INSTITUTO TECNOLGICO SUPERIOR DE TEPOSCOLULA

CARRERA: INGENIERIA EN SISTEMAS COMPUTACIONALES

ASIGNATURA: INVESTIGACION DE OPERACIONES

CATEDRTICO: ING.

ALUMNO: LPEZ LPEZ ARIEL JAHIR

SEMESTRE: CUARTO UNIDAD II: ANLISIS DE REDES 2.1 PROBLEMA DE TRANSPORTE. 2.1.1 MTODO DE LA ESQUINA NOROESTE 2.1.2 PROCEDIMIENTO DE OPTIMIZACIN. 2.2 PROBLEMA DEL CAMINO MAS CORTO. 2.3 PROBLEMA DEL RBOL EXPANDIDO MNIMO. 2.4 PROBLEMA DE FLUJO MXIMO. 2.5 RUTA CRITICA ( PERT-CPM). LUGAR Y FECHA: SAN PEDRO Y SAN PABLO TEPOSCOLULA, OAXACA; MARZO 17, 2011.

INDICE

INTRODUCCIN..i 2.1 PROBLEMA DE TRANSPORTE1

COMO EQUILIBRAR UN PROBLEMA DE TRANSPORTE ..3 SOLUCIN AL PROBLEMA DE TRANSPORTE ....3

2.1.1 MTODO DE LA ESQUINA NOROESTE.....4

2.1.2 PROCEDIMIENTO DE OPTIMIZACIN7 CONCEPTOS BSICOS DE OPTIMIZACIN ....9

2.2 PROBLEMA DEL CAMINO MAS CORTO10 DEFINICIN DEL PROBLEMA.11

2.3 PROBLEMA DEL RBOL EXPANDIDO MNIMO....13 ALGORITMO DE KRUSKAL.....14

2.4 PROBLEMA DE FLUJO MXIMO.16

2.5 RUTA CRITICA ( PERT-CPM)...19 CONCLUCIN BIBLIOGRAFA

INTRODUCCIN

El origen de la Investigacin Operativa puede considerarse como anterior a la Revolucin Industrial, aunque fue durante este perodo que comienzan a originarse los problemas tipo que la Investigacin Operativa trata de resolver. Los primeros desarrollos de esta disciplina (IO) se refirieron a problemas de ordenamiento de tareas, reparto de cargas de trabajo, planificacin y asignacin de recursos en el mbito militar en sus inicios, diversificndose luego, y extendindose finalmente a organizaciones industriales, acadmicas y

gubernamentales. El estudio de las propiedades estructurales y su optimizacin as como su dinmica son objeto del anlisis de redes. El anlisis de redes es el rea encargada de analizar las redes mediante la teora de redes (conocida ms genricamente como teora de grafos). Las redes pueden ser de diversos tipos: social, transporte, elctrica, biolgica, internet, informacin, epidemiologa, etc. Los estudios realizados sobre las redes abarcan sus estructuras tales como en las redes de mundo pequeo, las redes libres de escala, los crculos sociales, medidas de centralidad. Puede ser objeto de estudio la optimizacin como en el caso de mtodo de la ruta crtica, el PERT (del ingls Program Evaluation & Review Technique). As como la dinmica de las redes como pede ser el estudio de sistema dinmico secuencial (SDS del ingls Sequential Dynamical System), o de propiedades como la asignacin dinmica de flujos.

2.1 PROBLEMA DE TRANSPORTE.

El Problema de Transporte corresponde a un tipo particular de un problema de programacin lineal. Si bien este tipo de problema puede ser resuelto por el mtodo Simplex, existe un algoritmo simplificado especial para resolverlo. Formulacin del Problema de Transporte. A modo de ejemplo, construyamos el modelo de programacin lineal para el siguiente problema. Ejemplo 1. Una empresa energtica dispone de tres plantas de generacin para satisfacer la de manda elctrica de cuatro ciudades. Las plantas 1, 2 y 3 pueden satisfacer 35, 50 y 40 millones de [kWh] respectivamente. El valor mximo de consumo ocurre a las 2 PM y es de 45, 20, 30 y 30 millones de [kWh] en las ciudades 1, 2, 3 y 4 respectivamente. El costo de enviar 1 [kWh] depende de la distancia que deba recorrer la energa. La siguiente tabla muestra los costos de envi unitario desde cada planta a cada ciudad. Formule un modelo de programacin lineal que permita minimizar los costos de satisfaccin de la demanda mxima en todas las ciudades. Hacia Desde Planta 1 Planta 2 Planta 3 Demanda
(Millones kWh)

Oferta
(Millones kWh)

Ciudad 1 8 9 14 45

Ciudad 2 6 12 9 20

Ciudad 3 10 13 16 30

Ciudad 4 9 7 5 30 35 50 40

En primer lugar debemos definir las variables de decisin necesarias para representar las posibles decisiones que puede tomar la empresa energtica. En este caso, corresponde a la cantidad de energa que se debe enviar desde cada planta a cada ciudad, luego para i = 1 : : : 3 y j = 1 : : : 4 : xij = nmero de millones de [kWh] producidos en la planta i enviadas a ciudad j.

En trminos de estas variables, el costo total de entregar energa a todas las ciudades es:

8x11 + 6x12 + 10x13 + 9x14 (Costo de enviar energa desde la Planta 1) +9x21 + 12x22 + 13x23 + 7x24 (Costo de enviar energa desde la Planta 2) +14x31 + 9x32 + 16x33 + 5x34 (Costo de enviar energa desde la Planta 3)

El problema tiene dos tipos de restricciones. En primer lugar, la energa total suministrada por cada planta no puede exceder su capacidad. En este caso se habla de restricciones de oferta o suministro. Como existen tres puntos de oferta o suministro, existen tres restricciones:

x11 + x12 + x13 + x14 35 (Restriccin de oferta de la Planta 1) x21 + x22 + x23 + x24 50 (Restriccin de oferta de la Planta 2) x31 + x32 + x33 + x34 40 (Restriccin de oferta de la Planta 3)

En segundo lugar, se deben plantear las restricciones que permitan asegurar que se satisfaga la demanda en las cuatro ciudades. As, las restricciones de demanda para cada punto de demanda quedan:

x11 + x21 + x31 45 (Restriccin de demanda de la Ciudad 1) x12 + x22 + x32 20 (Restriccin de demanda de la Ciudad 2) x13 + x23 + x33 30 (Restriccin de demanda de la Ciudad 3) x14 + x24 + x34 30 (Restriccin de demanda de la Ciudad 4)

Evidentemente, cada xij debe ser no negativo, por lo tanto se agregan las restricciones xij 0 donde i = 1 : : : 3 y j = 1 : : : 4. Ms adelante demostraremos que la solucin de este problema es z = 1020, x12 = 10, x13 = 25, x21 = 45, x23 = 5, x32 = 10 y x34 = 30. El resto de las variables vale cero.

COMO EQUILIBRAR UN PROBLEMA DE TRANSPORTE

a)

Si el suministro total excede a la demanda total, se equilibra, creando un

punto de demanda ficticio, el cual tendr como valor de demanda, la cantidad de suministro en exceso. El costo de los envos, como no son reales, sern cero; aunque se les puede asignar un costo de almacenaje. b) Si el problema de transporte tiene un suministro total menor que la demanda

total, entonces se crea un punto de suministro ficticio, la cantidad que producira ser igual a la cantidad faltante. El costo tambin ser cero o bien un costo de penalizacin por no cubrir la demanda. Si algn punto de demanda, no puede, o no se quiere que envi a un punto de demanda, se le asignara una penalizacin muy alta al costo del envi (M).

SOLUCIN AL PROBLEMA DE TRANSPORTE

Los pasos para solucionar un problema de transporte son: Paso 1.- Si el problema est desequilibrado, equilbrelo. Paso 2.- Encontrar una solucin factible inicial, en este caso utilizando el mtodo de la esquina noroeste. Se utiliza la tabla de simplex de transporte para resolver el problema. Paso 3.- Haga que u1 = 0 y ui + vj = cij para todas las variables bsicas con la finalidad de encontrar [u1,u2..um; v1, v2vn] para la sfb (solucin factible inicial). Paso 4.- Si ui + vj - cij0 para las variables no bsicas, entonces las sfb actual es ptima. Si ste no es el caso, entonces se introduce en la base la variable con el valor positivo ms grande de ui + vj cij. Para hacer esto, encuentre el bucle. Luego contando slo las celdas de bucle, marque las celdas pares. Tambin marque las impares. Ahora encuentre la celda impar cuya variable tome el valor ms pequeo, . Los valores de las variables que no estn el bucle permanecen sin cambio. El pivote ahora est completo. Si =0, entonces la variable entrante ser igual a cero, y una variable impar que tiene el valor actual de 0 saldr de la base. En este caso resultar una sfb degenerada. Si ms de una celda impar del bucle es igual a , se podra elegir de manera arbitrara que una de estas celdas 3 4

impares salga de la base; de nuevo, se obtiene un sfb degenerada. Este pivoteo produce una nueva sfb. Paso 5.- Usando la nueva sfb, vuelva a los pasos 3 y 4. Si el problema es de maximizacin se siguen los mismos pasos, pero se sustituye el paso 4 de la siguiente manera. Paso 4.- Si ui + vj cij 0 para las variables no bsicas, la sfb es ptima, de otro modo introduzca una variable con le valor negativo ms grande de ui + vj cij en la base por medio del procedimiento de pivoteo. Para Encontrar Una Solucin Factible Inicial. (Paso 2) Para empezar a resolver el problema de transporte una vez colocado en la tabla de transporte, se tiene que encontrar una solucin factible inicial. Existen 3 mtodos conocidos, que son: a) mtodo de esquina noroeste b) mtodo de costo mnimo c) mtodo de Vogel.

2.1.1 MTODO DE LA ESQUINA NOROESTE Se comienza colocando en la esquina superior izquierda (noroeste) de la tabla de transporte, el valor de x11, que ser el valor ms grande posible de acuerdo al recurso disponible y la demanda. Si el valor de x11 es igual al valor del suministro (x11= s1 ) ya no se le asignara otra variable bsica a el rengln 1 y el valor de la siguiente variable, se colocara en el siguiente rengln pero misma columna y el valor tratara de agotar a la demanda de la columna 1 (d1). Si el valor de x11 es igual al valor de la demanda (x11= d1 ) ya no se le asignara otra variable bsica a la columna 1 y el valor de la siguiente variable, se colocara en la siguiente columna pero misma rengln y el valor tratara de agotar a le suministro del rengln 1 (s1). Si x11= s1= d1 se puede anular ya sea la columna o el rengln eligiendo arbitrariamente. Si se elimina el rengln 1 se pasa al rengln 2 y se coloca con valor cero, y se continua con un valor en la siguiente columna. Si se elimina la 4

columna 1, se pasa a la siguiente columna y se le coloca el valor de cero, y se contina con un valor en el rengln siguiente. EJEMPLO No 1. Un empresario se dedica al ensamble y venta de computadoras, el puede ensamblar en tres lugares diferentes y enviar estas computadoras a sus 4 puntos de ventas que tiene. Para la prxima semana tiene llevar 5 computadoras al punto de venta No. 1, 15 al punto de venta No. 2, 15 al punto de venta No. 3, y 10 al punto de venta No. 4.En donde ensambla tiene las siguientes computadoras, en el lugar 1 tiene 15, en el lugar 2 tiene 25, y en el lugar 3 tiene 5. El costo que tiene el transporte de cada computadora saliendo de las diferentes ensambladoras para llegar a los diferentes destinos son:
DESTINO EN S. 1 2 3 1 10 12 0 2 0 7 14 3 20 9 16 4 11 20 18

SOLUCION: Utilizando la tabla simplex de transporte y colocndole los datos del problema tenemos: Destino 1 1 10 2 12 3 0 Demanda 6 Vj 2 0 7 14 16 3 20 9 16 16 4 11 20 18 10 16 26 6 Recursos ui

Paso 1. Se verifica y se obtiene que el suministro es igual a la demanda por lo tanto el problema est equilibrado. Paso 2. Se obtiene una solucin factible inicial por el mtodo de la esquina noroeste. Quedando la tabla de la siguiente manera.

El costo total de esta solucin bsica es:

5(10)+10(0)+5(7)+15(9)+5(20)+5(18) = 410

Paso 3. Encontrando lo valores de las u y v tenemos que u1=0 y adems de las variables bsicas tenemos: x11 u1 + v1 = 10 x12 u1 + v2 = 0 x22 u2 + v2 = 7 x23 u2 + v3 = 9 x24 u2 + v4 = 20 x34 u3 + v4 = 18 Paso 4. Evaluando ahora las variables no bsicas tenemos: x13 u1 + v3 c13= 0 + 2 20 = 18 x14 u1 + v4 c14= 0 + 13 11 = 2 x21 u2 + v1 c21= 7 + 10 12 = 5 x31 u3 + v1 c31= 5 + 10 0 = 15 x32 u3 + v2 c32= 5 + 0 14 = -9 x33 u3 + v3 c33= 5 + 2 16 = -9 Como podemos observar la condicin de optimalidad nos dice el resultados de las celdas no bsicas tienen que ser menor o igual a cero. Como se observa esto no se cumple, por lo tanto tenemos que iterar tomando la variable no bsica que entra, la que tenga el mayor numero positivo en este caso x31. Como sabemos que u1=0, entonces v1=10, v2=0, u2=7, v3=2, v4=13 y u3=5

ahora tenemos que ir a la tabla y encontrar la posicin de x31 y construir el bucle (ciclo cerrado) para encontrar que variable bsica es la que sale.

2.1.2 PROCEDIMIENTO DE OPTIMIZACIN. Una de las herramientas ms importantes de la optimizacin es la programacin lineal. Un problema de programacin lineal est dado por una funcin lineal de varias variables que debe ser optimizada (maximizada o minimizada) cumpliendo con cierto nmero de restricciones tambin lineales. El matemtico G.B. Dantzig desarroll un algoritmo llamado el mtodo simplex para resolver problemas de este tipo. El mtodo simplex original ha sido modificado a fin de obtener un algoritmo eficiente para resolver grandes problemas de programacin lineal por computadora. Por medio de la programacin lineal se pueden formular y resolver problemas de una gran variedad de campos del quehacer humano, entre los que se puede mencionar: asignacin de recursos en la planificacin de gobierno, anlisis de redes para planificacin urbana y regional, planificacin de la produccin en la industria, y la administracin de sistemas de transporte y distribucin. Por esto la programacin lineal es uno de los xitos de la moderna teora de la optimizacin.

La programacin entera est relacionada con la resolucin de problemas de optimizacin en los cuales al menos algunas de las variables deben tomar slo valores enteros. Cuando todos los trminos son lineales se habla de programacin lineal entera. Muchos problemas de naturaleza combinatoria se pueden formular en trminos de programacin entera. Entre los ejemplos prcticos se puede citar: ubicacin de insumos, secuencia miento de trabajos en lneas de produccin, balance de lneas de montaje, problemas de asignacin biunvoca, control de inventarios, y reemplazo de mquinas. Uno de los mtodos importantes para resolver esos problemas, debido a R.E. Gomory, se basa en parte, en el mtodo simplex antes mencionado. Otro mtodo es de naturaleza combinatoria y consiste en reducir el problema original a otros ms pequeos, y tal vez ms fciles, y partir el conjunto de soluciones posibles en subconjuntos ms pequeos que pueden ser analizados ms fcilmente. Este mtodo se llama branch and bound (ramificacin y

acotacin) o branch and backtrack. Dos de las contribuciones importantes a ste mtodo las han hecho Balas y Dakin. Pese a las mejoras realizadas no existe an un mtodo unificado que sea eficaz para resolver problemas de programacin entera de tamao realista.

Otra clase de problemas involucran la administracin de una red. Problemas de flujo de trfico, comunicaciones, distribucin de bienes, y planificacin de proyectos son generalmente de este tipo. Muchos de estos problemas se pueden resolver por los mtodos mencionados previamente (programacin entera o lineal). Sin embargo debido a que esos problemas usualmente tienen una estructura especial, se han desarrollado tcnicas especializadas ms eficientes para su resolucin. En este campo las mayores contribuciones se deben a Ford y Fulkerson; quienes desarrollaron el mtodo de etiquetado para maximizar el flujo de un producto a travs de una red y un mtodo para minimizar el costo de transportar una cantidad dada de producto a travs de una red. Esas ideas se pueden combinar con las de programacin entera para analizar toda una familia de problemas prcticos de redes. Algunos problemas se pueden descomponer en partes y se optimizan los procesos de decisin de stas. En algunas instancias es posible alcanzar el ptimo del problema original solamente descubriendo como optimizar esas partes constituyentes. Este proceso de descomposicin es muy potente, pues permite resolver una serie de problemas ms pequeos y fciles en vez de uno grande que podra ser intratable. Los sistemas para los cuales esta aproximacin brinda un ptimo vlido se llaman sistemas seriales multi-etapa. Una de las tcnicas ms conocidas para abordarlos fue bautizada programacin dinmica por R. E. Bellman, el matemtico que la desarroll. Los sistemas seriales multietapa se caracterizan por un proceso que se realiza en etapas, como los procesos de manufactura. En vez de intentar optimizar alguna medida de desempeo viendo a todo el problema como una unidad, la programacin dinmica optimiza una etapa por vez a fin de producir un conjunto de decisiones ptimas para todo el proceso. 8

CONCEPTOS BSICOS DE OPTIMIZACIN

Cada concepto se ilustra por medio del siguiente ejemplo. El problema es: Maximizar: f (x1,x2) sujeto a: h1 (x1,x2) 0 x1 0 x2 0 (1.1) (1.2) (1.3) (1.4)

Este es un problema tpico en la teora de optimizacin: la maximizacin (o minimizacin) de una funcin real de variables reales (a veces una sola variable) sujeta a un nmero de restricciones (a veces este nmero es cero). La funcin f se llama funcin objetivo, x1 y x2 se llaman variables independientes o variables de decisin. El problema es encontrar valores reales para x1 y x2, que satisfagan las restricciones (1.2), (1.3) y (1.4), los cuales introducidos en (1.1) hagan que f (x1,x2) tome un valor no menor que para cualquier otro par x1,x2. En la figura siguiente se muestran tres contornos de la funcin objetivo.

x2 (0,1)

f (x1,x2) = 0.25 f (x1,x2) = 0.50 S

h1 (x1,x2) = 0

f (x1,x2) = 1.00

(1,0) 9

La funcin objetivo tiene el mismo valor en todos los puntos de cada lnea, de modo que los contornos pueden asimilarse a las isobaras (o isotermas) de un mapa climtico. No es difcil ver que la solucin del problema es: X= (x1, x2) = (1,0) Esto significa que f (x) f (x ) , Cuando una solucin satisface (1.5) se llama solucin ptima, y en este

caso solucin mxima (tambin solucin optima o mxima). Si el smbolo en (1.5) fuera , x sera una solucin mnima. Adems, f (x) se llama valor ptimo, y no debe ser confundido con solucin ptima. En la figura se observa que se podran obtener valores mayores de f eligiendo ciertos x1, x2 fuera de S. Cualquier par ordenado de nmeros reales se llama solucin del problema y el valor correspondiente de f se llama valor de la solucin. Una solucin X tal que X1 0, X2 se llama solucin factible, en tanto que S = {(X1 ,X2 ): h (X1 ,X2) 0}, que generalmente es una regin conexa, se llama regin factible. 0,

2.2 PROBLEMA DEL CAMINO MS CORTO.

Este problema se presenta cuando necesitamos encontrar en un red la distancia ms corta entre un nodo fuente y llegar a un nodo destino. Esto podra ocuparse en una red de transporte, para determinar la ruta ms corta entre dos ciudades, o la ruta ms corta para colocar algn cable de comunicacin o de energa elctrica, etc. Para resolver estos problemas podemos utilizar el siguiente algoritmo: Digamos que: dij = distancia de la red entre nodos adyacentes i y j. uj = distancia ms corta a un nodo i al nodo j u1 = 0

10

uJ= min. (Distancia ms corta a un nodo i inmediatamente anterior mas la distancia entre el nodo actual j y su predecesor i) uJ= min. { uj + dij } Ejemplo: En un parque declarado reserva natural, se permite paseos y campamentos pero no se permite el paso de vehculos, ya que el parque cuenta con jeep ecolgicos que transportan a la gente a las diferentes estaciones. La siguiente red es una representacin de los caminos dentro del parque y las diferentes estaciones. El nodo 1 representa la entrada del parque, el nodo 7 representa el mirador principal del parque que ofrece una maravillosa vista, los dems nodos son estaciones de servicios como cafeteras, baos, etc. Un visitante llego al parque pero desea llegar lo ms rpido posible al mirador, Cul ser la ruta ms corta que pueda tomar el conductor del jeep? Los nmeros de los arcos indican la distancia en kilmetros entre los nodos.

El problema de la ruta ms corta incluye un juego de nodos conectados donde slo un nodo es considerado como el origen y slo un nodo es considerado como el nodo destino. El objetivo es determinar un camino de conexiones que minimizan la distancia total del origen al destino. El problema se resuelve por el algoritmo de etiquetado. Se trata de encontrar la ruta de menor distancia, o costo, a entre el punto de partida o nodo inicial y el destino o nodo terminal. DEFINICIN DEL PROBLEMA -Se tienen n nodos, partiendo del nodo inicial 1 y terminando en el nodo final n. -Arcos bi-direccionales conectan los nodos i y j con distancias mayores que cero, dij

11

-Se desea encontrar la ruta de mnima distancia que conecta el nodo 1 con el nodo n. Por medio de la aplicacin del algoritmo de este problema podemos conocer la menor distancia entre un nodo origen y un nodo destino. Pasos a seguir: Primer paso: Elaborar un cuadro con todos los nodos y los ramales que salen de l. Segundo paso: Partiendo del origen, debemos encontrar el nodo ms cercano a l. Tercer paso: Anular todos los ramales que entren al nodo ms cercano elegido. Cuarto paso: Comenzando en el origen se debe encontrar el nodo ms cercano a l, por intermedio del(los) nodo(s) ya elegido(s) y volver al tercer paso hasta llegar al destino.

PROBLEMA DE LA RUTA MS CORTA

Cul es el camino ms corto desde la origen (s de source) hasta el destino (t)?

Supuestos: Existe un camino de la fuente a todos los dems nodos Todos los largos de los arcos son no negativos

Cul es el camino ms corto del nodo 1 al 6?

12

1 1 0 1

2.3 PROBLEMA DEL RBOL EXPANDIDO MNIMO.

rbol: Es un grafo en el que existe un nico nodo desde el que se puede acceder a todos los dems y cada nodo tiene un nico predecesor, excepto el primero, que no tiene ninguno. Tambin podemos definir un rbol como:
o o

Un grafo conexo y sin ciclos. Un grafo sin ciclos y con n-1 aristas, siendo n el nmero de vrtices.

Grado

de

un nodo en un nmero de aquel de nodo

rbol es el subrboles (en

el

ejemplo, el grado de v2 1).

de v1 es 2 y

Denominamos hojas en un rbol a los nodos finales (v3, v5 y v6). Un rbol de mximo alcance es aquel que obtenemos en un grafo conexo y sin ciclos. 13

1 1

rbol de mnima expansin: rbol de mximo alcance cuyo valor es mnimo, es decir, la suma de sus aristas es mnima.

ALGORITMO DE KRUSKAL El algoritmo de Kruskal permite hallar el rbol minimal de cualquier grafo valorado (con capacidades). Hay que seguir los siguientes pasos: 1. Se marca la arista con menor valor. Si hay ms de una, se elige cualquiera de ellas. 2. De las aristas restantes, se marca la que tenga menor valor, si hay ms de una, se elige cualquiera de ellas. 3. Repetir el paso 2 siempre que la arista elegida no forme un ciclo con las ya marcadas. 4. El proceso termina cuando tenemos todos los nodos del grafo en alguna de las aristas marcadas, es decir, cuando tenemos marcados n1 arcos, siendo n el nmero de nodos del grafo. Ejemplo: Determinar el rbol de mnima expansin para el siguiente grafo:

14

Siguiendo el algoritmo de Kruskal, tenemos:

Elegimos, por ejemplo, la arista (5, 6) = 1 (menor valor) y la marcamos. Elegimos la siguiente arista con menor valor (1, 3) = 1 y la marcamos. Elegimos la siguiente arista con menor valor (5, 7) = 2 y la marcamos, ya que no forma ciclos con ninguna arista de las marcadas anteriormente.

Elegimos la siguiente arista con menor valor (1, 2) = 3 y la marcamos, ya que no forma ciclos con ninguna arista de las marcadas anteriormente.

Elegimos la siguiente arista con menor valor (6, 7) = 4 y la desechamos, ya que forma ciclos con las aristas (5, 7) y (5, 6) marcadas anteriormente.

Elegimos la siguiente arista con menor valor (2, 5) = 5 y la marcamos, ya que no forma ciclos con ninguna arista de las marcadas anteriormente.

Elegimos la siguiente arista con menor valor (4, 5) = 6 y la marcamos, ya que no forma ciclos con ninguna arista de las marcadas anteriormente.

FIN. Finalizamos dado que los 7 nodos del grafo estn en alguna de las aristas, o tambin ya que tenemos marcadas 6 aristas (n-1).

Por tanto el rbol de mnima expansin resultante sera:

15

2.4 PROBLEMA DE FLUJO MXIMO.

Problemas de flujos. Existen muchos problemas de flujos en redes. Una red es un sistema de lneas o canales que conectan diferentes puntos y trasmiten algn tipo de informacin. Algunos ejemplos de redes son las lneas de comunicacin, redes de ferrocarril, redes de tuberas de agua, redes de carreteras, redes de aviacin, etc. En todas estas redes estaremos interesados en enviar alguna mercanca especfica desde ciertos puntos de suministro a algunos puntos de demanda. Por ejemplo, en un sistema de tuberas podramos enviar agua. Muchos de los problemas de flujos en redes se pueden formular como problemas de programacin lineal y obtener su solucin mediante el mtodo del simplex. Sin embargo, se han desarrollado otras tcnicas ms eficientes que varan con el problema en cuestin. De entre este tipo de problemas destacamos los siguientes: - Problema de flujo mximo. - Problema de flujo a corte mnimo.

Problema de flujo Mximo. Se considera el problema de trasladar una cierta mercanca desde un punto especfico, llamado fuente a un punto de destino, denominado sumidero. Para ello se considera un grafo dirigido G = (V,A), en el que se consideran dos nodos o vrtices: uno denominado nodo fuente y otro denominado nodo destino. Por supuesto, se considera que no existe un arco directo que conecte el nodo fuente con el nodo destino. Por supuesto, el grafo estar formado por unos nodos intermedios conocidos como puntos de transbordo a travs de los cuales el flujo (la mercanca) es desviado. BASES PARA LA CONSTRUCCIN DE UN FLUJO MXIMO Arco Saturado El arco u de la red se dice saturado cuando k(u) = j(u);

16

La holgura de un arco u es la cantidad libre de su capacidad, an pasible de utilizar y se nota s(u) = k(u) - j(u) Holgura mnima en un camino que va de a a z, es la holgura mnima entre todos los arcos de ese camino. Camino a-z, Li, es un camino i que va de la fuente a la terminal. Ejemplo: Supongamos que a la red de la figura no se le asignaron flujos a sus arcos. Encontramos en esa red el camino L1 = {(a,b), (b,d) (d,z)}= a-b-d-z. La holgura mnima de L1 es 3, min s(u) = 3 " u L1. Esto quiere decir que podriamos sumarle un flujo de 3 unidades a cada uno de los arcos de L1. Luego identificamos el camino L2 = a-c-e-z, y hacemos lo mismo que con L1, en este caso tambin sumamos 3 unidades, min s(u) = 3 " u L2.. Con el mismo procedimiento se podra ir aumentando el flujo de los arcos pertenecientes a caminos que van de a a z, con su holgura mnima, hasta encontrar un flujo que sea mximo. Afirmacin: Cualquier flujo en una red N, se puede descomponer unidades de flujo a-z en caminos que van de a a z. Por ejemplo el flujo de llamadas de telfonos de un pas a otro puede ser descompuesto en llamadas individuales; el flujo de petrleo en su envo, puede descomponerse en los caminos del envo de cada tonelada. Unidad de flujo a-z en L, siendo L un camino que va de a a z, es el flujo jL con jL(u) = 1 si u L y jL(u) = 0 si u L En base a esta unidad, se define la suma de flujos al flujo de una red.

5 5,3 a 5,3

b 5 1 1,0 4 c

3,3

4 6,3 z 6,3 e 5

6,0

3,3

17

Supongamos que a la red de la figura no se le asignaron flujos a sus arcos. Encontramos en esa red el camino L1 = {(a,b), (b,d) (d,z)}= a-b-d-z. La holgura mnima de L1 es 3, min s(u) = 3 " u L1. Esto quiere decir que podriamos sumarle un flujo de 3 unidades a cada uno de los arcos de L1. Luego identificamos el camino L2 = a-c-e-z, y hacemos lo mismo que con L1, en este caso tambien sumamos 3 unidades, min s(u) = 3 " u L2.. Con el mismo procedimiento se podra ir aumentando el flujo de los arcos pertenecientes a caminos que van de a a z, con su holgura mnima, hasta encontrar un flujo que sea mximo. Afirmacin: Cualquier flujo en una red N, se puede descomponer unidades de flujo a-z en caminos que van de a a z. Por ejemplo el flujo de llamadas de telfonos de un pas a otro puede ser descompuesto en llamadas individuales; el flujo de petrleo en su envo, puede descomponerse en los caminos del envo de cada tonelada. Unidad de flujo a-z en L, siendo L un camino que va de a a z, es el flujo jL con jL(u) = 1 si u L y jL(u) = 0 si u L CORTE MNIMO FLUJO MXIMO El conjunto de los nodos X se puede particionar en dos subconjuntos P, y Pc, P U Pc = X, PPc = . Definicin: Un corte en la red N es el conjunto de los arcos incidentes hacia el exterior de P. (P,Pc) = { (x,y) , xP, y Pc, P U Pc = X, PPc =} Un corte me determina posibles caminos desde a a z En la red de la fig. 4.1, si P = {b,c}, Pc = {a,d,e,z}, (P,Pc) = {(b,d), (b,e), (c,e)}; Nota: {(a,b), (a,c), (d,c)} al corte, sin embargo en redes no orientadas, (P,Pc) denota todas las arcos que van de P a Pc. Definicin: Corte a-z (fuente-terminal) es aquel en que aP y zPc. En la red de la fig 4.1, si P = {a,b,c}, (P,Pc) es un corte a-z. Definicin: Capacidad de un corte (P,Pc) viene dada por k(P,Pc) = _ucorte k(u) . Definicin: Flujo a-z, (flujo fuente-terminal) en una red N, es aquel en el que j(u) 18

" u U, los nodos fuente a y pozo z satisfacen las siguientes condiciones: a) 0 j(u)k(u) " uU b)j(u) = 0, " u I-(a) y "uI+(z) c)" x a,"x z, _uI + (x) j(u) = _uI - (x) j(u)

La condicin b) nos asegura que el flujo vaya de la fuente al pozo y no al revs. La condicin c) implica que el flujo parcial que entra a un nodo x, es igual al flujo parcial que sale de x, es llamada la condicin o ley de conservacin de flujo de Kirchhoff. Si se suman las ecuaciones en c) sobre todas las x pertenecientes a un subconjunto P de nodos de una red N que no contengan ni a ni z, se obtiene la siguiente expresin como consecuencia de c: algunos j(u) se repiten en ambos miembros de la igualdad, ya que en ambos lados se sumas el flujo de aquellos arcos que van de un nodo en P a otro en P. Por ejemplo tomando P = {b,c}en el ejemplo de la fig. 4.1, _uI + (b) j(u) = 5+2 = _uI- (b) j(u) = 4+3 _uI + (c) j(u) = 5+3 = _uI - (c) j(u) = 8+0 _xP 5+2+5+3 == _xP 4+3+8+0 Eliminando los flujos j(u) que se repiten en ambos miembros se obtiene una nueva condicin para todo subconjunto P de nodos que no contengan ni a ni z. c') _u(P,P c ) j(u) = _u(P c ,P,) j(u) Es decir que "P que no contenga ni a ni z, el flujo que ingresa a P es igual al flujo que sale de P.

2.5 RUTA CRITICA ( PERT-CPM). El mtodo de camino crtico que presentamos es un mtodo polinomial, no resuelve mas que un tipo de problema de ordenamiento, muy sencillo, en el cual slo se consideran restricciones potenciales. Existen variantes a ste mtodo que permiten introducir otro tipo de restricciones, aunque no asegura optimalizad. CONCEPTOS GENERALES Definicin: Grafo conjuntivo: Un grafo conjuntivo es un grafo G = (X, U, W), ponderado, con un nodo raiz 0 y otro final n+1, tal que existe un camino de valor 19

positivo entre la raiz y todo otro nodo del grafo, y un camino de valor positivo entre todo nodo distinto del nodo final y el nodo final del grafo. Definicin: Conjunto de potenciales: Un conjunto de potenciales sobre un grafo conjuntivo G=(X, U, W) es una aplicacin t : XR, tal que t0 = 0 y para todo arco conjuntivo (i,j) de ponderacin w(i,j)=wij, se tiene la restriccin potencial: (tj - ti) wij. Teorema de Existencia: Una condicin necesaria y suficiente para que exista un conjunto de potenciales sobre un grafo conjuntivo G=(X ,U, W) es que este grafo no contenga circuitos de valor estrictamente positivo.

Planeacin y control de proyectos PERT - CPM. La buena administracin de proyectos a gran escala requiere planeacin, programacin y coordinacin de muchas actividades

Planeacin de mantenimiento e instalacin de sistemas de computo. Programas de conmutadoras Programas de construccin

PERT (Tcnica de evaluacin y revisin de programas- Program evaluationand Review technique). Se utiliza ms comnmente para: Determinar la probabilidad de cumplir con fechas de entrega especficas. Identificar cuellos de botella. Evaluar el efecto de los cambios en el programa.

20

Los sistemas PERT utilizan una red de proyectos Arcos Actividades

Nodos

Eventos

En la red se muestran todas las relaciones de precedencia respecto al orden de las tareas que deben realizarse.

Arcos : Representan las actividades y las relaciones de precedencia. Actividad Ficticia : Es una conexin que identifica una relacin de precedencia, pero no implica la ejecucin de una actividad real (siempre tiene duracin 0). Dos nodos no pueden estar conectados por ms de un arco. Luego se estiman los tiempos de cada actividad.

21

Tiempo ms prximo de un evento. Es el tiempo (estimado) en el que ocurrir el evento, si las actividades que lo preceden comienzan lo ms pronto posible. Se calcula hacia adelante y la iniciacin se etiqueta con cero.

22

La holgura para un evento indica cunto retraso puede tolerarse para llegar a ese evento sin retrasar la terminacin del proyecto.

La holgura para una actividad indica cunto retraso puede tolerarse para llegar a esa actividad sin retrasar la terminacin del proyecto. Una ruta crtica en un proyecto es una ruta a travs de la red tal que todas sus actividades tienen holgura cero. Un proyecto siempre tiene por lo menos una ruta crtica

1- 2- 3- 4- 5- 7 -9 -12- 13

23

CONCLUCIN

El estudio de las propiedades estructurales y su optimizacin as como su dinmica son objeto del anlisis de redes. El anlisis de redes es el rea encargada de analizar las redes mediante la teora de redes (conocida ms genricamente como teora de grafos). Las redes pueden ser de diversos tipos: social, transporte, elctrica, biolgica, internet, informacin, epidemiologa, etc. Los estudios realizados sobre las redes abarcan sus estructuras tales como en las redes de mundo pequeo, las redes libres de escala, los crculos sociales, medidas de centralidad. Puede ser objeto de estudio la optimizacin como en el caso de mtodo de la ruta crtica, el PERT (del ingls Program Evaluation & Review Technique). As como la dinmica de las redes como pede ser el estudio de sistema dinmico secuencial (SDS del ingls Sequential Dynamical System), o de propiedades como la asignacin dinmica de flujos

BIBLIOGRAFA www.eulacias.org/.../introduccion_investigacion_de_operaciones.pdf odelowww.investigacion-operaciones.com/.../TRANSPORTE.pdf - Similares www.angelfire.com/planet/invo_ago_2006/clase8_2.pdf - Similares www.cenidet.edu.mx/misc/cursoadmon/ruta%20critica.pdf - Similares www.fdi.ucm.es/profesor/rosa.../Problemas%20de%20flujos.pdf - Similares Taha H. Investigacin de Operaciones, (4a. ed. ). Mxico: Alfa-Omega 1991.

Prawda, J. Mtodos y Modelos de Investigacin de Operaciones, Vol.. I, Vol. . II. Mxico: Limusa. 1981.