Unidad III. Programación entera.

Unidad IV Transporte y asignación.

Investigación de operaciones I

Ingeniería Industrial

Catedrático: ING.
Alumno:
Hora: 10am-12pm

Veracruz, Ver. a 23 de julio del 2018

1
Contenido
Introducción. ...................................................................................................................................... 3

3.1 Introducción y casos de aplicación de la programación entera. ........................................... 4

Introducción a la programación entera ................................................................................................ 4

Aplicaciones ........................................................................................................................................ 5

3.2 Definición y modelos de programación entera. ....................................................................... 7

Definición ............................................................................................................................................. 7

Modelos de Programación Entera ....................................................................................................... 7

3.3 Método gráfico en la programación entera. ............................................................................. 9

3.4 Método de ramificación y acotación ................................................................................... 11

Diagrama de flujo del método de ramificación y acotación. .......................................................... 12

3.5 Método heurístico para problemas binarios .......................................................................... 13

3.6 Uso del software. ....................................................................................................................... 14

WinQSB ......................................................................................................................................... 14

TORA ............................................................................................................................................. 14

DS for Windows ............................................................................................................................. 14

LINGO ............................................................................................................................................ 14

LINDO ............................................................................................................................................ 15

CONCLUSIONES. ............................................................................................................................ 15

Bibliografías. .................................................................................................................................... 16

4.1 DEFINICIÓN DEL PROBLEMA DE TRANSPORTE………………………………………………………………17

4.2 Algoritmo de transporte……………………………………………………………………………………….. 18 19 4.3

Método Esquina Noroeste ………………………………………..20,21,22,23,24

4.4MÉTODO DEL COSTO MÍNIMO ………………………………………………….. 25, 26,27, 28,29

4.5 MÉTODO DE APROXIMACIÓN DE VOGEL ……30,31,32,33,34,35,36,37,38,39
4.6 Método Húngaro…………………………………………………………………………………………………..40,41,42

4.8 uso de software para transporte y asignación ……………………………………………………….43

Bibliografía …………………………………………………………………………………………………………………………44

2
Introducción.

Investigación de operaciones es una materia que nos sirve para resolver distinto
problemas en los cuales se refiere en la búsqueda de una solución óptima y de
igual forma tomar la mejor decisión a un problema, para el manejo de esta misma
se utilizan distintos métodos de resolución de problema; esta materia surgió de la
necesidad del hombre, ya que todas estas diversas técnicas iniciaron en base la
segunda guerra mundial, para buscar la forma de minimizar los recursos.

Al inicio de curso hemos aprendimos los fundamentos de esta materia, como lo

que es la construcción de un modelo, como resolver problemas de programación
lineal por el método simplex, y de igual forma lo que fue el método gráfico, para los
problemas que poseían solamente 2 variables, analizando sus vértices máximos
para encontrar la mejor solución al problema y elegir una decisión optima ya sea
esta de optimización o minimización de nuestra función objetivo (muchas veces
denominada meta).

Sin embargo la programación lineal no es solamente uno de los método para

resolver diversos tipos de problemas, para eso también se utiliza la programación
entera, la cual, en base a manejar problemas con coeficientes enteros, podemos
llegar a un resultado algo más sólido y de igual forma optimo como en la
programación lineal, cabe destacar que en la programación entera se suele llegar
a un resultado muy similar a la programación lineal por otros métodos (simplex, de
penalización, dual, etc.), los problemas que se desean resolver por esta forma,
suelen ser de carácter heurístico ósea, hacerlo de una forma más creativa y con
otra forma de poder resolverlo.

3
3.1 Introducción y casos de aplicación de la
programación entera.

Introducción a la programación entera

Es frecuente al tener que resolver problemas en los cuales las soluciones tienen
que ser valores enteros como por ejemplo: números de unidades a producir por
máquina, número de máquinas necesarias, etc. Parte del problema de la
programación entera radica en la diferencia esencial que existe la programación
lineal y la entera, en la programación lineal se maximiza o minimiza una función
sobre una región de factibilidad convexa, mientras que al usar los métodos de
programación entera se maximiza una función sobre una región de factibilidad que
generalmente no es convexa.

De tal manera que la programación entera tiene más complicaciones que la

programación lineal. En este tema se presenta un tipo de problemas formalmente
similares a los problemas de Programación Lineal, ya que en su descripción solo
se establecen expresiones lineales. Sin embargo no responden a problemas
lineales ya que algunas (o todas) las variables del problema toman valores que no
están en un conjunto continuo.

Por ejemplo, pueden ser variables que toman valores 0 o 1(binarias), o variables
que toman valores enteros no negativos (0, 1,2,...), etc. Tras introducir el tipo de
problemas se dedica un importante apartado para presentar las posibilidades de
modelado que esta herramienta proporciona: problemas binarios, problemas de
carga, problemas con restricciones condicionales o con dicotomías, etc. Tras
dedicar una parte importante del tema a presentar estas herramientas de
modelado y a plantear numerosos problemas con ellas se procede a mostrar dos
métodos de resolución. Uno de ellos dedicado a problemas en los que todas las
variables son binarias y otro para problemas generales. Ambos métodos tienen en
común que desarrollan un proceso de enumeración que permite comprobar

4
explícita o implícitamente todas las soluciones del problema hasta encontrar la
óptima, y entran dentro del tipo de métodos de ramificación y acotación.

En algunos casos se requiere que la solución óptima se componga de valores

enteros para algunas de las variables. La resolución de este problema se obtiene
analizando las posibles alternativas de valores enteros de esas variables en un
entorno alrededor de la solución obtenida considerando las variables reales.
Muchas veces la solución del programa lineal truncado está lejos de ser el óptimo
entero, por lo que se hace necesario usar algún algoritmo para hallar esta solución
de forma exacta

Aplicaciones
Las aplicaciones de la programación entera son las siguientes:

 Todos los problemas de programación lineal, donde las actividades, por su

estructura deben ser no-divisibles, son programas enteros.
 Todos los problemas de transporte, asignación y redes de optimización.
Este tipo de problemas son enteros y dada la estructura tan especial de
estos problemas, tienen métodos de solución propios.
 Problemas de secuenciación. Este tipo de problemas aunque son fáciles de
formular, resultan bastantes difíciles de resolver, los cuales llevan una
secuencia.
 El problema del agente viajero. Este problema concierne en un agente
viajero que saliendo de una terminal de ciudad debe visitar una sola vez n-1
ciudades diferentes, y regresar al punto de partida.
 Problema tipo mochila. Este tipo de problemas de optimización de carácter
entero puede darse en dos versiones. En la primera se proporciona un
cierto espacio con determinado volumen o capacidad, y este debe ser
llenado con objetos de valor y volumen o capacidades especificados.
 Problemas de inversión. Estos problemas pueden ser de distintos tipos de
inversión, siempre y cuando se añada con el hecho de que la programación
sea entera.

5
 Problemas con costos fijos. Todos los problemas que en su función de
costo influyen un costo fijo del siguiente tipo pertenecen al grupo de
problemas enteros. Este tipo de costos aparecen frecuentemente en
problemas de transportes, inventarios, localización de plantas, distribución
geográfica de electores, etc.
 Problemas de cubrimiento y partición de un conjunto. Este tipo de modelos
de carácter entero se ha utilizado en problemas de acceso de información,
programación de entrega de paquetería por transporte terrestre, distribución
política electoral, problemas matemáticos de coloración y programación de
horarios de tripulación aéreos, ferrocarrileros, terrestres y marítimos.
 Dicotomías y problemas de aproximación. Una dicotomía ocurre en un
programa matemático cuando se tienen condiciones de tipo esta restricción
o la otra restricción, pero no ambas. Este tipo de condiciones se pueden
representar por medio de una estructura entera.
 j) Balance de líneas de producción. Este tipo de problemas consisten en
decidir qué actividades deben se desempeñadas por cada trabajador, a
medida que un producto se desplaza por una línea de producción. El
objetivo consiste en 0, si = 0, 0 ≤ ≤, j=1,2,…n +, si > 0 minimizar el número
de trabajadores (o estaciones de trabajo o actividades) en función de una
tasa de producción.
 k) Asignación cuadrática. Estos aparecieron en problemas de localización,
existe un conjunto de n posibles lugares en donde se piensa construir n
plantas industriales m<n sea el costo unitario de transporte de lugar i al
lugar j y sea el volumen que se debe transferir de la planta industrial k a la
planta industrial p.

6
3.2 Definición y modelos de programación
entera.

Definición
Los modelos de Programación Entera son aquellos donde la totalidad o un
subconjunto de las variables de decisión toman valores enteros. En este sentido la
forma estándar de un modelo de Programación Entera queda definido de la
siguiente forma:

Existen múltiples aplicaciones de modelos de Programación Entera como apoyo a

la toma de decisiones. Algunas aplicaciones típicas son problemas de localización
de instalaciones, inclusión de costos fijos, problemas de asignación, problemas de
ruteo vehicular, etc.

Modelos de Programación Entera

Los modelos de Programación Entera se pueden clasificar en 3 grandes áreas:
Programación Entera Mixta (PEM), Programación Entera Pura (PEP) y
Programación Binaria.

Programación Entera Mixta (PEM)

A esta categoría pertenecen aquellos problemas de optimización que consideran

variables de decisión enteras o binarias pero no de forma exclusiva. De esta forma
un problema de PEM puede considerarse como un híbrido entre distintas
categorías de modelamiento, siendo un caso típico aquel que considera la mezcla
de variables enteras y variables continuas (estas últimas características de los
modelos de Programación Lineal). A modo de ejemplo los siguientes artículos que

7
hemos abordado en el Blog dan cuenta de modelos de Programación Entera
Mixta:

1. Incorporación de Costos Fijos

2. Problemas de Localización y Transporte

3. Problema de Generación Eléctrica

Programación Entera Pura (PEP)

En esta categoría encontramos aquellos modelos de Programación Entera que

consideran exclusivamente variables de decisión que adoptan valores enteros o
binarios. Un ejemplo de ello son las siguientes aplicaciones:

1. Problema de Asignación

2. Problema de Corte de Rollos

3. Selección de Invitados a una Boda

4. Programación de la Explotación Forestal

5. Problema de la Mochila

Notar que en los problemas anteriores (PEP) el conjunto de las soluciones

factibles (o dominio de soluciones factibles) es finito. Esto ocurrirá generalmente
con los problemas de Programación Entera (puros).

Programación Binaria.

En Matemática Aplicada la programación binaría hace referencia a aquella cuyo

conjunto de soluciones sólo puede tomar uno de dos posibles valores: 1 ó 0. Es un
caso especial de la Programación Entera. Esta herramienta matemática es
especialmente útil para enfrentar problemas de tipo de toma de decisiones Si o
No. El Problema de la asignación, es un caso particular de esta metodología,
dónde se debe asignar unos recursos limitados a unas tareas específicas de
manera óptima.

8
3.3 Método gráfico en la programación entera.

El método gráfico se emplea para resolver problemas que presentan sólo 2

variables de decisión. El procedimiento consiste en trazar las ecuaciones de las
restricciones en un eje de coordenadas X1, X2 para tratar de identificar el área de
soluciones factibles (soluciones que cumplen con todas las restricciones).

La solución óptima del problema se encuentra en uno de los vértices de esta área
de soluciones creada, por lo que se buscará en estos datos el valor mínimo o
máximo del problema.

EJEMPLO:

Una compañía de auditores se especializa en preparar liquidaciones y auditorías

de empresas pequeñas. Tienen interés en saber cuántas auditorías y liquidaciones
pueden realizar mensualmente para maximizar sus ingresos. Se dispone de 800
horas de trabajo directo y 320 horas para revisión. Una auditoría en promedio
requiere de 40 horas de trabajo directo y 10 horas de revisión, además aporta un
ingreso de 300 dls. Una liquidación de impuesto requiere de 8 horas de trabajo
directo y de 5 horas de revisión, produce un ingreso de 100 dls. El máximo de
liquidaciones mensuales disponibles es de 60.

Maximizar

Sujeto a:

9
La solución óptima siempre se encuentra en uno de los vértices del conjunto de
soluciones factibles. Se analizan estos valores en la función objetivo. El vértice
que representa el mejor valor de la función objetivo será la solución óptima.

10
3.4 Método de ramificación y acotación
El método de ramificar y acotar ayuda a resolver problemas complejos de
programación a través de subprogramas, con la que se puede llegar a una
solución. Las "ramas" de este modelo irán "creciendo" o extendiéndose
dependiendo de las variables a resolver. Este método generalmente es utilizado
en la resolución de problemas de optimización, ya que resolver problemas NP-
hard y obtener una solución óptima requiere de demasiado esfuerzo
computacional, y esta herramienta ayuda a que el esfuerzo computacional no sea
demasiado. También se utiliza para los problemas de juegos.

El método genera nodos las cuales son soluciones de cada variable, que se sigue
extendiendo, estas ramificaciones de las soluciones dadas por el método
continúan creciendo siempre y cuando la siguiente solución este dentro de lo
óptimo. El algoritmo busca el espacio de soluciones dadas por la mejor solución.

El objetivo de este algoritmo será encontrar el valor mínimo de una función f(x)
donde el rango de x está determinado sobre un conjunto S de posibles soluciones.
La iteración tiene 3 componentes principales:

 Selección del nodo para procesos

 Calcular los límites
 Ramificar

11
Para cada nodo que se genera en la ramificación tendremos:

 Cota superior del beneficio óptimo que podemos alcanzar a partir del nodo
i.
 Cota inferior del beneficio óptimo que podemos alcanzar a partir del nodo i.
 Beneficio estima óptima que se puede encontrar a partir del nodo i.

Las cotas deben ser fiables para poder determinar cuándo se hace una acota y el
beneficio estimado ayuda a decidir que parte del árbol evaluar primero.

Diagrama de flujo del método de ramificación y acotación.

12
3.5 Método heurístico para problemas
binarios

Heurístico del griego “heuriskin” (servir para descubrir), son procedimientos

utilizados en lógica y filosofía para estudiar los métodos del razonamiento
inductivo.

Polya (1957) en su “Tratado de solución de problemas”, emplea el término para

connotar el razonamiento inductivo y analógico que conduce a conclusiones
verosímiles, en contraposición a los desarrollos deductivos de pruebas rigurosas.

Se emplean los métodos heurísticos en vez de los algoritmos cuando no se

conoce una solución algorítmica al problema, o cuando esta está excluida por
motivos prácticos.

A pesar de que las heurísticas son una alternativa excelente para resolver
problemas de difícil solución, éstas también adolecen de ciertas propiedades
deseables. Un inconveniente de la gran mayoría de los métodos heurísticos es su
dependencia de la estructura del problema para el cual fue diseñado, y su falta de
habilidad para adaptarse a nuevas situaciones o modificaciones del problema de
partida. Así, usan propiedades de la región factible y/o de la función objetivo o
información a priori que hacen que los procedimientos sean válidos sólo bajo esas
condiciones a diferencia de los métodos exactos, no existe un procedimiento
conciso y preestablecido,

Independiente del problema. En los métodos heurísticos las técnicas e ideas

aplicadas a la resolución de un problema son específicas de éste y aunque, en
general, pueden ser trasladadas a otros problemas, han de particularizarse en
cada caso. Otro problema importante de los heurísticos es su incapacidad para
escapar de óptimos locales. Una solución heurística para un problema podría
corresponder o estar muy cercana a un óptimo local y no a un óptimo global, ya

13
que estos algoritmos pueden quedarse atrapados en una zona del espacio de
soluciones.

3.6 Uso del software.

WinQSB
WinQSB es un sistema interactivo de ayuda a la toma de decisiones que contiene
herramientas muy útiles para resolver distintos tipos de problemas en el campo de
la investigación operativa. El sistema está formado por distintos módulos, uno para
cada tipo de modelo o problema.

TORA
El software TORA de optimización es un programa basado en Windows® que
tiene por objeto usarse con muchas de las técnicas presentadas en el libro
Investigación de Operaciones de TAHA . TORA es una aplicación muy simple, con
una interfaz gráfica de baja calidad. Una de las ventajas de TORA es que puede
utilizarse en procesadores de 32 y 64 bits, hoy por hoy su principal desventaja es
que deberá ajustarse la configuración de pantalla para adecuarse a sus ajustes
de presentación de 800 x 600 y 1024 x 768 pixeles.

DS for Windows
Software para la producción / gestión de operaciones, métodos cuantitativos,
ciencias de la gestión y la investigación de operaciones.

LINGO
LINGO: (Linear Generalize Optimizer) es una herramienta simple para formular
problemas lineales y no lineales, resolverlos y analizar su solución. El resultado
que LINGO nos proporciona es la optimización que nos ayuda a encontrar el mejor
resultado: la ganancia más alta, o el costo más bajo.

14
LINDO
LINDO es un intuitivo programa para resolver problemas de optimización
matemática, en particular de programación lineal (continuos, enteros y binarios). El
nombre de LINDO es un acrónimo de Linear, Interactive, and Discrete Optimizer.

CONCLUSIONES.
La programación entera tiene una diversidad de métodos para resolver distintos
problemas de toma der decisiones, estos son un poco más complicado con la
programación lineal, aunque a veces con la programación lineal no se puede
resolver, con las programación entera pueden encontrarse una solución factible,
aunque como ya se mencionó al inicio, estos métodos son de carácter heurísticos
por lo que son algo nuevos y a su vez muy difíciles de dominar pero siempre en la
búsqueda de una solución para tomar decisión al final de cuentas.

Aunque muchas veces en problemas de inversión, o de otras cosas similares es

muy importante la programación entera para que la misma no tenga fallos a la
hora de resolver el mismo, obviamente, estos métodos puede resultar también en
decimales, a lo que también se le puede denominar a un método mixto o en su
defecto también puede ser un método en donde la respuesta sea sí o no
(binarios), hay muchísimas formas de resolver estos, y cada problema tiene su
forma de resolución y aunque, estas sean similar a la lineal, estas tienen la misma
utilidad, y de igual forma en la búsqueda de mejora continua como el simplex

15
Bibliografías.

Instituto Tecnológico La Laguna. (s.f.). Recuperado el 21/04/2017, de Solución de

Problemas de programación matemática por el metódo gráfico:
http://www.itlalaguna.edu.mx/academico/carreras/industrial/invoperaciones1
/UIb.HTML

Lieberman, H. y. (2003). ULPGC. Recuperado el 21/04/2017, de Programación

entera:
http://www2.ulpgc.es/hege/almacen/download/14/14958/programacion_ente
r.pdf

Martos, J. R. (25/11/2009). Wordpress. Recuperado el 21/04/2017, de

Procedimientos heurísticos para potenciar el aprendizaje:
https://jacoboreyesmartos.wordpress.com/2009/11/25/algunos-
procedimientos-heursticos-y-algoritmos-para-potenciar-el-aprendizaje/

Olivares, B. (05/06/2014). SlideShare. Recuperado el 21/04/2017, de

Programación Entera U4:
https://es.slideshare.net/betzaidaberenicelopezolivares5/programacion-
entera-u4

Tutoriales, G. (11/02/2016). Gestión de Operaciones. Recuperado el 21/04/2017,

de Qué es la programación entera:
http://www.gestiondeoperaciones.net/programacion-entera/que-es-la-
programacion-entera/

UV es. (s.f.). Recuperado el 21/04/2017, de Programacion Lineal Entera:

http://www.uv.es/~sala/trentera.pdf

Wikipedia. (18/06/2013). Recuperado el 21/04/2017, de Programación binaria:

https://es.wikipedia.org/wiki/Programaci%C3%B3n_binaria

16
4.1 DEFINICIÓN DEL PROBLEMA DE TRANSPORTE

La manera más fácil de reconocer un problema de transporte es por su naturaleza o

estructura "de - hacia": de un origen hacia un destino, de una fuente hacia un usuario, del
presente hacia el futuro, de aquí hacia allá. Al enfrentar este tipo de problema, la intuición
dice que debe haber una manera de obtener una solución. Se conocen las fuentes y los
destinos, las capacidades y demandas y los costos de cada trayectoria. Debe haber una
combinación óptima que minimice el costo (o maximice la ganancia). La dificultad estriba en
el gran número de combinaciones posibles.

En general, los problemas de transporte se ocupan (en forma literal o imaginaría) de la

distribución desde cualquier grupo de centros de suministro, llamados orígenes, a cualquier
grupo de centros de recepción, llamados destinos de modo que se minimice el costo total de
distribución.

Cada origen tiene ciertos recursos (oferta) para distribuir a los destinos y cada destino tiene
cierta demanda de estos recursos que recibe de los orígenes. El modelo de un problema de
transporte hace la siguiente suposición acerca de estos recursos (ofertas) y demandas.

El problema del transporte o distribución es un problema de redes especial en programación

lineal que se funda en la necesidad de llevar unidades de un punto específico llamado fuente
u Origen hacia otro punto específico llamado Destino. Los principales objetivos de un modelo
de transporte son la satisfacción de todos los requerimientos establecidos por los destinos y
claro está la minimización de los costos relacionados con el plan determinado por las rutas
escogidas.

El contexto en el que se aplica el modelo de transporte es amplio y puede generar soluciones

atinentes al área de operaciones, inventario y asignación de elementos.

El procedimiento de resolución de un modelo de transporte se puede llevar a cabo mediante

programación lineal común, sin embargo su estructura permite la creación de múltiples
alternativas de solución tales como la estructura de asignación o los métodos más populares.

Los problemas de transporte o distribución son uno de los más aplicados en la economía
actual, dejando como es de prever múltiples casos de éxito a escala global que estimulan la
aprehensión de los mismos.

17
4.2 Algoritmo de transporte

Se denomina algoritmo a un grupo finito de operaciones organizadas de manera

lógica y ordenada que permite solucionar un determinado problema. Se trata de
una serie de instrucciones o reglas establecidas que, por medio de una sucesión
de pasos, permiten arribar a un resultado o solución.

El modelo de algoritmo de transporte trata situaciones de envío de productos de

lugares llamados puntos origen (fuentes de abastecimiento) a los puntos destino
(fuentes de consumo), siendo su objetivo, determinar las cantidades óptimas de
envío de las fuentes de abastecimiento a las fuentes de consumo que minimicen
el costo total del transporte, al mismo tiempo que satisfagan tanto los límites de
la oferta como los requerimientos de la demanda.

El algoritmo de transporte organiza los cálculos en una forma más cómoda

aprovechando la ventaja de la estructura especial del modelo de transporte.
Pare esto sigue los mismos pasos que el método simplex, sin embargo en lugar de
usar la tabla simplex normal se aprovecha la ventaja de la estructura especial
del modelo de transporte para organizar los cálculos en una forma más cómoda.
Se debe agregar que el algoritmo especial de transporte fue desarrollado por
primera vez cuando la norma eran los cálculos a mano y se necesitaba de
soluciones con método abreviado. El algoritmo de transporte se basa en la
hipótesis que el modelo esta balanceado y eso quiere decir que la demanda total
es igual a la oferta total. Si el modelo está desbalanceado siempre se podrá
aumentar con una fuente ficticia o destino ficticio para restaurar el equilibrio o
balance.

Los pasos del algoritmo de transporte son exactamente iguales a los del
algoritmo simplex.

1. En el primer paso se determina una solución básica factible de inicio que nos
ayude a proseguir en el paso dos.

2. En el segundo paso se usa la condición de optimalidad del método simplex

para determinar la variable de entrada entre todas las variables básicas.
Detenerse si se satisface.

3. En el tercer paso se usa la condición de factibilidad del método simplex para

determinar la variable de salida y así obtener la nueva solución y posteriormente
regresar al paso dos.

18
Problema de transporte:

Consiste en decidir cuántas unidades trasladar desde ciertos puntos de origen

(platas, ciudades, etc.) a ciertos puntos de destino (centros de distribución,
ciudades, etc.) de modo de minimizar los costos de transporte, dada la oferta y
demanda en dichos puntos. Se suponen conocidos los costos unitarios de
transporte, los requerimientos de demanda y la oferta disponible.

Los principales objetivos de un modelo de transporte son la satisfacción de todos

los requerimientos establecidos por los destinos y claro está la minimización de
los costos relacionados con el plan determinado por las rutas escogidas.

Cualquier modelo de transporte se compone de unidades de un bien a distribuir,

orígenes, destinos, recursos en el origen, demandas en los destinos y costos de
distribución por unidad. Adicionalmente, se tienen varios supuestos:

1. Supuesto de requerimientos: cada origen tiene un suministro fijo de unidades

que se deben distribuir por completo entre los destinos.

2. Supuesto de costo: el costo de distribuir unidades de un origen a un destino

cualquiera es directamente proporcional al número de unidades distribuidas.

3. Propiedad de soluciones factibles: un problema de transporte tiene soluciones

factibles sólo si la sumatoria de recursos en los m orígenes es igual a la sumatoria
de demandas en los destinos.

4. Propiedad de soluciones enteras: En los casos en los que tanto los recursos
como las demandas toman un valor entero, todas las variables básicas
(asignaciones), de cualquiera de las soluciones básicas factibles (inclusive la
solución óptima), asumen también valores enteros.

19
4.3 Método Esquina Noroeste

El método de la esquina es un método de programación lineal hecho a mano para

encontrar una solución inicial factible del modelo, muy conocido por ser el método mas
fácil al determinar una solución básica factible inicial, pero al mismo tiempo por ser el
menos probable para dar una solución inicial acertada de bajo costo, debido a que
ignora la magnitud relativa de los costos. es un proceso utilizado para resolver
problemas de transporte o asignación, si bien es un método no exacto tiene la ventaja
de poder resolver problemas manualmente y de una forma rápida, muy cercano al
valor óptimo. Cada problema debe representarse en forma de matriz en donde las filas
normalmente representan las fuentes y las columnas representan los destinos.

El método de la esquina Noroeste es un algoritmo heurístico capaz de

solucionar problemas de transporte o distribución mediante la consecución de una
solución básica inicial que satisfaga todas las restricciones existentes sin que esto
implique que se alcance el costo óptimo total.
Este método tiene como ventaja frente a sus similares la rapidez de su ejecución, y es
utilizado con mayor frecuencia en ejercicios donde el número de fuentes y destinos sea
muy elevado.

Su nombre se debe al génesis del algoritmo, el cual inicia en la ruta, celda o esquina
Noroeste. Es común encontrar gran variedad de métodos que se basen en la misma
metodología de la esquina Noroeste, dado que podemos encontrar de igual manera el
método e la esquina Noreste, Sureste o Suroeste.

Los pasos para solucionar un problema de programación lineal por este método son:

Paso 1. Seleccionar la celda de la esquina noroeste (esquina superior izquierda) para

un envío.

Paso 2. Hacer el más grande envío como pueda en la celda de la esquina noroeste.
Esta operación agotara completamente la disponibilidad de suministros en un origen a
los requerimientos de demanda en un destino.

Paso 3. Corregir los números del suministro y requerimientos para reflejar lo que va
quedando de suministro y requerimiento y regrese al paso 1.

20
Ejemplo:
Una empresa energética colombiana dispone de cuatro plantas de generación para
satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y
Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al
día respectivamente. Las necesidades de las ciudades de Cali, Bogotá, Medellín y
Barranquilla son de 70, 40, 70 y 35 millones de Kw al día respectivamente.

Los costos asociados al envío de suministro energético por cada millón de KW entre
cada planta y cada ciudad son los registrados en la siguiente tabla.

Formule un modelo de programación lineal que permita satisfacer las necesidades de

todas las ciudades al tiempo que minimice los costos asociados al transporte.

SOLUCIÓN PASO A PASO

Ahora la cantidad asignada a la esquina noroeste es restada a la demanda de Cali y a

la oferta de la "Planta 1", en un procedimiento muy lógico. Dado que la demanda de
Cali una vez restada la cantidad asignada es cero (0), se procede a eliminar la
columna. El proceso de asignación nuevamente se repite.

21
Continuamos con las iteraciones.

En este caso nos encontramos frente a la elección de la fila o columna a eliminar

(tachar), sin embargo podemos utilizar un criterio mediante el cual eliminemos la fila o
columna que presente los costos más elevados. En este caso la "Planta 2".
Nueva iteración.

22
Una vez finalizada esta asignación, se elimina la "Planta 3" que ya ha sido satisfecha
con la asignación de 60 unidades, por ende nos queda una sola fila a la cual le
asignamos las unidades estrictamente requeridas y hemos finalizado el método.

El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda así:

23
Los costos asociados a la distribución son:

24
4.4MÉTODO DEL COSTO MÍNIMO
El método del costo mínimo o método de los mínimos costos es un algoritmo
desarrollado con el objetivo de resolver problemas de transporte o distribución,
arrojando mejores resultados que métodos como el de la esquina noroeste, dado
que se enfoca en las rutas que presentan menores costos.

El diagrama de flujo de este algoritmo es mucho más sencillo que los anteriores,
dado que se trata simplemente de la asignación de la mayor cantidad de
unidades posibles (sujeta a las restricciones de oferta y/o demanda) a la celda
menos costosa de toda la matriz hasta finalizar el método.

PASO 1:
De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este se rompe
arbitrariamente) y se le asigna la mayor cantidad de unidades posible, cantidad que se ve
restringida ya sea por las restricciones de oferta o de demanda. En este mismo paso se
procede a ajustar la oferta y demanda de la fila y columna afectada, restándole la cantidad
asignada a la celda.
PASO 2:
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después del
"Paso 1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante
se deja con demanda u oferta cero (0) según sea el caso.
PASO 3:
Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o
columna, si este es el caso se ha llegado al final el método, "detenerse".
La segunda es que quede más de un renglón o columna, si este es el caso iniciar
nuevamente el "Paso 1".

EJEMPLO DEL MÉTODO DEL COSTO

MÍNIMO
Una empresa energética colombiana dispone de cuatro plantas de generación para satisfacer
la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y Barranquilla. Las
plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al día respectivamente.
Las necesidades de las ciudades de Cali, Bogotá, Medellín y Barranquilla son de 70, 40, 70
y 35 millones de Kw al día respectivamente.

Los costos asociados al envío de suministro energético por cada millón de KW entre cada
planta y cada ciudad son los registrados en la siguiente tabla.

25
SOLUCIÓN PASO A PASO

Luego esa cantidad asignada se resta a la demanda de Bogotá y a la oferta de la "Planta 3",
en un proceso muy lógico. Dado que Bogotá se queda sin demanda esta columna
desaparece, y se repite el primer proceso.

Nuevo proceso de asignación

26
Nuevo proceso de asignación

Nuevo proceso de asignación

Una vez finalizado el cuadro anterior nos daremos cuenta que solo quedará una fila, por
ende asignamos las unidades y se ha terminado el método.

27
El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda así:

Los costos asociados a la distribución son:

28
En este caso el método del costo mínimo presenta un costo total superior al obtenido
mediante Programación Lineal y el Método de Aproximación Vogel, sin embargo
comúnmente no es así, además es simple de desarrollar y tiene un mejor rendimiento en
cuanto a resultados respecto al Método de la Esquina Noroeste.

Formule un modelo de programación lineal que permita satisfacer las necesidades de todas
las ciudades al tiempo que minimice los costos asociados al transporte.

29
4.5 MÉTODO DE APROXIMACIÓN DE VOGEL

El método de aproximación de Vogel es un método heurístico de resolución de problemas de

transporte capaz de alcanzar una solución básica no artificial de inicio, este modelo requiere
de la realización de un número generalmente mayor de iteraciones que los demás métodos
heurísticos existentes con este fin, sin embargo produce mejores resultados iniciales que los
mismos.

El método consiste en la realización de un algoritmo que consta de 3 pasos fundamentales y

1 más que asegura el ciclo hasta la culminación del método.

PASO 1
Determinar para cada fila y columna una medida de penalización restando los dos costos
menores en filas y columnas.

PASO 2
Escoger la fila o columna con la mayor penalización, es decir que de la resta realizada en el
"Paso 1" se debe escoger el número mayor. En caso de haber empate, se debe escoger
arbitrariamente (a juicio personal).
PASO 3
De la fila o columna de mayor penalización determinada en el paso anterior debemos de
escoger la celda con el menor costo, y en esta asignar la mayor cantidad posible de
unidades. Una vez se realiza este paso una oferta o demanda quedará satisfecha por ende se
tachará la fila o columna, en caso de empate solo se tachará 1, la restante quedará con
oferta o demanda igual a cero (0).
PASO 4: DE CICLO Y EXCEPCIONES
- Si queda sin tachar exactamente una fila o columna con cero oferta o demanda, detenerse.

- Si queda sin tachar una fila o columna con oferta o demanda positiva, determine las
variables básicas en la fila o columna con el método de costos mínimos, detenerse.

- Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda, determine
las variables básicas cero por el método del costo mínimo, detenerse.

- Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las ofertas y
las demandas se hayan agotado.

30
EJEMPLO DEL MÉTODO DE APROXIMACIÓN DE VOGEL

Por medio de este método resolveremos el ejercicio de transporte resuelto en módulos

anteriores mediante programación lineal.

EL PROBLEMA
Una empresa energética colombiana dispone de cuatro plantas de generación para
satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y
Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al
día respectivamente. Las necesidades de las ciudades de Cali, Bogotá, Medellín y
Barranquilla son de 70, 40, 70 y 35 millones de Kw al día respectivamente.

Los costos asociados al envío de suministro energético por cada millón de KW entre cada
planta y cada ciudad son los registrados en la siguiente tabla.

Formule un modelo de programación lineal que permita satisfacer las necesidades de todas
las ciudades al tiempo que minimice los costos asociados al transporte.

SOLUCIÓN PASO A PASO

El primer paso es determinar las medidas de penalización y consignarlas en el tabulado de

costos, tal como se muestra a continuación.

31
El paso siguiente es escoger la mayor penalización, de esta manera:

El paso siguiente es escoger de esta columna el menor valor, y en una tabla paralela se le
asigna la mayor cantidad posible de unidades, podemos observar como el menor costo es "2"
y que a esa celda se le pueden asignar como máximo 60 unidades "que es la capacidad de la
planta 3".

32
www.ingenieriaindustrialonline.com

Dado que la fila de la "Planta 3" ya ha asignado toda su capacidad (60 unidades) esta debe
desaparecer.

www.ingenieriaindustrialonline.com

Se ha llegado al final del ciclo, por ende se repite el proceso

33
www.ingenieriaindustrialonline.com

Iniciamos una nueva iteración

34
Continuamos con las iteraciones,

35
Iniciamos otra iteración

36
Al finalizar esta iteración podemos observar como el tabulado queda una fila sin tachar y con
valores positivos, por ende asignamos las variables básicas y hemos concluido el método.

37
Los costos asociados a la distribución son:

De esta manera hemos llegado a la solución a la cual también llegamos

mediante programación lineal, definitivamente desarrollar la capacidad para modelar
mediante programación lineal y apoyarse de una buena herramienta como WinQSB,
STORM, LINGO, TORA etc. termina siendo mucho más eficiente que la utilización de los
métodos heurísticos para problemas determinísticos;

Sin embargo, cabe recordar que uno de los errores más frecuentes en los que caen los
ingenieros industriales es en tratar de adaptar sus organizaciones a los modelos establecidos,
cabe recordar que son los modelos los que deben adaptarse a las organizaciones, lo cual
requiere de determinada habilidad para realizar de forma inmediata cambios innovadores
para sus fines.

38
4.6 Definición del modelo de asignación

Los problemas de asignación aparecen en varios contextos de la ingeniería económica, en

donde se requiere asignar de manera óptima objetos o personas “indivisibles” a ciertas
tareas

Construcción de un modelo de asignación

39
4.6 Método Húngaro

Los problemas de asignación incluyen aplicaciones tales como asignar personas a tareas. Aunque
sus aplicaciones parecen diferir de las del problema del transporte, constituye un caso particular.

Los problemas de transporte y asignación son casos particulares de un grupo más grande de
problemas, llamados problemas de flujo en redes. Suposiciones de un problema de asignación:

1. El número de asignados es igual al número de tareas (se denota por n). (esto puede variar).

2. Cada asignado se asigna exactamente a una tarea.

3. Cada tarea debe realizarla exactamente un asignado.

4. Existe un costo cij asociado con el asignado i (i=1,2,…,n).

5. El objetivo es determinar cómo deben hacerse las asignaciones para minimizar los costos
totales.

Pasos para resolver un problema de Asignación por el método Húngaro.

1. A todos los elementos de cada columna restar el menor elemento de la columna. En la matriz
resultante, restar a todos los elementos de cada fila el menor elemento de la fila. Así se
garantiza la obtención de por lo menos un cero en cada fila y columna.

2. Con la matriz resultante, verificar la existencia de una solución óptima. Para encontrarla se
debe asignar un cero a cada fila (comenzando por las que tengan menor Nº de ceros), y cancelar
los demás ceros de esa fila y los ceros de la columna en la que se encuentra ese cero.

Repetir esta operación hasta que no queden ceros sin asignar o cancelar. Si no existe solución
óptima ir al paso 3.

3. Realizar lo siguiente:

a) Marcar con un * todas la filas que no contengan ceros asignados.

b) Marcar todas las columnas que contengan uno o más ceros cancelados en alguna fila marcada.

c) Marcar toda fila que tenga un cero asignado en una columna marcada.

d) Repetir b) y c) hasta que no sea posible marcar más filas o columnas.

e) Poner un trazo (línea) sobre toda fila no marcada y sobre toda columna marcada.

4. Tomar el menor número no atravesado por un trazo (línea) y:

• Restarlo a todos los elementos de las filas no atravesadas.

• Sumarlo a todos los elementos de columnas atravesadas. Volver al paso 2.

40
Ejemplo Método Húngaro
Un equipo de 3 ingenieros debe ser asignado para la realización de 3 tareas, donde
cada ingeniero debe hacer una tarea. Se requiere encontrar la asignación de costo
mínimo para lo cual se dispone de los costos asociados a que el ingeniero i realice la
tarea j. Por ejemplo, representa el costo correspondiente a que el ingeniero 1
asuma la tarea 1.

Aplicar el Método Húngaro para encontrar una asignación óptima de los ingenieros a
las tareas.

El Paso 1 del Método Húngaro requiere identificar el valor mínimo de cada fila. En el
caso de la fila 1 dicho valor es $9 siendo el costo de que el ingeniero realice la tarea 3.
En particular si se dispone de un problema de mayor tamaño, hacer uso de Excel
facilita los cálculos tal como se muestra en la siguiente imagen:

A continuación se resta el mínimo de cada fila a cada uno de los valores de la fila
respectiva, para obtener la matriz reducida:

41
La aplicación del Paso 2 produce los mínimos de cada columna según se observa en la
tabla anterior. Al restar esos valores de las columnas respectivas se obtiene la
siguiente matriz reducida:

Las celdas con valor cero y color azul son la solución óptima. En consecuencia el
ingeniero 1 realiza la tarea 2, el ingeniero 2 asuma la tarea 1 y el ingeniero 3 la tarea
3. Cada ingeniero realiza exactamente una tarea y el costo total de dicha asignación
(valor óptimo) es de $9+$10+$8=$27. Los pasos presentados del Método Húngaro
para el ejemplo anterior funcionaron bien debido a que los elementos cero de la matriz
anterior permite una asignación factible de ingenieros a tareas (en el sentido que las
tareas se asignan de forma única a los ingenieros). No siempre esto es posible lograr
una solución factible en la aplicación caso en el cual se requiere pasos adicionales para
la aplicación del método.

42
 4.8 uso de software para transporte y asignación

Para desarrollar el Trabajo Práctico de la asignatura Investigación de Operaciones I (315),

deben utilizan un Paquete de Software de Optimización Lineal, tales
comoLINDO™, TORA™, Microsoft Excel Solver, LOPT, WinQsB u otros, estos constituyen
herramientas de apoyo para resolver problemas de programación lineal, transporte y
asignación.

A continuación los coloco:

Solver de Microsoft Excel®. Programación Lineal

La utilización de software para resolver problemas de programación lineal es una fortaleza
tecnológica que facilita la elaboración de estudios de factibilidad. Una opción es la herramienta
(complemento) “Solver de Microsoft Excel®”. Esta constituye una adecuada herramienta en este
sentido, de relativamente fácil programación inicial y posterior versatilidad para aplicar a diferentes
problemas. Abrir Instructivo. (Documento Original: Ing. Mario René Galindo Modificado por: Ing.
Golfredo Molina (mayo, 2009)

WinQSB

Es un sistema interactivo de ayuda a la toma de decisiones que contiene herramientas muy útiles
para resolver distintos tipos de problemas en el campo de la investigación operativa.

 WinQsb Ver. 2.0

TORA

Es un programa para resolver problemas de PL. TORA no se instala, ya que es un programa para ser
operado bajo el Sistema Operativo MS-DOS.

 Descargar TORA
LINDO LINDO es una aplicación para computadoras que se utiliza para resolver problemas de
programación lineal, cuadrática y entera.

Desde 1979 el programa LINDO ha sido una de las herramientas de optimización favoritas de las
comunidades Educativas y Empresariales. LINDO Systems se ha dedicado a proveer poderosas e
innovativas herramientas de optimización que también son flexibles y muy fáciles de usar. LINDO
tiene una larga historia y es uno de los pioneros en crear poderosos programas de optimización.

En 1979 se vendió en México la primer copia comercial de LINDO, la ayuda que este proporcionó en
aquel momento, le hizo ganar popularidad muy rápidamente para luego ser utilizado en
aplicaciones industriales. En 1983 la versión LINDO/PC fue el primer paquete para programación
lineal, este manejaba 60 restricciones y 120 variables. En 1996 apareció la versión 6.0 para
WINDOWS.

Antes que aparecieran Lotus 1-2-3 o Excel, LINDO había sido incorporado a la planilla de cálculo
VisiCalc, el paquete se llamó VINO y es el equivalente del SOLVER que viene con Excel. En estos
momentos existe una hoja de cálculo llamada WHAT´S Best! la cual se integra a EXCEL o LOTUS 1-
2-3; ésta resuelve problemas de optimización con algoritmos de LINDO Systems.

43
Bibliografía

https://www.academia.edu/7269533/M%C3%A9todo_Esquina_No
roeste

http://gc.initelabs.com/recursos/files/r157r/w13213w/Invg%20o
peraciones_2aEd_08.pdf

https://es.slideshare.net/danielquijada6/algoritmo-de-
transporte

file:///C:/Users/lili_/Downloads/Transporte.pdf

44