Sei sulla pagina 1di 15

METODO HUNGARO.

EJERCICIO RESUELTO 1. Los tres hijos de Klyne, quieren ganar algo para sus gastos personales
durante un viaje de la escuela al zoolgico. El seor Klyne ha destinado 3 tareas para sus hijos:
poder el pasto, pintar la cochera y lavar los autos de la familia. Para evitar discusiones, les pide
que presenten ofertas de lo que crean que es un pago justo para cada una de las 3 tareas. Se
sobreentiende que despus los 3 obedeceran la decisin de su papa sobre quien hace cual
tarea:

podar pintar lavar

mnimo del rengln
cubis 15 10 9 p1= 9
chalanas 9 15 10 p2= 9
gato 10 12 8 p3= 8



podar pintar lavar

cubis 6 1 0

chalanas 0 6 1

gato 2 4 0

mnimo de
columna q1=0 q2=1 q3=0



podar pintar lavar

cubis 6 0 0

chalanas 0 5 1

gato 2 3 0
Celdas con elementos cero son la solucin ptima. Quiere decir que cubis va a pintar la
cochera, chalanas va a podar el csped y gato lavara los autos. Y el costo total ser de
(p1+p2+p3) + (q1+q2+q3) => (9+9+8) + (0+1+0)=27.
EJERCICIO RESUELTO 2.La compaa de manufactura "Darkman y Asociados" desea realizar
una jornada de mantenimiento preventivo a sus tres mquinas principales A, B y C. El tiempo
que demanda realizar el mantenimiento de cada mquina es de 1 da, sin embargo la jornada
de mantenimiento no puede durar ms de un da, teniendo en cuenta que la compaa cuenta
con tres proveedores de servicios de mantenimiento debe de asignarse un equipo de
mantenimiento a cada mquina para poder cumplir con la realizacin del mantenimiento
preventivo. Teniendo en cuenta que segn el grado de especializacin de cada equipo
prestador de servicios de mantenimiento el costo de la tarea vara para cada mquina en
particular, debe de asignarse el equipo correcto a la mquina indicada con el objetivo de
minimizar el costo total de la jornada. Los costos asociados se pueden observar en la siguiente
tabla:

maquina 1 maquina 2 maquina 3

mnimo del rengln
Equipo de mant. 1 10 9 5 p1= 5
Equipo de mant. 2 9 8 3 p2= 3
Equipo de mant. 3 6 4 7 p3= 4











maquina 1 maquina 2 maquina 3
Equipo de mant. 1 3 4 0
Equipo de mant. 2 4 5 0
Equipo de mant. 3 0 0 3

valor mnimo= 3


maquina 1 maquina 2 maquina 3
Equipo de mant. 1 0 1 0
Equipo de mant. 2 1 2 0
Equipo de mant. 3 0 0 6

Solucin: Al equipo de mant. 1 se le asigna la maquina 1, al equipo de mant. 2 se le asigna la
maquina 3 y al equipo de mant. 3 se le asigna la maquina 2.
Costo: 14.

EXPLICACION DEL METODO HUNGARO CON EL METODO SIMPLEX:
El problema de asignacin en el que n trabajadores se asignan a n puestos se puede presentar
como modelo de programacin lineal en la forma siguiente: sea c
ij
el costo de asignar el
trabajador i al puesto j, y sea
1, si el trabajador i se asigna al puesto j.
X
ij
= 0, en cualquier otro caso.

Entonces el modelo de programacin lnea es:

Minimizar z =



Sujeto a

=0 o 1

maquina 1 maquina 2 maquina 3
Equipo de mant. 1 5 4 0
Equipo de mant. 2 6 5 0
Equipo de mant. 3 2 0 3
mnimo de
columna 2 0 0
La solucin optima de este modelo de programacin lineal no cambia si se suma o resta una
constante en cualquier rengln o columna de la matriz de costo (c
ij
). Para demostrar esto, sean
p
i
y q
kj
constantes restadas del rengln i y la columna j. Asi, el elemento de costo c
ij
cambia a


Ahora bien,



Como la nueva funcin objetivo difiere de la original por una constante, los valores ptimos de x
ij
deben
ser iguales, en ambos casos. El desarrollo demuestra que los pasos 1 y 2 del mtodo hngaro, que
requiere restar p
i
en el rengln i y despus restar q
j
en la columna j, producen un modelo equivalen de
asignacin. Si se puede encontrar una solucin factible entre los elementos cero que se crearon en la
matriz de costo, en los pasos 1 y 2 debe ser optimo, porque el costo en la matriz modificada no puede
ser menor que cero.
Si los elementos cero que se crearon no pueden producir una solucin factible se debe aplicar el paso 2,
que consiste en cubrir los elementos cero. La validez de este procedimiento se basa de nuevo en el
mtodo simplex de programacin lineal, y se puede explicar con la teora de la dualidad y el teorema de
holgura complementaria.
La razn por la que (p1+p2+.+pn) + (q1+q2++qn) produce el valor objetivo optimo es que representa
la funcin objetivo dual del modelo de asignacin.
Ejercicio propuestos
Una fbrica dispone de cuatro obreros para completar cuatro trabajos. Cada obrero solo
puede hacer uno de los trabajos. El tiempo que requiere cada obrero para completar cada trabajo se
entrega en el Cuadro.

Tiempo Horas

trabajo 1 trabajo 2 trabajo 3 Trabajo 4
Obrero 1 14 5 8 7
Obrero 2 2 12 6 5
Obrero 3 7 8 3 9
Obrero 4 2 4 6 10



Ejercicio Resueltos.
Mindwest TV Cable company est en el proceso de proporcionar servicio de cable a cinco nuevas reas
habitacionales. La figura de abajo representa los enlaces posibles de TV entre las cinco reas. Las millas
de cable se muestran en cada arco. Determine la red de cable ms econmica.

Se toma en cuenta al que tiene el menor arco de todos los nodos y en el primer paso tomamos los
nodos de (1-2) en segundo paso de (2-5) y (4-6).




1
3
4
5
6
2
3 millas
1
4
7
5
8
3
10
9
6
5
1
3
4
5
6
2
3 millas
1
4
7
5
8
3
10
9
6
5
A continuacin vemos los dems arcos y nodos con la condicin de que no se forme un bucle y siguiendo
el desarrollo tendramos que unir el nodo de (2-4) y el nodo de (1-3).

La cantidad mnima de millas necesarias para proporcionar el servicio de cable que se desea resulta ser
(1+3+4+3+5)= 16 millas.
Ejercicio 2-.
En la figura siguiente se ven las distancias en millas de las conexiones factibles que unen nueve pozos
marinos de gas natural con un punto de entrega en tierra.
Determine la red mnima de tubera que una las bocas de pozo con el punto de entrega.

1
3
4
5
6
2
3 millas
1
4
7
5
8
3
10
9
6
5
2
1
9
8
7
5
3
4
6
5 millas
6
9
20
15
20
12
7
3
5
7
5
13
6
4
14
15
10
Se toma en cuenta al que tiene el menor arco de todos los nodos y en el primer paso tomamos unimos
los siguientes nodos: (5-6), (1-5), (5-7), (8-9) y (1-2).


Continuamente seguimos viendo los que tengan valores mnimos en los arcos y que unan a todos los
nodos sin crear un bucle con algn nodo, y seguimos haciendo

La red mnima de tubera que une las bocas de pozo con el punto de entrega es de:
(3+4+6+5+5+7+5+6)=41 millas.


2
1
9
8
7
5
3
4
6
5
6
9
20
15
20
12
7
3
5
7
5
13
6
4
14
15
10
2
1
9
8
7
5
3
4
6
5
5
6
9
20
15
20
12
7
3
5
7
5
13
6
4
14
15
10
Ejercicio propuesto.-

Una factora tiene cuatro operarios, los cuales deben ser asignados al manejo de
cuatro mquinas; las horas requeridas para cada trabajador en cada mquina se dan
en la tabla adjunta; el tiempo a laborar por cada operario en cada una de las mquinas
se pretende que sea mnimo, para lo cual se busca la asignacin ptima posible.


1 2 3 4
Antonio 10 14 16 13
Bernardo 12 13 15 12
Carlos 9 12 12 11
Diego 14 13 18 16


PROGRAMACION LINEAL ENTERA
Los programas lineales enteros son aquellos en los que algunas o todas las variables
estn restringidas a tener valores enteros (o discretos). La programacio lineal entera
tiene aplicaciones practicas importantes. Desafortunadamente, a pesar de dcadas
extensas investigaciones. Hasta esta fecha no existe un programa de computo para
programas lineales enteros que pueda resolverlos en forma consistente.
APLICACIONES ILUSTRATIVAS
Las aplicaciones de la programacin lineal entera de esta seleccin se inician con
formulaciones sencillas, pasando a otras mas complejas en forma gradual
EJERCICIO RESUELTO-.
Se estn evaluando cinco proyectos durante un horizonte de plantacin de 3 aos. La
tabla siguiente muestra los ingresos para cada uno, y sus gastos anuales
correspondientes.





1 2 3 ingresos(millones $)
1 5 1 8 20
2 4 7 10 40
3 3 9 2 20
4 7 4 1 15
5 8 6 10 30
fondos disponibles (millones
$) 25 25 25
Cules proyectos se deben seleccionar para el horizonte de 3 aos?
El problema se reduce a tomar una decisin si-nopara cadas proyecto. Se define la
variable binaria x
j
como sigue:

x
j=

entonces, el programa lineal entero es:
maximizar z= 20x1 +40x2+20x3
sujeta a:
5x1+4x2+3x3+7x4+825
X1+7x2+9x3+4x4+6x525
8x1+10x2+2x3+x4+10x525
X1,x2xx3,x4,x5=(0,1)

1, si seselecciona el proyecto j
0, si no se selecciona el proyecto j

La solucin lineal entera obtenida con tora es x1=x2=x3=x4=1, x5=0, con z=95
millones de $. Esta solucinindica que se deben seleccionar todos los proyectos
menos el 5.


Presupuesto de capital
Se estn evaluando 5 proyecto en un horizonte de planeacin de 3 aos. La tabla
siguiente demuestra los ingresos esperados para cada uno, y sus gastos anuales
correspondientes:
Proyecto 1 2 3 Ingresos
(millones $)
1 5 1 8 20
2 4 7 10 40
3 3 9 2 20
4 7 4 1 15
5 8 6 10 30
Fondos disponibles
(millones $)
25 25 25
Cules proyectos se deben seleccionar para el horizonte de 3 aos?
El problema se reduce a tomar una decisin si-no para cada proyecto. Se define la
variable binaria x; como sigue:
X
i
= 1, si se selecciona el proyecto j.
0, si no se selecciona el proyecto j.
Entonces, el programa lineal entero es: Maximizar z = 20x
1
+ 40 x
2
+ 20 x
3
+ 15 x
4
+ 30
x
5
Sujeto a:
5x
1
+ 4 x
2
+ 3 x
3
+ 7 x
4
+ 8 x
5
= < 25
x
1
+ 7 x
2
+ 9 x
3
+ 4 x
4
+ 6 x
5
=< 25
8x
1
+ 10x
2
+ 2 x
3
+ 1x
4
+ 10 x
5
=< 25
8x
1
+ 10x
2
+ 2 x
3
+ 1x
4
+ 10 x
5
=< 25
x
1,
x
2
, x
3
, x
4,
x
5
= (0,1)
La solucin lineal entera (obtenida con Tora ) es x
1
= x
2
= x
3
= x
4
= 1, x
5 =
0 , con Z =
95 (millones de $), esta solucin indica que se deben seleccionar todos los proyectos
menos al 5.
Es interesante comparara la solucin obtenida conprogramacion lineal continua y con
programacin entera. El programa lineal optimo, obtenido reemplazando x
1
= (0,1) con
0 =< x
1
=< 1 para toda j. da como resultado x
1
= 0.5789, x
2
= x
3
= x
4
= 1, x
5 =
0.7368
y z = 108.68 (millones de $). Esta solucin no tiene sentido porque dos variables
asumen valores fraccionarios . se puede redondear la solucin a los valores enteros
mas cercanos, con lo cual se obtiene x
1
= X
5 =
1. sin embargo, sin embargo la solucin
resultante no es factible, porque se violan las restricciones. Lo mas importante es que
no se debe aplicar el concepto de redondeo, porque x
j
representa una decisin si-no
para la cual no tienen sentido los valores fraccionarios.

Problemas de cobertura





Cargo Fijo.
Es un modelo mixto
En la f.o. aparecen variables enteras y continuas
Existe al menos una restriccin estructura;
Existen restricciones que combinan variable continua con discreta.
Ejercicio .-
Una empresa esta planificando la produccion de 2000 acsesorios en tres maquinas,el
volumen minimo del lote en cualquier maquina es de 500 acsesorios. La siguiente
tabla proporciona los datos pertinentes de las situacines:
maquina Costo del plan Costo de
produccin/unidad
Capacidad(unidades)
1 300 2 600
2 100 10 800
3 200 5 1200
Xi=numero de accesorios producidos en la maquina1.
Yi=1.se renta la maquina i o 0.no se renta la maquina i.
Min z=2x1+10x2+5x3+300y1+100y2+200y3
s.a;
x1+x2+x3>=2000
x1>=500y1
x2>=500y2
x3>=500y3
x1,x2,x3>=0
x1<=600y1
x2<=800y2
x3<=1200y3
y1,y2e(0,1)
despus de aplicar el tora, se llega a la siguiente solucin:

LOGARITMO DE RAMIFICACIN Y ACOTAMIENTO.
modelo de programacin entera el cual resolveremos con el algoritmo de
Branch and Bound:
max: 4x1+6x2
s.a.
2x1+4x2<=12
4x1+3x2<=16
X1,x2>=0 enteros.
Solucin



MAX Z = 3 X1+ 5 X2
S.a.
1.6x1+8x2<=20
X1,x2>=0
X1,x2 e Z
Solucin ptima nica de Programacin Lineal: X*1 = 0; X*2 = 5/2; S*1 = 0; Z*
= 25/2, ms no de Programacin Lineal Entera.
P0
X1=2.8 x2=1.6
Z=20.8
P1
X1=2 x2=2
Z=20

P2
X1=3 x2=4/3
Z=20

P21
X1=3.25 x2=1
Z=19

P22
infactible


Solucin ptima al problema de Programacin Lineal Entera:
X*1 = 2; X*2 = 1; Z* = 11

Algoritmo de plano de corte.
Considerar el problema siguiente.
maximizar z = x1 + 2x2
sujeta a 4x1 + 3x2 12
x1 + x2 2
x1; x2 0 y enteros:
P2
X1=2/3
X2=2
X1=0
X2=5/2
P4
X1=1
X2=7/4
P1
infactible
P
X1=0
X2=2
P6
X1=2
X2=1
Z=11

P5
infactible

X2<=2
X2<=
3
X2<=
22
X2<=
1
X1<=
0
X1<=
1
Es un problema lineal entero puro. La tabla smplex optima del problema
continuo
asociado es
Basicas z x1 x2 x3 x4 Solucion
x1 0 1 0 1=7 3=7 6=7
x2 0 0 1 1=7 4=7 20=7
z 1 0 0 3=7 5=7 46=7