Unidad 1

Unidad 1
Programacin Lineal
1.1 Introduccin a la Programacin Lineal

Qu es un problema?
Soluciones:
Absolucin
Resolucin
Solucin
Disolucin
Por qu decimos que un problema es complejo?

Anlisis de problemas: Quin resuelve los problemas?
Qu entendemos por identificar un problema?
2
Qu es Investigacin de Operaciones?
El uso de las matemticas y las computadoras

para ayudar a tomar decisiones racionales frente a
problemas de administracin complejos
Aplicacin de las tcnicas de la administracin a problemas (sistemas):
Determinsticos
Toda la informacin necesaria para obtener una
solucin se conoce con certeza
Estocsticos
Parte de la informacin no se conoce con certeza
Mtodo Cientfico para resolver problemas complejos

En las Ciencias
Defnase el problema
Recolctense los datos
Formulnse hiptesis
Pruebnse hiptesis
Evalense resultados
Obtnganse conclusiones
En Administracin
Defnase el problema
Recolctense los datos
Defnanse soluciones alternativas
Evalense soluciones alternativas
Seleccinese la mejor alternativa
Puesta en prctica
5
Qu se hace en la realidad?
Estar bien informado
Conocer todas las alternativas
Ser objetivo (ser optimizador econmico)
Muchas
soluciones
Definir el
problema
Establecer
los criterios
de solucin
Pocas
soluciones
Aumentar los
criterios
Buscar las
soluciones
Disminuir
criterios
Solucin
Satisfactoria
Qu hace un Director de Empresa para escoger la accin ms

efectiva para alcanzar las metas de la Organizacin?
Establecer Criterio que usar

Seleccionar un conjunto de alternativas para considerarlas
Determinar el modelo que se usar y los valores de los parmetros
Determinar la alternativa que optimiza el criterio
Aportes: Tcnicas de Programacin Lineal

George Dantzig (USAF), Marshall Wood y Murray Geisler
Wassily Leontief (modelo insumo-producto)
Mtodo Simplex
Gomory (programacin lineal discreta)

Lester Ford y D. K: Fulkerson (redes, trayectoria crtica)
CPM y PERT
CONSTRUCCIN DE MODELOS CUANTITATIVOS
Los mtodos cuantitativos se emplean:

Como gua en la toma de decisiones
Como ayuda en la toma de decisiones
Para automatizar la toma de decisiones
Caractersticas de los Sistemas Administrativos

Def: Sistema....
Tipos de sistemas: Cerrados, abiertos
Modelos:
Normativos, descriptivos
Concretos, Abstractos (verbales o simblicos)
Aplicacin (Inventarios)
Tcnica (Programacin Lineal)
Comparacin de Modelos (validez, confialbilidad
y la simplicidad)
10
Dimensionalidad de los modelos (unidades)

Toma de decisiones
Categora
Consecuencia
Certidumbre
Deterministas
Riesgo
Probabilsticas
Incertidumbre
Desconocidas
Conflicto
Influidas por un oponente
Dimensionalidad de los modelos (unidades)
11
Uso de Datos para la Toma de Decisiones
Determina primero los hechos, despus puedes

tergiversarlos como te plazca. Mark Twin
Los hechos no dejan de existir porque se ignoren.

Aldous Huxley
12
Qu son los datos?

Son hechos o conceptos conocidos o supuestos y
generalmente se expresan en nmeros
Tipos de datos
Internos y externos
Objetivos y subjetivos
Requerimientos de datos en diferentes niveles de
la Organizacin
Control operativo
Control Administrativo
Planeacin estratgica
13
Situacin: Inversin
Considere el problema enfrentado por Mark, graduado de la maestra de
administracin de empresas, quin recientemente obtuvo un puesto como
analista financiero en una compaa de Wall Street. Uno de los beneficios
adicionales es un plan de retiro en el que el empleado pone 5% de su ingreso
mensual. La compaa iguala esta cantidad. El dinero de este plan es entonces
invertido en dos fondos: un fondo de acciones y un fondo de bonos. El
Departamento de Beneficios le ha pedido a Mark que especifique la fraccin de
este dinero que habra que invertir en cada fondo. Mark ha analizado el
rendimiento anterior de estos fondos y se ha enterado de que el fondo de
acciones ha crecido a una tasa anual promedio de 10%, mientras que el fondo
de bonos, ha promediado una retribucin anual de 6%. Para diversificar su
cartera y para controlar el riesgo, no desea poner todos los huevos en una sola
canasta, ha identificado dos pautas:
1. Ninguno de los fondos debe tener ms del 75% de la inversin total.
2.La cantidad invertida en el fondo de acciones no debe exceder del doble
invertido en el fondo de bonos.
14
1 Definicin del problema

El problema de Mark est bien definido, se conoce el
objetivo global, las limitaciones bsicas para la toma de
decisin
2 Desarrollo del Modelo Matemtico

Expresar el problema en forma matemtica (formular el
modelo), por lo que se requiere determinar las variables
involucradas
15
Variables de decisin:
S : Fraccin de capital por invertir en acciones
B : Fraccin de capital por invertir en bonos
Para el problema se desean escoger valores para que estas
variables:
1 Maximicen la retribucin anual esperada
2 Satisfagan todas las pautas de inversin
16
- Funcin Objetivo
El objetivo global de un problema de decisin
expresado en una forma matemtica en trminos de
los datos y de las variables de decisin:
Maximizar
0,1 S + 0,06 B
- Restricciones (limitaciones)
Es un lmite sobre los valores de las variables en un
modelo matemtico tpicamente impuestos por
condiciones externas.
17
- Ningn fondo tenga ms del 75% de lo invertido

S 0,75 (lmite superior en el fondo de acciones)
B 0,75 (lmite superior en el fondo de bonos)
- La fraccin S invertida en el fondo de acciones no debe
exceder del doble de la fraccin B invertida en el fondo
de bonos
S2B
S-2B0
- Cada fraccin debe ser no negativa

S, B 0
18
Finalmente el modelo resultante es:

Maximizar
Sujeto a:
S
B 0,75
S
-
0,1 S + 0,06 B
0,75
2B 0
S, B 0
19
3 Resolucin del modelo matemtico

Al resolver el problema usando cualquier tcnica se
tienen los siguientes valores para las variables de
decisin:
S = 0,75 y
B= 0,75
Generando una retribucin de:
0,1 * 0,75 + 0,06 * 0,75 = 0,12 (12%)
Solver 1
20
4 Validacin y Control de la Solucin

Al observar los valores de las variables de decisin
(S=0,75 y B=0,75) se ve que no tienen sentido. No se
puede invertir un 75% en ambos fondos
simultneamente.
Hay un error, no se incorpor una restriccin, esto es,
los recursos disponibilidad.
S + B=1
21
5 Modificacin del Modelo

Maximizar
0,1 S + 0,06 B
Sujeto a:
S
S
S
0,75
B 0,75
2B 0
B =1
S, B 0
22
Resolviendo nuevamente se tiene que:

S = 0,6667 y
B = 0,3333
Finalmente la retribucin es
0,1 * 0,6667 + 0,06 * 0,33333 = 0,86667
Nota: Emplear Solver para determinar el

valor de las variables de decisin
(8,667%)
23
1.2 Construccin de Modelos de PL

Modelo de Programacin Lineal
Es un modelo matemtico en el que las
relaciones entre variables son lineales y
donde hay un solo objetivo o medida de
rendimiento.
La ventaja que tiene el modelo es que
existe una tcnica matemtica que
permite determinar la decisin ptima.
24
FORMALIZACIN DEL MODELO DE PL

El modelo de PL tiene un conjunto de variables de decisin, una
funcin objetivo la que debe maximizarse o minimizarse y un
conjunto de relaciones o restricciones.
Z = C1X1 + C2X2 + ......... CnXn
Z : es un objetivo econmico (beneficios, produccin, costos, etc)
Ci : coeficientes constantes (factores de ponderacin)
Xi : variables de decisin (n)
sujeto a (Restricciones (m) ):
A1X1 + A2X2 + ......... AnXn B1
..................................................
A1X1 + A2X2 + ......... AnXn Bm
25
Matricialmente se tiene:
Vector de variables o
niveles de actividad
x1
x
2
xn
Vector de costos o
factor de ponderacin
c1
c2
... cn
26
a11
a
21
A ..
am1
a12
a22
..
am 2
..
a1n
.. a2 n
.. ..
.. amn
b1
b
2
bn
27
Entonces
Optimizar Z = CT X = [c1 c2 c3]
x1
x
2
xn
c x
j 1
sujeto a
AX
y
X0
28
Ejemplo 1:
Una mueblera produce dos tipos de productos, sillas y
mesas. Supngase que el beneficio marginal por cada
silla es de $8 y por cada mesa es de $10. Para la
produccin se dispone de 20 horas hombre (hh) y de 10
unidades de madera (um). Para la construccin de una
silla se requieren 8 hh y 2 um, y para la construccin de
una mesa se requieren 6 hh y 4 um. Cuntas sillas y
mesas se deben construir para obtener el mayor
beneficio?.
29
Recursos
Sillas Mesas
Disponibilidad de
recursos
R1: horas hombre
20
R2: unidades de
madera
10
Beneficios
$8
$10
30
Formulacin del PL
Sea
X1 : N de sillas
X2 : N de mesas
Funcin Objetivo:
Max Z = 8X1 + 10X2
Sujeto a:
8X1 + 6X2 20
2X1 + 4X2 10
// hh
// um
X1 0 y X2 (no negatividad)
31
Ejemplo 2:
Dos productos se elaboran al pasar en forma sucesiva por tres
mquinas.
El tiempo por mquina asignado a los dos productos est limitado
a 10 horas por da
El tiempo de produccin y la ganancia por unidad de cada
producto son:
Producto
1
2
Minutos por unidad

Mquina 1
Mquina 2
Mquina 3
10
6
8
5
20
15
Ganancia $
2
3
Obtenga el modelo de PL para maximizar la ganancia

32
Solucin:
1. Variables de decisin
X1 : Cantidad del producto 1
X2 : Cantidad del producto 2
2. Funcin Objetivo: Maximizar ganancia
MAX Z = 2 X1 + 3 X2
3. Restricciones
10 X1 + 5 X2 600
6 X1 + 20 X2 600
8 X1 + 15 X2 600
24 X1 + 40 X2 1800
X1 , X2 0
X1 , X2 0
33
Ejemplo 3:
RMC posee una pequea fbrica de pinturas para interiores y exteriores de
casa para su distribucin al mayoreo. Se utilizan dos materiales bsicos, A y B.
La disponibilidad mxima de A es de 6 toneladas diarias, la de B es de 8
toneladas por da. La necesidad diaria de materia prima por tonelada de
pintura para interiores y exteriores se resumen en la siguiente tabla:
Un estudio de mercado ha establecido que la demanda diaria de pintura para

interiores no puede ser mayor que las pinturas para exteriores en ms de una
tonelada. Asimismo, el estudio seala que la demanda mxima de pintura para
interiores est limitada a dos toneladas diarias.
El precio al mayoreo es de $3.000 para la pintura de exteriores y $2.000 para la de
interiores.
Cunta pintura para exteriores e interiores debe producir la fbrica de pinturas
RMC todos los das para maximizar el ingreso bruto?
34
Solucin:
X1 : Toneladas de pintura de exteriores producidas por da
X2 : Toneladas de pintura para interiores producidas por da
2. Funcin Objetivo: Maximizar ganancia
MAX Z = 3 X1 + 2 X2 miles de unidades monetarias
3. Restricciones
X1 + 2 X2 6
2 X1 +
X2 8
- X1 +
X2 1
X2 2
X1 , X2 0
35
Ejemplo 4:
Una empresa fabrica dos productos, A y B. En su elaboracin, cada
producto debe pasar por dos secciones. El suministro de mano de obra

de la seccin 1 es 100 horas y el de la seccin 2 es 200 horas.
El tiempo de mano de obra cuesta $2 por hora en la seccin 1 y $1,5
en la seccin 2. Las horas de mano de obra necesarias por unidad de
cada producto son las siguientes:
Seccin 1
Seccin 2
Producto A
4
2
Producto B
3
8
La cantidad mxima de unidades de B que puede venderse es igual a

treinta; la de A es veinticuatro. La materia prima para cada producto
cuesta $5 por unidad. El precio unitario de A es $30 y el de B es $25$
a) Construya el modelo de PL correspondiente.
36
1.3 Solucin de Problemas PL

Existen varias mtodos, entre ellos se tiene
1.3.1 Mtodo Grfico
1.3.2 Mtodo Simplex
37
1.3.1 Mtodo Grfico

Este mtodo es muy limitado por la incapacidad de
visualizar ms de tres dimensiones. Sin embargo es
recomendable usarlo para fijar los conceptos que son
aplicables a los otros mtodos de resolucin.
38
Los pasos a seguir son:

1. Construir el modelo
2. Graficar cada una de las restricciones en el sistema
formado por las variables de decisin.
3. Identificar la regin (zona) factible
4. Determinar el valor objetivo (VO) a partir de la funcin
objetivo en cada uno de los vrtices de la zona factible.
Si es minimizar, considerar el menor o el mayor en caso
de maximizar.
39
Ejemplo
PROTRAC produce dos lneas de equipo pesado. Una de estas
lneas de productos (llamada equipo para remocin de escombros)
se destina esencialmente a aplicaciones de construccin. La otra
lnea (llamada equipos forestales est destinada a la industria
maderera. El miembro ms grande de la lnea de equipos para
remover escombro (el E-9) y el miembro mayor de la lnea de
equipos forestales (el F-9) se producen en el mismo departamento y
con el mismo equipo. Haciendo uso de las predicciones econmicas
para el prximo mes, el gerente de mercadotecnia de PROTAC
juzga que durante ese periodo ser posible vender los E-9 y los F-9
que la empresa pueda producir. La administracin debe ahora
recomendar una meta de produccin para el prximo mes. Es decir,
cuntos E-9 y F-9 deben producirse?. En la toma de decisin, los
principales factores a considerar son los siguientes:
40
1. PROTRAC tendr una utilidad de $5.000 por cada E-9 que se

venda y $4.000 por cada F-9.
2. Cada producto pasa por operaciones mecnicas tanto en el
departamento A como en el departamento B
3. Para la produccin del prximo mes, estos dos departamentos
tienen disponibles 150 y 160 horas respectivamente. Cada E-9
consume 10 horas en el departamento A y 20 horas en el
departamento B, mientras que cada F-9 consume 15 horas en el
departamento A y 10 horas en el departamento B.
41
4. Con objeto de cumplir un compromiso con el sindicato, el total

de horas de trabajo que se dedicarn a la verificacin de los
productos terminados del prximo mes no puede ser menor en
10% a una meta establecida de 150 horas. Esta actividad se
realiza en un tercer departamento que no tiene relacin con los
departamentos A y B. Cada E-9 requiere de 30 horas de
comprobacin y cada F-9, 10 horas.
5. Con el objeto de mantener su posicin actual en el mercado, la
alta gerencia ha decretado que para la poltica de operacin es
necesario construir al menos un F-9 por cada 3 E-9.
6. Un consumidor importante ha ordenado un total de por lo menos
cinco aparatos (en cualquier combinacin de E-9 y F-9) para el
prximo mes, as es que por lo menos debe producirse esa
cantidad
42
Modelo de PL
a) Variables de decisin:
b) Maximizar Z:
c) Sujeto a:
43
Grfica de PROTRAC
Zona factible
44
Grfica de PROTRAC y funcin Utilidad
45
Grfica de PROTRAC y funcin Utilidad
Solucin
ptima
46
Clculo de E y F
(Vrtice C: Resolver el sistema)
10E + 15F = 150
20E + 10F = 160
E = 4,5
F=7
y VO = 5.000(4,5) + 4.000(7)
22.500 + 28.000
VO = 50.500
47
Consumo: (horas)
Depto A:
10(4,5) + 15(7) = 150
Depto B:
20(4,5) +10(7) = 160
Depto Pruebas: 30(4,5) + 10(7) = 205
En los departamentos A y B el consumo es

igual a la disponibilidad en cambio en el
departamento de pruebas se consumi ms del
mnimo exigido.
48
1.3.2 Mtodo Simplex

1. Forma estndar del Modelo de PL
2. Soluciones Bsicas
3. Mtodo Simplex Primal: Algoritmo
49
A. Forma estndar del Modelo de PL

Todas las restricciones son ecuaciones (con
segundos miembros no negativos
Todas las variables son no negativas
La funcin Objetivo puede ser maximizacin
o minimizacin
A.1 Restricciones
Una restriccin del tipo () puede convertirse en
ecuacin mediante la suma de una variable de
holgura (restando una variable de exceso) al primer
miembro de la restriccin.
Ejemplo:
1) desigualdad: 3x1 + 12x2 20
igualdad 3x1 + 12x2 + x3 = 20 con
x3 0
2) desigualdad: 8x1 + 10x2 120

igualdad 8x1 + 10x2 - x4 = 120 con
x4 0
51
A.2 Segundo miembro no negativo
Se multiplica la desigualdad (ecuacin) por -1
Ej.
3X1 + 2X2 -5
-3X1 - 2X2 <= 5
52
A.3 Variables irrestrictas

Una variable irrestricta (no restringida) xi puede
expresarse en trminos de dos variables no negativas
mediante el uso de la sustitucin:
xi x x
'
i
''
i
x ,x 0
'
i
''
i
La sustitucin debe realizarse

restricciones y en la funcin objetivo
en
todas
las
53
Forma Estndar
Ejemplo:
Escriba el siguiente modelo de PL en la forma estndar:
MAX z = 2x1 + 3x2
sujeto a
x1 + x2 = 10
-2x1 + 3x2 -5
7x1 - 4x2 6
x1 irrestricta y
x2 0
54
Solucin
55
A.4 Funcin Objetivo

El modelo estndar de programacin lineal puede ser
utilizado para resolver problemas del tipo de maximizacin o
de minimizacin, algunas veces sirve para convertir una forma
a la otra.
La maximizacin de una funcin equivale a la
minimizacin del negativo de la misma funcin y viceversa.
Ejemplo:
MAX z = 5x1 + 3x2 + 5x3

es matemticamente equivalente a
MIN (-z) = -5x1 - 3x2 - 5x3
56
B. Soluciones Bsicas
En un PL con m ecuaciones y n incgnitas
Una solucin bsica asociada se determina haciendo n-m
variables iguales a cero y luego, resolviendo las m
ecuaciones con las restantes m incgnitas, siempre que la
solucin exista y sea nica
En la PL nos referimos a las n-m variables que se hacen
cero como variables no bsicas (externas), y a las m
variables restantes como variables bsicas (siempre que
exista una solucin nica).
Se dice que una solucin bsica es factible si todos los
valores de su solucin son no negativos
57
Algoritmo del mtodo Simplex

INICIO
Obtener Forma Estndar (forma aumentada)
Construir tabla inicial
Mientras NO SEA ptimo
{
Identificacin variables de entrada/Salida
Desarrollo de la tabla revisada
}
FIN
58
C. Mtodo Simplex Primal

Construccin de la tabla inicial
Tabla Simplex General
Cj
C1
C2
..
Cn
Variables Valores de
Bsicas
Solucin X1
X2
..
..
Xn Xn+1 Xn+2
..
Xn+m
Xn+1
b1
a11 a12
..
a1n
..
0
.
.
0
Xn+2
..
..
Xn+m
b2
..
..
bm
a21 a22
..
..
..
..
am1 am2
..
..
..
..
a2n
..
..
amn
0
..
..
0
1
..
..
0
..
..
..
..
0
..
..
1
Zj
Cj - Zj
XXX
59
Ejemplo:
Dado el siguiente PL encontrar su solucin
aplicando el mtodo Simplex
60
Forma Estndar (aumentada)

MAX Z = 3 X1 + 2 X2 + 0X3 + 0 X4 + 0 X5 + 0 X6
sa
1)
X1 + 2 X2 + X3 + 0 X4 + 0 X5 + 0 X6 = 6
2)
3)
4)
2 X1 + X2 + 0 X3 + X4 + 0 X5 + 0 X6 = 8
- X1 + X2 + 0 X3 + 0 X4 +
X5 + 0 X6 = 1
0 X1 + X2 + 0 X3 + 0 X4 + 0 X5 +
X6 = 2
X1, X2, X3, X4, X5, X6 >= 0
61
Tabla Inicial
62
Solucin Inicial:Variable Entrante y Saliente
Mayor contribucin
63
Instrucciones
a) Cj- Zj El mayor para variable entrante
b) Se divide la columna solucin por los coeficientes de la columna
de la variable que entra y se elige el menor de los positivos
c) Como la variable que entra es solucin entonces la columna debe ser de ceros y un 1
i) Se divide la fila completa por el pivote (valor de la interseccin fila columna)
ii) Para convertir los otros coeficientes a cero se utiliza la fila resultante del punto anterior
se multiplica por algun coeficiente de tal forma que al sumarlo (restarlo) a la fila de inters
el coeficiente sea cero
-> Para la fila de X3 se multiplica por -1 y se suma
-> Para la fila de X5 slo hay que sumar
-> Para la fila de X6 ya es un cero
La nueva tabla es:
64
Nueva Tabla
65
Segunda Iteracin
66
Tabla resultante
!Cumple la prueba de optimalidad!

67
Un Problema de Minimizacin (Penalizacin: M)

MIN Z = 2 X1 + 8 X2
sa
1) 5 X1 + 10 X2 = 150
2)
X1 20
3)
X2 14
X1 0
68
Forma estndar:
Restricciones:
1) Ya es una igualdad:
2) Tiene variable de holgura:
5 x1 + 10x2 = 150
x1 +
x4 = 20
3) Tiene una variable de exceso: x2 -
x6 = 14
Resumen:
5 x1 + 10x2
x1
= 150
+ x4
x2
= 20
- x6 = 14
No es posible determinar un grupo de variables bsicas !!

69
Forma estndar:
En el ejemplo anterior (maximizacin) todas las
restricciones tenan variables de holgura las que se
consideraban como variables bsicas, pero no es as en
este caso, por lo tanto hay que que agregar variables
artificiales (X3 y X5) asociadas a un costo muy alto (M)
para asegurarse que al final sean variables externas y no
participen en la solucin, para las restricciones 1) y 3).
Estas variables artificiales participan en la funcin
objetivo multiplicadas por el coeficiente M.
70
Modelo Estndar(Aumentado)
MIN Z = 2 X1 + 8 X2 + M X3 + 0 X4 + M X5 + 0 X6
1)
2)
3)
5 X1 + 10 X2 + X3 + 0 X4 + 0 X5 + 0 X6 = 150
X1 + 0 X2 + 0 X3 + X4 + 0 X5 + 0 X6 = 20
0 X1 +
X2 + 0 X3 + 0 X4 + X5 + - X6 = 14
X1, X2, X3, X4, X5, X6 >= 0
71
Tabla Inicial
Las variables bsicas son: X3, X4 y X5
Cj
Base
Solucin
X1
X2
X3
X4
X5
X6
X3
150
10
X4
20
X5
14
-1
Zj
Cj - Zj
XXX
72
Iteracin 1
Entra X2 y sale X5
Cj
Base
Solucin
X1
X2
X3
X4
X5
X6
X3
150
10
X4
20
X5
14
-1
164M
5M
11M
-M
XXX
2-5M
8-11M
Zj
Cj - Zj
73
Iteracin 2
Entra X6 y sale X3
Cj
Base
Solucin
X1
X2
X3
X4
X5
X6
X3
10
-10
10
X4
20
X2
14
-1
112+10M
5M
XXX
2-5M
Zj
Cj - Zj
-10M+8 10M-8
11M-8 -10M+8
74
Iteracin 3
Entra X1 y sale X6
Cj
Base
Solucin
X1
X2
X3
X4
X5
X6
X6
0,5
0,1
-1
X4
20
15
0,5
0,1
120
0,8
XXX
-2
M-0,8
X2
Zj
Cj - Zj
75
Situacin Final
Base
Solucin
X1
X2
X3
X4
X5
X6
X1
0,2
-2
X4
18
-0,2
-2
X2
14
-1
116
0,4
-4
XXX
M-0,4
M-4
Zj
Cj - Zj
La solucin es ptima (todos los elementos

de la ltima fila son cero o positivos).
76
1. 4 Anlisis de sensibilidad
Sensibilidad implica preguntarse qu sucedera s
A) Cambia un coeficiente del lado derecho de las
restricciones
B) Cambia uno de los coeficientes de la funcin objetivo
77
1. 4.1 Interpretacin Grfica
78
Ejemplo:
Recordando el problema de Protac.
Max Z: 5.000 E + 4.000 F

sa
10 E + 15 F 150
20 E + 10 F 160
30 E + 10 F 135
E- 3F 0
E+ F5
E 0 y F 0
79
A)
Cambios en los trminos independientes

La solucin era:
E = 4,5
F=7
y Z = 50.500
Supongamos
a) Que se dispone de una hora adicional en el
departamento A (151 horas)
b) Que se dispone de una menos en el
departamento A (149 horas)
c) Lo anterior pero para el departamento B
80
81
Trazado de la grfica
Caso a)
10 E + 15 F =151
=> E = 151/10 y F = 151/15
Esta recta queda un poco desplazada a la derecha. Su

pendiente no cambia, por tanto el punto C se ha
trasladado al punto C. La solucin se mantiene en la
interseccin de las rectas 10 E + 15 F = 151
20 E + 10 F =160
82
83
Caso b )
10 E + 15 F =149
=> E = 149/10 y F = 149/15
Esta recta queda un poco desplazada a la izquierda. Su

pendiente no cambia, por tanto el punto C se ha
trasladado al punto C. La solucin se mantiene en
la interseccin de las rectas
10 E + 15 F = 149
20 E + 10 F = 160
84
85
86
La solucin ahora es:

Departamento A (1 lado derecho)
a) E = 4,45 F = 7,1 y Z = 50.650
b) E = 4,55 F = 7,1 y Z = 50.350
Departamento B (1 lado derecho)

c1) E = 4,575 F = 6,95 y Z = 50.675
c2) E = 4,425 F = 7,05 y Z = 50.325
87
Diferencia de Z:
Departamento A (1 lado derecho)
a) Z = 50.500 y Z = 50.650
Z = 150
b) Z = 50.500 y Z = 50.350
Z = -150
Departamento B (1 lado derecho)

c1) Z = 50.500 y Z = 50.675
Z = 175
c2) Z = 50.500 y Z = 50.325
Z = -175
88
Definicin:
Precio dual, valor marginal o precio sombra es
el cambio incremental en los beneficios por
cambio unitario en el trmino independiente de
una restriccin
89
B) Cambios unitarios en los coeficientes de la

funcin objetivo
Coeficiente de E: 5001 Z = 50.504,5
E: 4999 Z = 50.495,5
Coeficiente de F: 4001 Z = 50.507

F: 3999 Z = 50.493
90
1. 4. 2 Interpretacin de la Tabla Simplex:
Informacin que se puede obtener de la tabla simplex

La solucin ptima
El estado de los recursos
Los precios duales
Sensibilidad de la solucin ptima a cambios de disponibilidad
de recursos, ganancia marginal (coef. de la FO) y uso de
recursos.
91
Tabla resultante: Solucin ptima
92
Solucin ptima (para el problema de

maximizacin)
Variable de
decisin
Valor
ptimo
Decisin
X1
3 1/3
Producir 3,333 ton pintura exterior
X2
1 1/3
Producir 1,333 ton pintura interior
12 2/3
Ganancia resultante unidades $
93
Estado de los Recursos

Clasificacin de las restricciones: escasa, abundante ya sea
que la solucin ptima consuma o no la cantidad
disponible del recurso.
Se determina a partir de las variables de holgura:
X3 = 0
Escasa
Materia Prima A
X4 = 0
Escasa
Materia Prima B
X5 = 3
Abundante Lmite en exceso para X1 sobre X2
X6 = 2/3
Abundante Lmite en la demanda de X1

94
Precio Dual (Valor unitario de un recurso)

y1 = 1/3 miles de unid mon/ton adicional materia prima A
y2 = 1 1/3 miles de unid mon/ton adicional materia prima B
y3 = 0
y4 = 0
Esta informacin se obtiene de la tabla simplex ptima
considerando los coeficientes de la fila de Z
Base Solucin
X1
X2
X3
X4
X5
X6
1/3
1 1/3
12 2/3
95
El mismo resultado se puede obtener de la ecuacin de Z

ptimo:
Z = 12 2/3 - (1/3 X3 + 1 1/3 X4 + 0 X5 + 0 X6)
Si se cambia X3 de su nivel cero actual, Z cambiar a nivel de 1/3 de
miles de unidad monetaria por tonelada. Pero un cambio en X3 equivale a
cambiar el recurso A en una cantidad igual
X1 + 2 X2 + X3 = 6
Esto significa que el precio dual de la materia prima A es 1/3
Para la materia prima B es 1 1/3 y para los recursos 3 y 4 son cero.
96
1. Cambio mximo en la disponibilidad de Recursos

Cambiar el recurso materia prima A en la cantidad D1
Esto significa que el recurso materia prima A ser 6 + D1
Si D1 > 0, se produce un aumento
Si D1 < 0, se produce una disminucin
97
Cmo hacerlo?
A la restriccin inicial agregar D1 y resolver aplicando
simplex
El cambio slo afecta a la solucin (el segundo miembro),
considerando que las constantes del segundo miembro
nunca se utilizan de pivote.
98
Iteraciones sucesivas conducen a:
Iteracin
Ecuacin
2 (ptima)
12
12 2/3 + 1/3 D1
6 + D1
2+ D1
4/3 + 2/3 D1
10/3-1/3 D1
3 - 1 D1
2/3 - 2/3 D1
99
Tabla: Solucin ptima
100
Qu hacer con toda esta informacin?

Procurar que la solucin siga siendo factible
Esto significa que las variables bsicas no deben
ser negativas. Mantener la no negatividad
1) X2 = 4/3 +2/3 D1 0
2)
X1 = 10/3 -1/3 D1 0
3)
X5 = 3 - D 1 0
4)
X6 = 2/3 -2/3 D1 0
101
Se consideran dos casos:
Caso 1: D1 >0
1) Se satisface con cualquier valor
2) D1 10
3) D1 3
4) D1 1
En consecuencia D1 debe ser a lo ms 1
102
Caso 2: D1 < 0
2), 3) y 4) se satisfacen siempre
1) D1 -2
en este caso D1 -2
Resumen:
-2 D1 1
6 - 2 Materia prima A 6+1

4 Materia prima A 7
103
Haciendo el mismo anlisis para la materia

prima B se tiene:
-2 D2 4
8 - 2 Materia prima B 8+4

6 Materia prima B 12
104
2. Cambio mximo
Utilidad/Costo marginal
en
la
relacin
La FO nunca se utiliza como ecuacin pivote, por lo

tanto cualquier cambio en sus coeficientes la
afectarn slo a ella en la tabla ptima.
Pueden ocurrir dos casos: que las variables sean
bsicas o no en tabla ptima.
105
Caso 1: Variables bsicas

Cambiar la ganancia marginal de X1 de 3 a 3 + D1
D1 puede ser positivo o negativo
La FO tendr la forma
Z = (3+D1)X1 + 2X2
Utilizando este nuevo coeficiente se llega a la
siguiente tabla ptima:
106
Los nicos cambios en los coeficientes no bsicos X3 y

X4 de la ecuacin de Z
107
Estos cambios pueden determinarse de la tabla original,

multiplicando los coeficientes no bsicos y el segundo miembro
de la fila de X1 por D1, y luego sumandolo a la fila Z ptimo.
A= 12 1/3 + 10/3 D1
B = 1/3 - 1/3 D1
C = 4/3 + 2/3 D1
108
Para el caso de maximizacin:

1/3 - 1/3 D1 0 y
de la primera D1 1
y de la segunda D1 -2
4/3 + 2/3 D1 0
-2 D1 1
Finalmente:
3-2 C1 3 + 1
1 C1 4
Intntelo para C2 !!!!!
109
Caso 2: Variables no bsicas

Un cambio en los coeficientes objetivos pueden afectar
slo a los coeficientes de la ecuacin de Z (la columna
correspondiente no se utiliza como pivote).
El caso en estudio no sirve porque X 1 y X2 son bsicas en
la tabla ptima.
110
Ejemplo:
Sea Z = 5X1 + 2X2
para las mismas restricciones del ejemplo en estudio.
La tabla resultante es:
111
X2 es ahora no bsica
El objetivo es cambiar su coeficiente C 2 = 2 a C2 + D2 y
luego encontrar el intervalo.
Al aplicar el nuevo coeficiente habr un cambio en el
coeficiente de 0,5 a 0,5 - D 2
En general, el cambio D del coeficiente objetivo original
de una variable no bsica conduce SIEMPRE al
decremento en la misma cantidad del coeficiente objetivo
en la tabla ptima.
La tabla permanecer ptima en tanto que 0,5 -D 2 0
esto es, D2 0,5
112
El intervalo es
-infinito D2 0,5 +2
-infinito D2 2,5
113
Ejemplo:
Resolver el siguiente PL empleando simplex y realizar
un anlisis de sensibilidad.
MAX Z = 3X1 + 2X2 +5X3
sa
X1 + 2X2 + X3 500
3X1
+ 2X3 460
X1 + 4X2
420
X1 ,X2 , X3 0
114
1.5 Mtodo Simplex Dual

Cuando los problemas de PL no tienen una solucin factible
bsica inicial con slo holguras, se pueden resolver sin utilizar
variables artificiales, entregando la misma informacin.
DEFINICIN DEL PROBLEMA DUAL
El dual es un problema de PL que se obtiene matemticamente
de un modelo primal de PL dado. Los problemas primal y dual
estn relacionados a tal grado que la solucin de uno de ellos
conduce en forma automtica a la solucin del otro.
115
En la mayora de los procedimientos de PL, el dual se

define para varias formas del primal, dependiendo de
los tipos de restricciones, de los signos de las
variables y del sentido de la optimizacin.
Se incluir una definicin nica del problema dual que
incluye automticamente a todas las formas del
primal. Se basa en el hecho de que el problema de PL
debe calcularse en forma estndar antes de resolverlo
mediante el mtodo simplex o simplex dual, de esta
manera al definir el problema dual mediante la forma
estndar, los resultados sern consistentes con la
informacin contenida en la tabla simplex..
116
La forma estndar general del primal se define como:
maximizar o minimizar
z cjxj
j 1
n
sujeto a
a x
j 1
ij
i = 1, 2, ....., m
j = 1, 2, ..., n
xj 0
Notar que las n variables xj, incluyen los excesos y las holguras.
El esquema se muestra en el siguiente diagrama:
117
Segundo
miembro de
restricciones
duales
Coeficientes
del primer
miembro de las
restricciones
duales
X1
Variables primales
X2
..
Xj
..
Xn
C1
C2
..
Cj
..
Cn
a11
a12
..
a1j
..
a1n
b1
y1
a21
a22
..
a2j
..
a2n
b2
y2
..
..
..
..
..
..
..
..
..
..
..
..
..
..
am1
am2
..
amj
..
amn
bm
j-sima
restriccin
dual
Variable
dual
ym
Funccin
objetivo del
dual
118
El diagrama muestra que el dual se obtiene simtricamente del

primal de acuerdo con las siguientes reglas:
Para toda restriccin primal hay una variable dual
Para toda variable primal hay una restriccin dual
Los coeficientes de las restricciones de una variable primal forman
los coeficientes del primer miembro de la restriccin dual
correspondiente, el coeficiente objetivo de la misma variable se
convierte en el segundo miembro de las restriccin dual; y el
segundo miembro de la restriccin primal se convierte en el
coeficiente objetivo de la respectiva variable dual
Estas reglas indican que el problema dual tendr m variables (y1,
y2, ..., ym) y n restricciones, (correspondientes a x1, x2 ,...., xn).
119
En la tabla siguiente se muestra como determinar los elementos

restantes del problema dual: sentido de la optimizacin, tipo de
restricciones y el signo de las variables duales.
Funcin Objetivo
Estndar del primal
Maximizacin
Minimizacin
Dual
Funcin objetivo Restricciones
Minimizacin
Maximizacin
Variables
Irrestrictas
Irrestrictas
Todas las restricciones primales son ecuaciones y todas las

variables son no negativas.
120
Ejemplo 1:
Primal
Maximizar
sujeto a
Z = 5 X1 + 12 X2 + 4 X3
X1 + 2 X2 + X3 10
2 X1 - X2 + 3 X3 = 8
X1, X2, X3 0
Primal estndar
Maximizar Z = 5 X1 + 12 X2 + 4 X3 + 0 X4
sujeto a
X1 + 2 X2 + X3 + X4 = 10
2 X1 - X2 + 3 X3 +0 X4 = 8
X1, X2, X3 0
121
Dual
Minimizar
w = 10 y1 + 8 y2
y1 + 2 y2 5
2 y1 - y2 12
y1 + 3 y2 4
y1 + 0 y2 0
y1, y2 irrestricta
y1 es irrestricta, pero adems est dominada por y1 0, la restriccin
dual asociada con X4, entonces al eliminar la redundancia el modelo es:
sujeto a X1:
X2:
X3:
X4:
Dual
Final
Minimizar
w = 10 y1 + 8 y2
sujeto a:
y1 + 2 y 2 5
2 y1 - y2 12
y1 + 3 y 2 4
y1 0, y2 irrestricta
122
Unidad 2
Programacin Lineal
Aplicaciones
123
2.1 Modelo de Transporte

El objetivo general es encontrar el mejor plan de distribucin, es
decir, la cantidad que se debe enviar por cada una de las rutas
desde los puntos de suministro hasta los puntos de demanda.
El mejor plan es aquel que minimiza los costos totales de envo,
produzca la mayor ganancia u optimice algn objetivo corporativo.
Se debe contar con:
i) Nivel de oferta en cada fuente y la cantidad de demanda

en cada destino.
ii) Costo de transporte unitario de mercadera desde cada
fuente a cada destino.
124
Tambin es necesario satisfacer ciertas restricciones:

1. No enviar ms de la capacidad especificada desde cada punto de
suministro (oferta).
2. Enviar bienes solamente por las rutas vlidas.
3. Cumplir (o exceder) los requerimientos de bienes en los puntos
de demanda.
125
Grficamente: Para m fuentes y n destinos
Unidades de oferta
C11, X11
s1
d1
s2
d2
sm
dn
donde
Cmn, Xmn
Unidades de demanda
Esquemticamente se podra ver como se muestra en la siguiente

figura
Fuentes
Destinos
Xij: cantidad transportada desde la fuente i al destino j

Cij: Costo del transporte unitario desde la fuente i al destino j
126
Modelo general de PL que representa al modelo de Transporte
minimizar
Z cij xij
i 1 j 1
sa
x
j 1
ij
x
i 1
ij
si
i=1,2,...,m
dj
j=1,2,...,n
xij o
para toda i y j
El modelo implica que al menos la oferta debe ser igual a la demanda

127
Modelo general de PL que representa al modelo de Transporte

Modelo de transporte equilibrado: Oferta = Demanda
x
j 1
ij
x
i 1
ij
Si
i=1, 2, 3,....,m
Dj
j=1, 2, 3,....,n
xij 0
para toda i y j
128
Aplicaciones del modelo de Transporte
El Modelo de Transporte no slo es aplicable al movimiento de

productos, sino que tambin, como modelo se puede aplicar a otras
reas tales como:
Planificacin de la Produccin
Control de Inventarios
Control de Proveedores
Otras
129
Ejemplo:
RPG tiene cuatro plantas ensambladoras en Europa. Estn
ubicadas en Leipzig, Alemania (1);Nancy, Francia (2); Lieja,
Blgica (3), y Tilburgo, Holanda (4). Las mquinas
ensambladoras usadas en estas plantas se producen en Estados
Unidos y se embarcan a Europa. Llegaron a los puertos de
Amsterdan (1), Amberes (2) y El Havre (3).
Los planes de produccin del tercer trimestre (julio a
septiembre) ya han sido formulados. Los requerimientos (la
demanda en destinos) de motores diesel E-4 son los
siguientes:
Planta
Cantidad de Motores
(1) Leipzig
400
(2) Nancy
900
(3) Lieja
200
(4) Tilburgo
500
Total
2000
La cantidad disponible de mquinas E-4 en los puertos(oferta en
orgenes) son:
Puerto
Cantidad de Motores
(1) Amsterdan
500
(2) Amberes
700
(3) El Hevre
800
Total
2000
Los costos ($) de transporte de un motor

desde un origen a un destino son:
Al destino
Desde el
origen
12
13
10
11
10
12
132
Construccin del modelo de PL
Xij = nmero de motores enviados del puerto i a la planta j
i = 1, 2, 3
j = 1, 2, 3, 4
2. Funcin Objetivo
Minimizar Z = 12 X11 + 13 X12 + 4X13 + 6X14 + 6X21 + 4X22 +
10X23 + 11X24 + 10X31 + 9X32 + 12X34 + 4X14
133
3. Restricciones:
1) Oferta: La cantidad de elementos enviados no puede exceder la
cantidad disponible
X11 + X12 + X13 + X14 500
X21 + X22 + X23 + X24
700
X31 + X32 + X33 + X34
800
2) Demanda: Debe satisfacerse la demanda de cada planta

X11 + X21 + X31 400
X12 + X22 + X32 900
X13 + X23 + X33 200
X14 + X24 + X34 500
y de no negatividad Xij 0 para i=1, 2, 3; j= 1, 2, 3, 4
134
Solucin del Modelo de

Transporte
Algoritmos Especficos
2.1.1 Regla de la esquina noroeste (MEN)
2.1.2 Mtodo por aproximacin de Vogel (MAV)
2.1.3 Mtodo del costo mnimo (MCM)
2.1.4 Mtodo del paso secuencial y
2.1.5 DIMO (mtodo de distribucin modificada)
136
Descripcin de los algoritmos

La regla de la esquina noroeste, el mtodo de aproximacin
de Vogel y el mtodo del costo mnimo son alternativas para
encontrar una solucin inicial factible.
El mtodo del escaln y el DIMO son alternativas para

proceder de una solucin inicial factible a la ptima.
Por tanto, el primer paso es encontrar una solucin inicial

factible, que por definicin es cualquier distribucin de
ofertas que satisfaga todas las demandas
137
Descripcin de los algoritmos

Una vez obtenida una solucin bsica factible, el algoritmo
procede paso a paso para encontrar un mejor valor para la
funcin objetivo.
La solucin ptima es una solucin factible de costo mnimo
Para aplicar los algoritmos, primero hay que construir una

tabla de transporte.
138
Tabla Inicial
Origen
1
1
C11
Destinos
2
3
C12
C13
4
C14
....
n
C1n
C21
C22
C23
C24
....
C2n
C31
C32
C33
C34
....
C3n
...
....
.....
....
....
....
Cm1
Cm2
Cm3
Cm4
....
Cmn
Ofertas
Demanda
139
Tabla Inicial del Ejemplo

Plantas
Puertos
1
2
12
3
13
4
4
Oferta
6
500
10
11
700
3
Demanda
10
400
9
900
12
200
4
500
800
2000
140
2.1.1 Regla de la esquina Noroeste

Se inicia el proceso desde la esquina izquierda superior
Se ubican tantas unidades como sea posible en la ruta
Cantidad de Unidades = Mnimo(disponibilidad, demanda)
Las siguientes asignaciones se hacen o bien recorriendo hacia la
derecha o bien hacia abajo.
Las demandas se satisfacen recorriendo sucesivamente de
izquierda a derecha y las ofertas se destinan recorriendo de
arriba hacia abajo.
141
Primera asignacin
Plantas
Puertos
1
2
12
3
13
4
4
Oferta
6
400
2
100
6
10
500
11
700
3
Demanda
10
0 400
9
900
12
200
4
500
800
2000
142
Hasta cuarta asignacin

Plantas
Puertos
1
2
12
400
2
3
13
4
4
Oferta
6
100
6
10
Demanda
10
100
0 400
0 900
12
200
500
700
700
800
2000
11
700
3
100
4
500
143
Esquina Noroeste: Solucin final factible

Plantas
Puertos
1
2
12
400
2
3
13
4
4
Oferta
6
100
6
10
Demanda
10
12
500
700
800
2000
11
700
3
100
100
200
500
0 400
0 900
200
500
Valor FO: 400*12+100*13+700*4+100*9+200*12+500*4= $14.200

144
2.1.2 Mtodo de aproximacin de

Vogel (MAV)
MAV usa informacin de costos mediante el concepto de
costo de oportunidad para determinar una solucin inicial
factible.
Seleccionar en una fila la ruta ms barata y la que le sigue.
Hacer su diferencia (penalidad), que es el costo adicional por
enviar una unidad desde el origen actual al segundo destino y
no al primero.
En nuestro caso, para el puerto1, C13 y C14; Penalidad = 6 - 4
MAV asigna un costo de penalidad por no usar la mejor ruta
en esta fila.
145
2.1.2 Mtodo de aproximacin de Vogel
Lo anterior se repite para cada fila y cada columna, esto es,

determinar todas las penalidades
Los pasos iterativos de MAV son los siguientes:
1. Identificar la fila o columna con la mxima penalidad.
2.Colocar la mxima asignacin posible a la ruta no usada que
tenga menor costo en la fila o columna seleccionada en el punto
1 (los empates se resuelven arbitrariamente)
3. Reajustar la oferta y demanda en vista de esta asignacin.
4. Eliminar la columna en la que haya quedado una demanda 0 (o
la fila con oferta 0), de consideraciones posteriores.
5. Calcular los nuevos costos de penalidad.
146
El MAV contina aplicando este proceso en forma sucesiva

hasta que se haya obtenido una solucin factible.
Los resultados obtenidos se muestran en las siguientes tablas
147
Paso 0: Clculo de penalidades

Plantas
Puertos
1
2
12
3
13
Oferta
Penalidades
2
6
500
10
11
2
700
3
Demanda
Penalidades
10
12
400
900
200
500
5
800
2000
Paso 1: Identificar mxima penalidad (fila o columna)

Calculadas todas las penalidades, la mayor
corresponde a la columna 3 (penalidad = 6)
148

Paso 2: Asignacin de unidades (MIN(oferta,demanda))
Paso 3:Reajuste de oferta y demanda
Plantas
Puertos
1
2
12
3
13
4
4
Oferta
6
200
2
300
10
500
11
700
3
Demanda
10
400
9
900
12
0 200
4
500
800
2000
149
Paso 4: Eliminar columna (fila) con demanda (oferta) 0

Plantas
Puertos
1
2
12
3
13
4
4
Oferta
6
200
2
300
10
500
11
700
3
Demanda
10
400
9
900
12
0 200
4
500
800
2000
150

Paso 5: Calcular los nuevos costos de penalidad
Plantas
Puertos
1
2
12
3
13
4
4
Oferta
6
200
2
300
10
Penalidades
6
500
11
2
700
3
Demanda
Penalidades
10
400
900
12
0 200
4
500
5
800
2000
151
Repitiendo los pasos anteriores, finalmente se llega a la siguiente

solucin
Plantas
Puertos
1
2
12
3
13
4
4
200
2
Oferta
6
300
10
300
500
700
11
700
3
10
400
Demanda
9
200
400
900
12
200
600 800
0 200 200 500
2000
Es solucin factible? m + n - 1 = 6? SI
Costo: 200*4+300*6+700*4+400*10+200*9+200*4 = $12.000
152
2.1.3. Mtodo del Costo Mnimo
Fundamento
Asignar la mayor cantidad de unidades a una ruta
disponible de costo mnimo
Algoritmo
1. Dada una tabla de transporte
2. Asignar la mayor cantidad de unidades a la variable
(ruta) con el menor costo unitario de toda la tabla.
3. Tachar la fila o columna satisfecha.
4. Ajustar oferta y demanda de todas las filas y columnas
5. Si hay ms de una fila o columna no tachada repetir
los puntos 2, 3 y 4
153
2.1.3. Mtodo del Costo Mnimo (cont.)
Ejemplo: Aplicar MCM a la tabla de transporte

Plantas
Puertos
1
2
12
3
13
4
4
Oferta
6
500
10
11
700
10
Demanda
Paso 2
400
9
900
12
200
4
500
800
2000
Existen tres rutas costo mnimo. Elijamos la 1_3

Unidades a asignar = MIN(200,400) = 200
154
Paso 3: Tachar fila o columna (columna 3)

Plantas
Puertos
1
2
12
3
13
4
4
Oferta
6
200
300
10
500
11
700
10
Demanda
400
9
900
12
0 200
4
500
800
2000
Paso 4
Ajustar ofertas y demandas (fila 1 y columna 3)
Paso 5
An quedan ms de una fila o columna sin tachar. Ir a paso 2
155
Paso 2: Ruta de costo menor -> 3_4 ( 2_2)

Unidades = MIN(500,800) = 500
Paso 3: Tachar columna 4
Paso 4: Tachar ajustar fila 3 y columna 4
Plantas
Puertos
1
2
12
3
13
4
4
Oferta
6
200
300
10
500
11
700
10
12
4
500
Demanda
Paso 5
400
900
0 200
0 500
300
800
2000
156
Paso 2: Ruta de costo menor -> 2_2

Unidades = MIN(700,900) = 300
Paso 3: Tachar fila2
Puertos
1
2
12
3
13
4
4
Oferta
6
200
10
10
12
Paso 5
400 200 900
0 200
700
4
500
Demanda
500
700
300
0 500
300
800
2000
157

Unidades = MIN(200,300) = 200
Paso 3: Tachar columna 2
Puertos
1
2
12
3
13
4
4
Oferta
6
200
10
10
12
200
Demanda
Paso 5
400 200 900
700
4 100
500
0 200
500
700
300
0 500
300
800
2000
158

Unidades = MIN(400,100) = 100
Paso 3: Tachar fila 3
Puertos
1
2
12
3
13
4
4
Oferta
6
200
10
10
Demanda
Paso 5
100
200
300 400
200 900
12
700
4 100
500
0 200
500
700
300
0 500
300
800
2000
159

Unidades = MIN(300,300) = 300
Paso 3: Tachar fila 1 columna 1 (slo una de ellas)
Puertos
1
2
12
3
13
300
4
4
Oferta
6 0
200
10
10
Demanda
Paso 5
100
200
300 400
200 900
500
700
700
300
12
4 100
500
0 200
0 500
300
800
2000
Queda slo una fila sin tachar. Terminar
160
Es solucin factible? m + n - 1 = 6? SI
Costo: 300*12+200*4+700*4+100*10+200*9+500*4 = $12.000
Comparacin de los resultados
Mtodo
MEN
MAV
MCM
Rutas
6
6
6
Costo
$14.200
$12.000
$12.000
Conclusin
Los tres mtodos entregan soluciones bsicas factibles,
pero ninguno asegura que la solucin sea ptima.
161
2.1.4. Mtodo de Pasos Secuenciales
Fundamento
Este mtodo comienza con una solucin inicial factible.
En cada paso se intenta enviar artculos por una ruta que
no se haya usado en la solucin factible actual, en tanto
se elimina una ruta usada actualmente.
En cada cambio de ruta debe cumplirse que:
1. La solucin siga siendo factible y
2. Que mejore el valor de la funcin objetivo
El procedimiento termina cuando no hay cambio de rutas
que mejoren el valor de la funcin.
162
2.1.4. Mtodo de pasos secuenciales (cont..)

Algoritmo
1
2
3
4
Usar la solucin actual (MEN, MAV o MCM) para crear una

trayectoria nica del paso secuencial. Usar estas trayectorias
para calcular el costo marginal de introducir a la solucin
cada ruta no usada.
Si todos los costos marginales son iguales o mayores que
cero, terminar; se tendr la solucin ptima. Si no, elegir la
celda que tenga el costo marginal ms negativo (empates se
resuelven arbitrariamente)
Usando la trayectoria del paso secuencial, determine el
mximo nmero de artculos que se pueden asignar a la ruta
elegida en el punto 2 y ajustar la distribucin adecuadamente.
Regrese al paso 1
163

Algoritmo Paso 1
a) Ponga un signo + en la celda de inters no ocupada

b) Ponga un signo - en una celda usada de la misma fila
c) Ponga un + en una celda usada de la misma columna
El proceso contina alternando los signos + y - tanto en las filas

como en las columnas hasta que se obtenga una sucesin de
celdas (trayectoria) que satisfagan dos condiciones
1. Hay un signo + en la celda desocupada original de inters, y
2. Cualquier fila o columna que tenga un signo + debe tener
tambin un signo - y viceversa.
164
Paso 1
Algoritmo
Plantas
Puertos
1
2
12
400
2
3
13
4
4
Oferta
6
100
6
10
Demanda
10
12
500
700
800
2000
11
700
3
100
100
200
500
0 400
0 900
200
500
Solucin bsica factible obtenida aplicando el mtodo de la Esquina Noroeste
165

Algoritmo Paso 1
Plantas
Puertos
1
2
12
400
2
100
6
3
13
4
4
4
+
10
Oferta
6
Demanda
10
500
700
800
2000
11
700
3
100
12
4
100 + 200 - 500
0 400
0 900
0 200
0 500
Trayectoria 1: +C13-C12+C32-C33
166

Algoritmo Paso 1
Plantas
Puertos
1
2
12
400
100
3
13
4
4
4
+
10
Oferta
6
Demanda
10
500
700
800
2000
11
700
3
100
12
4
100 + 200 - 500
0 400
0 900
0 200
0 500
Costos de las Trayectorias

1: +(4)-(13)+(9)-(12)= -12
2: +(6)-(13)+(9)-(4) = -2
3: +(6)-(4)+(13)-(12)=
4: +(10)-(4)+(9)-(12) = 3
5: +(11)-(4)+(9)-(4) = 12
6: +(10)-(9)+(13)-(12)= 2
167

Algoritmo Paso 2
1: +(4)-(13)+(9)-(12)= -12
2: +(6)-(13)+(9)-(4) = -2
3: +(6)-(4)+(13)-(12)=
4: +(10)-(4)+(9)-(12) = 3
5: +(11)-(4)+(9)-(4) = 2
6: +(10)-(9)+(13)-(12)= 2
La solucin factible NO es ptima !!
Se selecciona la trayectoria 1 (costo marginal ms negativo)
168

Algoritmo
Paso 3 (Generacin de la nueva tabla)
Cuntas unidades se pueden asignar a la ruta elegida?
Accin
Ruta
Aumentar 1 unidad
1_3
Disminuir 1 unidad
1_2
Aumentar 1 unidad
3_2
Disminuir 1 unidad
3_3
Unidades disponibles en
celdas decrecientes
100
200
169

Algoritmo Paso 3 (Generacin de la nueva tabla)
Plantas
Puertos
1
2
12
13
- 100
4
400
2
4
4
+
10
Oferta
6
Demanda
10
500
700
800
2000
11
700
3
100
12
4
200 + 100 - 500
0 400
0 900
0 200
0 500
Costo: $13.000
170

Algoritmo Paso 4
Volver al Paso 1:
Para cada trayectoria evaluar costo marginal

Plantas
Puertos
1
2
12
3
13
400
2
4
4
Oferta
6
100
6
10
Demanda
10
12
500
700
800
2000
11
700
3
100
200
100
500
0 400
0 900
0 200
0 500
171

Algoritmo Paso 2: Eleccin de CMg menor
Plantas
Puertos
1
2
3
Demanda
2
12
3
13
+12 100
4
Oferta
6
400
+10 100 500
6
10
11
-9 700
+3
+12
0 700
10
9
12
4
-10 200
100
500
0 800
0 400
0 900
0 200
0 500
2000
La celda ms negativa es c 31 (-10) y la trayectoria es:

C31 C33 + C13 C11
172

Cuntas unidades se pueden asignar a la ruta elegida?
Accin
Ruta
Aumentar 1 unidad
31
Disminuir 1 unidad
33
Aumentar 1 nidad
13
Disminuir 1 unidad
11
Unidades disponibles en
celdas decrecientes
100
400
173

Plantas
Puertos
1
2
12
3
13
300
2
4
4
Oferta
6
200
6
10
Demanda
10
100
200
0 400
0 900
12
500
700
800
2000
11
700
3
100
500
0 200
0 500
Costo: $12.000
174

Algoritmo Paso 4
Volver al Paso 1:
Para cada trayectoria evaluar costo marginal

Plantas
Puertos
1
2
12
3
13
300
2
4
4
Oferta
6
200
6
10
Demanda
10
100
200
0 400
0 900
12
500
700
800
2000
11
700
3
100
500
0 200
0 500
175

Algoritmo Paso 2: Determinar costos marginales
Plantas
Puertos
1
1
12
300
2
3
Demanda
3
13
+2 200
4
6
+1 700
10
9
100
200
0 400
0 900
Oferta
6
0 100 500
10
11
+13
+12
0 700
12
4
+10 500
0 800
0 200
0 500
2000
Todas rutas son no negativas (positivas o cero)

Solucin factible ptima!!! $12.000
Compare esta solucin con la obtenida con MAV y MCM ...?
176
2.1.5. Mtodo de Distribucin Modificada (DIMO)

Algoritmo
1. Usar la solucin actual (NE, MAV o MCM) y las siguientes
operaciones (a) y (b) para determinar el costo marginal de enviar
material para cada una de las rutas no usadas.
Asociar a cada fila un ndice ui y a cada columna un ndice vj

a) Hacer u1 = 0. Encuntrese los ndices de las filas u2, ..., um y los
ndices de las columnas v1, ...., vn tales que cij = ui + vj para cada
celda usada.
b) Sea eij = cij - (ui+vj) para cada celda no usada; eij ser el costo
marginal de introducir la celda (ruta) i, j a la solucin.
Los pasos 2 a 4 son los mismos que en el mtodo secuencial.
177

Aplicar el algoritmo al problema en estudio y
comparar resultados obtenidos con los mtodos
anteriores
Comentar resultados
Qu explica que existan dos soluciones
ptimas factibles?
178

Aplicacin
vj
Plantas
Puertos
1
2
12
400
13
Oferta
100
ui
10
Demanda
10
12
200
200
100
0 400
0 900
Paso 0: Asociar ndices
Costo por
Ruta en uso motor ($)
11
12
500
700
11
700
3
100
4
500 700 800
500
2000
Ecuacin
u1 + v1 = 12
12
13
u1 + v2 = 13
22
u2 + v2 = 4
32
u3 + v2 = 9
33
12
34
u3 + v3 = 12
u3 + v4 = 4
179

Paso1.a) Solucionar la ecuacin
Existen 6 ecuaciones y siete variables entonces se hace u 1 = 0
(puede ser cualquiera) y se determina el resto de los ndices
v1 = 12
v2 = 13
u2 = - 9
u3 = -4
v3 = 16 v4 = 8
Paso 1.b) Calcular los costos marginales para cada celda no usada.
eij = cij - (ui + vj)
180

Costos marginales para las celdas no usadas.
1) e13 = c13 - (u1 + v3)= 4 - (0 + 16) = -12
2) e14 = c14 - (u1 + v4)= 6 - (0 + 8)
= -2
3) e21 = c21 - (u2 + v1)= 6 - (-9 + 13) = 2

4) e23 = c23 - (u2 + v3)= 10 - (-9 + 16) = 3
5) e24 = c24 - (u2 + v4)= 11 - (-9 + 8) = 12
6) e31 = c31 - (u3 + v1)= 10 - (-4 + 12) = 2
181

Plantas
Puertos
1
1
12
400
2
3
Demanda
3
13
100
6
4
2 700
10
9
2 100
0 400
0 900
4
4
-12
10
3
12
200
200
Oferta
6
-2 100 500
11
12 0 700
4
500 700 800
500
2000
Paso 2: Prueba de Optimalidad.

Hay costos negativos por lo tanto no es ptima
La ruta de reasignacin es: +C13 -C33 +C32 -C12 (ms negativo, -12)
182

Paso 3: Asignacin de unidades a la ruta elegida.
Unidades disponibles a mover:
Disminuir 1 unidad C12
100
200
Plantas
Puertos
1
2
12
3
13
400
2
4
4
100
10
700
3
Demanda
10
200
0 400
0 900
12
100
200
Oferta
6
100
500
700
11
4
500 700 800
500
2000
183

Vuelta al Paso 1:
Costo por
11
12
13
4
22
4
32
9
33
12
34
4
Ecuacin
u1 + v1 = 12
u1 + v3 = 4
u2 + v2 = 4
u3 + v2 = 9
u3 + v3 = 12
u3 + v4 = 4

Se hacer u1 = 0 y se determina el resto de los ndices
v1 = 12
v2 = 1 v3 = 4 v4 = -4 u2 = 3 u3 = 8
Paso 1.b) Calcular los costos marginales para cada

celda no usada. eij = cij - (ui + vj)
184

1) e12 = c12 - (u1 + v2)= 13 - (0 + 1) = 12
2) e14 = c14 - (u1 + v4)= 6 - (0 - 4)
= 10
3) e21 = c21 - (u2 + v1)= 6 - (3 + 12) = -9

4) e23 = c23 - (u2 + v3)= 10 - (3 + 4) =
5) e24 = c24 - (u2 + v4)= 11 - (3 - 4)
= 12
6) e31 = c31 - (u3 + v1)= 10 - (8 + 12) = -10
185

Plantas
Puertos
1
2
1
400
2
12
3
13 +
19
4
6
0 700
3
+
10
9 -1 200
Demanda
0 400
0 900
4
4
100
10
3
12
100
200
Oferta
6
1 100 500
11
12 0 700
4
500 700 800
500
2000

Hay costos negativos por lo tanto no es ptima
La ruta de reasignacin es: +C31 -C33 +C13 -C11
186

Paso 3: Asignacin de unidades a la ruta elegida.
Unidades disponibles a mover:
400
100
Plantas
Puertos
1
2
12
3
13
300
2
4
4
200
10
700
3
10
12
100
200
Demanda
0 400
0 900
200
Oferta
6
100
500
700
11
4
500 700 800
500
2000
187
2.1.5. Mtodo de Distribucin Modificada

(DIMO)
Vuelta al Paso 1:
Costo por
11
12
13
4
22
4
31
10
32
9
34
4
Ecuacin
u1 + v1 = 12
u1 + v3 = 4
u2 + v2 = 4
u3 + v1 = 10
u3 + v2 = 9
u3 + v4 = 4

u1 = 0 y se determina el resto de los ndices
v1 = 12
v2 = 11 v3 = 4 v4 = 6 u2 = - 7
u3 = -2
Paso 1.b) Calcular los costos marginales para cada

celda no usada. eij = cij - (ui + vj)
188

1) e12 = c12 - (u1 + v2)= 13 - (0 + 11) = 2
2) e14 = c14 - (u1 + v4)= 6 - (0 + 6)
= 0
3) e21 = c21 - (u2 + v1)= 6 - (-7 + 12) = 1

4) e23 = c23 - (u2 + v3)= 10 - (-7 + 4) = 13
5) e24 = c24 - (u2 + v4)= 11 - (-7 + 6) = 12
6) e33 = c33 - (u3 + v3)= 12 - (-2 + 4) = 10
189

Plantas
Puertos
1
1
12
300
3
13
0
4
6
1 700
3
10
9
100
200
Demanda
0 400
0 900
4
4
200
10
13
12
10
200
Oferta
6
0 100 500
11
12 0 700
4
500 700 800
500
2000

No hay costos negativos por lo tanto es ptima
VO = 300*12+200*4+700*4+100*10+200*9+500*4=$12.000
Ver Transporte RPG Equilibrio
190
2.1.6. Modelo de Transporte: Situaciones Especiales
1. Solucin en problemas de maximizacin de transporte

2. El caso en que la oferta excede a la demanda.
3. Eliminacin de rutas inaceptables.
4. Degeneracin en problemas de transporte.
5. Propiedades especiales del modelo de transporte
191
1. Solucin en problemas de maximizacin de transporte.
a) Se utilizan los beneficios marginales en lugar de los costos.

Se asignar unidades a la celda que tenga el mayor valor
marginal y el procedimiento concluir cuando todas las rutas
tengan valores marginales negativos.
b) Convertir la tabla de beneficios en una tabla de costo: Se
busca el beneficio mayor, en cada celda se le resta al mayor
el beneficio de la celda. Ejemplo:
192

Tabla de beneficios
Destinos
2
1
Fuentes
1
2
3
Tabla de costo
14
19
12
17
19
15
16
20
11
Destinos
2
1
Fuentes
1
2
3
Mayor = 20
193

2. El caso en que la oferta excede a la demanda.
Se utiliza un destino ficticio en la tabla de transporte. Se
considera como nulo el costo de enviar una unidad a dicho
destino desde cada una de las fuentes (orgenes).
Si la demanda es mayor que la oferta el problema no tiene
solucin factible, sin embargo el administrador podra
abastecer toda la demanda que sea posible a un costo
mnimo.
Se utiliza un origen ficticio. El costo de abastecer cualquier
destino desde dicho origen ser cero. Sin embargo podra
haber un cargo por orden no cubierta.
Ver Transporte RPG (O>D) y (O<D
194

3. Eliminacin de rutas inaceptables.
Se asocia a una ruta no aceptable un costo lo suficientemente
alto para que no sea atrayente la ruta en cuestin. El costo M
Por ejemplo: producir en abril para vender en febrero del mismo
ao.
4. Degeneracin en problemas de transporte.
Se dice que un problema se degenera cuando hay menos de
m + n - 1 rutas ocupadas. Esto puede ocurrir cuando
simultneamente se satisface una demanda y se agota una
oferta.
Ver Transporte RPG (inaceptable)
195
5. Propiedades especiales del modelo de transporte
Todo problema de transporte es posible resolverlo mediante

algoritmos que usan slo la adicin y la sustraccin.
Si todas las ofertas y demandas tienen valores enteros en un

problema de transporte, los valores ptimos de las variables
de decisin sern tambin enteros.
196
Ejercicios
1 Suponer que se tienen tres fbricas M1, M2 y M3 que producen
39, 48 y 33 toneladas respectivamente, de un cierto producto
que debe llevarse a cuatro destinos, D1, D2, D3 y D4, los cuales
requieren 40, 37, 18 y 25 toneladas.
Los costos estn dados por la siguiente tabla:
D1
D2
D3
D4
M1
M2
M3
197
2 Planificacin de la produccin:
Cunto hay que producir en cada periodo para satisfacer la

demanda al mnimo costo (tanto de produccin como de
almacenaje)?.
Supuesto: No existe inventario inicial ni final.
Plantear el problema usando el modelo de transporte.
Encuentre las respuestas usando Solver.
198
2.2 Modelo de Asignacin

Situacin:
Asignar m trabajos (o trabajadores) a n mquinas.
Un trabajo i (=1, 2, 3 ,...,m) cuando se asigna a la mquina j
(=1,2,....,n) incurre en un costo cij.
El objetivo es asignar los trabajos a las mquinas uno a uno al
menor costo.
La formulacin de este problema puede considerarse como un
caso especial del modelo de transporte.
199
Descripcin
Los trabajos representan las fuentes y las mquinas los
destinos
La oferta disponible en cada fuente es 1 como tambin lo
es la demanda en cada destino.
cij es el costo de transportar (asignar) el trabajo i a la

mquina j
El costo puede representar tambin caractersticas de
competencia de cada trabajador
200
Descripcin
En el caso que un trabajo no deba ser asignado
(porque no cumple con los requisitos) a una mquina
(actividad) en particular, este costo debe tener un
valor alto (M)
En el caso de existir desequilibrio, esto es, ms
trabajos que mquinas o ms mquinas que trabajos,
hay que equilibrar con mquinas o trabajos figurados
(ficticios), logrando de esta forma que m = n
201
Expresin matemtica del modelo

Xij =
0, si el i-simo trabajo no se asigna a la j-sima mquina

1, si el i-simo trabajo se asigna a la j-sima mquina
Mquina
1
Trabajo
..
C11
C12
..
C1n
C21
C22
..
C2n
..
..
..
..
..
..
Cn1
Cn2
..
Cnn
..
202
Por lo tanto el modelo est dado por:

n
minimizar z =
i 1 j 1
sujeto a
ij
1 i=1,2, ...,n
ij
j 1
x
i 1
ij ij
j=1,2,..n
xij = 0 bien 1
203
Ejemplo:
La gerencia general de RPG (ejemplo de transporte) con sede
en Bruselas, este ao, como parte de su auditora anual, decidi
que cada uno de sus cuatro vicepresidentes visite e inspeccione
cada una de sus plantas de ensamblaje durante las primeras dos
semanas de junio. Las plantas estn ubicadas en Leipzig
(Alemania), Nancy (Francia, Lieja (Blgica) y Tilburgo
(Holanda).
Para decidir a que vicepresidente enviar a una planta
determinada, se asignaron puntos (costos) a cada uno de ellos
de acuerdo a su experiencia, habilidades lengusticas, tiempo
que durar la inspeccin y otros. Estos datos se muestran en la
siguiente tabla:
204
Ejemplo
PLANTA
Leipzig (1) Nancy(2) Lieja (3) Tilburgo(4)
Finanzas (F) (1)
24
10
21
11
Mercadotecnia(M) (2)
14
22
10
15
Operaciones (O) (3)
15
17
20
19
Personal(P) (4)
11
19
14
13
Plantear el modelo de PL
205
Ejemplo: Modelo de PL
MIN Z = 24 X11 + 10 X12 + ... + 14 X43 + 13 X44
sujeto a:
a) Oferta
X11 + X12 + X13 + X14 = 1

X21 + X22 + X23 + X24 = 1
X31 + X32 + X33 + X34 = 1
X41 + X42 + X43 + X44 = 1
b) Demanda
X11 + X21 + X31 + X41 = 1

X12 + X22 + X32 + X42 = 1
X13 + X23 + X33 + X43 = 1
X14 + X24 + X34 + X44 = 1
c) No negatividad
Xij >= 0 i=1,...,4, j=1,....,4
206
Mtodos de Solucin
Existen varias formas de obtener la solucin:
a) Listar todas las alternativas posibles con sus costos y seleccionar
la de menor costo (algoritmo exhaustivo)
b) Mtodo Hngaro: mtodo iterativo
a) Listar todas las alternativas:
Cuntas alternativas posibles existen?
- El primer trabajo se puede asignar de n formas formas posibles
- El segundo de n-1 formas
- El ltimo slo de 1 forma
En total existen n! formas de hacer la asignacin completa
207
Mtodo Hngaro:
Paso 0: Construir la matriz de asignacin
Para obtener la solucin ptima cada nueva matriz de asignacin
debe satisfacer:
Propiedad 1: Todos los nmeros son no negativos
Propiedad 2: Cada fila y cada columna tiene al menos una celda con
un valor cero
Paso 1:
a) Reduccin de filas: Restar el costo menor de cada fila a la fila
correspondiente y/o
b) Reduccin de columnas: Restar el costo menor de cada columna
a la columna correspondiente
Con esto se crea una nueva matriz con las propiedades 1 y 2
208
Mtodo Hngaro:
Paso 2: Determinar si la matriz es reducida (Prueba de Optimalidad).
Trazar el menor nmero de lneas rectas sobre las filas y columnas
para cubrir todos los ceros.
Si el nmero de rectas es igual al nmero de filas o columnas se dice
que esta matriz es reducida.
Si la matriz no es reducida pasar al paso 3, sino pasar al paso 4
209
Mtodo Hngaro:
Paso 3: Movimiento
De todas las celdas no cruzadas identifique una con el menor
valor y haga lo siguiente:
a) Restar el valor a cada celda no cruzada
b) Sumar el valor a cada celda de interseccin de rectas
Volver al paso 2
210
Mtodo Hngaro:
Paso 4: Solucin ptima (Asignacin)
Primero se asigna a las que tengan slo una alternativa, se van
marcando y as sucesivamente
Determinar el costo: Se suman todos los costos
correspondientes a las asignaciones (o sumar todos los pi y qj).
Qu valor se obtiene al sumar todos los valores que se restaron
en las reducciones de filas y columnas?
211
Ejemplo: Aplique el mtodo Hngaro al ejemplo

Paso 0: Matriz de Asignacin
F
M
O
P
qj
1
24
14
15
11
2
10
22
17
19
3
21
10
20
14
4
11
15
19
13
pi
Nota: En negrita los menores de cada fila

212
F
M
O
P
qj
F
M
O
P
qj
1
14
4
0
0
2
0
12
2
8
3
11
0
5
3
4
1
5
4
2
1
pi
10
10
15
11
1
14
4
0
0
2
0
12
2
8
3
11
0
5
3
4
0
4
3
1
1
pi
10
10
15
11
Filas
Paso 1: Reduccin de filas y columnas
Columnas
213
Paso 2: Determinar si la matriz es reducida
F
M
O
P
qj
1
14
4
0
0
2
0
12
2
8
3
11
0
5
3
4
0
4
3
1
1
pi
10
10
15
11
No es reducida: slo tres rectas (para ser reducida deben ser 4)

Ir al paso 3
214
Paso 3: Movimiento (Seleccionar el menor: restar a las

no tachadas, sumar a las intersecciones)
F
M
O
P
qj
F
M
O
P
qj
1
14
4
0
0
2
0
12
2
8
3
11
0
5
3
4
0
4
3
1
1
pi
10
10
15
11
1
15
4
0
0
2
0
11
1
7
3
12
0
5
3
4
0
3
2
0
1+1
pi
10
10
15
11
Volver al paso 2 !!
215
Iteracin paso 2:
F
M
O
P
qj
1
15
4
0
0
2
0
11
1
7
3
12
0
5
3
4
0
3
2
0
1+1
pi
10
10
15
11
Se tachan todos los ceros con cuatro rectas, por tanto es ptima
Ir al paso 4 !!
216
Paso 4: Asignacin
F
M
O
P
qj
1
15
4
0
0
2
0
11
1
7
3
12
0
5
3
4
0
3
2
0
1+1
pi
10
10
15
11
Costo = c12 + c23 + c31 +c44

= 10+10+15+13 = 48
Costo pi q j
=10 + 10 + 15 + 11 + 1 + 1 = 48
Ver Asignacin RPG
217
Modelo de Asignacin: Otras consideraciones

El modelo de asignacin de RPG es un modelo de minimizacin
en el cual el nmero de vicepresidentes es igual al nmero de
plantas, y todas las asignaciones posibles son aceptables.
Consideremos ahora modelos tipo asignacin donde no todas las
condiciones anteriores se cumplen. En particular se considerarn
situaciones en las que:
1 Hay una desigualdad entre el nmero de personas por
asignar y el nmero de destinos que requieren personas
asignadas.
2 Hay un modelo de maximizacin
3 Existen asignaciones inaceptables
218

1. Ofertas y demandas desiguales
a) Oferta mayor que la demanda
Suponer que el presidente de RPG quiere auditar a la planta de
Tilburgo, por tanto tendr que decidir cual de los cuatro
vicepresidentes debe asignar a cada una de las tres plantas
restantes.
Solucin: Se elimina la restriccin que requera un
vicepresidente para Tilburgo. El resultado de este cambio es que
la holgura para uno de los cuatro vicepresidentes ser 1 en la
nueva solucin ptima
Ver Asignacin RPG (O>D)
219

1. Ofertas y demandas desiguales
b) Demanda mayor que la oferta
Suponer que el vicepresidente de Personal tiene que viajar a
Illinois durante la primer semana de junio, por lo tanto no puede
participar en la auditora en Europa.
Solucin: Se agrega un vicepresidente ficticio (igual al modelo
de transporte) para obtener una solucin factible, pero es claro
que una de las plantas quedar sin auditar.
220

2. Hay un modelo de maximizacin
La respuesta de asignacin es un beneficio y no un costo
Ejemplo: Suponga que RPG tiene que asignar vendedores a sus
territorios de venta.
Existen cuatro personas bien capacitadas listas para ser
asignadas y tres territorios requieren un nuevo vendedor. Uno
de los vendedores no ser asignado.
En este caso la asignacin de un vendedor cualquiera a un
territorio se mide por el incremento marginal esperado en la
contribucin de dicha asignacin a las ganancias.
221

2. Hay un modelo de maximizacin
La matriz de ganancia es la siguiente
Contribucin del
Vendedor\a
A
B
C
D
Territorio
1
$
40
$
18
$
12
$
25
Territorio
2
$
30
$
28
$
16
$
24
Ver Asignacin Vendedores RPG
Territorio
3
$
20
$
22
$
20
$
27
222

3. Situaciones con asignaciones inaceptables
Ejemplo: Suponga que el presidente de RPG no tiene

el menor deseo de que el vicepresidente de
Operaciones realice una auditora a la Planta Nancy.
Solucin: Asignar un costo arbitrariamente alto a esta

ruta, de tal modo que al restar de l cualquier
nmero finito se obtiene siempre un valor mayor que
otros nmeros relevantes
Ver Asignacin RPG inaceptable
223
2.3 Modelo de Transbordo

Este modelo permite que las unidades no vayan
directamente desde un origen a un destino, sino
que pasen por nodos intermedios o transitorios.
Cada origen, punto intermedio y destino final se representan
como nodos y se conectan a travs de arcos dirigidos
Restriccin en cada nodo transitorio:
suma flujos entrantes = suma flujos saliente
Tambin se puede representar por medio de una matriz donde un
mij = 1 cuando existe un enlace directo entre el nodo i y el nodo
j; y mij = 0 cuando no hay enlace directo entre estos nodos
224
Modelo de Transbordo: Algoritmo

1
Inicializacin: Encuentre un plan de embarque factible que

satisfaga todas las restricciones de suministro y demanda, al
mismo tiempo que mantiene un equilibrio en todos los nodos
de transbordo.
Prueba de Optimalidad: Pruebe el plan de embarque actual

para ver si es ptimo, es decir, si es el plan que incurre en los
costos totales mnimos. Si es as, detngase con la solucin
ptima, sino vaya al paso 3.
Movimientos: Use el hecho de que el plan de embarque

actual no es ptimo para crear un nuevo plan de embarque
factible con menos costo total que el actual. Vaya al paso 2.
225
Consideraciones:
Los pasos del algoritmo son anlogos a los del algoritmo de
pasos sucesivos (escaln).
Tanto los nodos origen como los destinos pueden ser a su vez
nodos de transbordo.
Al igual que el modelo de transporte, puede haber desequilibrio,
en ese caso se agregan fuentes o destinos ficticios con costo cero.
El numero total del sistema est dado por el total de la oferta o de
la demanda.
A cada nodo de transbordo se asigna un suministro (demanda)
igual a su suministro (demanda) original (cero, si no coincide
originalmente con un destino) ms el total de unidades del
sistema. Esto permite que todas las unidades puedan pasar por un
empalme dado.
226
Ejemplo 1:
Determnese un programa de embarque que cubra todas las
demandas a un costo mnimo total para los datos
correspondientes al siguiente grafo (costo en $).
1
+95
2
+70
+15
5
4
3
7
4
-30
-30
6
-45
227
Solucin
Los sitios 1 y 2 son orgenes

Los sitios 5 y 6 son destinos
El sitio 3 es origen y empalme
El sitio 4 es destino y empalme
La oferta es mayor que la demanda por tanto se requiere un
destino ficticio que demande 75 unidades
Agregar 180 unidades a cada empalme (oferta y demanda)
El costo de las unidades que van de un empalme (como origen)
a l mismo (como destino) y de cualquier origen al sitio ficticio
es cero.
A las rutas no permitidas se les asocia un valor relativamente
alto (por 1.000)
228
La tabla inicial es:
Destinos
5
Oferta
95
1
3
1000
1000
Orgenes
70
2
1000
1000
195
0
4
Demanda
180
1000
180
0
210
1000
30
2
45
0
75
229
La tabla final es:
3
20
4
3
Orgenes
1000
F
75
1000
Oferta
95
0
70
90
7
30
0
4
Demanda
70
2
Destinos
5
1000
30
1000
45
4
195
4
180
1000
180
180
0
210
1000
30
2
45
0
75
Costo = 20*3+75*0+70*2+90*0+30*3+30*4+45*4+180*0=$590
230
Ejemplo 2:
Una corporacin necesita transportar 70 unidades de un producto, del sitio 1 a
los sitios 2 y 3 en cantidades de 45 y 25 unidades, respectivamente. Las tarifas
cij (en miles de pesos por unidad) de carga area entre los sitios comunicados
por carguero se dan en la tabla, en la cual las lneas punteadas indica que no hay
servicio disponible. Determnese un programa de embarque que asigne el
nmero requerido de artculos a cada destino, a un costo mnimo de transporte.
Ningn embarque requiere de vuelo directo, se permiten los envos empleando
puntos intermedios.
1
2
3
4
....
38
56
34
38
...
27
...
56
27
...
19
34
...
19
...
231
Ejemplo 3:
8
Nodos de transbordo
100
2
4
200
80
10
70
8
7
7
5
4
150
120
5
6
11
110
232
Planteamiento del modelo PL :

Plantear el modelo de PL para el ejemplo mostrado en el
grafo anterior.
233
2.4. Modelos de Redes

2.4.1 Teora de Grafos
2.4.2 Modelo de la Ruta ms corta
2.4.3 Modelo del rbol Expandido Mnimo
2.4.4 Problema del Flujo Mximo
234
2.4.1 Introduccin a la Teora de Grafos

Grafo no dirigido:
Un grafo no dirigido G consiste en un conjunto V de vrtices
(o nodos) y un conjunto E de lados (ramas o enlaces) tales que
cada lado e E est asociado a un par no ordenado de
vrtices v y w. Si un lado e est asociado a un nico par de
vrtices v y w, entonces e= (v,w) o e=(w,v).
Grafo dirigido:
Un grafo dirigido (o digrafo) G consiste en un conjunto V de
vrtices (o nodos) y un conjunto E de lados (o ramas) tales que
cada lado e E est asociado a un par ordenado de vrtices.
Si un lado e est asociado a un par ordenado nico de vrtices
v y w, se escribe e = (v,w).
235

Se dice que un lado e = (v,w) de un grafo (dirigido o no dirigido) es
incidente en v y w. Se dice que los vrtices v y w son incidentes
en e y tambin son vrtices adyacentes.
Si G es un grafo (dirigido o no dirigido) con un conjunto de vrtices
V y un conjunto de lados E, se escribe G = (V,E)
Nodo (Vrtice):
Un crculo de una red utilizada para representar una planta,
almacn o tienda.
Nodo de Suministro:
Nodo desde le cual los productos se van a enviar.
236

Nodo de demanda:
Nodo que va a recibir los productos para cumplir con una
demanda conocida.
Nodo de transbordo:
Nodo que recibe productos desde otros nodos para su
distribucin.
Arco (enlace):
Lnea de una red que conecta un par de nodos. Se le utiliza para
representar una ruta vlida desde el nodo origen al nodo de
distribucin.
237

Arco dirigido:
Indica el sentido de movimiento de los productos.
Camino:
Una secuencia de nodos en una red unidos por arcos (dirigidos o
no dirigidos)
Trayectoria (lazo):
Es un camino cerrado (ciclo) donde el primer nodo es a su vez el
ltimo.
238

Representacin de un grafo:
Un grafo se puede representar matemticamente como:
a) Una matriz
b) Una lista enlazada
c) rbol
Representacin Matricial
i) Matriz de Adyacencia
ii) Matriz de costo (beneficio)
239
2.4.1 Introduccin a la Teora de Grafos (cont.)

Matriz de Adyacencia:
Para un grafo G, es una matriz A de dimensin NxN,
donde A[i,j] es verdadero (1) si, y slo si, existe un arco
que vaya del vrtice i al vrtice j. En ausencia de arco
directo se representa generalmente por 0.
Ejemplo:Dado el siguiente grafo encontrar su matriz de

adyacencia
240

1
4
1
1
2
3
4
1
1
1
241

Matriz de Costo:
Para un grafo G etiquetado, es una matriz C de dimensin
NxN, donde A[i,j] es el costo (valor de la etiqueta) si, y
slo si, existe un arco que vaya del vrtice i al vrtice j.
En ausencia de arco directo se representa generalmente
por infinito (costo extremadamente alto, para la
simulacin se hace uso de un valor fuera de contexto).
Ejemplo:Dado el siguiente grafo encontrar su matriz de costo
242

10
1
15
2
12
20
3
5
1
1
10
15
2
3
4
12
20
5
243
Para un grafo no dirigido, tanto la matriz de adyacencia

como la matriz de costo son simtricas, esto es:
A[i,j] = A[j,i]
C[i,j] = C[j,i]
244
Ejemplo Introductorio
Seymour Miles es el gerente de distribucin de Zigwell. Zigwell
distribuye sus motores oruga en cinco estados del medio oeste. Por lo
regular, Seymour Miles tiene 10 aparatos E-9 in situ en lo que
designaremos como local 1. Estos tractores deben ser enviados a los
dos locales de construccin ms importantes designados como 3 y 4.
Se necesitan tres E-9 en el local 3 y siete en el local 4. Debido a
itinerarios arreglados con anterioridad, relativos a la disponibilidad
de conductores, los tractores solo pueden ser distribuidos de acuerdo
con las rutas alternativas que se muestran en el grafo de la figura.
La figura tiene un nmero +10 en el nodo 1, esto significa que hay 10
aparatos E-9 disponibles (oferta). Los indicadores -3 y -7 asociados a
los locales 3 y 4, respectivamente, denotan los requerimientos
(demandas) de stos.
245
-3
3
c23
+10
1
c12
u12
u23
c24
u24
c25
u25
c34 u34 c43 u43

-7
4
c53
u53
c54 c54
5
Rutas alternativas para el destino 3

1-2-3, 1-2-4-3, 1-2-5-4-3, 1-2-5-3
246
Los costos cij son unitarios. Por ejemplo el costo de

recorrer el arco (5,3) es c53 por cada tractor.
Debido a los acuerdos sostenidos con los conductores,
Zigwell debe cambiarlos en cada local que se encuentre
sobre la ruta. Las limitaciones en la disponibilidad de
conductores ocasionan que haya una cota superior en el
nmero de tractores que pueden recorrer cualquier arco
dado.
Por ejemplo: u53 es la cota superior o capacidad en el arco
(5,3).
El problema de Sygmour consiste en encontrar un plan de
embarque que satisfaga la demanda y las restricciones de
capacidad a costo mnimo.
247
El problema en particular se conoce como modelo

de transbordo con capacidades.
Expresar el problema como un PL
a) Variables de decisin
xij = nmero total de E-9 que se enviarn a travs

del arco (i,j).
= flujo del nodo i al nodo j
248
b) Funcin Objetivo
MIN Z
=C12X12+C23X23+C24X24+C25X25+C34X34+C43X43+C53X53+C54X54
c) Restricciones
sa
+ X12
= 10
- X12+X23+X24+X25
-X23
= 0
-X43 -X53 +X34
-X24
-X25
+X43
+X53
= -3
-X34 -X54 = -7
Balance
de
flujo
+X54 = 0
0 xij cij , todos los ar cos (i,j) de la red

249
Matriz Incidencia nodo-arco

a
Nodo (1,2) (2,3) (2,4) (2,5) (4,3) (5,3) (3,4) (5,4)
LD
+1
10
-1
+1
+1
+1
-1
-1
-1
+1
-3
-1
+1
-1
-1
-7
-1
+1
+1
250
Formulacin General del Modelo de Transbordo con Capacidades

Xij denotan el flujo del nodo i al nodo j a lo largo del arco que
conecta esos nodos.
Lj representa la oferta en el nodo j
minimice
s.a.
c
x
ij
ij
ij
x jk k xkj L j , j 1,2,...., n
0 xij cij , todos los ar cos (i,j) de la red

251
Resolver para las siguientes capacidades y costos

Capacidad
de\a
Sitio 1
Sitio 2
Sitio 3
Sitio 4
Sitio 5
Sitio 1 Sitio 2 Sitio 3 Sitio 4 Sitio 5
Costo Unitario
Sitio 1
de\a
Sitio 1
Sitio 2
Sitio 3
Sitio 4
Sitio 5
10
4
Sitio 2
3
2
4
3
Sitio 3
Sitio 4
Sitio 5
$45
$50
$60
$20
$100
$85
$10
$55
252
Ver transbordo con capacidades

Situaciones:
Se pueden dar dos casos para representar la red:
a
Como grafo no dirigido
Como grafo dirigido

Cualquiera que sea el caso corresponde
a grafos ponderados (con peso)
253

a) Algoritmo: Grafo no dirigido
1
Considernse todos los nodos que estn directamente

conectados con el origen. Etiquetarlos con la distancia al
origen y su nodo predecesor. Etiquetas temporales,
[distancia, nodo].
De entre todos los nodos con etiquetas temporales,

escoger el que tenga la distancia menor y se marca como
permanente. Si todos estn con etiquetas permanentes se
va al paso cuatro.
254
2.4.2 Modelo de la Ruta ms corta (GND)

Algoritmo:
3
Todo nodo que no tenga etiqueta permanente, tendr etiqueta

temporal o estar sin etiqueta. Sea L el ltimo nodo con
etiqueta permanente. Considernse todas las etiquetas de los
vecinos de L (directamente conectados a L mediante un
arco). Para cada uno de estos nodos calclese la suma de su
distancia a L. Si el nodo en cuestin no est etiquetado,
asgnese una etiqueta temporal que conste de esta distancia y
de L como predecesor. Si el nodo en cuestin ya tiene
etiqueta temporal, cmbiese slo si la distancia recin
calculada es menor que la componente de distancia de la
etiqueta actual. En este caso, la etiqueta contendr esta
distancia y a L como predecesor. Regresar al paso 2
255

Algoritmo:
4 Las etiquetas permanentes indican la distancia ms corta
entre el nodo origen a cada nodo de la red. Tambin indican
el nodo predecesor en la ruta ms corta hacia cada nodo. Para
encontrar el camino ms corto de un nodo dado, comincese
en l y retroceda al nodo anterior. Continuar con el recorrido
hasta llegar al origen.
256

Ejemplo: Para el siguiente grafo encontrar la distancia ms corta
desde el nodo H al resto de los nodos.
7
8
H
1
4
1
6
5
2
257

Solucin:
(8,H)
7
8
H
7
4
(5,1)
1
3
4
(6,3)
1
2
(9,4)
5
2
(6,3)
1:Ver ejemplo 1 Ruta mas corta
1
(4,H)
(9,7)
2: Hacer problema 19 gua 2 (Ejemplo 2 Ruta mas corta
(8,2)
258
Para su prctica y ejercitacin neuronal
E
10
2
7
B
8
10
3
7
4
C
3
259
2.4.2 Modelo de la Ruta ms corta (GD)

b) Algoritmo de Dijkstra
Es una tcnica exhaustiva, esto es, prueba todas las alternativas
posibles.
Opera a partir de un conjunto S de vrtices cuya distancia ms
corta desde el origen ya es conocida. Inicialmente S contiene slo
el nodo de origen. En cada paso se agrega algn vrtice restante v
a S, cuya distancia desde el origen es la ms corta posible.
Para cada paso del algoritmo, se utiliza una matriz D para
registrar la longitud del camino ms corto a cada vrtice.
260
2.4.2 Modelo de la Ruta ms corta (GD) Algoritmo de Dijkstra

INICIO
0) V = {1, 2, 3, 4, ..., n}
1) S = {1} // nodo 1 se supone que es el origen
2) Para i=2 Hasta n Hacer
3)
Di = C1i
4) Para i=1 Hasta n-1 Hacer
5)
Elegir un vrtice w en V-S tal que Dw sea un mnimo
6)
7)
agregar w a S
Para cada vrtice v en V-S Hacer
SI ((Dw+Cwv)<Dv)
//Pv = w
Dv = Dw+Cwv
8) //Dv=mnimo(Dv,Dw+Cwv)
FIN
261

Ejemplo: Aplicar el algoritmo al siguiente grafo dirigido
100
10
5
30
60
10
50
3
20
262

Inicial
0)
V = {1, 2, 3, 4, 5}
1)
S = {1}
2)
3)
D2 = 10,
Iteracin
Inicial
D3 = inf, D4=30, D5 = 100
S
{1}
w
--
D2
10
D3
inf
D4
30
D5
100
4) Iterar 4 veces
5) Seleccionar nodo con distancia ms corta de V-S,
En el ejemplo es el nodo 2
263

6) Agregar el nodo 2 a S : S = {1,2}
7) Iterar |V-S|,
(V-S = {3,4,5})
D3=mnimo(D3,D2+C23) =mnimo(inf,10+50) = 60
D4=mnimo(D4,D2+C24) =mnimo(30,10+inf) = 30
D5=mnimo(D5,D2+C25) =mnimo(100,10+inf) = 100
Iteracin
Inicial
1
S
{1}
{1,2}
w
-2
D2
10
10
D3
inf
60
D4
30
30
D5
100
100
264

2a Iteracin
V-S = {3,4,5}
5)
w=4
6)
S = {1,2,4}
7) Iterar |V-S|
V-S = {3,5}
D3=mnimo(D3,D4+C43) =mnimo(60,30+20) = 50
D5=mnimo(D5,D4+C45) =mnimo(100,30+60) = 90
Iteracin
Inicial
1
2
S
{1}
{1,2}
{1,2,4}
w
-2
4
D2
10
10
10
D3
inf
60
50
D4
30
30
30
D5
100
100
90
265

3a Iteracin
V-S = {3,5}
5)
w=3
6)
S = {1,2,4,3}
7) Iterar |V-S|
(V-S = {5})
D5=mnimo(D5,D3+C35) =mnimo(90,50+10) = 60
Iteracin
Inicial
1
2
3
S
{1}
{1,2}
{1,2,4}
{1,2,4,3}
w
-2
4
3
D2
10
10
10
10
D3
inf
60
50
50
D4
30
30
30
30
D5
100
100
90
60
266

4a Iteracin
V-S = {5}
5)
w=5
6)
S = {1,2,4,3,5}
7) Iterar |V-S|
(V-S = {})
Tabla Final
Iteracin
S
Inicial
{1}
1
{1,2}
2
{1,2,4}
3
{1,2,4,3}
4
{1,2,4,3,5}
w
-2
4
3
5
D2
10
10
10
10
10
D3
inf
60
50
50
50
D4
30
30
30
30
30
D5
100
100
90
60
60
267
Cul es el camino?
Para conocer el camino hay que incluir otra matriz P de
vrtices, tal que Pv contenga el vrtice inmediato anterior a v
en el camino ms corto.
Se asigna a Pv valor inicial 1 para todo v 1
La matriz P se actualiza despus de la lnea 8.
Si Dw + Cwv < Dv en la lnea 8, despus se hace Pv = w
Al trmino de la corrida del algoritmo, el camino a cada
vrtice puede encontrarse regresando por los vrtices
predecesores de la matriz P
268
Cul es el camino?
Para el ejemplo, la matriz P debe tener los valores
P2 =1,
P3 = 4,
P4 = 1,
P5 = 3
Para encontrar el camino ms corto del vrtice 1 al 5, se siguen

los predecesores en orden inverso.
3 es el predecesor de 5
269
Problema de los caminos ms cortos entre

todos los pares de nodos
Para visualizar el problema se emplea un grafo dirigido G =
(V,A) en el que cada arco v w tiene un costo no negativo
Cv,w. El problema consiste en encontrar el camino de longitud
ms corta (menor costo) entre v y w para cada par ordenado de
vrtices (v,w).
Algoritmo de Floyd
Se utiliza una matriz A, donde Aij = Cij para toda i j, si no

existe camino directo entre i y j se supone que C ij = inf. Cada
elemento de la diagonal se hace cero.
270
Problema de los caminos ms cortos entre todos los pares de nodos
Despus se hacen n iteraciones en la matriz A.

Al final de la k-sima iteracin Aij tendr por valor la longitud
ms pequea de cualquier camino que vaya desde el vrtice i
hasta el vrtice j y que no pase por un vrtice mayor que k.
Esto es, i y j, los vrtice extremos del camino, pueden ser
cualquier vrtice, pero todo vrtice intermedio debe ser menor
o igual a k.
En la k-sima iteracin se aplica la siguiente frmula para
calcular A
k-1Aij
Aij = min
k-1
Aik + k-1Akj
271
Para calcular Aij, se compara k-1Aij, el costo de ir de i a j sin

pasar por k o cualquier otro nodo con numeracin mayor, con
k-1Aik + k-1Akj, el costo de ir primero de i a k y despus de k a j,
sin pasar a travs de un vrtice mayor que k. Si el paso por el
vrtice k produce un camino ms econmico que el de k-1Aij, se
elige ese costo para kAij.
k
A kj
k-1
ik
A
-1
i
k-1
Aij
272
Algoritmo de Floyd // Se supone que se cuenta con la matriz de costo C

0) INICIO
1)
Desde i = 1 Hasta N
2)
Desde j = 1 Hasta N
3)
Aij Cij
4)
5)
Desde i = 1 Has ta N
Aii = 0
6)
7)
8)
9)
Desde k = 1 Hasta N
Desde i = 1 Hasta N
Desde j = 1 Hasta N
SI (Aik + Akj < Aij)
10)
11) FIN
Aij = Aik + Akj

273
Recuperacin de caminos para el Algoritmo de Floyd
Cuando es de inters conocer el camino ms corto

entre dos vrtices, hay que consignarlo en una matriz
P, donde Pij tiene el vrtice k que permiti a Floyd
encontrar el valor menor de Aij. Si Pij es cero, el
camino de i a j es directo.
274
Algoritmo de Floyd Modificado

0) INICIO
1)
Desde i = 1 Hasta N
2)
Desde j = 1 Hasta N
3)
Aij Cij
3)
Pij 0
4)
5)
Desde i = 1 Has ta N
Aii = 0
6)
7)
8)
9)
10)
10)
Desde k = 1 Hasta N
Desde i = 1 Hasta N
Desde j = 1 Hasta N
SI (Aik + Akj < Aij)
Aij Aik + Akj
Pij k
11) FIN
275
Ejemplo: Aplique Floyd al grafo ponderado mostrado en la

figura
8
2
1
3
5
276
Solucin:
Tabla Inicial
Nodos
1
2
3
1
0
3
inf
2
8
0
2
3
5
inf
0
Aij
277
Solucin:
Despus de la primera iteracin
Nodos
1
2
3
1
0
3
inf
2
8
0
2
3
5
8
0
Aij
278
Solucin:
Despus de la segunda iteracin
Nodos
1
2
3
1
0
3
5
2
8
0
2
3
5
8
0
Aij
279
Solucin:
Despus de la tercera iteracin
Nodos
1
2
3
1
0
3
5
2
7
0
2
3
5
8
0
Aij
280
2.4.3 Modelo de rbol extensin mnima

Definicin 1
Un rbol es un grafo que tiene sus n nodos (vrtices)

conectados (conexo) con n-1 arcos (aristas), no
existiendo ciclos (caminos cerrados)
Definicin 2
Un rbol de expansin de costo mnimo es aquel en que

todos los enlaces tienen longitudes (costos) mnimas
281
Algoritmo para el problema del rbol de expansin mnima.

Mtodo Grfico
1
Se selecciona un nodo cualquiera y se conecta al

nodo ms cercano a ste.
Se identifica el nodo no conectado ms cercano a

un nodo conectado y se conectan estos dos nodos
Nota:
Empates se deciden en forma arbitraria. Los

empates indican que existen soluciones
alternativas para la construccin.
282
Ejemplo: Encontrar el AEM para el siguiente grafo
8
H
1
4
1
6
5
2
283
Solucin :
1
2
6
4
1
1
4
1
5
2
2
284
Algoritmo tabular
Paso
Accin
0 Se construye la tabla de costos de enlaces

1 Se comienza arbitrariamente con cualquier nodo. Se designa a
este nodo como conectado y se pone una marca al lado de la
fila correspondiente al nodo. Se tacha el ndice de la columna
que corresponde a l.
2 Considerando todas las filas marcadas, buscar el mnimo en las
columnas cuyo ndice an no haya sido tachado encerrndolo
en un crculo. Designndose de esta manera el nuevo nodo
conectado. Se tacha el ndice de la columna y pone una marca
en la fila correspondiente a este nodo. Se repite este paso hasta
que todos los nodos estn conectados.
3 Los nodos encerrados en crculo identifican el rbol.
285
Aplicacin Algoritmo tabular

Tabla inicial
Nodo H
H
1
4
2
3
4
7
5
6
7
8
1
4
6
1
1
1
4
7
7
8
3
3
2
1
1
2
3
3
3
2
1
1
286

Inicio: Nodo H
a)
b)
*
*
Nodo H
H
1
4
2
3
4
7
5
6
7
8
1
4
6
1
1
1
4
7
7
8
3
3
2
1
1
2
3
3
3
2
1
1
287

Nodo 1
a)
b)
c)
*
*
*
Nodo H
H
1
4
2
3
4
7
5
6
7
8
1
4
6
1
1
1
4
7
7
8
3
3
2
1
1
2
3
3
3
2
1
1
288

Tabla final
a)
b)
c)
*
*
*
*
*
*
*
*
Nodo
H
1
2
3
4
5
6
7
1
4
4
6
1
1
1
7
8
3
3
2
1
1
2
4
7
3
3
3
2
1
1
289
Arbol de expansin mnima :
1
2
6
4
1
1
4
1
5
2
2
290
2.4.4 Problema del Flujo Mximo

Descripcin
En este problema hay un solo nodo fuente (nodo de

entrada) y un solo nodo destino (nodo de salida), y el
resto son nodos de transbordo. El problema consiste en
encontrar la mxima cantidad de flujo total (petrleo,
gas, efectivo, mensajes, trnsito, etc.) en una unidad de
tiempo.
La cantidad de flujo por unidad de tiempo en cada arco
est limitada por las restricciones de capacidad.
Este problema se puede representar como una red
dirigida y conexa.
291
Descripcin
Para cada nodo interno debe cumplirse que:

flujo que sale del nodo = flujo que entra al nodo
En trminos formales, siendo 1 la fuente y n el
destino el problema consiste en:
MAX f
f si i = 1
sujeto a
x x
ij
ji
si i = n
0 en otro caso
0 xij uij, para todos (i,j) de la red
xij : flujo por unidad de tiempo por el arco (i,j)
uij : capacidad del arco (i,j)
f : flujo total a travs de la red
292
Descripcin
Considrese la i-sima restriccin, para algn

valor fijo de i, La suma xij
se considera
j
sobre toda j para la cual el arco (i,j) con i fijo,
pertenezca a la red. Entonces, xij ser el flujo
j
total que sale del nodo i. En forma semejante, la
suma x ji se considera sobre toda j para la cual
j
exista el arco (j,i) en la red, (i fijo). De modo que
es el flujo que entra al nodo i
293
Algoritmo
Antes de hacer la presentacin formal del

algoritmo, revisemos el siguiente ejemplo.
6
2
4
1
6
3
3
294
Algoritmo
Grafo inicial: Inicializacin delos flujos en cada nodo
2
0
6
0
1
3
6
0
0
4
2
5
0
Consideremos un camino desde el nodo 1 al nodo 6
Ejemplo: 1-2-5-6
295
Se dice que la cantidad de flujo a lo largo de dicho

recorrido es factible si:
1
No excede la capacidad de ningn arco del camino
Con excepcin de los nodos 1 y 6, el flujo en cada nodo

debe satisfacer la condicin de conservacin
La cantidad mxima que puede fluir desde la fuente a lo
largo de un camino es igual a la menor de las
capacidades de los arcos de dicho camino
Al asignar un flujo a un arco nos atendremos a las reglas:

1 Se reduce la capacidad en la direccin del flujo (cantidad de flujo)
2 Se aumenta la capacidad en sentido opuesto (cantidad de flujo)
296
Ejemplo: Considerar el arco 1-2

4
Asignar dos unidades a este arco:

Aplicando las reglas 1 y 2 se tiene
2
(2
Se gener una capacidad ficticia en la direccin 2-1

Enviar una unidad de 2 a 1
1
3
(1
297
Algoritmo
Inicial
Inicializar cada nodo del grafo con capacidades uij en

la direccin del flujo y cero en la direccin opuesta.
Encontrar cualquier camino de la fuente a destino que

tenga capacidad de flujo positiva, si no los hay, se
habr encontrado la solucin ptima.
Sea cmin la capacidad mnima de flujo entre los arcos

seleccionados en el paso 1, se aumenta el flujo
existente a travs de la red al enviar un flujo adicional
cmin para todos los arcos del camino.
Para todos los arcos del camino, disminyanse las

capacidades en la direccin del flujo y aumntese las
capacidades en la direccin opuesta en cmin. Volver al
paso 1
298
Aplicar el algoritmo al grafo del ejemplo:

Paso Inicial
2
0
6
0
1
3
6
0
0
4
2
5
299
Iteracin 1: Elegir arbitrariamente el camino 1-3-5-6

cmin = MIN(6,4,2)=2; actualizando la red se tiene
0
2
2
0
6
0
1
4
6
0
2
0
4
2
1
5
2
0
0
2
300
Iteracin 2: Elegir arbitrariamente el camino 1-2-4-6

cmin = MIN(4,6,6)=4; actualizando la red se tiene
4
0
6
2
0
4
4
0
2
6
2
2
6
1
3
4
2
4
0
0
1
5
2
0
0
2
301
6
2
Iteracin 3: Elegir arbitrariamente el camino 1-3-2-4-6

cmin = MIN(4,3,2,2)=2; actualizando la red se tiene
4
0
8
6
2
0
4
6
4
0
0
2
6
2
2 0
0
2
6
1
4
1 3
42
0
4
2
6
4
0
0
1
5
2
0
0
2
302
8
6
2
Clculo de la cantidad de flujo en cada arco

Se determina comparando la capacidad inicial de cada arco
con la capacidad inicial. Para cada arco la regla es:
Si la capacidad final es menor que la capacidad inicial,
calcular la diferencia. Esta es la cantidad del flujo a travs
del arco.
Ejemplo: Arco 3-5
Inicial
0 5
Final
2 5
Final < inicial entonces el flujo es 4-2=2
303
Aplicando la regla anterior a todos los arcos se tiene el

siguiente grafo:
6
4
8
6
6
1
4
2
3
304
Unidad 3
Administracin de Proyectos
PERT y CPM
305
3 Administracin de Proyectos (PERT y CPM)

Todo proyecto debe ser comprobado y controlado, dado que ste
tiene involucrado numerosas tareas interrelacionadas.
A travs de algunas tcnicas se puede responder a preguntas como:
1. Cundo sera lo ms pronto que el proyecto pudiera estar
terminado?
2. Para cumplir con este tiempo de conclusin, qu tareas son
crticas, en el sentido de que un retraso en cualquiera de esas
tareas provoca un retraso en la conclusin del proyecto?
3. Es posible acelerar ciertas tareas para terminar todo el proyecto
ms pronto?. Si es as, qu tareas sern stas y cul sera el
costo adicional?
306
Mtodo de la Ruta Crtica (CPM, Critical Path

Method): Mtodo utilizado para administrar
proyectos en que los tiempos requeridos para
terminar las tareas individuales se conocen con
relativa certeza (determinsticos).
Tcnica de Evaluacin de Proyectos (PERT,
Program Evaluation and Review Technique): Mtodo
utilizado para administrar proyectos en que los
tiempos requeridos para terminar las tareas
individuales son inciertos (probabilsticos).
307
3.1 Desarrollo de la Red de Proyectos

Para determinar el tiempo de conclusin de un proyecto puede
usar los siguientes pasos:
1. Identifique las tareas individuales que componen el proyecto
2. Obtenga una estimacin del tiempo de conclusin de cada
tarea.
3. Identifique las relaciones entre las tareas. Qu tareas deben
concluirse antes de que otras puedan iniciarse?
4. Dibuje un diagrama de red de proyecto para reflejar la
informacin de los pasos 1 y 3
308
Traslado de las oficinas de una ciudad a otra
Ejemplo:
El directorio ha fijado un plazo mximo de 22

semanas para la mudanza
309
Construccin del diagrama de Red:

2
A
4
1
C
B
3
Cmo agregamos la actividad D?. Sus

predecesoras inmediatas son A y C,
adems C es predecesora directa de F 310
Actividades Ficticias (figurada):

Es una actividad artificial que no requiere tiempo y que se
incluye en una red de proyecto para asegurar la relacin de
precedencia correcta entre ciertas tareas.
Generalmente se representan por lneas segmentadas.
Se usan slo para reflejar las relaciones de precedencia
adecuadas
2
A
4
C
311
Volviendo al ejemplo: Agregando el resto de las actividades a la red

finalmente se tiene
D
5
E
H
A
4
J
8
C
I
3
312
Siguiendo con el ejemplo: G y H tienen como predecesora inmediata

F, adems ambas son predecesoras de J, agregar actividad ficticia.
D
5
E
H
4
Fic
J
9
C
I
3
Red Final
313
Se requiere de las estimaciones de tiempo de cada actividad (supuestos)
Ruta Crtica: Dar cumplimiento al plazo lmite
314
Retomando el ejemplo: Agregando los tiempos a las actividades

D (4)
5
E (8)
(3)
H (2)
4
F (2)
6
G (4)
7
Fic
J (3)
9
(3)
I (5)
(5)
3
315
Clculo de la ruta crtica: Tiempo de trmino del proyecto

Definiciones
Tiempo de inicio ms inmediato: El tiempo
ms cercano en que una tarea posiblemente
pueda iniciarse (TI)
Tiempo de trmino ms breve: El tiempo ms

corto en el que una tarea posiblemente pueda
concluir (TT)
316
Reglas a cumplir: Dado que en el proyecto existen tareas

predecesoras es necesario conocer
termina una y cuando empieza la otra:
cuando
Regla
1. Para calcular el TI de una tarea se debe conocer los TT de cada
tarea predecesora inmediata
2. El TI ms inmediato de una tarea de la que se conocen los
tiempos de trmino ms breves de todas sus tareas
predecesoras inmediatas es el mximo de todos esos tiempos
de trmino ms breves.
3. Tiempo de trmino ms breve = (tiempo de inicio ms
inmediato) + (tiempo de tarea(t))
317
Pasos para determinar los TI y TT ms inmediatos:

Paso
0
Identificar el nodo de inicio de la red del proyecto

Calcule y escriba en cada arco saliente
a) TI ms cercano, esto es, 0
b) El TT ms breve de acuerdo a la regla 3
TT ms breve = (TI ms inmediato) + (t)
=0+t
Seleccionar cualquier nodo donde todos los arcos

entrantes han sido etiquetados con sus TI y TT
318
Pasos para determinar los TI y TT ms inmediatos:

Paso
2
Para el nodo seleccionado en el paso 1 calcule y registre

en cada arco saliente
a) El TI ms breve de acuerdo a la regla 2

TI ms breve = MAXIMO(TT de los arcos entrantes)
b) El TT ms breve de acuerdo a la regla 3
TT ms breve = TI ms inmediato + t
319
Clculo de TI y TT:
D[8,12]
3]
0]
,2
12
E[
A[
0,
H[10,12]
F[8,10]
6
G[10
,14]
J[20
,23]
Fic
8
5]
0,
B[
C[5,8]
0]
1
,
5
[
I
320
Identificacin de las tareas crticas:

Para identificar las tareas crticas hay que realizar un
recorrido hacia atrs hasta el inicio del proyecto,
analizando cada tarea.
1. ltimo Tiempo de trmino: Lo ms tarde que puede
concluirse una tarea, en tanto permita que el proyecto se
complete lo ms pronto posible
2. ltimo tiempo de inicio: Lo ms tarde que pueda
iniciarse una tarea, pero finalizando dentro de su tiempo
de trmino.
3. Tarea sucesora: Una tarea para la que la tarea de inters
es una predecesora
321

Regla
4
Para calcular el ltimo tiempo de trmino (UTT) de una

tarea particular, debe conocer los ltimos tiempos de
inicio (UTI) de cada tarea sucesora inmediata.
Respecto a una tarea de la que se conocen los ltimos

tiempos de inicio de todas sus tareas sucesoras
inmediatas, el ltimo tiempo de trmino (UTT) de esa
tarea es el mnimo de los ltimos tiempos de inicio de
todas las tareas sucesoras inmediatas
UTI = UTT- t
322

Pasos para calcular los ltimos tiempos de inicio y trmino
0
Identificar el final del proyecto. Calcular y escribir en cada arco

entrante:
a) ltimo tiempo de trmino del proyecto
b) ltimo tiempo de inicio (Regla 6): UTI=UTT-t
Seleccione un nodo, cuyos arcos salientes hayan sido etiquetados

todos con sus UTI y UTT
Para el nodo seleccionado (paso 1) calcule y escriba lo siguiente

a) UTT= MIN(UTI arcos salientes), (regla 5)
b) UTI=UTT - t (regla 6)
Repetir pasos 1 y 2 hasta cubrir toda la red del proyecto

323

Clculo de UTT y UTI para cada actividad
Iteracin 1
Iteracin 2
Nodo 9 Actividad J
UTT = 23
UTI = 23-3 = 20
Actividad I
UTT = 23
UTI = 23-5 = 18
Nodo 7 Actividad E
UTT = 20
UTI = 20-8 = 12
Actividad H
UTT = 20
UTI = 20-2 = 18
Actividad ficticia
UTT = 20
UTI = 20-0 = 20
324

Clculo de UTT y UTI para cada actividad . Finalmente se tiene
D[8,12]
[8,12]
[1
2
3]
[ 5,
8]
A[
0,
F[8,10]
5]
0,
B[
]
,5
[0
C[5,8]
[5,8]
]
[14,16
0]
,2
12
E[
,2
0
H[10,12]
6 G [18,20
[10,1
4]
[1 6 ,
2
0]
Fic
8
J[20
,23]
[20
,2
3]
]
0
1
,
5
I[
]
[ 18 ,
23
3
325

Holgura:
Es la cantidad de tiempo que puede demorar una

actividad sin afectar la fecha de trmino del proyecto.
El valor de la holgura para cada actividad est dada por:
holgura = TI - UTI = TT - UTT
Ejemplo:
Actividad C: TI = 5, UTI = 5, TT = 8, UTT = 8
Holgura = 5 - 5 = 8 - 8 = 0
Actividad I: TI = 5, UTI = 18, TT = 10, UTT = 23
La actividad C tiene holgura 0, por tanto no puede
retrasarse, en cambio la actividad I tiene 13 semanas de
holgura que permite retrasar su inicio.
326

Resumen de los tiempos de las actividades del proyecto:
Tiempo ms prximo de: Tiempo ms lejano de:
Actividad
A
B
C
D
E
F
G
H
I
J
Tiempo
3
5
3
4
8
2
4
2
5
3
Inicio
0
0
5
8
12
8
10
10
5
20
Trmino
3
5
8
12
20
10
14
12
10
23
Inicio
5
0
5
8
12
14
16
18
18
20
Trmino Holgura
8
5
5
0
8
0
12
0
20
0
16
6
20
6
20
8
23
13
23
0
Tiempo de ejecucin del proyecto: 23 semanas

327

Actividad crtica es aquella que tiene holgura cero
Ruta crtica es una secuencia de tareas (actividades) crticas que

conecta el principio del proyecto con el fin
En nuestro ejemplo:
Actividades crticas: B, C, D, E y J
Ruta crtica:
Nodos
1-3-2-5-7-9
Actividades
B-C-D-E-J
328
Formas de Reducir la duracin del proyecto:

1. Anlisis Estratgico
Aqu el analista se pregunta: Este proyecto tiene que
desarrollarse en la forma programada actualmente?. En
concreto, Todas las actividades de la ruta crtica tienen que
realizarse en el orden especificado?. Podemos hacer arreglos
para efectuar algunas de estas actividades en forma distinta de
cmo aparecen en la ruta crtica?.
2. Enfoque Tctico
El analista presupone que el diagrama en curso es adecuado y
trabaja para reducir el tiempo de ciertas actividades de la ruta
crtica asignando mayores recursos. Por ejemplo tiempo, aumento
de mano de obra, etc.
329

Para el ejemplo en estudio, el directorio estim un
tiempo mximo de 22 semanas para realizar el
proyecto, y segn el estudio se ha determinado que se
requieren 23 semanas, Cmo soluciona Ud. el
problema?. Realice distintos supuestos vlidos para su
solucin. Es nica?.
330

Alternativa de solucin
Realizados algunos estudios los responsables de la mudanza, se
dan cuenta que la actividad J (entrenamiento de los nuevos
empleados) debe realizarse en el nuevo edificio (despus de
completar la actividad E) y despus de que el personal clave y
de registros se haya mudado (al completar la actividad H).
Estos requerimientos se podran cambiar:
Realizar J independientemente de H
El entrenamiento realizarlo en otras dependencias a un costo
reducido y que estn listos para cuando se termine la
construccin. Esto requiere agregar otra actividad: Garantizar
recursos de entrenamiento, actividad K
331
Con los cambios anteriores, es posible que la red

redefinida tenga una nueva ruta crtica con un tiempo
menor, aunque todava insatisfactorio (mayor a las 22
semanas establecidas).
332
Diagrama de red para el proyecto redefinido

D (4)
2
A(3)
F (2)
4
5
H(2)
G(4)
K(3)
7
8
E (8)
J (3)
Fic
C (3)
I (5)
(5)
3
333
Actualizacin de los tiempos para el proyecto redefinido

Tiempo ms prximo de: Tiempo ms lejano de:
Actividad
A
B
C
D
E
F
G
H
I
J
K
Tiempo
3
5
3
4
8
2
4
2
5
3
3
Inicio
0
0
5
8
12
8
10
10
5
14
10
Trmino
3
5
8
12
20
10
14
12
10
17
13
Inicio
5
0
5
8
12
11
13
18
15
17
14
Trmino Holgura
8
5
5
0
8
0
12
0
20
0
13
3
17
3
20
8
20
10
20
3
17
4
Actividades ruta crtica: B-C-D-E

Duracin del proyecto: 20 semanas
334
3.3 PERT: Variabilidad en los tiempos de Actividades

Hasta ahora hemos trabajado asumiendo que los
tiempos de duracin de las actividades eran
determinsticos, en consecuencia TI, TT, UTI y UTT
tambin fueron deducidos como deterministas. Como
este supuesto no siempre es correcto, PERT emplea
una frmula especial para estimar los tiempos de las
actividades.
PERT requiere de alguien que conozca bien una
actividad en cuestin, para producir tres estimaciones
del tiempo de sta.
335
PERT: Variabilidad en los tiempos de Actividades
1. Tiempo optimista (denotado por a): el tiempo

mnimo. Todo tiene que marchar a la perfeccin.
2. Tiempo ms probable (denotado por m): el tiempo

que se necesita en circunstancias ordinarias.
3. Tiempo pesimista (denotado por b): el tiempo

mximo. Situacin que se da en el peor caso.
336
Ejemplo: Para la actividad E (8 semanas). Al

examinar en detalle el proyecto de construccin del
interior se lleg a las siguientes estimaciones:
a=4
m=7
b = 16
Para estimar el valor esperado y la desviacin estndar de
los tiempos de la actividad, se asume que el tiempo de la
actividad es una variable aleatoria que tiene una
distribucin de probabilidad unimodal beta.
337
Distribucin beta
4
a
7 8
m
Estimacin del tiempo esperado

de actividad o tiempo promedio
Estimacin de la desviacin
estndar del tiempo de la actividad
16
b
te
a 4m b
6
ba
6
338
Estimacin de tiempo
Actividad
A
B
C
D
E
F
G
H
I
J
K
a
1,0
3,0
2,0
2,0
4,0
1,0
2,5
1,0
4,0
1,5
1,0
m
3,0
4,5
3,0
4,0
7,0
1,5
3,5
2,0
5,0
3,0
3,0
b
5,0
9,0
4,0
6,0
16,0
5,0
7,5
3,0
6,0
4,5
5,0
te
3,0
5,0
3,0
4,0
8,0
2,0
4,0
2,0
5,0
3,0
3,0
desv est varianza

0,667
0,444
1,000
1,000
0,333
0,111
0,667
0,444
2,000
4,000
0,667
0,444
0,833
0,694
0,333
0,111
0,333
0,111
0,500
0,250
0,667
0,444
339
Clculo del tiempo esperado de finalizacin de proyectos

Una vez determinado el tiempo promedio de cada
actividad, se puede calcular el tiempo de finalizacin
ms temprano esperado para el proyecto completo.
Se determinan los tiempos de inicio y de trmino ms

cercano, como tambin los tiempos de trmino y de
inicio ms lejano. Con estos tiempos se determina la
holgura en cada actividad, para finalmente determinar la
ruta crtica, exactamente igual como se hizo para tiempo
determinista.
340
Probabilidad de concluir el proyecto a tiempo

El anlisis procede de la siguiente forma:
1. Sea T el tiempo total que durarn las actividades de la ruta

crtica.
2. Encuntrese la probabilidad de que el valor de T resulte menor
o igual que cualquier valor especfico de inters. Para el
ejemplo en estudio buscaramos T 22 semanas.
Una buena aproximacin de esta probabilidad se encuentra
aceptando dos supuestos:
a) Los tiempos de
independientes.
actividad
son
variables
aleatorias
b) La variable T tiene una distribucin aproximadamente normal.

341
La meta es encontrar P{T 22}, donde T es el tiempo a lo largo

de la ruta crtica.
Estadsticas de la ruta crtica:
Desviacin estndar
T ...
i
i :
T:
2
1
2
2
Desviacin
estndar
de
actividad de la ruta crtica
i-sima
es el tiempo esperado (promedio)
342
2
n
Estimacin de terminacin del proyecto

Uso de la tabla de distribucin normal, entonces
debemos calcular Z para llegar a determinar la
probabilidad.
x
Z
343
Clculos caso en estudio
Ruta crtica: B- C- D y E
T = 20 (tiempo esperado, promedio calculado, )
x = 22 (tiempo exigido)
T2 B2 C2 D2 E2
T2 1 0,111 0,444 4
T2 5,555
T 2,357
344
Clculos caso en estudio

22 20
Z
2,357
Z = 0,8485
En la tabla de Z
P(Z 0,8485) = 0,80
345
Matriz de Encadenamiento
Una matriz de encadenamiento, es una matriz de NxN (N es la
cantidad de actividades) donde cada celda se marca con una X si
la actividad de la fila requiere que est terminada la actividad de
la columna. Esta matriz ayuda a la construccin de la red CPM
Para el ejemplo en estudio es:
A
A
B
C
D
F
G
H
I
J
X
X
X
X
X
X
X
X
346
3.4 CPM: TRUEQUE ENTRE TIEMPO Y COSTO

CPM considera que el tiempo extra (costo) puede reducir el
tiempo de trmino de una actividad, y en consecuencia reducir el
tiempo total del proyecto
Compra de tiempo:
CPM usa dos estimaciones: tiempo y costo normal, a lo que se
agregar tiempo y costo intensivo
Se asume que estas estimaciones son lineales:
Costo
Esfuerzo intensivo
Esfuerzo normal
Tiempo
347
CPM: Trueque entre el costo y el tiempo
Red de tiempo mnimo costo mnimo

Debido a las estimaciones de CPM se puede obtener dos redes
extremas:
1. Red de costo normal
2. Red de costo intensivo
Todas las actividades deben realizarse en forma intensiva?
3. Red de tiempo mnimocosto mnimo
348
Enfoques para encontrar red de tiempo mnimo costo

mnimo
1. Comenzar con la red normal e ir reduciendo los tiempos de
trmino hasta un mnimo.
2. Comenzar con la red de todo intensivo y desintensificar
actividades para reducir el costo sin afectar el tiempo total.
3. Comenzar con la ruta crtica de la red de todo intensivo con
un tiempo mnimo, pero con todas la dems actividades
normales. Despus reducir las otras trayectorias como sea
necesario.
Todos son igualmente eficaces?
349
Enfoque: Red normal y reduccin de tiempos

Proyecto: Construccin de una casa
Actividad
A (1,2)
B (2,3)
C (2,4)
D (2,7)
Fic(3,4)
E (4,5)
F (4,6)
G (5,7)
H (6,7)
Tiempo (semanas) Costo (miles $)

Precedencia Normal Intensivo Normal Intensivo Costo
ninguna
4
3
1.400
2.000
600
A
2
1
1.500
2.000
500
A
3
1
1.500
2.500 1.000
A
1
1
600
600
-0
0
---B, C
3
2
1.300
2.000
700
B, C
2
1
300
500
200
E
2
1
800
1.200
400
F
2
1
600
1.000
400
350
Paso 1: Red del proyecto

Si consideramos la convencin actividad-flecha, el grafo del
proyecto es:
G(2)
E(3)
B(2)
A(4)
C(3)
H(2)
F(2)
6
D(1)
351
Paso 2: Tiempos de Inicio y de Trmino, holgura y ruta crtica

En el grafo se muestran los tiempos de inicio y de trmino ms
prximos y los ms lejanos, y la ruta crtica. El tiempo mnimo
para la ruta crtica es de 12 semanas a un costo normal de $8.000.
5
)[1
]
12
0,
E(
3)
[7
,1
[7
0]
,1
0]
2
G(
C(3)[4,7]
[4,7]
[0,4]
6,6
A(4)[0,4]
[1
0,
12
]
0
12 12
00
[
(0)
[7,7
B(
2)[
4,6
]
[5,7
]
F(2)[7,9]
[8,10]
H(2)[9,11]
[10,12]
D(1)[4,5]
[11,12]
352
Paso 2: Tabla de tiempos prximos y lejanos
Actividad
A (1,2)
B (2,3)
C (2,4)
D (2,7)
E (4,5)
F (4,6)
G (5,7)
H (6,7)
Tiempo Tiempo ms prximo de: Tiempo ms lejano de:

Normal Inicio
Trmino
Inicio Trmino
4
0
4
4
4
2
4
6
5
7
3
4
7
4
7
1
4
5
1
12
3
7
10
7
10
2
7
9
8
10
2
10
12
10
12
2
9
11
10
12
Holgura
0
1
0
7
0
1
0
1
Actividades
crticas
353
Paso 3: Intensificar actividades ruta crtica

a) Actividad A: de 4 a 3 semanas
( 600)
b) Actividad C: de 3 a 1 semana
(1.000)
c) Actividad E: de 3 a 2 semanas
( 700)
d) Actividad G: de 2 a 1 semana
( 400)
Es posible hacer estas reducciones?
354
Reduccin de Actividades ruta crtica

5
A(4 3)
1)
00
2)
B(
2)[
4,6
]
2
G(
E(
3
C(3 1)
F(2)[7,9]
H(2)[9,11]
D(1)[4,5]
La ruta crtica disminuy a 7 semanas, seguir mantenindose

como tal?. No
Hay que ver si es posible reducir las actividades paralelas a la ruta
crtica inicial, slo hasta igualar tiempos.
355
Paso 4: Intensificar actividades que no estn en la

ruta crtica (paralelas)
a) Actividad B (paralela a C): de 2 a 1 semana
(500)
b) Actividad F o H? (o ambas?). En este caso slo F: de 2 a 1

semana
(200)
c) Actividad D: No requiere reduccin
356
Paso 4: Resumen de las reducciones
Actividad
A (1,2)
B (2,3)
C (2,4)
D (2,7)
E (4,5)
F (4,6)
G (5,7)
H (6,7)
Accin
1 semana
1 semana
2 semanas
----1 semana
1 semana
1 semana
-----
Costo
Adicional
600
500
1000
700
200
400
Normal
1.400
1.500
1.500
600
1.300
300
800
600
$ 8.000
Total
2.000
2.000
2.500
600
2.000
500
1.200
600
$ 11.400
357
Grafo final
En el grafo se muestran los tiempos de inicio y de trmino ms
prximos y los ms lejanos, y la ruta crtica. El tiempo mnimo
para la ruta crtica es de 7 semanas a un costo normal de $11.400.
5
C(1)[3,4]
[3,4]
E(
2)
[4
,6
[4
]
,6
]
]
,7
[6
1)
G(
[0,3]
,4]
A(3)[0,3]
[6
,7
]
0
77
00
[4
(0)
[7,7
B(
1)[
3,4
]
[5,7
]
F(1)[4,5]
[4,5]
H(2)[5,7]
[5,7]
D(1)[3,4]
[6,7]
358
Red ptima
Qu sucede si un proyecto lleva ms tiempo del especificado?
Conviene hacer ms intensivo el proyecto o pagar la
penalizacin por atraso?
Ejemplo:
Suponga que en el proyecto de la casa hay una penalizacin de
$450 por cada semana de tiempo extra despus de ocho semanas.
Cul es la red ptima?.
Solucin: Reducir la red en una semana cada vez e ir
comparando si los costos por intensificar son menores a los
costos por penalizacin. Se termina cuando los costos de
penalizacin son mayor a los costos de intensificar.
359
Red ptima
1. Reducir una semana (de 12 a 11 semanas)

De la red normal analizar ruta crtica
Actividades
Incremento de Costo
A
600
C
500
E
700
G
400
Conclusin: Intensificar 1 semana la actividad G
(400<450).
2. Intentar reducir una segunda semana (de 11 a 10)
Todos los costos incrementales de la ruta son mayores a la
penalizacin. Intentar por las vas paralelas.
No hay rutas alternativas cuya reduccin implique un costo
menor al de penalizacin.
360
Solucin
Grafo resultante
3
B(
2)
E(
3)
1)
G(
A(4)
C(3)
F(2)
H(2)
D(1)
Conviene hacer intensivo el proyecto hasta la semana 11 y pagar

las penalizaciones por las semanas de atraso
Costo total = Costo intensivo + costo penalizacin
= (8.000 + 400) + 3*450 = $9.650
361
Ejemplo
Suponga que un proyecto de investigacin tiene las siguientes

estimaciones:
Actividad
A (1,2)
B (1,3)
C (2,3)
D (2,4)
E(3,4)
Tiempo (meses)
Normal
Intensivo
8
4
9
6
3
2
10
7
6
4
Costo (miles $)
Normal
Intensivo
20.000
30.000
18.000
27.000
12.000
17.000
25.000
34.000
15.000
23.000
a) Dibuje la red. Con los tiempos normales de las actividades,

encuntrese la duracin total del proyecto y la ruta crtica.
b) Supngase que el proyecto se debe completar en un tiempo mnimo.
Cul es el menor costo para el proyecto, es decir, cul es la red de
tiempo mnimocosto mnimo?
c) Cul es el costo mnimo para terminar el proyecto en 17 meses?
d) El departamento de comercializacin dice que cada mes que el
proyecto se pase de 15 meses le cuesta a la firma $5.000. Cul es el
costo y duracin ptimo del proyecto?
362
Modelo de PL para CPM (Tiempo mnimocosto mnimo)

a) Identificacin de Variables de decisin
Estn relacionadas directamente con el tiempo a reducir en
cada tarea
Yi: Tiempo (horas, das, ..) a reducir de la i-sima actividad
YA: Nmero de semanas en las cuales acortar la actividad A
b) Funcin Objetivo
El objetivo es minimizar los recursos adicionales totales
requeridos para satisfacer el tiempo de trmino del proyecto.
Para el ejemplo en estudio, en la tabla de especificaciones
agregamos dos columnas: Tiempo mximo a reducir por tarea
y el costo adicional por semana intensiva
363

Tiempo (semanas)
Costo (miles $) Reduccin Costo por
Actividad Precedencia Normal Intensivo Normal Intensivo mxima semana
A (1,2) ninguna
4
3
1.400
2.000
1
600
B (2,3)
A
2
1
1.500
2.000
1
500
C (2,4)
A
3
1
1.500
2.500
2
500
D (2,7)
A
1
1
600
600
0
-Fic(3,4)
0
0
--0
-E (4,5)
B, C
3
2
1.300
2.000
1
700
F (4,6)
B, C
2
1
300
500
1
200
G (5,7)
E
2
1
800
1.200
1
400
H (6,7)
F
2
1
600
1.000
1
400
Por lo tanto la funcin es:

MIN Z = 600YA+500YB+500YC+700YE+200YF+400YG+400YH
364

c) Identificacin de las restricciones
Para el ejemplo, se pueden agrupar en dos grupos
1. La cantidad mxima de tiempo en el cual se puede acortar
cada actividad.
2. El tiempo de trmino del proyecto (en este caso 12 semanas)
Para el grupo 1, lo que se necesita son las cotas superiores
sobre las variables de decisin (YA, YB, YC, YE, YF, YG, YH)
dada por la columna Reduccin mxima) de la tabla anterior.
365

Restricciones de Lmite
0<=YA<= 1
(lmite de A)
0<=YB<= 1
(lmite de B)
0<=YC<= 2
(lmite de C)
0<=YD<= 0
(lmite de D)
0<=YE<= 1
(lmite de E)
0<=YF<= 1
(lmite de F)
0<=YG<= 1
(lmite de G)
0<=YH<= 1
(lmite de H)
366

Restricciones del grupo 2 estn en funcin de nuevas variables que
expresan cuando las actividades que salen de un determinado
evento pueden comenzar. Requiere conocer cuando terminan
todas las actividades que llegan al evento. Dependen de Yi
X1 : tiempo en que todas las actividades que salen del evento 1 pueden comenzar
......
Adems el proyecto debe comenzar en el tiempo 1 y terminar a lo ms en 12
semanas
X1 = 0
X7 12
367

Asociando las variables a la red tenemos:
X5
X3
3
B(2)
(0)
(3-YE)
(2-YB)
X1
A(4)
(4-YA)
X2
C(3)
(3-YC)
G(2)
E(3)
X4
F(2)
(2-YF)
(2-YG)
X6
H(2)
(2-YH)
X7
D(1)
(1-YD)
368

Nodo 2
Tiempo de inicio de las tareas que salen del nodo 2 tiempo de
terminacin de todas las tareas que entran al nodo 2
Tiempo de inicio de las tareas B, C y D (tiempo de terminacin
de la tarea A + (tiempo acortado de la tarea A)
X2 X1 + (4-YA)
Nodo 3
terminacin de todas las tareas que entran al nodo 3
Tiempo de inicio de la tarea Ficticia (tiempo de terminacin de
la tarea B + (tiempo acortado de la tarea B)
X3 X2 + (2-YB)
369

Modelo de PL para CPM (Tiempo mnimocosto
mnimo)
Nodo 4
terminacin de todas las tareas que entran al nodo 4.
Hay dos arcos que entran al nodo, las actividades E y F deben
comenzar slo cuando las tareas que entran (C y la ficticia) hayan
terminado. Dando origen as a dos restricciones (una por cada
actividad)
Restriccin de la actividad C
Tiempo de inicio de las tareas E y F tiempo de terminacin de
la tarea C
Tiempo de inicio de las tareas E y F (tiempo de terminacin de
la tarea C + (tiempo acortado de la tarea C)
X4 X2 + (3-Yc) (tarea C)
370

mnimo)
Nodo 4
Restriccin de la actividad Ficticia
Tiempo de inicio de las tareas E y F tiempo de terminacin de
la tarea figurada
Tiempo de inicio de las tareas E y F (tiempo de terminacin de
la tarea Figurada + (tiempo acortado de la tarea Figurada)
X4 X3 + 0 (tarea Figurada)
Aplicando sistemticamente el procedimiento y se escribe una
restriccin para cada actividad se obtienen las siguientes
restricciones para los nodos 5 al 7
371

mnimo)
Nodo 5
X5 X4 + (3-YE)
(actividad E)
Nodo 6
X6 X4 + (2-YF)
(actividad F)
Nodo 7
X7 X5 + (2-YG) (actividad G)
X7 X6 + (2-YH) (actividad H)
372

MIN Z = 600YA+500YB+500YC+700YE+200YF+400YG+400YH
Sujeto a:
Restricciones de Lmite
0<=YA<= 1
(lmite de A)
0<=YB<= 1
(lmite de B)
0<=YC<= 2
(lmite de C)
0<=YD<= 0
(lmite de D)
0<=YE<= 1
(lmite de E)
0<=YF<= 1
(lmite de F)
0<=YG<= 1
(lmite de G)
0<=YH<= 1
(lmite de H)
373

X1 = 0
X7 12
X2 X1 + (4-YA)
(tarea C)
X3 X2 + (2-YB)
(tarea B)
X4 X2 + (3-Yc)
(tarea C)
X4 X3 + 0
(tarea Figurada)
X5 X4 + (3-YE)
(actividad E)
X6 X4 + (2-YF)
(actividad F)
X7 X5 + (2-YG)
(actividad G)
X7 X6 + (2-YH)
(actividad H)
X1, ..., X7 0
374
Para su entretencin
Ejercicios:
La complejidad de las redes CPM est ms afectada por las interrelaciones que
el nmero de nodos. Por ejemplo, considrese el proyecto siguiente:
Actividad Normal Intensivo
A (1,2)
8
7
B (1,3)
15
10
C (1,4)
12
6
D (2,3)
9
9
E (2,5)
11
9
F (3,6)
9
8
G (4,3)
9
7
H (4,7)
13
12
I (5,6)
7
5
J (5,8)
15
11
K (6,8)
10
5
L (7,6)
4
3
M (7,8)
12
9
Normal Intensivo
10.000
12.000
12.000
17.000
13.000
14.000
7.000
7.000
2.000
4.000
5.000
7.000
14.000
16.000
8.000
10.000
6.000
10.000
9.000
10.000
3.000
8.000
7.000
8.000
5.000
6.000
a) Existen 7 trayectorias en esta red. Encuntrense todas.

b) Con tiempos normales, encuntrese la longitud de cada trayectoria. Cul
es la ruta crtica?
c) Cul es el costo mnimo intensivo para reducir el proyecto a 39 das? a
38 das? a 37 das?
d) Encuntrese la red de tiempo mnimocosto mnimo.
375

Unidad 1

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Unidad 1

Diunggah oleh

Hak Cipta:

Format Tersedia

Unidad 1

1.1 Introduccin a la Programacin Lineal

Por qu decimos que un problema es complejo?

El uso de las matemticas y las computadoras

Aplicacin de las tcnicas de la administracin a problemas (sistemas):

Mtodo Cientfico para resolver problemas complejos

Qu hace un Director de Empresa para escoger la accin ms

Establecer Criterio que usar

Aportes: Tcnicas de Programacin Lineal

Gomory (programacin lineal discreta)

CONSTRUCCIN DE MODELOS CUANTITATIVOS

Los mtodos cuantitativos se emplean:

Caractersticas de los Sistemas Administrativos

Dimensionalidad de los modelos (unidades)

Influidas por un oponente

Dimensionalidad de los modelos (unidades)

Uso de Datos para la Toma de Decisiones

Determina primero los hechos, despus puedes

Los hechos no dejan de existir porque se ignoren.

Qu son los datos?

1 Definicin del problema

2 Desarrollo del Modelo Matemtico

- Ningn fondo tenga ms del 75% de lo invertido

- Cada fraccin debe ser no negativa

Finalmente el modelo resultante es:

3 Resolucin del modelo matemtico

4 Validacin y Control de la Solucin

5 Modificacin del Modelo

Resolviendo nuevamente se tiene que:

Nota: Emplear Solver para determinar el

1.2 Construccin de Modelos de PL

FORMALIZACIN DEL MODELO DE PL

R1: horas hombre

Minutos por unidad

Obtenga el modelo de PL para maximizar la ganancia

Un estudio de mercado ha establecido que la demanda diaria de pintura para

producto debe pasar por dos secciones. El suministro de mano de obra

La cantidad mxima de unidades de B que puede venderse es igual a

1.3 Solucin de Problemas PL

1.3.1 Mtodo Grfico

Los pasos a seguir son:

1. PROTRAC tendr una utilidad de $5.000 por cada E-9 que se

4. Con objeto de cumplir un compromiso con el sindicato, el total

Grfica de PROTRAC y funcin Utilidad

Grfica de PROTRAC y funcin Utilidad

10(4,5) + 15(7) = 150

20(4,5) +10(7) = 160

Depto Pruebas: 30(4,5) + 10(7) = 205

En los departamentos A y B el consumo es

1.3.2 Mtodo Simplex

A. Forma estndar del Modelo de PL

2) desigualdad: 8x1 + 10x2 120

A.2 Segundo miembro no negativo

Se multiplica la desigualdad (ecuacin) por -1

-3X1 - 2X2 <= 5

A.3 Variables irrestrictas

La sustitucin debe realizarse

A.4 Funcin Objetivo

MAX z = 5x1 + 3x2 + 5x3

Algoritmo del mtodo Simplex

C. Mtodo Simplex Primal

Forma Estndar (aumentada)

X1, X2, X3, X4, X5, X6 >= 0