medio del análisis de costo
marginal o de programación lineal.
El método PERT-CPM puede aplicarse a cualquier disciplina en la cual se fije un objetivo,
se lleven a cabo un conjunto de actividades y se necesite la distribución maximizada de los
recursos disponibles. Es el caso de los proyectos que se pueden llevar a cabo en el sector
empresarial, aplicados por ejemplo al ámbito de la producción, las finanzas, el marketing,
la gestión del talento humano, entre otras. (Anderson David, 2016).