SlideShare a Scribd company logo
1 of 34
INVESTIGACIÓN OPERATIVA II
EL MÉTODO DEL TRANSPORTE
Es un método de programación lineal que nos permite asignar artículos de un conjunto
de orígenes a un conjunto de destinos de tal manera que se optimice la función objetivo.
Esta técnica se utiliza especialmente en organizaciones que producen el mismo producto
en numerosas plantas y que envía sus productos o diferentes destinos.
La cantidad de orígenes deben ser igual a la cantidad de destinos.
ORÍGENES DESTINOS
FUENTES
UNIDADES DE
DEMANDA
UNIDADES DE
OFERTA
a1
a2
am
1
2
m
1
2
m
D1
D2
Dm
1. Ecuaciones Lineales o de Primer Grado (Rectas)
2. Deben ser uniformes e intercambiables, los coeficientes de todas las variables en
la ecuación deber ser 0 o 1
3. La suma de las capacidades debe ser igual a la suma de los requerimientos de los
destinos, si alguna desigualdad existe una variable de holgura deberá ser
añadida.
Se han desarrollado diferentes enfoques, tales como:
1. Método de la Esquina del Noroeste (celda mínima)
2. Método de aproximación de VOGEL
3. Método de distribución modificada MODI o DIMO
4. Método del trampolín (cruce del arroyo, sleeping Stone)
5. Método simplex
Para que un problema sea solucionado por el método de transporte, este debe reunir
tres condiciones:
a) Las funciones objetivo y las restricciones deben ser lineales
b) Los coeficientes de todas las variables en la ecuación deben ser 0 o 1
c) La suma de las capacidades de las fuentes deben ser igual a la suma de los
requerimientos de los destinos, si alguna desigualdad existe una variable de
holgura deberá ser añadida.
MÉTODO DE LA ESQUINA DEL NOROESTE
Es un método de programación lineal hecho a mano para encontrar una solución inicial
factible del modelo, es el método más fácil al determinar una solución inicial del
modelo, es el método más fácil al determinar una solución acertada bajo costo.
Los pasos para solucionar un problema de programación lineal por este método son:
1. Seleccionar la celda de la esquina noroeste
2. Hacer el más grande envío como pueda en la celda de la esquina noroeste
3. Corregir los números del suministro y requerimientos para reflejar lo que va
quedando de suministro y requerimiento y regrese al paso 1
EJERCICIO 1
Usted elabore un planeamiento problema para la siguiente tabla, posteriormente
residuo y analice.
Los dueños Enrique Benavides, Ernesto Robles y Víctor Zavala de computadoras y
servicios una empresa líder en ventas de accesorios de computadoras y servicio
técnico necesitan hacer compras de discos duros a la empresa que van a comprar
son: CONTECH, SYSTEMAX, MAXTEL.
La oferta de COMTECH Y SYSTEMAX es de 800 unidades cada una y la de
MAXTEL es de 400 unidades cada una. La demanda de Enrique Benavides es de
600 cada uno y las demandas de Ernesto Robles y Víctor Zavala son de 700
unidades.
Necesitan que tú realices un análisis para minimizar en los costos
3 6 2
2 3 5
6 4 8
DESARROLLO
BENAVIDES ROBLES ZAVALA OFERTA
COMTECH 600 800
SYSTEMAX 800
MAXELL 400
DEMANDA 600 700 700 2000
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
BENAVIDES ROBLES ZAVALA OFERTA
COMTECH 600 200 200
SYSTEMAX 800
MAXELL 400
DEMANDA 0 700 700 1400
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
BENAVIDES ROBLES ZAVALA OFERTA
COMTECH 600 200 0
SYSTEMAX 500 800
MAXELL 400
DEMANDA 0 500 700 1200
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
Z= 600(3)+200(6)+500(3)+300(5)+400(8)
Z= 9.200 UM
BENAVIDES ROBLES ZAVALA OFERTA
COMTECH 600 200 0
SYSTEMAX 500 300 300
MAXELL 400
DEMANDA 0 0 700 700
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
BENAVIDES ROBLES ZAVALA OFERTA
COMTECH 600 200 0
SYSTEMAX 500 300 0
MAXELL 400 400
DEMANDA 0 0 400 400
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
BENAVIDES ROBLES ZAVALA OFERTA
COMTECH 600 200 0
SYSTEMAX 500 300 0
MAXELL 400 0
DEMANDA 0 0 0 0
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
CASO Nº 2
Un país está planificando abastecerse por cuatro proveedores de petróleo ALBANIZA,
TEXAS, IRAN y PURMEREND, Nicaragua analiza las formas de envió, para proveer
localmente a la distribuidora UNO, PUMA, PETRONIC y RESERVAS. La tabla
anexada muestra los costos de embarque por cada barril de petróleo crudo. Determine la
cantidad de barriles que debe comprarse a cada proveedor para obtener el mejor costo.
UNO PUMA PETRONIC RESERVAS
ALBANIZA 35 28 31 33
TEXAS 29 32 33 39
IRÁN 32 35 36 27
PURMEREND 34 31 35 18
DESARROLLO
UNO PUMA PETRONIC RESERVAS XXX OFERTA
ALBANIZA 520 520
TEXAS 485
IRAN 400
PURMEREN 235
DEMANDA 610 210 310 200 310 1640
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
2
5
8
6 4 8 8
0
0
0
0
UNO PUMA PETRONIC RESERVAS XXX OFERTA
ALBANIZA 520 0
TEXAS 90 485
IRAN 400
PURMEREN 235
DEMANDA 90 210 310 200 310 1120
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
2
5
8
6 4 8 8
0
0
0
0
UNO PUMA PETRONIC RESERVAS XXX OFERTA
ALBANIZA 520 0
TEXAS 90 210 395
IRAN 400
PURMEREN 235
DEMANDA 0 210 310 200 310 1030
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
2
5
8
6 4 8 8
0
0
0
0
UNO PUMA PETRONIC RESERVAS XXX OFERTA
ALBANIZA 520 0
TEXAS 90 210 185 185
IRAN 400
PURMEREN 235
DEMANDA 0 0 310 200 310 820
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
2
5
8
6 4 8 8
0
0
0
0
UNO PUMA PETRONIC RESERVAS XXX OFERTA
ALBANIZA 520 0
TEXAS 90 210 185 0
IRAN 125 400
PURMEREN 235
DEMANDA 0 0 125 200 310 635
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
2
5
8
6 4 8 8
0
0
0
0
UNO PUMA PETRONIC RESERVAS XXX OFERTA
ALBANIZA 520 0
TEXAS 90 210 185 0
IRAN 125 200 275
PURMEREN 235
DEMANDA 0 0 0 200 310 510
D
E
S
D
E
E
L
O
R
I
G
E
N
AL DESTINO
3
2
6
6
3
4
2
5
8
2
5
8
6 4 8 8
0
0
0
0
UNO PUMA PETRONIC RESERVAS XXX OFERTA
ALBANIZA 520 0
TEXAS 90 210 185 0
IRAN 125 200 75 75
PURMEREN 235
DEMANDA 0 0 0 0 310 310
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
2
5
8
6 4 8 8
0
0
0
0
Z= 520(35)+90(29)+210(32)+185(33)+125(36)+200(27)+75(0)+235(0)
Z= 43.535 UM
MÉTODO DE APROXIMACIÓN DE VOGEL (MAV o VAM)
Es un método heurístico es capaz de alcanzar una solución básica no artificial de inicio,
este modelo requiere de la realización de un numero generalmente mayor de iteraciones
que los demás métodos heurísticos existentes con este fin, sin embargo, produce mejor
resultados iniciales que los mismos.
ALGORITMO DE RESOLUCIÓN DE VOGEL
1. Determinar para cada fila y columna una medida de penalización restando los
dos costos menores en filas y columnas.
UNO PUMA PETRONIC RESERVAS XXX OFERTA
ALBANIZA 520 0
TEXAS 90 210 185 0
IRAN 125 200 75 0
PURMEREN 235 235
DEMANDA 0 0 0 0 235 235
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
2
5
8
6 4 8 8
0
0
0
0
UNO PUMA PETRONIC RESERVAS XXX OFERTA
ALBANIZA 520 0
TEXAS 90 210 185 0
IRAN 125 200 75 0
PURMEREN 235 0
DEMANDA 0 0 0 0 0 0
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
2
5
8
6 4 8 8
0
0
0
0
2. Escoger la fila o columna con mayor penalización determinada anteriormente se
debe escoger el número mayor. En caso de haber empate se escoge
arbitrariamente.
3. De la fila o columna de mayor penalización determinada en el paso anterior
debemos de escoger la celda con el menos costo, caso de empate se tachara 1, la
restante quedara con oferta o demanda igual a 0.
4. Excepciones:
Si quedara sin tachar una fila o columna con cero, detenerse.
Si quedara sin tachar determinar las variables básicas en la fila o
columna.
Si todas las filas y columnas que no se tacharon tiene cero oferta y
demanda, determine las variables básicas cero por el método de costos
mínimos, detenerse.
Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta
que las ofertas y las demandas se hayan agotado.
CASO Nº1
DESARROLLO
BENAVIDES ROBLES ZAVALA OFERTA
PENALIDAD
FILA
COMTECH 700 800 1
SYSTEM 800 1
MAXELL 400 2
DEMANDA 600 700 700 2000
PENALIDAD
COLUMNA
1 1 3
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
Z= 2.000 UM
CASO Nº 2
Una empresa energética colombiana dispone de 4 plantas de generación para satisfacer
la demanda diaria eléctrica en 4 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
BENAVIDES ROBLES ZAVALA OFERTA
PENALIDAD
FILA
COMTECH 100 700 100 3
SYSTEM 800 1
MAXELL 400 2
DEMANDA 600 700 0 1300
PENALIDAD
COLUMNA
1 1
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
BENAVIDES ROBLES ZAVALA OFERTA
COMTECH 100 700 0
SYSTEM 500 300 0 1 2 2
MAXELL 400 0 2 4 2
DEMANDA 0 0 0 0
4 3
4 3
4 3
PENALIDAD FILA
AL DESTINO
PENALIDAD
COLUMNA
D
E
S
D
E
E
L
O
R
I
G
E
N
3
2
6
6
3
4
2
5
8
asociados al envió del suministro por cada millón de KW entre cada planta y cada
ciudad son los siguientes:
CALI BOGOTÁ MEDELLÍN BARRANQUILLA
PLANTA 1 5 2 7 3
PLANTA 2 3 6 6 1
PLANTA 3 6 1 2 4
PLANTA 4 4 3 6 6
DESARROLLO
Variable
de
Decisión
Variable
de
Actividad
Costo por
Unidad
Contribución
Total
X11 35 5 175
CALI BOGOTA MEDELLIN BARRANQUILLA OFERTA
PENALIDAD
FILA
PLANTA 1 80 1
PLANTA 2 30 2
PALNTA 3 60 60 1
PLANTA 4 45 1
DEMANDA 70 40 70 35 215
PENALIDAD
COLUMNA
1 1 4 2
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
5
3
6
2
6
1
7
6
2
4 3 6
3
1
4
6
CALI BOGOTA MEDELLIN BARRANQUILLA OFERTA
PLANTA 1 25 40 10 5 0 1 1 1 1 4
PLANTA 2 30 0 2
PALNTA 3 60 0
PLANTA 4 45 0 1 1
DEMANDA 0 0 0 0 0
1 1 1 2
1 1 1 1
2 1 1 1
1 1 1
1 1
1
PENALIDAD
COLUMNA
D
E
S
D
E
E
L
O
R
I
G
E
N
PENALIDAD FILA
AL DESTINO
5
3
6
2
6
1
7
6
2
4 3 6
3
1
4
6
X12 40 2 80
X14 5 3 15
X24 30 1 30
X33 60 2 120
X41 35 4 140
X43 10 6 60
TOTAL: 620
Z= 620 UM
MÉTODO DEL COSTO MÍNIMO (MCM)
El método del costo mínimo o de los mínimos costos es desarrollado con el objetivo de
resolver problemas de transporte, arrojando mejores resultados que el método de la
esquina noroeste, dado que se enfoca en las rutas que presentan menos costos.
ALGORITMO DE SOLUCIÓN
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.
P1
P2
P3
P4
CALI
BOGOTÁ
MEDELLÍN
BARRANQUILLA
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".
A B C D E OFERTA
DEPOSITO 1 20 100
DEPOSITO 2 120
DEPOSITO 3 80
DEPOSITO 4 105
DEMANDA 125 50 130 80 20 405
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
4
1
9
4
3
5
7
6
4
2
1
3
6
3
4
3
0
0
0
0
A B C D E OFERTA
DEPOSITO 1 20 80
DEPOSITO 2 120
DEPOSITO 3 80 80
DEPOSITO 4 105
DEMANDA 125 50 130 80 0 385
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
4
1
9
4
3
5
7
6
4
2
1
3
6
3
4
3
0
0
0
0
A B C D E OFERTA
DEPOSITO 1 20 80
DEPOSITO 2 120 120
DEPOSITO 3 80 0
DEPOSITO 4 105
DEMANDA 125 50 50 80 0 305
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
4
1
9
4
3
5
7
6
4
2
1
3
6
3
4
3
0
0
0
0
A B C D E OFERTA
DEPOSITO 1 20 80
DEPOSITO 2 120 0
DEPOSITO 3 80 0
DEPOSITO 4 80 105
DEMANDA 5 50 50 80 0 185
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
4
1
9
4
3
5
7
6
4
2
1
3
6
3
4
3
0
0
0
0
A B C D E OFERTA
DEPOSITO 1 20 80
DEPOSITO 2 120 0
DEPOSITO 3 80 0
DEPOSITO 4 25 80 25
DEMANDA 5 50 50 0 0 105
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
4
1
9
4
3
5
7
6
4
2
1
3
6
3
4
3
0
0
0
0
A B C D E OFERTA
DEPOSITO 1 50 20 80
DEPOSITO 2 120 0
DEPOSITO 3 80 0
DEPOSITO 4 25 80 0
DEMANDA 5 50 25 0 0 80
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
4
1
9
4
3
5
7
6
4
2
1
3
6
3
4
3
0
0
0
0
A B C D E OFERTA
DEPOSITO 1 5 50 25 20 30
DEPOSITO 2 120 0
DEPOSITO 3 80 0
DEPOSITO 4 25 80 0
DEMANDA 5 0 25 0 0 30
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
4
1
9
4
3
5
7
6
4
2
1
3
6
3
4
3
0
0
0
0
A B C D E OFERTA
DEPOSITO 1 5 50 25 20 0
DEPOSITO 2 120 0
DEPOSITO 3 80 0
DEPOSITO 4 25 80 0
DEMANDA 0 0 0 0 0 0
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
4
1
9
4
3
5
7
6
4
2
1
3
6
3
4
3
0
0
0
0
Variable de
Decisión
Variable
de
Actividad
Costo por
Unidad
Contribución
Total
X1A 5 4 20
X1B 50 3 150
X1C 25 4 100
X2A 120 1 120
X3C 80 1 80
X4A 25 3 75
X4D 80 3 240
Z= 785
MÉTODO DE PASOS SECUENCIALES
Este método comienza con una solución inicial factible.
En cada paso se intenta enviar artículos por una ruta que no se haya usado en la
solución factible actual, en tanto se elimina una ruta usada actualmente.
En cada cambio de ruta debe cumplirse que:
1. La solución siga siendo factible y
2. Que mejore el valor de la función objetivo
El procedimiento termina cuando no hay cambio de rutas que mejoren el valor
de la función.
ALGORITMO
1. Usar la solución actual (MEN, MAV o MCM) para crear una trayectoria
única del paso secuencial. Usar estas trayectorias para calcular el costo marginal de
introducir a la solución cada ruta no usada.
2. Si todos los costos marginales son iguales o mayores que cero, terminar;
se tendrá la solución óptima. Si no, elegir la celda que tenga el costo marginal más
negativo (empates se resuelven arbitrariamente)
3. Usando la trayectoria del paso secuencial, determine el máximo número
de artículos que se pueden asignar a la ruta elegida en el punto 2 y ajustar la distribución
adecuadamente.
4. Regrese al paso 1
DEPOSITO 1
DEPOSITO 2
DEPOSITO 3
DEPOSITO 4
A
B
C
D
E
A B C D E OFERTA
DEPOSITO 1 100 . .. 100
DEPOSITO 2 25 50 45 … 120
DEPOSITO 3 …… ….. 80 …. 80
DEPOSITO 4 ……. …….. 5 80 20 105
DEMANDA 125 50 130 80 20 405
. .. … …. ….. …… ……. ……..
3 3 3 4 7 9 4 6
-4 -4 -2 -1 -5 -1 -1 -5
1 1 3 3 2 2 2 2
-5 -2 -3 -3 -1 -1 -3 -3
-5 -2 1 3 3 9 2 0
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
4
1
9
4
3
5
7
6
4
2
1
3
6
3
4
3
0
0
0
0
3
A B C D E OFERTA
DEPOSITO 1 50 50 . 100
DEPOSITO 2 75 .. 45 … 120
DEPOSITO 3 …. 80 ….. 80
DEPOSITO 4 …… 5 80 20 105
DEMANDA 125 50 130 80 20 405
. .. … …. ….. ……
3 5 3 9 4 4
-4 -1 -2 -1 -1 -1
1 4 3 2 3 2
-2 -3 -3 -1 -3 -3
-2 5 1 9 3 2
AL DESTINO
D
E
S
D
E
E
L
O
R
I
G
E
N
4
1
9
4
3
5
7
6
4
2
1
3
6
3
4
3
0
0
0
0
3
MÉTODO DE ASIGNACIÓN O MÉTODO HÚNGARO (MH)
El problema de asignación es una variedad especial del problema de transporte,
el enfoque general de este algoritmo consiste en “reducir la matriz de costos” mediante
una serie de operaciones aritméticas.
ALGORITMO
1. Reducción de filas
2. Reducción de columnas
3. Determinación de la matriz reducida, encuentre el número mínimo de
líneas restas que se pueden trazar sobre las columnas y las filas para cubrir todos los 0
ceros, si este número es igual al de renglones (columnas) se dice que la matriz es
reducida y continúe con el paso 5. Si el número de rectas es menor que el número de
filas (columnas) continúe con el paso 4
4. Reducciones posteriores: encuentre la menor de las celdas no cubiertas,
reste el valor a todas las otras celdas no cubiertas y sume este valor a las intersecciones
de las rectas. Y regrese al paso 3
5. Solución Óptima: se puede encontrar una asignación usando celdas que
tengan costos.
1 2 3 4
A 3 5 3 3 3
B 5 14 10 10 5
C 12 6 19 17 6
D 2 17 10 12 2
V
E
N
D
E
D
O
R
LOCAL
REDUCCION
FILA
1 2 3 4
A 0 2 0 0
B 0 9 5 5
C 6 0 13 11
D 0 15 8 10
0 0 0 0
LOCAL
V
E
N
D
E
D
O
R
REDUCCION
COLUMNA
1 2 3 4
A 0 2 0 0
B 0 9 5 5
C 6 0 13 11
D 0 15 8 10
LOCAL
V
E
N
D
E
D
O
R
1 2 3 4
A 1 2 0 0
B 0 8 4 4
C 7 0 13 11
D 0 14 7 9
LOCAL
V
E
N
D
E
D
O
R
1 2 3 4
A 2 2 0 0
B 0 7 3 3
C 8 0 13 11
D 0 13 6 8
LOCAL
V
E
N
D
E
D
O
R
1 2 3 4
A 3 2 0 0
B 0 6 2 2
C 9 0 13 11
D 0 12 5 7
LOCAL
V
E
N
D
E
D
O
R
Z= 21
PROGRAMACIÓN CUADRÁTICA
FORMULA:
𝒁 = (𝒙 𝟏 − 𝒂) 𝟐
+ (𝒙 𝟐 − 𝒃) 𝟐
Mínimo:
𝒁 = (𝒙 𝟏 − 𝟐) 𝟐
+ (𝒙 𝟐 − 𝟐) 𝟐
Sujeto a:
𝒙 𝟏 + 𝟐𝒙 𝟐 ≤ 𝟑
𝟖𝒙 𝟏 + 𝟓𝒙 𝟐 ≥ 𝟏𝟎
1 2 3 4
A 4 2 0 0
B 0 5 1 1
C 10 0 13 11
D 0 11 4 6
LOCAL
V
E
N
D
E
D
O
R
1 2 3 4
A 5 2 0 0
B 0 4 0 0
C 11 0 13 11
D 0 10 3 5
V
E
N
D
E
D
O
R
LOCAL
1 2 3 4
A 5 2 0 3
B 0 4 10 10
C 11 6 13 11
D 2 10 3 5
LOCAL
V
E
N
D
E
D
O
R
𝒙𝒊 ≥ 𝟎
𝒙 𝟏 + 𝟐𝒙 𝟐 ≤ 𝟑 𝟖𝒙 𝟏 + 𝟓𝒙 𝟐 ≥ 𝟏𝟎
x1 x2 x1 x2
0 1,5 0 2
3 0 1,25 0
(𝒙 𝟏 − 𝟐) 𝟐
+ (𝒙 𝟐 − 𝟐) 𝟐
= 𝑲
C(2,2) formula 𝒓 = √ 𝒌
Tengo que escoger el mas cercano a la circunferencia q en este caso seria
𝒙 𝟏 + 𝟐𝒙 𝟐 ≤ 𝟑
Se realiza el despeje de esta ecuación
−
𝟏
𝟐
𝒙 𝟏 +
𝟑
𝟐
𝒎 𝟐 = − 𝟏
𝟐⁄
formula: 𝒎 𝟏 𝒎 𝟐 = −𝟏
𝒎 𝟏( 𝟏
𝟐⁄ ) = −𝟏
𝒎 𝟏 = 𝟐
formula lineal: ( 𝒙 𝟐 − 𝒂) = 𝒎 𝟏(𝒙 𝟏 − 𝒃)
( 𝒙 𝟐 − 𝟐) = 𝟐(𝒙 𝟏 − 𝟐)
( 𝒙 𝟐 − 𝟐) = 𝟐𝒙 𝟏 − 𝟒)
𝟐𝒙 𝟏 − 𝒙 𝟐 = 𝟐
4x1-2x2= 4
x1+2x2= 3
x1 = 7/5
𝟕
𝟓
+ 𝟐𝒙 𝟐 = 𝟑
𝒙 𝟐
𝟑 −
𝟕
𝟓
𝟐
𝒙 𝟐 =
𝟒
𝟓
Valor Óptimo
𝒁 = (
𝟕
𝟓
− 𝟐)
𝟐
+ (
𝟒
𝟓
− 𝟐)
𝟐
𝒛 =
𝟗
𝟐𝟓
+
𝟑𝟔
𝟐𝟓
𝒛 = 𝟏. 𝟖
𝒅 = |
𝑨𝒙 + 𝑩𝒚 + 𝑪
√𝑨 𝟐 𝑩 𝟐
|
𝒅 = |
𝟏( 𝟐)+ 𝟐( 𝟐)− 𝟑
√𝟏 𝟐 + 𝟐 𝟐
|
𝒅 =
𝟑
√ 𝟓
1
1
2
3
2
3
DERIVADAS.
𝑑𝑐
𝑑𝑥
= 0
𝑑𝑥
𝑑𝑐
= 1
𝑑𝑐. 𝑣
𝑑𝑥
= 𝑐.
𝑑𝑣
𝑑𝑥
𝑑𝑐
𝑑𝑥
= 𝑣 𝑛
= 𝑛𝑣 𝑛−1
Ejemplo:
𝑌 = 2
𝑌` = 0
𝑌 = 𝑋
𝑌´ = 1
𝑌 = 𝑋4
𝑌´ = 4𝑋3
𝑌 = 6𝑋5
𝑌´ = 6(5)𝑋4
𝑌´ = 30𝑋4
𝒇( 𝒙) = 𝟒𝒙 𝟒
+ 𝟓𝒙 𝟑
− 𝟐𝒙 𝟐
+ 𝟏𝟎
𝒇( 𝒙) = 𝟏𝟔𝒙 𝟑
+ 𝟏𝟓𝒙 𝟐
− 𝟒𝒙
𝒇( 𝒙) = 𝟒𝟖𝒙 𝟐
+ 𝟑𝟎𝒙 − 𝟒
2. 𝒇( 𝒙) = 𝒙 𝟕
− 𝟕𝒙 𝟒
𝒇( 𝒙) = 𝟕𝒙 𝟔
− 𝟐𝟖𝒙 𝟑
𝒚 = 𝟑𝒙 𝟔
− 𝟐𝒙 𝟐
+
𝟓
𝒙 𝟑
𝒚´ = 𝟏𝟖𝒙 𝟓
− 𝟒𝒙 − 𝟏𝟓𝒙−𝟒
𝒚´ = 𝟏𝟖𝒙 𝟓
− 𝟒𝒙 −
𝟏𝟓
𝒙 𝟒
Cuando hay coordenadas
𝒎 =
∆𝒚
∆𝒙
𝒎 =
𝒚 𝟐 − 𝒚 𝟏
𝒙 𝟐 − 𝒙 𝟏
𝒎 = 𝒇´( 𝒙)
Ejemplo:
𝑥2
+ 𝑦2
= 5
C (0,0) 𝑟 = √5
r = 2,2
MODELO DE REDES
RED:Es el conjunto grande de modelos de programacion lineal.
• El problema del transporte y el problema de asignación, forman parte de un
tipo más general de modelos, conocidos como modelos de red.
• Los modelos de red son aplicaciones muy importantes para la logística y la
distribución en la administración, además de tener múltiples aplicaciones en ingeniería
y computación.
• Un modelo de red es un modelo de transbordo con capacidades, el cual puede
adoptar diversas formas, como el modelo de la ruta más corta y el modelo del flujo
máximo y mínimo, el problema de árbol de alcance mínimo, método de camino crítico,
entre otras aplicaciones de la planeación financiera y de producción.
• La principal característica de un modelo de transbordo con capacidades es que es
una red donde las ofertas están en los puntos de origen específicos, las demandas en los
puntos de destino específicos y las alternativas de embarque se ofrecen por medio de los
nodos intermedios, de manera que siguen rutas con capacidades definidas desde los
orígenes hasta los destinos.
EJERCICIO
El gerente de distribucion de una empresa que distribuyer artefactos electricos en 6
provincias.
El gerente tiene 100 aparatos electricos en la provincia 1 y estos deben ser enviados a la
provincia 3, 4 y 5; 30, 20 y 50 aparatos respectivamente.
1. Elabore el diagram de red
2. Establezca las capacidades y costos agregados
3. Formule el problema (resuelva)
4. Construya la matriz de insidecia ( nodo – arco)
5. Establezca la tabla del transporte
Si luego del estudio el grafico es el siguiente:
3
4
5
6
21
+100
+30
-20
-50
C12
U12
C23
U23
C24
U24
C25
U25
C26
U26
C65 U65
C63U63
U34C34
Min
Z= C12 x X12 + C23 x X23 + C24 x X24 + C25 x X25 + C26 x X26 + C34 x X34 + C45 x X45 +
C54 x X54 + C63 x X63 + C65 x X65
S.A.
X12 = 100
-X12 + X23 + X24 + X25 + X26 = 0
-X25 +X34 +X63 = -
30
-X24 +X34 + X45 - X54 = -20
-X45 +X54 -X65 = -50
-X26 +X63 + X65 = 0
0 ≤ Xij ≤ Uij
Z= 30 (M12) + 20 (M14) + 50 (M15)
1,2 2,3 2,4 2,5 2,6 3,4 4,5 5,4 6,3 6,5
1 1 0 0 0 0 0 0 0 0 0 100
2 -1 1 1 1 1 0 0 0 0 0 0
3 0 -1 0 0 0 1 0 0 -1 0 -30
4 0 0 -1 0 0 -1 1 -1 0 0 -20
5 0 0 0 -1 0 0 -1 1 0 -1 -50
6 0 0 0 0 -1 0 0 0 1 1 0
N
O
D
O
S
ARCOS
VALOR
3 4 5 OFERTA
m12 m14 m15
30 20 50
DEMANDA 30 20 50 100
1 100
DESTINOS
ORIGEN
EL PROBLEMA DE LA RUTA MAS CORTA
Recordemos algunos conceptos básicos como son:
GRAFO. Es una serie de nodos unidos por arcos, ramas o aristas
Red. Es una grafo con algún tipo de flujo en sus ramales. Ejemplo: Eléctrica,
transporte.
Ruta: Una ruta corresponde a los nodos que constituyen una cadena
EJERCICIO
Una empresa que reparte vinos a 7 localidades diferentes tiene que decidir lac
minimización de la totalidad de sus costos asegurándose que cualquier reparto futuro z
cualquiera de las localidades se haga a través de la ruta mas corta.
El grafo es el siguiente:
7
4
3
2
6
5
H
1
8
7
4 1
6
1
2
3
3
3
1
(0 , H)
(4 , H)
(8 , H)
(6 , 3)
(5 , 1)
(6 , 3)
(8 , 2)
(9 , 5)
ARBOL DE EXPANSION MINIMA
La tarea consiste en construir un árbol que conecte todos los nodos de la red con un
costo total mínimo
El algoritmo que nos permite resolver este tipo de problemas es el ALGORITMO
GLOTÓN y se puede hacer de dos formas: el método gráfico y el método Tabular.
MÉTODO GRÁFICO.
1. Empiece en cualquier nodo. Seleccione el arco más barato que parta de ese nodo.
Este es su primer enlace. Forma un segmento de conexión entre dos nodos. Los
nodos restantes se llaman NODOS DESCONECTADOS.
RUTA MAS CORTA DISTANCIA
1 H -1 4
2 H - 1 - 3 - 2 6
3 H - 1 - 3 5
4 H - 1 - 3 - 4 6
5 H - 1 - 3 - 2 - 5 8
6 H - 1 - 3 - 2 - 5 - 6 9
7 H - 7 8
7
4
3
2
6
5
H
1
2. Considere todos los arcos que parten del segmento de conexión a los nodos
desconectados. Seleccione el más barato como enlace. Si hay empates rompa de
manera arbitraria. Esto agrega un nuevo nodo al segmento de conexión. Repita este
paso hasta que todos los nodos estén conectados lo cual requiere n -1 pasos.
MÉTODO TABULAR.
1. Comience con cualquier nodo, se designa este nodo como conectado y se coloca un
V al lado del renglón correspondiente a este nodo. Se tacha el índice de la columna
que corresponde a él.
2. Considerando todos los renglones que tienen V, busque el valor mínimo en las
columnas cuyo índice aún no haya sido tachado y se encierra ese valor en un círculo.
Se rompe arbitrariamente los empates. La columna que contenga a ese elemento
encerrado en un círculo designa al nuevo nodo conectado. Se tacha el índice de esta
columna y se coloca una marca en el renglón correspondiente a este nodo. Se repite
este paso hasta que todos los nodos sean conectados.
3. Una vez que todos los nodos hayan sido conectados, se identifica el árbol expandido
mínimo mediante los elementos circundados.
EJERCICIOS
MÉTODO GRAFICO
1
4
7
2
5
8
3
6
9
4 9
3 8 4
7 2
5 6 3
4 5
MÉTODO TABULAR
1 2 3 4 5 6 7 8 9
1 4 3
2 4 9 8
3 9 4
4 3 7 5
5 8 7 2
6 4 2
7 5 4
8 6 4 5
9 3 5
DESTINOS
O
R
I
G
E
N
1
4
7
2
5
8
3
6
9
4
3
5
4 5
2
4
3
FLUJO MAXIMO
En este problema hay un solo nodo FUENTE ( origen, entrada) y un solo nodo
DESTINO ( sumidero, salida), El problema consiste en determinar el máximo flujo
que se puede enviar desde el nodo fuente al nodo destino, teniendo en cuenta las
capacidades kij sobre el flujo de cada arco (i,j) y que el flujo se debe conservar. Se
utiliza para saber cuál es la cantidad máxima de vehículos, peatones, líquidos o
llamadas telefónicas que pueden entrar y salir del sistema, para reducir los
embotellamientos entre ciertos puntos de partida y destino en una red.
El único requerimiento en ellos es que para cada nodo (que no sea la fuente o el destino)
la relación de equilibrio debe cumplirse:
flujo que sale = flujo que entra
La cantidad de flujo a lo largo de dicho recorrido es FACTIBLE si:
1. No se excede la capacidad de ningún arco del camino.
2. A excepción de los nodos de entrada y salida se debe cumplir la condición de
conservación:
flujo que sale = flujo que entra
ALGORITMO PARA RESOLVER ESTE PROBLEMA.
1. Encontrar un camino que vaya del origen al destino y que tenga capacidad mayor a
cero en el sentido deseado.
2. Encontrar la rama de menor capacidad (Pf) del camino seleccionado en el paso
anterior y programar el envío de dicha capacidad (Pf).
3. Para el camino elegido en el paso 1 reducir la cantidad Pf en las ramas involucradas
y aumentar dicha cantidad en el sentido contrario.
4. Repetir el procedimiento desde el paso 1.
5. Si la capacidad final es menor que la capacidad inicial, calcule la diferencia y esta es
la cantidad de flujo a través del arco.
CORTE. Partición del conjunto de nodos en dos clases ajenas, digamos C1 y Cn
donde la fuente está en C1 y el destino en Cn.
CAPACIDAD DE CORTE. Considérense todos los arcos que conectan
directamente un nodo de C1 a un nodo Cn. La suma de las capacidades de esos arcos, en
la dirección C1 – Cn se llama capacidad de corte.
TEOREMADE FLUJO MÁXIMO Y CORTE MÍNIMO. El flujo máximo
de cualquier red es igual a la capacidad del corte mínimo.
EJERCICIOS
2 4
3 5
1 6
2 4
3 5
1 6
4
4
2
6
2
6
8
8 8

More Related Content

What's hot

ejercicios-resueltos-programacion-lineal
 ejercicios-resueltos-programacion-lineal ejercicios-resueltos-programacion-lineal
ejercicios-resueltos-programacion-linealAndres Sanchez
 
Solución de problemas en programación lineal
Solución de problemas en programación linealSolución de problemas en programación lineal
Solución de problemas en programación linealARLO SOLIS
 
Ejercicios resueltos io 1 parte 1
Ejercicios resueltos io 1   parte 1Ejercicios resueltos io 1   parte 1
Ejercicios resueltos io 1 parte 1fzeus
 
Teoría de decisión
Teoría de decisiónTeoría de decisión
Teoría de decisiónGabriel Pujol
 
ANALISIS DE SENSIBILIDAD
ANALISIS DE SENSIBILIDADANALISIS DE SENSIBILIDAD
ANALISIS DE SENSIBILIDADAlumic S.A
 
Ejercicios resueltos de investigacion de operaciones
Ejercicios resueltos de investigacion de operacionesEjercicios resueltos de investigacion de operaciones
Ejercicios resueltos de investigacion de operacionesSergio Jarillo
 
Arboles de decision
Arboles de decisionArboles de decision
Arboles de decisionimaarce
 
Ejercicios resueltos-programacion-lineal
Ejercicios resueltos-programacion-linealEjercicios resueltos-programacion-lineal
Ejercicios resueltos-programacion-linealGabriel Chavez
 
Problemas de tarea trasporte
Problemas de tarea trasporteProblemas de tarea trasporte
Problemas de tarea trasporteJaime Medrano
 
Resolucion problemas 5
Resolucion problemas 5Resolucion problemas 5
Resolucion problemas 5lineal
 
Clase Nº5 Programacion Lineal
Clase Nº5 Programacion LinealClase Nº5 Programacion Lineal
Clase Nº5 Programacion Linealjotape74
 

What's hot (20)

Guiasimplex
GuiasimplexGuiasimplex
Guiasimplex
 
ejercicios-resueltos-programacion-lineal
 ejercicios-resueltos-programacion-lineal ejercicios-resueltos-programacion-lineal
ejercicios-resueltos-programacion-lineal
 
Problema hungaro
Problema hungaroProblema hungaro
Problema hungaro
 
Solución de problemas en programación lineal
Solución de problemas en programación linealSolución de problemas en programación lineal
Solución de problemas en programación lineal
 
Tarea 4 operativa luis
Tarea 4 operativa luisTarea 4 operativa luis
Tarea 4 operativa luis
 
Unidad3 metodo simplex
Unidad3 metodo simplexUnidad3 metodo simplex
Unidad3 metodo simplex
 
Ejercicios resueltos io 1 parte 1
Ejercicios resueltos io 1   parte 1Ejercicios resueltos io 1   parte 1
Ejercicios resueltos io 1 parte 1
 
EJERCICIO DE TEORIA DE DECISIONES
EJERCICIO DE TEORIA DE DECISIONESEJERCICIO DE TEORIA DE DECISIONES
EJERCICIO DE TEORIA DE DECISIONES
 
Problema de Transporte.pptx
Problema de Transporte.pptxProblema de Transporte.pptx
Problema de Transporte.pptx
 
Teoría de decisión
Teoría de decisiónTeoría de decisión
Teoría de decisión
 
ANALISIS DE SENSIBILIDAD
ANALISIS DE SENSIBILIDADANALISIS DE SENSIBILIDAD
ANALISIS DE SENSIBILIDAD
 
Ejercicios resueltos de investigacion de operaciones
Ejercicios resueltos de investigacion de operacionesEjercicios resueltos de investigacion de operaciones
Ejercicios resueltos de investigacion de operaciones
 
Ejercicios resueltos
Ejercicios resueltosEjercicios resueltos
Ejercicios resueltos
 
Problemas resueltos(1)
Problemas resueltos(1)Problemas resueltos(1)
Problemas resueltos(1)
 
Arboles de decision
Arboles de decisionArboles de decision
Arboles de decision
 
Ejercicios resueltos-programacion-lineal
Ejercicios resueltos-programacion-linealEjercicios resueltos-programacion-lineal
Ejercicios resueltos-programacion-lineal
 
Problemas de tarea trasporte
Problemas de tarea trasporteProblemas de tarea trasporte
Problemas de tarea trasporte
 
Resolucion problemas 5
Resolucion problemas 5Resolucion problemas 5
Resolucion problemas 5
 
Expo 2 método dual simplex
Expo 2   método dual simplexExpo 2   método dual simplex
Expo 2 método dual simplex
 
Clase Nº5 Programacion Lineal
Clase Nº5 Programacion LinealClase Nº5 Programacion Lineal
Clase Nº5 Programacion Lineal
 

Similar to Materia (1) (20)

Unidad 1
Unidad 1 Unidad 1
Unidad 1
 
u3
u3u3
u3
 
Unidad 1
Unidad 1Unidad 1
Unidad 1
 
Materia
MateriaMateria
Materia
 
Materia
MateriaMateria
Materia
 
Materia
MateriaMateria
Materia
 
Problema de transporte
Problema de transporteProblema de transporte
Problema de transporte
 
Talleres paso a paso. métodos hungaro indices y transporte
Talleres paso a paso. métodos hungaro indices y transporteTalleres paso a paso. métodos hungaro indices y transporte
Talleres paso a paso. métodos hungaro indices y transporte
 
Ejercicios en clases
Ejercicios en clasesEjercicios en clases
Ejercicios en clases
 
Unidad i
Unidad iUnidad i
Unidad i
 
Unidad i
Unidad iUnidad i
Unidad i
 
AplicacióN De Derivadas Por Definicion
AplicacióN De Derivadas   Por DefinicionAplicacióN De Derivadas   Por Definicion
AplicacióN De Derivadas Por Definicion
 
Unidad 1
Unidad 1Unidad 1
Unidad 1
 
tarea 2 parcial de operaciones.docx
tarea 2 parcial de operaciones.docxtarea 2 parcial de operaciones.docx
tarea 2 parcial de operaciones.docx
 
Anexos ridaa
Anexos ridaaAnexos ridaa
Anexos ridaa
 
Ejercicio 2
Ejercicio 2Ejercicio 2
Ejercicio 2
 
Catálogo Microlog Tecnología 2013
Catálogo Microlog Tecnología 2013Catálogo Microlog Tecnología 2013
Catálogo Microlog Tecnología 2013
 
Anexos ridaa
Anexos ridaaAnexos ridaa
Anexos ridaa
 
Anexos_ridaa.pdf
Anexos_ridaa.pdfAnexos_ridaa.pdf
Anexos_ridaa.pdf
 
Calculo electrico edificio_multifamiliar
Calculo electrico edificio_multifamiliarCalculo electrico edificio_multifamiliar
Calculo electrico edificio_multifamiliar
 

Recently uploaded

TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptxTIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptxlclcarmen
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaDecaunlz
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoFundación YOD YOD
 
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxOLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxjosetrinidadchavez
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.José Luis Palma
 
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxzulyvero07
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAEl Fortí
 
la unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fiscala unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fiscaeliseo91
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdfBaker Publishing Company
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arteRaquel Martín Contreras
 
Identificación de componentes Hardware del PC
Identificación de componentes Hardware del PCIdentificación de componentes Hardware del PC
Identificación de componentes Hardware del PCCesarFernandez937857
 
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 
Lecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdadLecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdadAlejandrino Halire Ccahuana
 
RETO MES DE ABRIL .............................docx
RETO MES DE ABRIL .............................docxRETO MES DE ABRIL .............................docx
RETO MES DE ABRIL .............................docxAna Fernandez
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñotapirjackluis
 
Dinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes dDinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes dstEphaniiie
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfAngélica Soledad Vega Ramírez
 

Recently uploaded (20)

Unidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la InvestigaciónUnidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la Investigación
 
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptxTIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
 
Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativa
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativo
 
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxOLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.
 
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
 
la unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fiscala unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fisca
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arte
 
Identificación de componentes Hardware del PC
Identificación de componentes Hardware del PCIdentificación de componentes Hardware del PC
Identificación de componentes Hardware del PC
 
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdf
 
Lecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdadLecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdad
 
RETO MES DE ABRIL .............................docx
RETO MES DE ABRIL .............................docxRETO MES DE ABRIL .............................docx
RETO MES DE ABRIL .............................docx
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
 
Dinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes dDinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes d
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
 
Sesión de clase: Fe contra todo pronóstico
Sesión de clase: Fe contra todo pronósticoSesión de clase: Fe contra todo pronóstico
Sesión de clase: Fe contra todo pronóstico
 

Materia (1)

  • 1. INVESTIGACIÓN OPERATIVA II EL MÉTODO DEL TRANSPORTE Es un método de programación lineal que nos permite asignar artículos de un conjunto de orígenes a un conjunto de destinos de tal manera que se optimice la función objetivo. Esta técnica se utiliza especialmente en organizaciones que producen el mismo producto en numerosas plantas y que envía sus productos o diferentes destinos. La cantidad de orígenes deben ser igual a la cantidad de destinos. ORÍGENES DESTINOS FUENTES UNIDADES DE DEMANDA UNIDADES DE OFERTA a1 a2 am 1 2 m 1 2 m D1 D2 Dm
  • 2. 1. Ecuaciones Lineales o de Primer Grado (Rectas) 2. Deben ser uniformes e intercambiables, los coeficientes de todas las variables en la ecuación deber ser 0 o 1 3. La suma de las capacidades debe ser igual a la suma de los requerimientos de los destinos, si alguna desigualdad existe una variable de holgura deberá ser añadida. Se han desarrollado diferentes enfoques, tales como: 1. Método de la Esquina del Noroeste (celda mínima) 2. Método de aproximación de VOGEL 3. Método de distribución modificada MODI o DIMO 4. Método del trampolín (cruce del arroyo, sleeping Stone) 5. Método simplex Para que un problema sea solucionado por el método de transporte, este debe reunir tres condiciones: a) Las funciones objetivo y las restricciones deben ser lineales b) Los coeficientes de todas las variables en la ecuación deben ser 0 o 1 c) La suma de las capacidades de las fuentes deben ser igual a la suma de los requerimientos de los destinos, si alguna desigualdad existe una variable de holgura deberá ser añadida. MÉTODO DE LA ESQUINA DEL NOROESTE Es un método de programación lineal hecho a mano para encontrar una solución inicial factible del modelo, es el método más fácil al determinar una solución inicial del modelo, es el método más fácil al determinar una solución acertada bajo costo.
  • 3. Los pasos para solucionar un problema de programación lineal por este método son: 1. Seleccionar la celda de la esquina noroeste 2. Hacer el más grande envío como pueda en la celda de la esquina noroeste 3. Corregir los números del suministro y requerimientos para reflejar lo que va quedando de suministro y requerimiento y regrese al paso 1 EJERCICIO 1 Usted elabore un planeamiento problema para la siguiente tabla, posteriormente residuo y analice. Los dueños Enrique Benavides, Ernesto Robles y Víctor Zavala de computadoras y servicios una empresa líder en ventas de accesorios de computadoras y servicio técnico necesitan hacer compras de discos duros a la empresa que van a comprar son: CONTECH, SYSTEMAX, MAXTEL. La oferta de COMTECH Y SYSTEMAX es de 800 unidades cada una y la de MAXTEL es de 400 unidades cada una. La demanda de Enrique Benavides es de 600 cada uno y las demandas de Ernesto Robles y Víctor Zavala son de 700 unidades. Necesitan que tú realices un análisis para minimizar en los costos 3 6 2 2 3 5 6 4 8
  • 4. DESARROLLO BENAVIDES ROBLES ZAVALA OFERTA COMTECH 600 800 SYSTEMAX 800 MAXELL 400 DEMANDA 600 700 700 2000 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 BENAVIDES ROBLES ZAVALA OFERTA COMTECH 600 200 200 SYSTEMAX 800 MAXELL 400 DEMANDA 0 700 700 1400 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 BENAVIDES ROBLES ZAVALA OFERTA COMTECH 600 200 0 SYSTEMAX 500 800 MAXELL 400 DEMANDA 0 500 700 1200 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8
  • 5. Z= 600(3)+200(6)+500(3)+300(5)+400(8) Z= 9.200 UM BENAVIDES ROBLES ZAVALA OFERTA COMTECH 600 200 0 SYSTEMAX 500 300 300 MAXELL 400 DEMANDA 0 0 700 700 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 BENAVIDES ROBLES ZAVALA OFERTA COMTECH 600 200 0 SYSTEMAX 500 300 0 MAXELL 400 400 DEMANDA 0 0 400 400 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 BENAVIDES ROBLES ZAVALA OFERTA COMTECH 600 200 0 SYSTEMAX 500 300 0 MAXELL 400 0 DEMANDA 0 0 0 0 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8
  • 6. CASO Nº 2 Un país está planificando abastecerse por cuatro proveedores de petróleo ALBANIZA, TEXAS, IRAN y PURMEREND, Nicaragua analiza las formas de envió, para proveer localmente a la distribuidora UNO, PUMA, PETRONIC y RESERVAS. La tabla anexada muestra los costos de embarque por cada barril de petróleo crudo. Determine la cantidad de barriles que debe comprarse a cada proveedor para obtener el mejor costo. UNO PUMA PETRONIC RESERVAS ALBANIZA 35 28 31 33 TEXAS 29 32 33 39 IRÁN 32 35 36 27 PURMEREND 34 31 35 18 DESARROLLO UNO PUMA PETRONIC RESERVAS XXX OFERTA ALBANIZA 520 520 TEXAS 485 IRAN 400 PURMEREN 235 DEMANDA 610 210 310 200 310 1640 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 2 5 8 6 4 8 8 0 0 0 0
  • 7. UNO PUMA PETRONIC RESERVAS XXX OFERTA ALBANIZA 520 0 TEXAS 90 485 IRAN 400 PURMEREN 235 DEMANDA 90 210 310 200 310 1120 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 2 5 8 6 4 8 8 0 0 0 0 UNO PUMA PETRONIC RESERVAS XXX OFERTA ALBANIZA 520 0 TEXAS 90 210 395 IRAN 400 PURMEREN 235 DEMANDA 0 210 310 200 310 1030 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 2 5 8 6 4 8 8 0 0 0 0 UNO PUMA PETRONIC RESERVAS XXX OFERTA ALBANIZA 520 0 TEXAS 90 210 185 185 IRAN 400 PURMEREN 235 DEMANDA 0 0 310 200 310 820 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 2 5 8 6 4 8 8 0 0 0 0
  • 8. UNO PUMA PETRONIC RESERVAS XXX OFERTA ALBANIZA 520 0 TEXAS 90 210 185 0 IRAN 125 400 PURMEREN 235 DEMANDA 0 0 125 200 310 635 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 2 5 8 6 4 8 8 0 0 0 0 UNO PUMA PETRONIC RESERVAS XXX OFERTA ALBANIZA 520 0 TEXAS 90 210 185 0 IRAN 125 200 275 PURMEREN 235 DEMANDA 0 0 0 200 310 510 D E S D E E L O R I G E N AL DESTINO 3 2 6 6 3 4 2 5 8 2 5 8 6 4 8 8 0 0 0 0 UNO PUMA PETRONIC RESERVAS XXX OFERTA ALBANIZA 520 0 TEXAS 90 210 185 0 IRAN 125 200 75 75 PURMEREN 235 DEMANDA 0 0 0 0 310 310 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 2 5 8 6 4 8 8 0 0 0 0
  • 9. Z= 520(35)+90(29)+210(32)+185(33)+125(36)+200(27)+75(0)+235(0) Z= 43.535 UM MÉTODO DE APROXIMACIÓN DE VOGEL (MAV o VAM) Es un método heurístico es capaz de alcanzar una solución básica no artificial de inicio, este modelo requiere de la realización de un numero generalmente mayor de iteraciones que los demás métodos heurísticos existentes con este fin, sin embargo, produce mejor resultados iniciales que los mismos. ALGORITMO DE RESOLUCIÓN DE VOGEL 1. Determinar para cada fila y columna una medida de penalización restando los dos costos menores en filas y columnas. UNO PUMA PETRONIC RESERVAS XXX OFERTA ALBANIZA 520 0 TEXAS 90 210 185 0 IRAN 125 200 75 0 PURMEREN 235 235 DEMANDA 0 0 0 0 235 235 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 2 5 8 6 4 8 8 0 0 0 0 UNO PUMA PETRONIC RESERVAS XXX OFERTA ALBANIZA 520 0 TEXAS 90 210 185 0 IRAN 125 200 75 0 PURMEREN 235 0 DEMANDA 0 0 0 0 0 0 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 2 5 8 6 4 8 8 0 0 0 0
  • 10. 2. Escoger la fila o columna con mayor penalización determinada anteriormente se debe escoger el número mayor. En caso de haber empate se escoge arbitrariamente. 3. De la fila o columna de mayor penalización determinada en el paso anterior debemos de escoger la celda con el menos costo, caso de empate se tachara 1, la restante quedara con oferta o demanda igual a 0. 4. Excepciones: Si quedara sin tachar una fila o columna con cero, detenerse. Si quedara sin tachar determinar las variables básicas en la fila o columna. Si todas las filas y columnas que no se tacharon tiene cero oferta y demanda, determine las variables básicas cero por el método de costos mínimos, detenerse. Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las ofertas y las demandas se hayan agotado. CASO Nº1 DESARROLLO BENAVIDES ROBLES ZAVALA OFERTA PENALIDAD FILA COMTECH 700 800 1 SYSTEM 800 1 MAXELL 400 2 DEMANDA 600 700 700 2000 PENALIDAD COLUMNA 1 1 3 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8
  • 11. Z= 2.000 UM CASO Nº 2 Una empresa energética colombiana dispone de 4 plantas de generación para satisfacer la demanda diaria eléctrica en 4 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 BENAVIDES ROBLES ZAVALA OFERTA PENALIDAD FILA COMTECH 100 700 100 3 SYSTEM 800 1 MAXELL 400 2 DEMANDA 600 700 0 1300 PENALIDAD COLUMNA 1 1 AL DESTINO D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8 BENAVIDES ROBLES ZAVALA OFERTA COMTECH 100 700 0 SYSTEM 500 300 0 1 2 2 MAXELL 400 0 2 4 2 DEMANDA 0 0 0 0 4 3 4 3 4 3 PENALIDAD FILA AL DESTINO PENALIDAD COLUMNA D E S D E E L O R I G E N 3 2 6 6 3 4 2 5 8
  • 12. asociados al envió del suministro por cada millón de KW entre cada planta y cada ciudad son los siguientes: CALI BOGOTÁ MEDELLÍN BARRANQUILLA PLANTA 1 5 2 7 3 PLANTA 2 3 6 6 1 PLANTA 3 6 1 2 4 PLANTA 4 4 3 6 6 DESARROLLO Variable de Decisión Variable de Actividad Costo por Unidad Contribución Total X11 35 5 175 CALI BOGOTA MEDELLIN BARRANQUILLA OFERTA PENALIDAD FILA PLANTA 1 80 1 PLANTA 2 30 2 PALNTA 3 60 60 1 PLANTA 4 45 1 DEMANDA 70 40 70 35 215 PENALIDAD COLUMNA 1 1 4 2 AL DESTINO D E S D E E L O R I G E N 5 3 6 2 6 1 7 6 2 4 3 6 3 1 4 6 CALI BOGOTA MEDELLIN BARRANQUILLA OFERTA PLANTA 1 25 40 10 5 0 1 1 1 1 4 PLANTA 2 30 0 2 PALNTA 3 60 0 PLANTA 4 45 0 1 1 DEMANDA 0 0 0 0 0 1 1 1 2 1 1 1 1 2 1 1 1 1 1 1 1 1 1 PENALIDAD COLUMNA D E S D E E L O R I G E N PENALIDAD FILA AL DESTINO 5 3 6 2 6 1 7 6 2 4 3 6 3 1 4 6
  • 13. X12 40 2 80 X14 5 3 15 X24 30 1 30 X33 60 2 120 X41 35 4 140 X43 10 6 60 TOTAL: 620 Z= 620 UM MÉTODO DEL COSTO MÍNIMO (MCM) El método del costo mínimo o de los mínimos costos es desarrollado con el objetivo de resolver problemas de transporte, arrojando mejores resultados que el método de la esquina noroeste, dado que se enfoca en las rutas que presentan menos costos. ALGORITMO DE SOLUCIÓN 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. P1 P2 P3 P4 CALI BOGOTÁ MEDELLÍN BARRANQUILLA
  • 14. 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". A B C D E OFERTA DEPOSITO 1 20 100 DEPOSITO 2 120 DEPOSITO 3 80 DEPOSITO 4 105 DEMANDA 125 50 130 80 20 405 AL DESTINO D E S D E E L O R I G E N 4 1 9 4 3 5 7 6 4 2 1 3 6 3 4 3 0 0 0 0 A B C D E OFERTA DEPOSITO 1 20 80 DEPOSITO 2 120 DEPOSITO 3 80 80 DEPOSITO 4 105 DEMANDA 125 50 130 80 0 385 AL DESTINO D E S D E E L O R I G E N 4 1 9 4 3 5 7 6 4 2 1 3 6 3 4 3 0 0 0 0
  • 15. A B C D E OFERTA DEPOSITO 1 20 80 DEPOSITO 2 120 120 DEPOSITO 3 80 0 DEPOSITO 4 105 DEMANDA 125 50 50 80 0 305 AL DESTINO D E S D E E L O R I G E N 4 1 9 4 3 5 7 6 4 2 1 3 6 3 4 3 0 0 0 0 A B C D E OFERTA DEPOSITO 1 20 80 DEPOSITO 2 120 0 DEPOSITO 3 80 0 DEPOSITO 4 80 105 DEMANDA 5 50 50 80 0 185 AL DESTINO D E S D E E L O R I G E N 4 1 9 4 3 5 7 6 4 2 1 3 6 3 4 3 0 0 0 0 A B C D E OFERTA DEPOSITO 1 20 80 DEPOSITO 2 120 0 DEPOSITO 3 80 0 DEPOSITO 4 25 80 25 DEMANDA 5 50 50 0 0 105 AL DESTINO D E S D E E L O R I G E N 4 1 9 4 3 5 7 6 4 2 1 3 6 3 4 3 0 0 0 0
  • 16. A B C D E OFERTA DEPOSITO 1 50 20 80 DEPOSITO 2 120 0 DEPOSITO 3 80 0 DEPOSITO 4 25 80 0 DEMANDA 5 50 25 0 0 80 AL DESTINO D E S D E E L O R I G E N 4 1 9 4 3 5 7 6 4 2 1 3 6 3 4 3 0 0 0 0 A B C D E OFERTA DEPOSITO 1 5 50 25 20 30 DEPOSITO 2 120 0 DEPOSITO 3 80 0 DEPOSITO 4 25 80 0 DEMANDA 5 0 25 0 0 30 AL DESTINO D E S D E E L O R I G E N 4 1 9 4 3 5 7 6 4 2 1 3 6 3 4 3 0 0 0 0 A B C D E OFERTA DEPOSITO 1 5 50 25 20 0 DEPOSITO 2 120 0 DEPOSITO 3 80 0 DEPOSITO 4 25 80 0 DEMANDA 0 0 0 0 0 0 AL DESTINO D E S D E E L O R I G E N 4 1 9 4 3 5 7 6 4 2 1 3 6 3 4 3 0 0 0 0
  • 17. Variable de Decisión Variable de Actividad Costo por Unidad Contribución Total X1A 5 4 20 X1B 50 3 150 X1C 25 4 100 X2A 120 1 120 X3C 80 1 80 X4A 25 3 75 X4D 80 3 240 Z= 785
  • 18. MÉTODO DE PASOS SECUENCIALES Este método comienza con una solución inicial factible. En cada paso se intenta enviar artículos por una ruta que no se haya usado en la solución factible actual, en tanto se elimina una ruta usada actualmente. En cada cambio de ruta debe cumplirse que: 1. La solución siga siendo factible y 2. Que mejore el valor de la función objetivo El procedimiento termina cuando no hay cambio de rutas que mejoren el valor de la función. ALGORITMO 1. Usar la solución actual (MEN, MAV o MCM) para crear una trayectoria única del paso secuencial. Usar estas trayectorias para calcular el costo marginal de introducir a la solución cada ruta no usada. 2. Si todos los costos marginales son iguales o mayores que cero, terminar; se tendrá la solución óptima. Si no, elegir la celda que tenga el costo marginal más negativo (empates se resuelven arbitrariamente) 3. Usando la trayectoria del paso secuencial, determine el máximo número de artículos que se pueden asignar a la ruta elegida en el punto 2 y ajustar la distribución adecuadamente. 4. Regrese al paso 1 DEPOSITO 1 DEPOSITO 2 DEPOSITO 3 DEPOSITO 4 A B C D E
  • 19. A B C D E OFERTA DEPOSITO 1 100 . .. 100 DEPOSITO 2 25 50 45 … 120 DEPOSITO 3 …… ….. 80 …. 80 DEPOSITO 4 ……. …….. 5 80 20 105 DEMANDA 125 50 130 80 20 405 . .. … …. ….. …… ……. …….. 3 3 3 4 7 9 4 6 -4 -4 -2 -1 -5 -1 -1 -5 1 1 3 3 2 2 2 2 -5 -2 -3 -3 -1 -1 -3 -3 -5 -2 1 3 3 9 2 0 AL DESTINO D E S D E E L O R I G E N 4 1 9 4 3 5 7 6 4 2 1 3 6 3 4 3 0 0 0 0 3 A B C D E OFERTA DEPOSITO 1 50 50 . 100 DEPOSITO 2 75 .. 45 … 120 DEPOSITO 3 …. 80 ….. 80 DEPOSITO 4 …… 5 80 20 105 DEMANDA 125 50 130 80 20 405 . .. … …. ….. …… 3 5 3 9 4 4 -4 -1 -2 -1 -1 -1 1 4 3 2 3 2 -2 -3 -3 -1 -3 -3 -2 5 1 9 3 2 AL DESTINO D E S D E E L O R I G E N 4 1 9 4 3 5 7 6 4 2 1 3 6 3 4 3 0 0 0 0 3
  • 20. MÉTODO DE ASIGNACIÓN O MÉTODO HÚNGARO (MH) El problema de asignación es una variedad especial del problema de transporte, el enfoque general de este algoritmo consiste en “reducir la matriz de costos” mediante una serie de operaciones aritméticas. ALGORITMO 1. Reducción de filas 2. Reducción de columnas 3. Determinación de la matriz reducida, encuentre el número mínimo de líneas restas que se pueden trazar sobre las columnas y las filas para cubrir todos los 0 ceros, si este número es igual al de renglones (columnas) se dice que la matriz es reducida y continúe con el paso 5. Si el número de rectas es menor que el número de filas (columnas) continúe con el paso 4 4. Reducciones posteriores: encuentre la menor de las celdas no cubiertas, reste el valor a todas las otras celdas no cubiertas y sume este valor a las intersecciones de las rectas. Y regrese al paso 3 5. Solución Óptima: se puede encontrar una asignación usando celdas que tengan costos. 1 2 3 4 A 3 5 3 3 3 B 5 14 10 10 5 C 12 6 19 17 6 D 2 17 10 12 2 V E N D E D O R LOCAL REDUCCION FILA 1 2 3 4 A 0 2 0 0 B 0 9 5 5 C 6 0 13 11 D 0 15 8 10 0 0 0 0 LOCAL V E N D E D O R REDUCCION COLUMNA
  • 21. 1 2 3 4 A 0 2 0 0 B 0 9 5 5 C 6 0 13 11 D 0 15 8 10 LOCAL V E N D E D O R 1 2 3 4 A 1 2 0 0 B 0 8 4 4 C 7 0 13 11 D 0 14 7 9 LOCAL V E N D E D O R 1 2 3 4 A 2 2 0 0 B 0 7 3 3 C 8 0 13 11 D 0 13 6 8 LOCAL V E N D E D O R 1 2 3 4 A 3 2 0 0 B 0 6 2 2 C 9 0 13 11 D 0 12 5 7 LOCAL V E N D E D O R
  • 22. Z= 21 PROGRAMACIÓN CUADRÁTICA FORMULA: 𝒁 = (𝒙 𝟏 − 𝒂) 𝟐 + (𝒙 𝟐 − 𝒃) 𝟐 Mínimo: 𝒁 = (𝒙 𝟏 − 𝟐) 𝟐 + (𝒙 𝟐 − 𝟐) 𝟐 Sujeto a: 𝒙 𝟏 + 𝟐𝒙 𝟐 ≤ 𝟑 𝟖𝒙 𝟏 + 𝟓𝒙 𝟐 ≥ 𝟏𝟎 1 2 3 4 A 4 2 0 0 B 0 5 1 1 C 10 0 13 11 D 0 11 4 6 LOCAL V E N D E D O R 1 2 3 4 A 5 2 0 0 B 0 4 0 0 C 11 0 13 11 D 0 10 3 5 V E N D E D O R LOCAL 1 2 3 4 A 5 2 0 3 B 0 4 10 10 C 11 6 13 11 D 2 10 3 5 LOCAL V E N D E D O R
  • 23. 𝒙𝒊 ≥ 𝟎 𝒙 𝟏 + 𝟐𝒙 𝟐 ≤ 𝟑 𝟖𝒙 𝟏 + 𝟓𝒙 𝟐 ≥ 𝟏𝟎 x1 x2 x1 x2 0 1,5 0 2 3 0 1,25 0 (𝒙 𝟏 − 𝟐) 𝟐 + (𝒙 𝟐 − 𝟐) 𝟐 = 𝑲 C(2,2) formula 𝒓 = √ 𝒌 Tengo que escoger el mas cercano a la circunferencia q en este caso seria 𝒙 𝟏 + 𝟐𝒙 𝟐 ≤ 𝟑 Se realiza el despeje de esta ecuación − 𝟏 𝟐 𝒙 𝟏 + 𝟑 𝟐 𝒎 𝟐 = − 𝟏 𝟐⁄ formula: 𝒎 𝟏 𝒎 𝟐 = −𝟏 𝒎 𝟏( 𝟏 𝟐⁄ ) = −𝟏 𝒎 𝟏 = 𝟐 formula lineal: ( 𝒙 𝟐 − 𝒂) = 𝒎 𝟏(𝒙 𝟏 − 𝒃) ( 𝒙 𝟐 − 𝟐) = 𝟐(𝒙 𝟏 − 𝟐) ( 𝒙 𝟐 − 𝟐) = 𝟐𝒙 𝟏 − 𝟒) 𝟐𝒙 𝟏 − 𝒙 𝟐 = 𝟐 4x1-2x2= 4 x1+2x2= 3 x1 = 7/5 𝟕 𝟓 + 𝟐𝒙 𝟐 = 𝟑 𝒙 𝟐 𝟑 − 𝟕 𝟓 𝟐 𝒙 𝟐 = 𝟒 𝟓 Valor Óptimo
  • 24. 𝒁 = ( 𝟕 𝟓 − 𝟐) 𝟐 + ( 𝟒 𝟓 − 𝟐) 𝟐 𝒛 = 𝟗 𝟐𝟓 + 𝟑𝟔 𝟐𝟓 𝒛 = 𝟏. 𝟖 𝒅 = | 𝑨𝒙 + 𝑩𝒚 + 𝑪 √𝑨 𝟐 𝑩 𝟐 | 𝒅 = | 𝟏( 𝟐)+ 𝟐( 𝟐)− 𝟑 √𝟏 𝟐 + 𝟐 𝟐 | 𝒅 = 𝟑 √ 𝟓 1 1 2 3 2 3
  • 25. DERIVADAS. 𝑑𝑐 𝑑𝑥 = 0 𝑑𝑥 𝑑𝑐 = 1 𝑑𝑐. 𝑣 𝑑𝑥 = 𝑐. 𝑑𝑣 𝑑𝑥 𝑑𝑐 𝑑𝑥 = 𝑣 𝑛 = 𝑛𝑣 𝑛−1 Ejemplo: 𝑌 = 2 𝑌` = 0 𝑌 = 𝑋 𝑌´ = 1 𝑌 = 𝑋4 𝑌´ = 4𝑋3 𝑌 = 6𝑋5 𝑌´ = 6(5)𝑋4 𝑌´ = 30𝑋4 𝒇( 𝒙) = 𝟒𝒙 𝟒 + 𝟓𝒙 𝟑 − 𝟐𝒙 𝟐 + 𝟏𝟎 𝒇( 𝒙) = 𝟏𝟔𝒙 𝟑 + 𝟏𝟓𝒙 𝟐 − 𝟒𝒙 𝒇( 𝒙) = 𝟒𝟖𝒙 𝟐 + 𝟑𝟎𝒙 − 𝟒 2. 𝒇( 𝒙) = 𝒙 𝟕 − 𝟕𝒙 𝟒 𝒇( 𝒙) = 𝟕𝒙 𝟔 − 𝟐𝟖𝒙 𝟑 𝒚 = 𝟑𝒙 𝟔 − 𝟐𝒙 𝟐 + 𝟓 𝒙 𝟑 𝒚´ = 𝟏𝟖𝒙 𝟓 − 𝟒𝒙 − 𝟏𝟓𝒙−𝟒 𝒚´ = 𝟏𝟖𝒙 𝟓 − 𝟒𝒙 − 𝟏𝟓 𝒙 𝟒 Cuando hay coordenadas 𝒎 = ∆𝒚 ∆𝒙
  • 26. 𝒎 = 𝒚 𝟐 − 𝒚 𝟏 𝒙 𝟐 − 𝒙 𝟏 𝒎 = 𝒇´( 𝒙) Ejemplo: 𝑥2 + 𝑦2 = 5 C (0,0) 𝑟 = √5 r = 2,2 MODELO DE REDES RED:Es el conjunto grande de modelos de programacion lineal. • El problema del transporte y el problema de asignación, forman parte de un tipo más general de modelos, conocidos como modelos de red. • Los modelos de red son aplicaciones muy importantes para la logística y la distribución en la administración, además de tener múltiples aplicaciones en ingeniería y computación. • Un modelo de red es un modelo de transbordo con capacidades, el cual puede adoptar diversas formas, como el modelo de la ruta más corta y el modelo del flujo máximo y mínimo, el problema de árbol de alcance mínimo, método de camino crítico, entre otras aplicaciones de la planeación financiera y de producción. • La principal característica de un modelo de transbordo con capacidades es que es una red donde las ofertas están en los puntos de origen específicos, las demandas en los puntos de destino específicos y las alternativas de embarque se ofrecen por medio de los
  • 27. nodos intermedios, de manera que siguen rutas con capacidades definidas desde los orígenes hasta los destinos. EJERCICIO El gerente de distribucion de una empresa que distribuyer artefactos electricos en 6 provincias. El gerente tiene 100 aparatos electricos en la provincia 1 y estos deben ser enviados a la provincia 3, 4 y 5; 30, 20 y 50 aparatos respectivamente. 1. Elabore el diagram de red 2. Establezca las capacidades y costos agregados 3. Formule el problema (resuelva) 4. Construya la matriz de insidecia ( nodo – arco) 5. Establezca la tabla del transporte Si luego del estudio el grafico es el siguiente: 3 4 5 6 21 +100 +30 -20 -50 C12 U12 C23 U23 C24 U24 C25 U25 C26 U26 C65 U65 C63U63 U34C34
  • 28. Min Z= C12 x X12 + C23 x X23 + C24 x X24 + C25 x X25 + C26 x X26 + C34 x X34 + C45 x X45 + C54 x X54 + C63 x X63 + C65 x X65 S.A. X12 = 100 -X12 + X23 + X24 + X25 + X26 = 0 -X25 +X34 +X63 = - 30 -X24 +X34 + X45 - X54 = -20 -X45 +X54 -X65 = -50 -X26 +X63 + X65 = 0 0 ≤ Xij ≤ Uij Z= 30 (M12) + 20 (M14) + 50 (M15) 1,2 2,3 2,4 2,5 2,6 3,4 4,5 5,4 6,3 6,5 1 1 0 0 0 0 0 0 0 0 0 100 2 -1 1 1 1 1 0 0 0 0 0 0 3 0 -1 0 0 0 1 0 0 -1 0 -30 4 0 0 -1 0 0 -1 1 -1 0 0 -20 5 0 0 0 -1 0 0 -1 1 0 -1 -50 6 0 0 0 0 -1 0 0 0 1 1 0 N O D O S ARCOS VALOR 3 4 5 OFERTA m12 m14 m15 30 20 50 DEMANDA 30 20 50 100 1 100 DESTINOS ORIGEN
  • 29. EL PROBLEMA DE LA RUTA MAS CORTA Recordemos algunos conceptos básicos como son: GRAFO. Es una serie de nodos unidos por arcos, ramas o aristas Red. Es una grafo con algún tipo de flujo en sus ramales. Ejemplo: Eléctrica, transporte. Ruta: Una ruta corresponde a los nodos que constituyen una cadena EJERCICIO Una empresa que reparte vinos a 7 localidades diferentes tiene que decidir lac minimización de la totalidad de sus costos asegurándose que cualquier reparto futuro z cualquiera de las localidades se haga a través de la ruta mas corta. El grafo es el siguiente: 7 4 3 2 6 5 H 1 8 7 4 1 6 1 2 3 3 3 1 (0 , H) (4 , H) (8 , H) (6 , 3) (5 , 1) (6 , 3) (8 , 2) (9 , 5)
  • 30. ARBOL DE EXPANSION MINIMA La tarea consiste en construir un árbol que conecte todos los nodos de la red con un costo total mínimo El algoritmo que nos permite resolver este tipo de problemas es el ALGORITMO GLOTÓN y se puede hacer de dos formas: el método gráfico y el método Tabular. MÉTODO GRÁFICO. 1. Empiece en cualquier nodo. Seleccione el arco más barato que parta de ese nodo. Este es su primer enlace. Forma un segmento de conexión entre dos nodos. Los nodos restantes se llaman NODOS DESCONECTADOS. RUTA MAS CORTA DISTANCIA 1 H -1 4 2 H - 1 - 3 - 2 6 3 H - 1 - 3 5 4 H - 1 - 3 - 4 6 5 H - 1 - 3 - 2 - 5 8 6 H - 1 - 3 - 2 - 5 - 6 9 7 H - 7 8 7 4 3 2 6 5 H 1
  • 31. 2. Considere todos los arcos que parten del segmento de conexión a los nodos desconectados. Seleccione el más barato como enlace. Si hay empates rompa de manera arbitraria. Esto agrega un nuevo nodo al segmento de conexión. Repita este paso hasta que todos los nodos estén conectados lo cual requiere n -1 pasos. MÉTODO TABULAR. 1. Comience con cualquier nodo, se designa este nodo como conectado y se coloca un V al lado del renglón correspondiente a este nodo. Se tacha el índice de la columna que corresponde a él. 2. Considerando todos los renglones que tienen V, busque el valor mínimo en las columnas cuyo índice aún no haya sido tachado y se encierra ese valor en un círculo. Se rompe arbitrariamente los empates. La columna que contenga a ese elemento encerrado en un círculo designa al nuevo nodo conectado. Se tacha el índice de esta columna y se coloca una marca en el renglón correspondiente a este nodo. Se repite este paso hasta que todos los nodos sean conectados. 3. Una vez que todos los nodos hayan sido conectados, se identifica el árbol expandido mínimo mediante los elementos circundados. EJERCICIOS MÉTODO GRAFICO 1 4 7 2 5 8 3 6 9 4 9 3 8 4 7 2 5 6 3 4 5
  • 32. MÉTODO TABULAR 1 2 3 4 5 6 7 8 9 1 4 3 2 4 9 8 3 9 4 4 3 7 5 5 8 7 2 6 4 2 7 5 4 8 6 4 5 9 3 5 DESTINOS O R I G E N 1 4 7 2 5 8 3 6 9 4 3 5 4 5 2 4 3
  • 33. FLUJO MAXIMO En este problema hay un solo nodo FUENTE ( origen, entrada) y un solo nodo DESTINO ( sumidero, salida), El problema consiste en determinar el máximo flujo que se puede enviar desde el nodo fuente al nodo destino, teniendo en cuenta las capacidades kij sobre el flujo de cada arco (i,j) y que el flujo se debe conservar. Se utiliza para saber cuál es la cantidad máxima de vehículos, peatones, líquidos o llamadas telefónicas que pueden entrar y salir del sistema, para reducir los embotellamientos entre ciertos puntos de partida y destino en una red. El único requerimiento en ellos es que para cada nodo (que no sea la fuente o el destino) la relación de equilibrio debe cumplirse: flujo que sale = flujo que entra La cantidad de flujo a lo largo de dicho recorrido es FACTIBLE si: 1. No se excede la capacidad de ningún arco del camino. 2. A excepción de los nodos de entrada y salida se debe cumplir la condición de conservación: flujo que sale = flujo que entra ALGORITMO PARA RESOLVER ESTE PROBLEMA. 1. Encontrar un camino que vaya del origen al destino y que tenga capacidad mayor a cero en el sentido deseado. 2. Encontrar la rama de menor capacidad (Pf) del camino seleccionado en el paso anterior y programar el envío de dicha capacidad (Pf). 3. Para el camino elegido en el paso 1 reducir la cantidad Pf en las ramas involucradas y aumentar dicha cantidad en el sentido contrario. 4. Repetir el procedimiento desde el paso 1.
  • 34. 5. Si la capacidad final es menor que la capacidad inicial, calcule la diferencia y esta es la cantidad de flujo a través del arco. CORTE. Partición del conjunto de nodos en dos clases ajenas, digamos C1 y Cn donde la fuente está en C1 y el destino en Cn. CAPACIDAD DE CORTE. Considérense todos los arcos que conectan directamente un nodo de C1 a un nodo Cn. La suma de las capacidades de esos arcos, en la dirección C1 – Cn se llama capacidad de corte. TEOREMADE FLUJO MÁXIMO Y CORTE MÍNIMO. El flujo máximo de cualquier red es igual a la capacidad del corte mínimo. EJERCICIOS 2 4 3 5 1 6 2 4 3 5 1 6 4 4 2 6 2 6 8 8 8