TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE OAXACA

LUGAR: OAXACA DE JÚAREZ FECHA: 16-10-2022

ASIGNATURA: MODELOS DE OPTIMIZACIÓN DE RECURSOS

CLAVE: ICC-1028

CATEDRATICO: ING.FRANCISCO HERNANDEZ MORENO

GRUPO: 3CE

LICENCIATURA: INGENIERÍA CIVIL

TEMA III: ALGORITMOS ESPECIALES DE PROGRAMACIÓN

EQUIPO II

-BAUTISTA CHAVEZ CRISTHIAN YAHIR

-CRUZ PEREZ OSCAR RICARDO

-GUZMAN RUIZ MARIA DEL CARMEN

-MARTINEZ MARTINEZ JESUS ANTONIO

-NOLASCO MARTINEZ KAREN ARIADNA

1
 ÍNDICE

Introducción..................................................................................3

3.1 El problema de transporte: planteamiento del problema, determinación de la Solución

Básica Factible Inicial, el criterio de optimabilidad y el algoritmo de mejoramiento de la
solución (Ruta de los signos)........................................................4

3.2 El problema de asignación: planteamiento del problema, Algoritmo para determinar la

asignación optima........................................................................7

3.3 Uso de software....................................................................14

Conclusiones............................................................................. 16

Fuentes de información..............................................................18

2
 INTRODUCCIÓN

Para poder comenzar con el tema se debe de tomar en cuenta los conceptos básicos de este
tema general, el cual es acerca de los algoritmos especiales de programación lineal, en base
al nombre podemos identificar que los conceptos necesarios para abordar a fondo el tema es
el de:

Algoritmo. Cual es un conjunto ordenado y finito de pasos o instrucciones que permite

realizar una actividad mediante pasos sucesivos de un problema determinado. De esta
manera, dados un estado inicial y una entrada, siguiendo los pasos sucesivos se llega a un
estado final y se obtiene una solución.

Siguiendo con los conceptos fundamentales:

Algoritmos especiales. Estos son diseñados para problemas de programación lineal, son
problemas enunciados con ecuaciones lineales y con una función objetivo, y una o mas
funciones restricciones, para lograr la optimización de la función objetivo que se analiza.
Algunos de ellos son: Gran M, Flujo mínimo, Algoritmo Fraccional, Método Dual Simplex,
entre otros,

Las aplicaciones de los algoritmos especiales de programación lineal es que son empleados
principalmente en problemas de flujo de redes y problemas de flujo de mercancías. Son muy
usados en la microeconomía y la administración de empresas, ya sea para aumentar al
máximo los ingresos o reducir al mínimo los costos de un sistema de producción

3
 ALGORITMOS ESPECIALES DE PROGRAMACION LINEAL

2.1 El problema de transporte: planteamiento del problema,

determinación de la Solución Básica Factible Inicial, el criterio de
optimabilidad y el algoritmo de mejoramiento de la solución (Ruta
de los signos)

El problema de transporte es una de las primeras aplicaciones importantes

de la programación lineal. Se puede representar con un modelo lineal y utilizar el
método simplex para resolverlo. Sin embargo, dada la estructura especial de este
modelo lineal, se puede construir un método más eficaz para su resolución. En
este tema nos ocuparemos del estudio de este método.
El problema de transporte trata de enviar unidades de un producto desde m
or´ıgenes, O1, . . . , Om, a n destinos, D1, . . . , Dn, en las siguientes
condiciones.
• Cada origen Oi, i = 1, . . . , m, dispone de una oferta ai.

• Cada destino Dj, j = 1, . . . , n, realiza una demanda bj.

• cij, i = 1, . . . , m, j = 1, . . . , n, es el coste de enviar una unidad desde el origen Oi al

destino Dj .
La formulación lineal de este problema es la siguiente:

4
 Las primeras m restricciones están asociadas a las ofertas de los orígenes,
que no se deben sobrepasar. Las n siguientes restricciones aseguran que se
deben satisfacer las demandas de los destinos. Las variables no pueden tomar
valores negativos, ya que representan cantidades de producto que se transportan.
La forma estándar del problema de transporte es la siguiente:

Ejemplo. Supongamos que una empresa productora de barras de pan tiene

dos almacenes A1 y A2 desde los cuales debe enviar pan a tres panaderías P1, P2
y P3. Las ofertas, las demandas y los costes de envío se dan en el siguiente grafo.

P1 1500

8
2000 A1 6
10
P2 2000
10 4

2500
9
P3 1000

Para plantear un modelo lineal que represente el problema definimos

xij: cantidad de barras de pan que se envían desde cada origen Ai, i = 1, 2, a
cada destino Pj, j = 1, 2, 3.
El modelo lineal para este problema es el siguiente:
5
 min z = 8x11+6x12+10x13+10x21+4x22+9x23

sujeto a

x11 +x12 +x13 =

2000
x21 +x22 +x23
=
2500
x11 +x21 =
1500
x12 +x22
=
2000
x13 +x23 =
1000

En este caso las restricciones se pueden escribir con igualdad porque la

suma de ofertas es igual a la suma de demandas.
Para observar la estructura de la matriz A escribimos el modelo de la
siguiente forma

6
 En este ejemplo hay 2 orígenes, m = 2, y 3 destinos, n = 3. La matriz A tiene
2 + 3 filas y 2 × 3 columnas. Se puede comprobar que el rango de la matriz es 4.
Por otra parte, todos los vectores columna tienen solamente 2 componentes
iguales a 1 y las demás son 0. Si denotamos los vectores columna de la matriz A
con dos subíndices, es decir, a11, a12, a13, a21, a22, a23, podemos observar en que´
posiciones aparece un 1 y en que posiciones aparece un 0. Por ejemplo, el vector
a11 tiene un 1 en la primera posición y otro 1 en la posición m + 1; el vector a21 tiene
un 1 en las posiciones 2 y en la m + 1; el vector a23 tiene un 1 en las posiciones 2 y
m + 3. En general, podemos decir que un vector aij de la matriz A tiene un 1 en las
posiciones i y m + j. Q
En general, la matriz A y su estructura dependen del número de orígenes y
destinos. Cualquier problema de transporte de m orígenes y n destinos tiene la
misma matriz A. Esta matriz tiene m + n filas y m × n columnas. El rango de A es
m + n − 1, es decir, las bases están formadas por m + n − 1 vectores. Los vectores
columna de la matriz A tienen solamente 2 componentes con valor 1 y el resto son
0. Para un vector a ij de la matriz A los unos están en las posiciones i y m + j. Por
tanto, los datos importantes de un problema de transporte son el
número de orígenes, el número de destinos, las ofertas, las demandas y los
costes de transporte. Esta información es la que se recoge en la que llamaremos
forma matricial para el problema de transporte.

Forma matricial
Una manera de representar el problema de transporte es la llamada forma
matricial que es más adecuada para este problema. La forma matricial también
llamada tabla de costes. En la tabla aparecen las ofertas, las demandas y los
costes de transporte.

D1 D2 ··· Dn Oferta
O1 c11 c12 ··· c1 n a1
O2 c21 c22 ··· c2n a2
. . . .. . .
.
Om cm1 cm2 ··· cmn am
Demanda b1 b2 ··· bn

7
 3.2 Modelo primal y dual

El problema de asignación es un caso particular del problema de transporte. Se

trata de asignar un número de orígenes (individuos, tareas etc.) a un mismo
número de destinos (tareas, máquinas etc.) con el objetivo de optimizar una
función de coste. La asignación debe hacerse con la condición de que cada origen
tenga asignado un ´único destino y cada destino esté asignado a un ´único origen.
La asignación de un origen Oi a un destino Dj tiene un coste cij .
Las variables de decisión se definen de la siguiente manera:

Formalmente, si n orígenes deben ser asignados a n destinos, siendo cij el

coste de asignar cada origen Oi, i = 1, . . . , n a cada destino Dj , j = 1, . . . , n, el
modelo lineal en forma estándar es el siguiente:

Las primeras n restricciones indican que cada origen se debe asignar a un

único destino; las n restricciones siguientes indican que cada destino tiene
8
asignado un único origen.
Cuando el número de orígenes no es igual al número de destinos, la forma de
equilibrar el problema es añadir tantos orígenes o destinos como sean necesarios.
Por ser los orígenes o destinos añadidos ficticios, el coste de asignación será cero.
Para este problema la información esencial está contenida en la tabla de costes
porque todas las ofertas y demandas son 1.

D1 D2 . . . Dn
O1 O2 c11 c12 . . c1n
.
. c21 c22 c2n
. ..
. . . .
On cn1 cn2 . . cnn
Método Húngaro
El algoritmo de solución del problema de asignación se basa en los dos siguientes
teoremas.
Teorema 1 Si las variables xij , i = 1, . . . , n, j = 1, . . . , n son solución
óptima para un problema de asignación con función objetivo

entonces esos mismos valores son también solución óptima para un problema
cuya función objetivo es

9
Las funciones z y z′ se diferencian en la constante k y, por tanto, alcanzan el
óptimo en el mismo conjunto de valores de las variables. 2
Aplicando el resultado de este teorema en la tabla de costes se pueden
hacer transformaciones sin que cambie la solución óptima. Concretamente las
siguientes transformaciones: restar en las filas y/o columnas una constante.

Teorema 2
Si cij ≥ 0, i, j = 1, . . . , n y el conjunto de valores de las variables
es tal que

entonces xij, i, j = 1, . . . , n, es solución óptima para el problema.

10
Demostración.
Si todos los costes cij , i, j = 1, . . . , n, son mayores o iguales
que cero, el valor de la función objetivo será mayor o igual que cero. Por tanto, si
se tienen valores de las variables xij , i, j = 1, . . . , n que den a z el valor 0, ´ese es
el mínimo absoluto y, por tanto, la solución óptima para el problema. 2
El método de solución se basa en transformar la tabla de costes con las
operaciones
que permite el Teorema 1 para conseguir ceros. Si se consigue una
asignación en la que la función objetivo tome el valor cero, teniendo en cuenta el
Teorema 2, esa asignación ya es ´optima.
Como hemos visto, restar constantes en una fila y/o columna no cambia la
solución óptima del problema. El método húngaro se basa en este hecho para
transformar la tabla de costes y conseguir un número suficiente de ceros para
hacer la asignación. El método húngaro para resolver el problema de asignación
se basa en el Teorema de König. Este teorema asegura que el número de ceros
que se pueden asignar independientemente en filas y columnas es igual al mínimo
número de filas y/o columnas que cubren todos los ceros.
Los pasos a seguir para minimizar la función objetivo son los del siguiente
algoritmo.
Algoritmo de asignación
El objetivo es minimizar.
Paso 1. Equilibrar el problema.
Paso 2. Obtener ceros por filas. Restar en cada fila el mínimo

Los nuevos elementos de la tabla son

11
C´ij = cij − ui i, j = 1, . . . , n.
Paso 3. Obtener ceros por columnas. Restar en cada columna el mínimo

Los nuevos elementos de la tabla son

c′′ij = c′ij − vj i, j = 1, . . . , n.
Paso 4. Asignación de casillas que tengan ceros. Elegir la fila o columna
con menor número de ceros. Asignar uno y eliminar los ceros de la misma
fila y columna. Repetir la asignación en filas y columnas continuando por
aquella que tenga el mínimo número de ceros sin eliminar.
• Si al terminar la asignación en todas las filas hay un cero asignado, se
tiene la solución ´optima. Parar.
• Si hay alguna fila que no tenga cero asignado al finalizar el procedimiento
de asignación ir al Paso 5.
Paso 5. Elegir el mínimo número de filas y/o columnas que cubren todos
los ceros. Este número mínimo se consigue con el siguiente procedimiento.
(a) Marcar las filas que no tienen ceros asignados.
(b) Marcar las columnas que tienen ceros eliminados en las filas marcadas
en el paso anterior.
(c) Marcar las filas que tienen ceros asignados en las columnas marcadas
en el paso anterior.
Repetir (b) y (c) hasta que ya no se puedan marcar más filas y/o columnas.
Las filas no marcadas y las columnas marcadas cubren todos los ceros.
Cubrir estas filas y columnas. Ir al Paso 6.
Paso 6. Crear nuevos ceros. Elegir el elemento mínimo que no está cubierto.
Restarlo a todos los elementos de las filas no cubiertas y sumarlo a

los elementos de las columnas cubiertas. Ir al Paso 4.

12
3.3 Uso de software

13
 Conclusiones

Bautista Chávez Cristhian Yahir

Cruz Pérez Oscar Ricardo

14
 Guzman Ruiz Maria del Carmen

Martínez Martínez Jesús Antonio

Nolasco Martínez Karen Ariadna

15
 Fuentes de información

Bibliografías
Aparicio, A. R. (s. f.). Unidad 3 algoritmos especiales de programacion lineal.
Recuperado 5 de noviembre de 2022, de https://es.slideshare.net/kakel17/unidad-
3-algoritmos-especiales-de-programacion-lineal

OpenCourseWare & UPV/EHU. (2013, 6 marzo). Tema 6 El problema de

transporte y el problema de asignacion.
https://ocw.ehu.eus/. https://ocw.ehu.eus/pluginfile.php/41788/mod_resource/
content/1/6._transporte_asignacion.pdf

16