El artículo habla sobre la importancia de los modelos de optimización de redes en una

variedad de situaciones, desde transporte y comunicaciones hasta planificación de

proyectos y recursos. Los modelos de optimización de redes son una herramienta poderosa
en la investigación de operaciones y su rápido avance ha permitido la resolución de
problemas muy grandes que antes no se podrían manejar. Muchos de estos modelos son
tipos especiales de problemas de programación lineal y se presentan cinco tipos importantes
de problemas de redes y algunas ideas básicas sobre cómo resolverlos. Se explica que el
problema del flujo de costo mínimo es un tipo especial de problema de programación lineal
y se puede resolver de manera eficiente mediante una versión simplificada del método
simplex llamada método simplex de redes. Además, se menciona la técnica llamada método
CPM de trueques entre tiempo y costo para la planificación de proyectos.
■ 9.3 PROBLEMA DE LA RUTA MÁS CORTA
El problema de la ruta más corta consiste en encontrar la ruta más corta posible entre dos
nodos (el origen y el destino) en una red de conexiones (aristas o ligaduras) no dirigida y
con distancias no negativas asociadas a cada conexión.

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.

El algoritmo funciona de la siguiente manera:

1. En cada iteración, se busca el n-ésimo nodo más cercano al origen.

2. Para hacer esto, se utilizan los nodos resueltos (encontrados en iteraciones
anteriores) y se identifican los candidatos para el siguiente nodo más cercano (nodos
no resueltos conectados directamente con los nodos resueltos).
3. Se calcula la distancia de la ruta más corta desde el origen hasta cada candidato,
sumando la distancia desde el origen hasta el nodo resuelto más la distancia desde el
nodo resuelto hasta el candidato.
4. El candidato con la suma de distancias más pequeña es el n-ésimo nodo más
cercano al origen, y su ruta más corta es la que genera esta distancia.
5. Se repite el proceso hasta que se llega 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.

En resumen, el problema de flujo máximo consiste en encontrar la cantidad máxima de

flujo que puede ser enviado a través de una red de conexa dirigida, sujeto a restricciones en
la capacidad de los arcos, con un origen y un destino específicos. Este problema tiene
muchas aplicaciones en la optimización de redes y es resoluble mediante algoritmos
eficientes como el algoritmo de Ford-Fulkerson o el algoritmo de Edmonds-Karp.
Esta técnica se conoce como la técnica de la fuente y el sumidero (source-sink technique) y
se utiliza para convertir una red con múltiples orígenes y destinos en una red con un solo
origen y un solo destino, que es la forma estándar del problema del flujo máximo.

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.

En general, el algoritmo es relativamente sencillo, pero puede ser complejo cuando se

trabaja con redes grandes. Por lo tanto, se puede utilizar el teorema del flujo máximo corte
mínimo para simplificar el proceso y encontrar una solución óptima de manera más
eficiente.

9.6 PROBLEMA DEL FLUJO DE COSTO MÍNIMO

El problema del flujo de costo mínimo es un modelo de optimización de redes que abarca
una amplia clase de aplicaciones y es eficiente en su solución. Este problema considera un
flujo en una red con capacidades de arco limitadas y un costo (o distancia) del flujo a través
de un arco. También puede manejar varios orígenes y destinos del flujo con costos
asociados. El problema se puede resolver como un problema de programación lineal
utilizando el método simplex de redes, que es una versión simplificada del método simplex.
El objetivo es minimizar el costo total de enviar el suministro disponible a través de la red
para satisfacer la demanda dada. El problema del flujo de costo mínimo se aplica
ampliamente en la operación de la red de distribución de una compañía y también en otras
aplicaciones, como la administración de desechos sólidos y la obtención de suministros de
varios proveedores posibles.
9.7 MÉTODO SÍMPLEX DE REDES
El método símplex de redes es una versión muy simplificada del método símplex para
resolver problemas de flujo de costo mínimo. Como tal, realiza los mismos pasos básicos
en cada iteración —encontrar la variable básica entrante, determinar la variable básica que
sale y obtener la nueva solución BF— con el fi n de mover la solución BF actual a una
adyacente mejor. Sin embargo, ejecuta estos pasos en una forma que explota la estructura
especial de la red del problema sin necesidad alguna de la tabla símplex. Es posible
observar algunas similitudes entre el método símplex de redes y el método símplex de
transporte que se presentó en la sección 8.2. En realidad, ambos son versiones simplificadas
del método símplex que proporcionan algoritmos alternativos para resolver problemas de
transporte de manera parecida. El método símplex de redes extiende estas ideas para
resolver también otros tipos de problemas de flujo de costo mínimo.
En esta sección se presenta una descripción abreviada del método símplex de redes que
centra la atención exactamente en los conceptos principales. Se omiten ciertos detalles
necesarios para manipularlo en computadora, entre otros, cómo construir una solución
inicial BF y cómo realizar ciertos cálculos —encontrar la variable básica entrante— de una
manera eficiente. Estos detalles se proporcionan en otros libros más especializados, como
las referencias 1 y 3.
 Incorporación de la técnica de la cota superior
El texto describe una técnica llamada "incorporación de la técnica de la cota superior" que
se utiliza para manejar con eficiencia las restricciones de capacidad en problemas de flujo
de costo mínimo. Esta técnica consiste en manejar estas restricciones como restricciones de
no negatividad, y sólo se toman en cuenta para determinar la variable básica que sale. En
particular, una variable no básica en su cota superior se reemplaza por una combinación de
variables básicas y no básicas para reflejar el flujo a través del arco eliminado. Esta técnica
deja las restricciones de los nodos como las únicas restricciones funcionales, lo que resulta
en una pequeña fracción de restricciones en comparación con el número de arcos. La
técnica es eficiente y se aplica directamente a la red, sin necesidad de utilizar etiquetas para
designar los flujos en los arcos.
9.8 MODELO DE REDES PARA OPTIMIZAR LOS TRUEQUES ENTRE TIEMPO Y
COSTO DE UN PROYECTO
El texto explica cómo las 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 IO
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. Con el tiempo, estas técnicas se fusionaron en la técnica PERT/CPM, que se
utiliza ampliamente en la actualidad. El texto se enfoca en la característica del método
CPM de trueques entre tiempo y costo, que es un modelo de optimización de redes. 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 enfoque se ejemplifica con un ejemplo prototipo.
El texto habla sobre el método CPM de trueques entre tiempo y costo, que se utiliza para
acelerar ciertas actividades en un proyecto y reducir su duración a una estimación deseada.
El método implica el uso de medidas especiales y costosas, como horas extra, contratación
temporal de ayuda y materiales especiales que ahorran tiempo. El quiebre de una actividad
se refiere a tomar estas medidas para reducir su duración a menos de su estimación normal.
La gráfica de tiempo-costo de la actividad muestra el punto normal y el punto de quiebre, y
se supone que una actividad con quiebre parcial en cualquier nivel resultará en una
combinación de tiempo y costo que está en algún punto del segmento de recta entre estos
dos puntos. El señor Perty ha pedido a su personal y supervisores que desarrollen estos
datos para cada actividad del proyecto Reliable, y se muestra un ejemplo de cómo se estima
el costo de un quiebre completo para una actividad en particular.
CONCLUSIONES
Las redes de cierto tipo surgen en una amplia variedad de contextos. Las representaciones
de redes son muy útiles para visualizar las relaciones y conexiones entre las componentes
del sistema. Con frecuencia debe enviarse un flujo de algún tipo a través de la red y es
necesario tomar una decisión sobre la mejor manera de hacerlo. En este capítulo se
 introdujeron dos tipos de modelos y algoritmos de optimización de redes que constituyen
una herramienta poderosa para tomar esas decisiones. El problema del flujo de costo
mínimo juega un papel central entre estos nuevos modelos de optimización de redes, tanto
por su extensa aplicación como porque se puede resolver con gran eficiencia por el método
símplex de redes. Dos de sus casos especiales, incluidos en este capítulo —el problema de
la ruta más corta y el del flujo máximo—, también son modelos importantes de
optimización de redes, al igual que los casos especiales que se presentaron en el capítulo 8
(el problema de transporte y el problema de asignación). Al mismo tiempo que todos estos
modelos se ocupan de optimizar la operación de una red existente, el problema del árbol de
mínima expansión es un ejemplo sobresaliente de un modelo para optimizar el diseño de
una nueva red. El método CPM de trueques entre tiempo y costo proporciona una forma
poderosa de utilizar un modelo de optimización de redes para diseñar un proyecto de
manera que pueda cumplir con su fecha límite con un costo total mínimo. En este capítulo
apenas se ha tocado la superficie de lo que hasta la fecha se ha desarrollado en el campo de
la metodología de redes. Por su naturaleza combinatoria, con frecuencia los problemas de
redes son difíciles de resolver, pero se han logrado grandes avances en el desarrollo de
técnicas poderosas de modelado y de metodologías de solución que incluso amplían el
panorama de nuevas e importantes aplicaciones. En realidad, los nuevos algoritmos han
permitido resolver con éxito algunos problemas complejos de redes de gran tamaño.

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).

ANDERSON, R. DAVID. SWEENEY, J. DENNIS, WILLIAMS A. THOMAS. (2016).

Métodos cuantitativos para los negocios (13th ed.). Cengage Learning.