Primer

parcial
Investigacin
De operaciones

UNIDAD I: INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES

1.1 DEFINICIN, DESARROLLO Y TIPOS DE MODELO DE INVESTIGACIN
MODELOS
Definicin modelo: Es una presentacin o abstraccin de una situacin u objeto
real, que muestran las relaciones (directas o indirectas) i las interrelaciones de la
accin y las relaciones en trminos de causa y efecto.
Tipos de modelo:

Modelo icnico: es una representacin fsica de algn objeto ya sea en

forma idealizada (bosquejo) o escala distinta, ejemplos: maquetas,
prototipos, planos, mapas, etc.
Modelo analgico: pueden representar situaciones dinmicas o cclicas son
ms usuales y pueden representar las caractersticas y propiedades del
acontecimiento que se estudia, ejemplo: lnea del tiempo, diagrama de flujo,
curva de demanda, curva de distribucin de secuencia.
Modelo simblico o matemtico: son representaciones de la realidad en
forma de cifras, nmeros matemticos y funciones, para representar
variables de decisin y relaciones que no permiten describir y analizar el
comportamiento del sistema.
o Cuantitativos y cualitativos
o Estndares y hechos a la medida
o Probabilsticos y determinsticos
o Descriptivos y de optimizacin
o Estadsticos y dinmicos
o De simulacin y no simulacin.

FASES DE ESTUDIO DEL INVESTIGADOR DE OPERACIONES

FORMULACIN
Formular el
problema real.

Supuestos y
variables del
problema.

Formular el modelo
matemtico.

SOLUCIN

Aplicar la
solucin.

Interpretar la
solucin.

Resolver el
problema
matemtico.

APLICACIN

1.2 DEFINICIONES DE INVESTIGACIN DE OPERACIONES

TAHA.
La Investigacin de Operaciones aspira a determinar el mejor curso de accin
ptimo de un problema de decisin con la restriccin
de recursos
limitados, aplicando tcnicas matemticas para representarlo por medio de un
modelo y analizar problemas de decisin.
HILLIER - LIEBERMAN.

Significa hacer investigacin sobre las operaciones referentes a la conduccin y

coordinacin de actividades dentro de una organizacin aplicada a una gama
extraordinariamente amplia.
PRAWDA.
Es la aplicacin por grupos interdisciplinarios de Mtodo Cientfico a problemas
relacionados con el control de las organizaciones o de sistemas en relacin al
hombre-mquina, con el fin de producir soluciones ptimas para dichas
organizaciones.
NAMAKFOROOSH.
La Investigacin de Operaciones es la aplicacin del Mtodo Cientfico a los
problemas de decisin en las empresas y otras organizaciones, incluyendo el
gobierno y la milicia.
MOSKOWITZ - WRIGHT.
La Investigacin de Operaciones toma al Mtodo Cientfico aplicado a la
solucin de problemas y la toma de decisiones de la gerencia en funcin a la
construccin de un modelo simblico examinando y analizando entre relaciones
que lleguen a una tcnica en la toma de decisiones en base a los resultados
ptimos.
THIERAUF Y GROSSE.
La Investigacin de Operaciones utiliza el enfoque planeado (Mtodo Cientfico)
y un grupo interdisciplinario a fin de representar las complicadas relaciones
Funcionales como modelos matemticos para suministrar una base cuantitativa
en la toma de decisiones y descubrir nuevos problemas para un anlisis
cuantitativo.

FASE DEL INVESTIGADOR DE OPERACIONES

La compaa fantasa produce dos juguetes el oso Bobby y el oso tedy cada uno
de estos productos debe ser procesado en dos mquinas diferentes. Una maquina
tiene 12 horas disponibles y la segunda 8 horas.
Cada Bobby producido necesita 2 horas de tiempo de ambas mquinas y cada
tedy producido requiere 3hrs de tiempo en la maquina uno y una hora en la
maquina dos, las gananciasFuncin
es 6 pesos por Bobby y 7 por cada tedy tomando en
objetivo
cuenta que se pueden vender tantas unidades de Bobby y tedy sean posibles.
Z=6x+7y
Optimizar
Minimizar costos
Maximizar
ganancias

B
Tiempo disponible

Restricciones
2x+3y12
2x+y8
X, y0

Maq1.
12
Maq2.
8

2
2

3
1

1.4 PRINCIPALES APLICACIONES DE I.O.

Personal
La automatizacin y la disminucin de costos, reclutamiento de personal,
clasificacin y asignacin a tareas de mejor actuacin e incentivos a la
produccin.
Mercado y distribucin
El desarrollo e introduccin de producto, envasado, prediccin de la
demanda y actividad competidora, localizacin de bodegas y centros
distribuidores.
Compras y materiales
Las cantidades y fuentes de suministro, costos fijos y variables, sustitucin
de materiales, reemplazo de equipo, comprar o rentar.
Manufactura
La planeacin y control de la produccin, mezclas ptimas de manufactura,
ubicacin y tamao de planta, el trfico de materiales y el control de
calidad.
Finanzas y contabilidad
Los anlisis de flujo de efectivo, capital requerido de largo plazo,
inversiones alternas, muestreo para la seguridad en auditoras y
reclamaciones.

MTODOS PARA LA FORMULACIN DE MODELOS

Funcin
objetiva
Variables
Restricciones
Linealidad
Desigualdad

I.O.

MODELO

MODELO ICONICO
MODELO ANALOGICO
MODELO
MATEMATICO

Variables: Son parmetros de decisin (incgnitas).

Funcin objetivo: Funcin matemtica que relaciona las variables de decisin.
Restricciones: Conjunto de desigualdades que limitan los valores que puedan
tomar las variables de definicin en la solucin.
Linealidad: x, y.
Desigualdad: , .
No negatividad: x, y0

1.5 FORMULACIN DE MODELOS LINEALES.

Son muy variados sus modelos adoptan muchas formas, y esta diversidad puede
confundirse y hacer difcil reconocer cuando debe aplicarse la programacin lineal
para estudiar problemas administrativos.
Con capacidad para reconocer la aplicacin de la programacin lineal es una
aptitud administrativa y desarrolla cual es el objetivo.
La formulacin y anlisis de un modelo de programacin lineal es una aptitud
administrativa y se desarrolla el objetivo de la unidad.
Para que el modelo refleje con precisin la perspectiva administrativa del
problema. La programacin lineal es una tcnica determinstica para el anlisis
para elegir la mejor alternativa con frecuencia y viable la cual influye en satisfacer
criterios y al mismo tiempo se puede ir un paso ms adelante y dividir los criterios.
Restricciones: Condiciones que debe satisfacer una solucin que est bajo
consideracin sin ms de una alternativa y satisfacer todas las restricciones
factibles se usa el objetivo para seleccionar entre todas las alternativas.

Modelos de lneas de espera: Consiste en una formulacin y relacin matemtica

que pueden usarse para determinar las caractersticas operativas, medidas de
desempeo para cada una de las caractersticas operativas de inters; incluye la
siguiente probabilidad de que no haya unidades o clientes en el sistema. Cantidad
promedio de unidades lineales de espera ms la cantidad de unidades que se
estn atendiendo tiempo promedio que pasan una unidad en el sistema (el tiempo
de espera ms el tiempo de servicio).
Modelo de inventario: Comnmente los inventarios estn relacionados con la
atencin de cantidades suficientes de bienes (insumos, repuestos) que garanticen
una operacin fluida en un sistema o actividad comercial la forma efectiva de
manejar inventarios en maximizando su impacto adverso encontrando un punto
medio entre cada reserva y el exceso de reserva. Este mtodo fue utilizado por los
pases industrializados de occidente.
Modelo de remplazo: Son una poltica de mejora continua de un producto como
introducen nuevos modelos que vienen descontinuados y cul es el tipo
recomendado para sustituirlo.
Modelo de mantenimiento: Es un ciclo de mejora continua que se alinea a las
estrategias polticas e individuales claves para el negocio y de elaboracin de
modelo que se presentan se ha considerado numerosas propuestas que se
ordenan cronolgicamente en tiempos.
Modelo de asignacin de recursos: Modelos de programacin lineal que involucran
la asignacin de recursos limitados a las actividades, con las caractersticas que
identifican cualquier modelo.
1.6 MTODO GRAFICO
Representando geomtricamente las restricciones, las
objetivo.

condiciones tcnicas y

El modelo se puede resolver en forma grfica si tiene 2 variables para modelos

con ms variables el mtodo grafico es imprctico o imposible.
El mtodo grafico se asocia una variable a cada eje coordenado y luego realiza 4
pasos bsicos:
Reemplazar el signo de la desigualdad en una restriccin por un signo de
igualdad y calcular las intersectas donde la ecuacin satisface la condicin
de igualdad.
Dibujar la lnea correspondiente de la funcin.

 Identificar el sentido de la lnea dependiente del sentido de la desigualdad

en la restriccin.
Sombrear la restriccin de la grfica que satisfaga las restricciones
formuladas hasta el momento.

Tipo de restricciones:
a) Cuando el signo de la restriccin es el sentido ira dirigido hacia el origen,
es decir hacia dentro.

b) Cuando el sentid de la restriccin es el sentido del vector ira dirigido hacia

fuera del origen.

Nota: cuando la funcin es maximizar se busca el punto ms alejado del origen y

si fuera minimizar se busca el ms cercano al origen.

Realiza los siguientes ejercicios.

2x1 + 3x2=12
2x1+ x2= 8
vv

2x1=123x2

2x1=123x2

=12-3(2)

X1=123x1

=-6
X1=3

EJERCICIOS:
1.

2x1=8

Z=6x1+7x2

X1=8/2

3x2=12

A=(0,0)

2x1+3x212

X1=4

X2=12/3

B=(0,4)

2x1+x28

X2=8

X2=4
2x1=12
X1=12
X1=12/2
X1=6

2.

Max: Z=
300x1+100x2
40x1+8x2800
10x1+5x2320
X260
X1,X20
1. X1=20
2. X1=32
3. X2=60

x2=100
x2=64

A=(0,0)
B=(0,60)
100(60)=6000
C=(2,60)
300(2)+100(60)=6600
D=(12,40)
300(12)+100(40)=7600
E=(20,0)
300(20)=600
Max: x1=12

X2=40

7(4)=28

C=(3,2)
6(3)+7(2)=32
D=(4,0)

6(4)=24

El mayor es: x1=3

x2=2

3.
Max:
Z=2x1+x2

1.
2.
3.
4.

X210

X2=10
X1=30
X1=18
X1=14.6

x2=12
x2=18
x2=44

2x1+5x260

A=(0,0)

X1+x218

B=(0,10)

3x1+x244

C=(10,5)

2(10)+5=25

D=(9,8)

2(9)+8=26

E=(12,5)

2(12)+5=29

F=14.6.0)

2(14.6)=29.2

10=10

Max: x1=14.6

4.

Min:
Z=50x1+80x2
X1+2x2120
X1+x290
X1, X20

1. X1= 120
2. X1=90

X2=60
X2=90

A=(0,0)
B=(0,60)
50(0)+80(60)=4800
C=(60,30)
50(60)+80(30)=5400
D=(90,0)
50(90)+80(0)=4500
MIN: X1=90

X2=0

x2=0

5.
MIN: Z:3X1+2X2
2X1+X2100
X1+X280
X140
X1, X20
1. X1=50
2. X1=80
3. X1=40

X2=100
X2=80

A=(0,0)
B=(0,80)
3(0)+2(80)=160
C=(20,60)
3(20)+2(60)=180
D=(40,20)
3(40)+2(20)=160
E=(40,0)

3(40)=120

EJEMPLOS:
Imagine usted que tiene un compromiso de negocios en 5 semanas entre
monterrey y Durango. Vuela hacia monterrey el lunes y regresa el mircoles. Un
boleto normal de viaje redondo cuesta 400 pesos pero se ofrece el 20% de
descuento si las fechas del boleto abarcan un fin de semana. Un boleto de viaje en
cualquier direccin cuesta 75% del precio normal Cmo debe comprar sus
boletos para el periodo de cinco semanas?
Cules son las alternativas de decisin?
Bajo qu restricciones se toma la decisin.
Cul es el criterio objetivo adecuado para evaluar las alternativas?

Tiempo: 5 semanas
Opciones:

Comprar 5 boletos normales=2000

Comprar 1 boleto de monterrey a Durango, 4 normales que abarquen fin de
semana y uno de Durango a monterrey=1880
Comprar un boleto de monterrey a Durango y de Durango a monterrey que
cubran los viajes redondos cada boleto de esta alternativa abarca una
semana= 1660

Un fabricante desea despachar 4 unidades de un artculo a 3 tiendas T 1, T2, T3.

Dispone de 2 almacenes desde donde realiza l envi A y B en el primero dispone
de 5 unidades de este articulo y el segundo de 10. La demanda de cada tienda es
de 8, 5, 2 unidades respectivamente. Los gastos de transporte de un artculo
desde cada almacn a cada tienda estn expresados en la siguiente tabla.

A
A

T1
T2
UNIDADES
1

T3

Z=8X1+5X2+2X3

Gastos de
transporte

1x1+2x2+4x3=5
B

3x1+2x2+x3=10

La compaa comercializadora de bebidas energticas (Cilantro Salvaje) se

encuentra promocionando 2 nuevas bebidas la tipo A y tipo B, dado que se
encuentra en promocin se puede asegurar el cumplimiento de cualquier cantidad
de demanda sin embargo existen dos polticas que la empresa debe considerar;
Una de ellas es que la cantidad de bebidas tipo A no pueden ser menor que las
tipo B; y la segunda es que se deben vender por lo menos 1000 bebidas de
cualquiera de los dos tipo.
Dado que se encuentran en promocin el precio de ambas bebida equivale a
$1,800.
Determine la cantidad de unidades que se deben vender.
2 A*B

Restricciones:
AB

A+B1500

Z= 1800+1800=3600.

La fbrica de hilados y tejidos Salazar

requiere fabricar 2 tejidos de calidad
diferente de Q y Q; se dispone de 500Kg de hilo de tipo A y 300Kg de tipo B y
108Kg de tipo C.
Para obtener 1m de Q diariamente se necesitan 125gr de hilo tipo A, 150gr de hilo
tipo B y 72gr de tipo C. Para obtener hilo Q por da se necesitan 200gr de tipo A,
100gr de tipo B y 27 gr de tipo C. el Q se vende a $4000 el metro, si se debe
obtener el mximo beneficio. Cuntos metros de Q y Q se deben fabricar?
TIPO A
TIPO B
TIPO C

Q
125 gr
150 gr
72 gr
$
4,000.00

Q'
200 gr
100 gr
27 gr
$
5,000.00

500 Kg
300 Kg
108 Kg

Restriccin:
1.- 125Q+200Q500,000
2.- 150Q+100Q300,000
3.- 72Q+27Q108,000
125 X=500,000

150 X= 300,000

72 x= 108,000

X=4000

X= 2000.

X= 1500

200 Y= 500,000

100 y= 300,000

27 y= 108, 000

Y= 2,500

Y= 3000

Y=4000

A=0
B=(0,2500)
C=(1000,2000)
D=(3000,0)

UNDAD
2

UNIDAD 2 METODO SIMPLEX

Es un procedimiento interactivo que progresivamente permite obtener una solucin
ptima para los problemas de programacin lineal el proceso concluye cuando no
es posible seguir mejorando dicha solucin.
El inters en la forma estndar en la programacin lineal se basa en las
ecuaciones lineales simultaneas esta situacin (algebraica) define completamente
los puntos extremos geomtricos del espacio de la solucin. El algoritmo simplex
est diseado para la localizacin de manera eficiente de la solucin ptima de
estas soluciones bsicas se fundamentan en dos criterios:
a) criterio de optimibilidad: este principio garantiza que nunca encontrara
soluciones inferiores a la del punto ya considerado
b) criterio de factibilidad: este criterio nos asegura que si comenzamos una
solucin ptima factible siempre en contra remos soluciones bsicas factibles.
A la integracin de toda la fila de la variable de salida con la columna de la variable
de entrada se multiplica por su inverso para obtener lo que se llamara eje pivot
los coeficientes de las variables bsicas en cualquier tabla simplex se conforma
una matriz de identidad.
LEYES DEL METODO SIMPLEX
1. Una tabla se optimiza para casos de maximizacin cuando est en una
zona infinito sean positivos o cero viceversa para el caso de maximizacin.
2. Para elegir la variable de entrada se toma el elemento ms negativo de la
zona infinito para el caso de la maximizacin y viceversa para el caso de
minimizacin.
3. Para definir una variable de salida se forman coeficientes donde los
numeradores se toman de la columna de la solucin nicamente de las
restricciones y donde los denominadores sern los nmeros
correspondientes en la columna de la variable de entrada.
OPTIMIZACION

Intenta aportar respuestas a un tipo general de problemas que consiste en

seleccionar el mejoramiento entre un conjunto de elementos ayuda a encontrar la

solucin que le brinda los mejores resultados y dela utilidad ms alta (produccin o
valor deseado), lo cual es el resultado con el mnimo costo (desperdicio o valor no
deseado).
Estos problemas involucran el uso ms eficiente de los recursos incluyendo
tiempos dinero maquinaria personal inventario y ms.
En programacin lineal (PL) es una tcnica matemticamente que proporciona un
mtodo para encontrar una decisin optima entre un gran nmero de decisin
optima entre un gran nmero de decisiones posibles.
FACTIBILIDAD
Se refiere a la disponibilidad de los recursos necesarios para llevar acabo los
objetos o metas sealados generalmente la factibilidad se determina sobre un
proyecto. Su estudio es una de las principales etapas para el desarrollo en un
sistema informtico su estudio incluye los objetivos alcances y restricciones sobre
el sistema, adems de un modelo lgico de alto nivel del sistema actual (si
existe). A partir de ella se crean soluciones alternativas para el nuevo sistema
analizando cada uno de estos diferentes tipos.

TIPOS DE FACTIBILIDAD.
ECONMICA
OPERACIONALORGANIZADA
TECNICA
EJEMPLO1
MAX

Z=4x1+3x2

Zo=-4X1-3X2

2X1+3X2<=6

2X1+3X2+S1=6

-3X1+2X2<=3

-3X1+2X2+S2=3

2X2<=5

2X2+S3=5

2X1+X2<=4

2X1+X2+S4=4

X1,X2>=0

X1,X2,S1,S2,S3,S4>=0

n= nmero de variables o incgnitas =6

m=nmero de restricciones=4
Numero de variables no bsicas= n-m = 6-4 =(3)
Zo=-4X1+3X2-S1-S2-S3-S4=0
BASE
Z
S1
S2
S3
S4
Z
S1
S2
S3
X1
Z
X2

Z
1
0
0
0
0
1
0
0
0
0
1
0

X1
-4
2
-3
0
2
0
0
0
0
1
0
0

X2
-3
3
2
2
1
-1
2
7/2
2
1/2
0
1

S1
0
1
0
0
0
0
1
0
0
0
1/2
1/2

S2
0
0
1
0
0
0
0
1
0
0
0
1

S3
0
0
0
1
0
2
0
0
1
0
2
0

S2
S3
X1

0
0
0

0
0
1

0
0
0

-7/4
-1
-1/4

0
0
0

0
1
0

S4
0
0
0
0
1
8
-1
3/2
0

17/2
-1/2
13/
4
1
3/4

S0L
0
6
5
3
4
8
2
9
5
2
9
1
11/2
3
3/2

Comprobacin

Valor de cada variable

Z=4(3/2)+3(1)=9

X1=3/2

2(3/2)+3(1)=6

X2=1

-3(3/2)+2(1)+11/2=3

S2=11/2

2(1)+3=5

S3=3

2(3/2)+1=4

EJEMPLO 2
MAX Z=2X1+X2

Zo=-2X1-X2

RAZON
6/2=3
-3/3=-1
5/0=N/E
4/2=2
2/2=1
9/7/2=2.5
5/2=2.5
2/1/2=4

X1+2X2<=8

X1+2X2+S1=8

-3X1+2X2<=4

-3X1+2X2+S2=4

4X1+2X2<=24

4X1+2X2+S3=24

X1+X2>=0

X1.X2,S1,S2,S3>=0

Z
1
0
0
0
1
0
0
0

BASE
Z
S1
S2
S3
Z
S1
S2
X1

X1
-2
1
-3
4
0
0
0
1

X2
-1
2
2
2
0
3/2
1/2
1/2

S1
0
1
0
0
0
1
0
0

S2
0
0
1
0
0
0
1
0

S3
0
0
0
1
1/2
-1/4
3/4
1/4

S0L
0
8
4
24
12
2
22
6

RAZON
8/1=8
4/-3=-4/3
24/4=6

Z=2(6)+0=12

Valor de las variables

(6)+(0)+2=8

S1=2

-3(6)+2(0)+22=4

S2=22

4(6)+2(0)+(0)=24

X1=6

EJEMPLO 3
MIN Z=X1-3X2-2X3

Zo= -X1+3X2+2X3

3X1-X2+2X3<=7

3X1-X2+2X3+S1=7

-2X1+4X2<=12

-2X1+4X2+S2=12

-4X1+3X2+8X3<=10

-4X1+3X2+8X3+S3=10

X1,X2,X3>=0

X1,X2,X3,S1,S2,S3>=0

BASE
Z
S1

Z
1
0

X1
-1
3

X2
3
-1

X3
2
2

S1
0
1

S2
0
0

S3
0
0

S0L

RAZON

7/2=3.5

S2

S3
Z
S1
S2
X3

0
1
0
0
0

-2

-4
3
0
9/4
-3 -7/4
-2
4
-4/8 3/8

12

8
0
0
0
1

0
0
1
0
0

0
0
0
1
0

1
-1/4
-1/4
0
1/8

10
-5/2
9/2
12
10/8

Z=0-3(0)-2(10/8)=-5/2

Valor de cada variable

3(0)-(0)+2(10/8)+(9/2)=7

S1=9/2

-2(0)+4(0)+12=12

S2=12

-4(0)+3(0)+8(10/8)=10

X3=10/8

12/0=N/E
10/8=1.2
5

X1,X2,X3,S1,S2,S3>=0

Mtodo de la gran M
Se aaden variables no negativas en cada una de las ecuaciones cuyas
restricciones originales tengan (>= o =). Estas variables artificiales y su presencia
es una violacin a las leyes del algebra. Esta dificultad se supera asegurando que
esta variable artificial sea cero en la solucin final.
Utilizar las variables artificiales para la solucin bsica inicial, para ella la funcin
objetivo debe ser ajustada de acuerdo.
Las variables artificiales proporcionan un artificio matemtico para obtener la
solucin inicial. Son variables ficticias y no tienen ningn significado fsico directo
en trminos del problema original.
Ejemplo:
MIN Z= 4X1+X2
3X1+X2=3
4X1+3X2>=6
X1+2X2<=4

X1,X2>=0

PASO 1
Pasar a formato estndar y aadir variables artificiales en las restricciones que
tengan una desigualdad >=
MIN Z= 4X1+X2
3X1+X2=3
4X1+3X2+S1=6
X1+2X2+S2=4
X1,X2,S1,S2>=0

PASO 2
Se aade en la funcin objetivo, l coeficiente M contrario a su signo de dicha
funcin, para cada variable artificio contenido en las restricciones y se iguala a 0
MIN Z= 4X1+X2-0S1-0S2+Mw1+Mw2
Z=-4X1-X2+0S1+0S2-Mw1-Mw2
PASO 3
Armar el tablero en la base simple que la desigualdad sea de signos (>= o =), la
variable a contemplar ser la artificial y en las desigualdades <= ser siempre la
base de las variables de holgura
EJEMPLO 1
MIN Z= 4X1+X2

R1=3-3X1-X2

3X1+X2+R1=3

R2=6-4X1-3X2+S1

4X1+3X2-S1+R2=6
X1+2X2+S2=4
X1,X2,S1,S2>=0
.

BASE
Z
S1
S2
S3

Z
1
0
0
0

X1
-4
3
4
1

X2
-1
1
3
2

S1
0
0
0
1

S2
0
0
0
1

R1
-M
1
0
0

R2
-M
0
1
0

S0L
0
3
6
4

RAZON

Z=4X1+X2+MR1+MR2

Z=4X1+X2+M(3-3X1-X2)+M(6-4X1-3X2+S1)
4X1+X2+3M-3MX1-MX2+6M-4MX1-3MX2+MS1
9M+X1(4-7M)+X2(1-4M)+MS1
9M=(-4+7M)X1+(-1+4M)X2-MS1

BASE

Z
R1
R2
S2

1
0
0
0

X1
4+7M
3
4
1

Z
X1

1
0

R2

X2

S1

S2

R1

R2

S0L

RAZON

-M
0
-1
0

0
0
0
1

0
1
0
0

0
0
1
0

9M
3
6
4

3/3=1
6/4=1.5
4/1=4

0
1

-1+4M
1
3
2
1+5M/
3
1/3

-M
0

0
0

4-7M/3
1/3

0
0

4+2M
1

5/3

-1

-4/3

S2

5/3

-1/3

Z
X1

1
0

0
1

0
0

1/5
-1/5

0
0

8/6-M
3/5

0
-1/5M
-1/5

18/5
3/5

1/1/3=3
2/5/3=1.
2
3/5/3=1.
8

X2
S2

0
0

0
0

1
0

-3/5
1

0
1

-4/5
1

3/5
-1

6/5
1

Z= 4(3/5)+(6/5)

Valores de las variables

3(3/5)+(6/5) =3

Z=18/5

4(3/5)+3(6/5) =6

X1=3/5

(3/5)+2(6/5)+1=4

X2=6/5
S2=1

EJEMPLO 2
MIN Z=3X1+5X2

Zo=-3X1-5X2

4X1+X2>=4

4X1+X2+R1-S1=4

-X1+2X2>=2

-X1+2X2+R2-S2=2

X2<=3

X2+S3=3

X1,X2>=0

X1,X2>=0

R1=4-4X1-X2+S1
R2=2+X1-2X2+S2
BASE
Z
R1
R2
S3

Z
1
0
0
0

X1
-3
4
-1
0

X2
-5
1
2
1

S1
0
-1
0
0

S2
0
0
-1
0

S3
0
0
0
1

R1
-M
1
0
0

R2
-M
0
1
0

Z=3X1+5X2+M (4-4X1-X2+S1)+M (2+X1-2X2+S2)

Z=3X1+5X2+4M-4MX1-MX2+MS1+2M+MX1-2MX2+MS1
6M+X1(3-3M)+X2(5-3M)+MS1+MS2

S0L
0
4
2
3

RAZON

6M= (-3+3M) X1+ (-5+3M) X2-MS1-MS2

BASE

Z
R1
R2
S3

1
0
0
0

Z
X1
R2
S3

1
0
0
0

Z
X1

1
0

X2

S3

X1
X2
S1
S2
3+3M -5+3M
-M -M
4
1
-1
0
-1
2
0
-1
0
1
0
0
17+9M -30
/4
M/4 -M
1
1/4
-1/4
0
0
9/4
-1/4 -1
0
1
0
0
0
0
5/18 17/9
1
0
-2/9 1/9
0
1
4/36 -4/9
4/3
0
0
6
4/9

Z=3(2/3)+5(4/3)

S3

R1

R2

S0L

RAZO
N

0
0
0
1

0
1
0
0

0
0
1
0

6M
4
2
3

1
-2
N/E

0
0
0
1

3-3M/4
1/4
1/4
0

0
0
1
0

3+3M
1
3
3

4
4/3
3

0
0

1/9-M
2/9

17/9-M
-1/4

26/3
2/3

4/36

4/9

4/3

-4/36

-4/9

5/3

Valor de cada variable

Z=26/3

4(2/3)+(4/3)=4

X1=2/3

-(2/3)+2(4/3)=2

X2=4/3

(4/3)+(5/3)=3

5/3

MTODO SIMPLEX DE 2 FASES

En el mtodo m el uso de la penalizacin puede conducir a un error de redondeo.
El mtodo de las 2 fases elimina el uso de la constante M como su nombre lo
indica, resuelve la programacin lineal en 2 fases., En la 1 fase se trata de
encontrar la solucin y se haya 1, se invoca la fase 2 para resolver el problema
original.
FASE 1:

Ponga el problema en forma de ecuacin y agregue las variables artificiales

necesarias a las restricciones (exactamente como en el mtodo de la M), para
tener certeza de una solucin bsica a continuacin, determine una solucin
bsica de las ecuaciones resultantes.
Que siempre minimize la suma de las variables artificiales, independientemente si
la programacin lineal es maximizar o minimizar.
Si el valor mnimo de la suma es positivo el problema de programacin lineal no
tiene una solucin factible. De lo contrario si el valor mnimo es 0 prosiga con la
fase 2.
FASE 2:
Use la solucin factible de la fase 1 con una solucin factible bsica inicial para el
problema original.
MAX 3X1+5X2
4X1+X2+R1-S1=4
-X1+2X2+R2S2=2
X2+S3=3
X1,X2,S1,S2,S3>=
0

0
4
-4
-1
-3
BASE
Z
R1
R2
S3
Z
X1
S2

0
1
-1
2
-3
Z
1
0
0
0
1
0
0

0
-1
1
0
1
X1
3
4
-1
0
0
1
0

0
0
0
-1
1
X2
3
1
2
1
9/4
1/4
9/4

0
0
0
0
0

1
1
0
0
0
S1
-1
-1
0
0
-1/4
-1/4
-1/4

1
0
1
1
0
S2
-1
0
-1
0
-1
0
-1

0
4
-4
2
-6
S3
0
0
0
1
0
0
0

R1
0
1
0
0
-3/4
1/4
1/4

R2
0
1
0
0
0
0
1

S0L
6
4
2
3
3
1
3

RAZON

S3
Z
X1
X2
S3

0
1
0
0
0

0
0
1
0
0

1
0
0
1
0

0
0
-2/9
-1/9
1/9

0
0
1/9
-4/9
4/9

1
0
0
0
1

0
0
-1
-1
2/9 -1/9
1/9 4/9
1/9 -4/9

2 FASE
BASE
Z
X1
X2
S3

Z
1
0
0
0

X1
-3
1
0
0

X2
-5
0
1
0

S1
0
-2/9
-1/9
1/9

Z
X1
X2
S3

1
0
0
0

-3
1
0
0

0
0
1
0

-5/9
-2/9
-1/9
1/9

Z
X1
X2
S3

1
0
0
0

0
1
0
0

0
0
1
0

Z
X1
X2

0
1
0

0
0
1

-1/9
-2/9
-1/9
1/9
7/12
-1/4
0

S2

Z
X1
X2
S1

0
1
0
0

0
0
1
0

0
0
0
1

S2
0
1/9
-4/9
4/9
20/9
1/9
-4/9
4/9
23/9
1/9
-4/9
4/9

S3
0
0
0
1

0
0
0

23/9
-1/4
1

1
28/1
2
1
0
4

9/4
281/3
6
2
1
9

0
0
0
1
0
0
0
1

S0L
0
2/3
4/3
5/3
20/
3
2/3
4/3
5/3
26/
3
2/3
4/3
5/3
73/
4

3
15/
4

RAZO
N

27
4
3
15

MAX 3(4)+5(3)

Valor de las variables

4(4)+8(3)-15=4

Z=27

-(4)+2(3) =2

X1=4

(3)=3

X2=3

3
0
2/3
4/3
5/3

X1,X2,S1,S2,S3>=0

S1=15

UNIDAD
3
ANALISIS DE LA DUALIDAD Y SENSIBILIDAD

El anlisis de la sensibilidad proporciona tcnicas de cmputo eficientes

para estudiar el comportamiento dinmico de la solucin ptima que resulta
al hacer cambios en los parmetros del modelo.
El problema dual es una programacin lineal definida en forma directa y
sistemtica a partir del modelo original (primal) de programacin lineal.
El problema primal se da en forma de ecuaciones todas las restricciones
son ecuaciones con lado derecho no negativo y todas las variables son no
negativas; todo el resultado obtenido a partir de la solucin primal optima se
aplican en forma directa al problema dual asociado.

Las reglas para determinar el sentido de la optimizacin (mx. o mn.), el

tipo de restriccin (<=, >=, =), y el signo de las variables duales (siempre no
restringido) se da en la siguiente tabla:
Objetivo del
problema primal

Maximizacin
Minimizacin

Problema dual
Objetivo

Tipo de
restricciones

Signo de
variables

Minimizacin
Maximizacin

>=
<=

No restringido
No restringido

El sentido de la optimizacin en el dual siempre es opuesto al del primal, asi

cuando el objetivo del cual es minimizar, las restricciones son del tipo >=.
Para plantear la tabla simplex una vez obtenida la matriz identidad se
modifican los elementos para producir la matriz inversa.
Para llegar a la solucin ptima existen dos mtodos:
(valores ptimos de las variables duales)= (vector rengln de los
coeficientes objetivos originales de las variables bsicas optimas
primales)*(inversa primal optima)
(coeficiente Z-primal optimo (costo reducido) de cualquier variable X)=
(lado izquierdo de la j-sima restriccin dual)*(Lado derecho de la jsima restriccin dual)
El anlisis de la sensibilidad investiga el cambio de la solucin ptima que
resulta de hacer cambios en los parmetros del modelo de programacin
lineal. Los casos posibles en el anlisis, se dan en la siguiente tabla:
Condicin resultante de los cambios

Accin recomendada

*La solucin actual queda ptima y

factible.

*No es necesaria accin alguna.

*Usar el simplex dual para recuperar la
factibilidad.
*Usar el simplex primal para recuperar
la solucin optima
*Usar el mtodo simplex generalizado
para obtener una nueva solucin.

*La solucin actual se vuelve no

factible.
*La solucin actual se vuelve no
ptima.
*La solucin actual se vuelve no
factible y no optima al mismo tiempo.

Cambios que afectan la factibilidad:

Cambios en el lado derecho:
(Nuevo lado derecho de la tabla en la iteracin i)= (inversa en la
iteracin i)*(nuevo lado derecho de la iteracin i)

 Adicin de nuevas restricciones lo cual nos puede llevar a dos casos:

- La nueva restriccin es redundante, es decir, se satisface con la
solucin ptima actual; se puede eliminar.
- La solucin actual viola la nueva restriccin; se puede aplicar simplex
dual para recuperar la factibilidad.
Ejemplo 1:
Max Z=3 X 1 +5 X 2
X1 4
2 X 2 12
3 X 1 +2 X 2 18
X1 , X2 0
1. Las restricciones se vuelven Y y se minimiza; las igualdades de mis
restricciones pasan a ser mi funcin objetivo y Z se sustituye por W.
MinW =4 y 1+2 y 2 +18 y 3
Y 1+ 3Y 3 3
2Y 2+2 Y 3 5
BAS
E

W Y1

Y2 Y
3

S1

S2

SO
L

12

1
8

S1

-1

S2

-1

-2

12

-18

Y3

1/3

-1/3 0

S2

-2/3 2

2/3

-1

-36

Y3

1/3

-1/3 0

Y2

-2/6 1

2/6

-1/2

W =36Y 3=1Y 2=

3/2

3
2

Comprobacin :

MinW =4 y 1+2 y 2 +18 y 3 0 +18+18=36

Y 1+ 3Y 3 0+3=3
2Y 2+2 Y 3=2

( 32 )+ 2( 1)=3+2=5
Ejemplo 2:

Min Z=4 X 1 +2 X 2 + X 3
X 1 +4 X 2 8
5 X 1 +2 X 2+ X 3 12
2 X 2+ X 3 15
X1 , X2 , X3 0
Max W =8 y 1 +12 y 2+5 y 3
2Y 1+5 Y 3 + S1 4
4 Y 1+2 Y 2 +2Y 3+ S 2 2
Y 2 +Y 3 +S 3 1
BAS
E

W Y
1

Y
2

-8

S1

Y
3

S
1

S
2

S
3

SO
L

12 15

S2

S3

-8

1
5

15

S1

S2

Y3

23 0

31

Y1

5/
2

1/
2

S2

0
10

-2

-1

-8

Y3

-1

W =31Y 1=2 Y 3=1 S2=1

Comprobacin :
MaxW =8 y 1 +12 y 2+5 y 3 8 ( 2 ) +0+15=31
2Y 1+5 Y 3 + S1=4 4+ 0+0=4
4 Y 1+2 Y 2 +2Y 3+ S 2=2 8+ 0+28=2
Y 2 +Y 3 +S 3=1 0+ 1+ 0=1
MODELO DE TOYCO
Este modelo nos ayuda para demostrar cmo se obtienen resultados con la tabla
simplex ptimo. La solucin ptima de una programacin lineal se basa en una
forma instantnea de las condiciones que prevalecen en el momento de formular y
resolver el modelo.
En el mundo real los ambientes de decisin raramente permanecen estticos y
cambia la solucin ptima. Cuando se modifican los parmetros del modelo, eso
es lo que hace el anlisis de sensibilidad.

El sistema dual se utiliza para presentar un tratamiento lgebra ico dual; es una
programacin lineal definida en forma directa y sistemtica a partir del modelo
original (primal) de programacin lineal.
En las presentaciones de linealidad se definen para varias formas de primal
dependiendo del sentido de la optimizacin (ms. o min.), tipos de restricciones y
la orientacin de las variables no negativas o no restringidas. Este da como
resultado todo lo obtenido a partir de la solucin primal ptima.
Se aplican en la forma directa al problema dual asociado. Para mostrar cmo se
forma el problema dual se define en primal en forma de ecuacin:
n

Max o Min Z= C J X i
i=1

a ij x j=bi ,i=1,2,3, , m, xj 0 , j=1,2, 3, , n

i=1

Los excedentes, holguras y variables artificiales se tienen que:

1. Se define un variable dual por una ecuacin primal (restriccin).
2. Se define una restriccin dual por cada variable primal.
3. Los coeficientes de restriccin dual y su coeficiente objetiva define el lado
derecho.
4. Los coeficientes objetivos de dual son iguales al lado derecho de las incursiones
de restriccin primal.
RELACIN PRIMAL-DUAL
1. Por qu se plantean el programa dual?
R: por una parte permite resolver problemas lineales donde el nmero de
restricciones es mayor que el nmero de variables y lo que nos proporciona de
forma automtica la solucin del otro programa.
2. Qu significado tiene su solucin?
R: identifica en donde est la vulnerabilidad, el rango de poder o en donde se
puede an tomar decisiones.
3. La solucin de dual se puede obtener desde primal?

R: si se puede, pero el dual es ms ptimo.

Ejemplo:
El entrenador de basquetbol est interesado en preparar lo que ha bautizado
como la ensalada vitamnica, la cual puede prepararse a travs de 5 verduras
bsicas disponibles, definidas como 1, 2, 3, 4, 5. Se desea que la ensalada
contenga por lo menos 10 unidades de la vitamina A y 25 de la vitamina C. La
relacin entre el contenido vitamnico y el costo de las verduras se considera en la
siguiente tabla.
Vitamin
as

Costo

10
0

8
0

9
5

10
0

11
0

Min Z=100 X 1 +80 X 2 +95 3+100 X 4 +110 X 5

2 X 1+ 3 X 3 +4 X 4 + X 5 10
X 1 +2 X 2 +2 X 3 + X 4 + 3 X 5 25

DUAL
MaxW =10 y 1 +25 y 2
2Y 1+Y 3 + S1 100
2Y 2+ S 2 80
3 Y 1+ 2Y 2 + S3 95

4 Y 1+Y 2 + S 4 100
Y 1+ 3Y 2+ S 5 11O
BASE W

Y1

Y2

-10

S1

S2

S2 S3 S4

S5

SOL

-25 0

100

80

S3

95

S4

100

S5

110

-5/3

25/3

2750/3

S1

2/3

-1/2

190/3

S2

-2/3

-2/3

20/3

S3

7/3

-2/3

65/3

S4

11/3

-1/3

190/3

Y2

1/3

1/3

110/3

90/11

10400/11

S1

-29/66

380/11

S2

-8/11

200/11

S3

-5/11

-205/11

Y1

3/11

-3/33

190/11

Y2

-3/33

4/11

340/11

W=

S1

10400
190
340
330
200
205
Y 1=
Y 2=
S 1=
S2=
S 3=
11
11
11
11
11
11
Comprobacin :

MaxW =10 y 1 +25 y 2 10

340 10400
+25 (
=
( 190
)
11
11 )
11

2Y 1+Y 3 + S1 2

340
330
+(
+(
=100
( 190
)
)
11
11
11 )

2Y 2+ S 2 2
3 Y 1+ 2Y 2 + S3 3

340
205
+ 2(
+(
=95
( 190
)
)
11
11
11 )

4 Y 1+Y 2 + S 4 4
Y 1+ 3Y 2+ S 5

200
+
=80
( 340
11 ) ( 11 )

340
+(
+ 0=100
( 190
)
11
11 )

340
+3 (
+ 0=110
( 190
)
11
11 )

PRIMAL
Min Z=100 X 1 +80 X 2 +95 3+100 X 4 +110 X 5
2 X 1+ 3 X 3 +4 X 4 + X 5 10
X 1 +2 X 2 +2 X 3 + X 4 + 3 X 5 25
Z 0 =100 X 1 80 X 295 3100 X 4 110 X 5
2 X 1+ 3 X 3 +4 X 4 + X 5S1=10
X 1 +2 X 2 +2 X 3 + X 4 + 3 X 5S2=25
BAS
E

X1

X2

X3

X4

X5

S1

S2

SOL

100

80

95

100

110

S1

-1

10

S2

-1

25

190/
3

20/
3

65/3 100/3 0

2750/3

S1

5/3

-2/3

7/3

11/3

-1

1/3

5/3

X5

1/3

2/3

2/3

1/3

-1/3

25/3

32

-67

-76

38

-38/3

-980

X1

-2/5

7/5

11/5

-3/5

1/5

X5

4/5

1/5

-1/15

1/5

-2/5

120

105

190/3 140

1102/3

-2500

X1

-29/5

25

S1

-1/3

-10

40

Z =2500 X 1=25 S 1=40

Min Z=100 X 1 +80 X 2 +95 3+100 X 4 +110 X 5 100 ( 25 )=2500
2 X 1+ 3 X 3 +4 X 4 + X 5S1 2 ( 25 )40=10
X 1 +2 X 2 +2 X 3 + X 4 + 3 X 5S2 25=25

Programacin lineal entera

Los problemas de programacin con enteros se formulan de la misma manera que
los problemas de programacin lineal pero agregando la condicin de que:
1) Todas las variables de decisin deben tomar valores enteros (programacin
entera pura).
2) Slo algunas de las variables de decisin deben tomar valores enteros
(programacin entera mixta).
3) Todas las variables de decisin deben tomar los valores enteros 0 y 1
(programacin entera binaria).
Mtodo del plano de corte

1) Es una variante del mtodo simplex Resolver el problema como si fuera un

problema ordinario de PL ignorando las restricciones enteras.
2) agregar las nuevas restricciones problema, las cuales:
- hace no factible la solucin ptima no entera previa.
-no excluyen cualesquiera de las soluciones enteras factibles.
- las nuevas restricciones agregadas son llamadas planos de corte.
3) obtener el proceso una nueva solucin por el mtodo simplex.
4) repetir el proceso (desde el punto 2) hasta obtener una solucin entera.
Ejemplo 1:
Max Z= X 1+5 X 2+7 X 3+ 3 X 4
7

X 1 +3 X 2 +2 X 3 +4 X 4 15
8 X 1 +2 X 2 +3 X 3 +5 X 4 17
X 1 4 X 3 1 X 2 4 X 4 1

BAS
E

X1

X
2

X3 X4

S1

S2

S
3

S4

SO
L

-1

-5

-7

-3

S1

15

S2

17

S3

S4

-1

-5

-3

S1

-2

13

S2

-3

14

S3

X3

-1

-3

27

S1

-3

-2

S2

-2

-3

X2

X3

Z =27 S 1=1 S 2=6 X 2=4 X 3=1

Max Z= X 1+5 X 2+7 X 3+ 3 X 4 5 ( 4 ) +7 ( 1 )=27
7 X 1 +3 X 2 +2 X 3 +4 X 4 3 ( 4 )+2 ( 1 )=15
8 X 1 +2 X 2 +3 X 3 +5 X 4 2 ( 4 ) +3 ( 1 )=17
Ejemplo 2:
Max Z=5 X 1 +2 X 2
7

2 X 1+ 2 X 2 9
3 X 1 + X 2 11
X1 , X2 0

BASE

X1

X2

S1

S2

SOL

-5

-2

S1

S2

11

-1/3

5/3

55/3

S1

4/3

-2/3

5/3

X1

1/3

1/3

11/3

3/12

3/2

18.75

X2

/4

-6/12

15/12

X1

-3/12

1/2

13/4

*Como mis resultados son decimales tengo que hacer otro simplex, tomando X2
ya que es el valor ms pequeo, de este modo tengo que hacer dos simplex de la
siguiente manera:
Max Z=5 X 1 +2 X 2
Max Z=5 X 1 +2 X 2
7

2 X 1+ 2 X 2 9

2 X 1+ 2 X 2 9
3 X 1 + X 2 11

3 X 1 + X 2 11
X 2 1

BASE

X1

X2

S1

S2

S3

SOL

-5

-2

S1

S2

11

S3

-0.33

5/3

18.33

S1

1-33

-2/3

1.66

X1

1/3

1/3

11/3

S3

5/3

0.33

18.66

S1

-2/3

-1.33

0.33

X1

1/3

-1/3

10/3

X2

-5

-2

S1

S2

11

S3

-1

-0.33

5/3

55/3

S1

1-33

-2/3

1.66

X1

1/3

1/3

11/3

S3

-1

33/133

599/399

16.50

X1

1/1-33

-2/3.99

2.50

X2

599/1197 0
100/399

S3

*Realizando otro simplex porque mis resultados an fueron decimales, obtenemos

el siguiente resultado:
Mayor
Z

X1 4
X 1 3
Z =17

Solucion

X 1=3

NO

Z =16.50

X 1=2.50

PARCIAL
4
PROBLEMA DE TRANSPORTE
Consiste en decir cuntas unidades trasladar desde ciertos puntos de origen
(plantas, ciudades, etc.)De modo de destino (centros de distribucin, ciudades,
etc.) de modo de minimizar los costos de transporte, dada la oferta y la demanda

en dichos puntos. Se suponen conocidos los costos unitarios de transporte, los

requerimientos de demanda y oferta disponible.

METODO DE LA ESQUINA NOROESTE

Comienza asignando la cantidad mxima permisible para la oferta y la demanda a
la variable x.
La columna satisfecha se tacha indicando que las variables restantes en la
columna o regln se satisfacen tachado son igual a cero. Si la columna y el
rengln se satisfacen simultneamente, nicamente uno (cualquiera de los dos)
debe tacharse.
Esta condicin garantiza localizar las variables bsicas ceros si es que existen.
Despus de ajustar las cantidades de oferta y demanda para todos los renglones y
columnas no tachados, la cantidad mxima factible se asigna al primer elemento
no tachado en la nueva columna o rengln el procedimiento termina cuando
exactamente un rengln o una columna se dejan sin tachar.

METODO DE APROXIMACION DE VOGEL

Es un mtodo heurstico de la resolucin de problemas de transporte capaz de
alcanzar una solucin bsica no artificial de inicio. Este modelo requiere de la
realizacin de un nmero generalmente mayor de iteraciones que los dems
mtodos heursticos existentes con este fin, sin embargo producen mejores
resultados iniciales que los mismos. El mtodo de aproximacin de Vogel es un
mtodo heurstico de resolucin de problemas de transporte capaz de alcanzar
una solucin bsica no artificial de inicio, este modelo requiere de la realizacin de
un nmero generalmente mayor de iteraciones que los dems mtodos heursticos
existentes con este fin, sin embargo produce mejores resultados iniciales que los
mismos

Se aplica
Un algoritmo

1.-Determinar para cada fila y columna una medida

de penalizacin restando los dos costos menores
en filas y columnas.
2.-Escoger la fila o columna con mayor

penalizacin
Se deben agotar
Ofertas y demandas

si hay empate se escoge una a juicio personal.

3.- De la fila o columna se debe escoger la celda
con menor costo, y en esta asignar la mayor
cantidad posible de unidades.
4.-De ciclo y excepciones:
Detenerse
cuando
no
se
tacha
fila/columna con cero ofertas.
Aplicar costos mnimos si no se tacha
fila/columna con demanda positiva.
Costos mnimos si columna /fila son cero.

PROCEDIMIENTO DE OPTIMIZACION
Partiendo de una solucin inicial factible es necesario probar la optimizacin de la
asignacin evaluando todas las celdas no asignadas (vacas) y determinando la
conveniencia de asignar en ellas.

En la evaluacin de las celdas vacas para un posible mejoramiento, una ruta

cerrada (ciclo) es seleccionada.
La ruta se mueve
y , considerando que las celdas asignadas y no asignadas
pueden ser brincadas en el movimiento para localizar un celda adecuada. Todas
deben asignarse menos la que se est evaluando.
Cuando los movimientos alrededor de la ruta cerrada se realizan en cada celda
que toque la ruta , que resulta con la adicin de una unidad y la resta de una
unidad de cada fila y columna incluida en la ruta.
Para evaluar la celda vaca se realiza la sumatoria de los costos de cada una de
las celdas en la ruta.
Si alguna celda arrojara un signo negativo (min) se evala ms negativo. Esto
indica que una reduccin en el costo total puede lograrse transfiriendo tantas
unidades como sea posible a esa celda.
El nmero de unidades posibles a ser transferido ser igual a la mnima cantidad
que se encuentra asignada en las celdas de la ruta con costo negativo.
Si la evaluacin de todas las celdas vacas arrojan valores positivos, se dice que la
asignacin es ptima.
PROBLEMAS DE ASIGNACION
Es una variacin de problema original de transporte, variacin en la cual las
variables de decisin x (i, j) solo pueden tomar valores binarios (0,1) en la solucin
ptima, lo que supone que la oferta y la demanda estn perfectamente alineadas,
de hecho son iguales a uno.
Este modelo ayuda a resolver que fuente satisface mejor el destino.
No es necesario que el nmero de fuentes sea igual al nmero de destinos.
METODO HONGURO
Es un mtodo de optimizacin se basa en un algoritmo:
1.- Construir la matriz de costo n*m o matriz m*m donde, n=m. Se encuentra el
elemento ms pequeo en cada fila de la matriz.
2.-Se construye una nueva matriz n*m, en donde se asignaran los valores
resultantes de la diferencia entre cada costo y el valor mnimo de la fila a la cual
cada costo correspondiente.

3.-Realizar pas 1 y 2 pero con columnas.

4.- Trazar lneas horizontales o verticales o ambas con el objetivo de cubrir todos
los ceros de costos reducidos con el menor nmero de lneas posibles. Si filas =
columnas (lneas) se ha logrado la optimizacin.
5.-Encontrar el menor elemento de los valores que no estn cubiertos por las
lneas. Se resta del restante de elementos no cubiertos por las lneas. Ese mismo
valor se suma a los valores que estn en las intersecciones de las lneas.
Al finalizar volver al paso 4.

Fuente:
http:www.ingenieriaindustrial.com/herramientas-para-el-ingenieroindustrial/investigacio%c3%B3n-de-operaciones/m%C3%A9todo-de-aproximaci
%C3%B3n-de-yogel/.

ESQUINA NOROESTE

MAS DE UN ORIGEN
DEMANDA Y OFERTA
COSTOS

EJEMPLO:

La compaa Sound Right. Transporta granos de 4 silos hasta 6 molinos. La oferta

y demanda son:
Destinos(Molinos)
1
1

2
30

20

Oferta

Operaciones

50

50-30=20
20-20=0

30

10

40

Fuentes

40-30=10
10-10=0

(Silos)

10

40

10

60

60-10=50
50-40=10
10-10=0

20

11

31

31-20=11
11-11=0

Demanda

30

50

20

30

10

40

30

11

20

181

DIAGRAMA
SILOS

MOLINOS
30

20

30(2)+20+2(30)+2(10)+4(10)+2(40)+4(10)+

30
10

2(20)+2(11)=

60+20+60+20+40+80+40+40+22= 382

10
40

COSTOS DE TRANSPORTE

20

10

4
5

11
6

EJEMPLO 2
3 Fbricas envan su producto a 5 distribuidores. Las disponibilidades, los
requerimientos, y costos unitarios de transporte se dan en la siguiente tabla:

Distribuidores

Fabricacin

20

2
30

19

10

Oferta

14

21

16

40

40-30=10
10-10=0

15

20

18

15

30

13

30

19

18

20

20

16

40

10

60

60-30=30

70

70-20=50
50-40=10

Demanda

30

40

50

40

40-10=30

50-30=20

60
60-10=50

DIAGRAMA

FABRICACION

DISTRIBUIDORES
1

30
10

30
2

30

20
3

40

COSTO DE TRANSPORTE
600+190+600+390+360+800= 2940

EJEMPLO 3

Distribuidores
Fabricas

42

34

2
11

Costos

40

44

19

19-11=8

48

28

28-5=23

42

44

42

40

46

16

23-7=16
C

46

44

42

48

Demanda

11

13

17

13-8=5

46

24

24

25

25-1=24

170

17-16=1

DIAGRAMA
FABRICAS

DISTRIBUIDORES
1

11
8

5
B

16
C

COSTO DE TRANSPORTE

462+336+210+280+736+48+1104= 3176

COSTO MINIMO
CARACTERISTICAS:

30/06/2015

Tiene en cuenta los costos para hacer las asignaciones.

Es ms elaborado que el mtodo de las esquinas noroeste.

1.-Construya una tabla de disponibilidades,

requerimientos
y costos.
2.-Empiece en la casilla que tenga el menor costo de toda
la tabla, si hay empate escoja arbitrariamente.
3.-Asigne lo mximo posible entre la disponibilidad y el
requerimiento (el menos de los dos).
4.-Rellene con ceros la fila o columna satisfecha y
actualice
la disponibilidad y el requerimiento restndoles lo
asignado.
ALGORITMO
NOTA: Recuerde que no debe eliminar o satisfacer filas
y columnas al mismo tiempo, en caso de la oferta
sea igual a la demanda se usara el psilon.
5.-Muevase a la casilla con el costo mnimo de la tabla
resultante (sin tener en cuenta la fila o columna
satisfecha.
6.-Regrese a los puntos 3,4 y 5 sucesivamente hasta
Que todas las casillas queden asignadas.

EJERCICIO 1

30/06/2015

La compaa Sound Right. Transporta granos de 4 silos hasta 6 molinos. La oferta

y demanda son:
Destinos(Molinos)
Silos

Oferta

Operaciones

10

10

30

50

50-10=40
40-30=10

40

40

20

20

11

60

60-11=49
49-9=40
40-20=20

Demanda

30

50

30-10=20

50-40=10

20

31

40

30

31

11

181

40-31=9

DIAGRAMA
SILOS
1

MOLINOS
COSTOS DE TRANSPORTE

10
10

20+10+60+80+60+80+18+11+31=370

40

2
3

20

20

30
4

9
4

31

EJEMPLO 2

30/06/2015
Distribuidores

Fabricas

Costos

Operaciones

42

42

44

40

17

44

19

19-17=2

34

11

42

10

40

46

48

28

28-11=17
17-7=10

46

Demanda

11

44

42

13

48

17

46

24

13-2=11
11-10=1

DIAGRAMA
FABRICAS

DISTRIBUIDORES
1

11

10
B

17

7
C

24

COSTO DE TRANSPORTE
84+680+374+420+280+44+1104=2986

TAREA
COSTO MINIMO

24

25

170

25-1=24

Oferta

Operaciones

20

19

14

21

16

40

40

15

20

13

50

19

16

10

60

60-50=10

18

15

20

18

20

40

10

70

70-50=20
20-10=10

30

Demanda

30

20

40

50

40

40-20=20

60
60-40=20
20-10=10

DIAGRAMA

40
50
2

20

10
3

40
4

30
4

20
10

50

50-30=20

COSTOS DE TRANSPORTE
640+650+160+300+800=2550
ESQUINA NOROESTE
1
1

20

15

2
30

Oferta

Operaciones

21

16

40

40-30=10

19

16

60

60-30=30

19

10

14

20

30

13

30

30-30=0
3

18

15

18

20

20

40

10

70

70-20=50
50-40=10

Demanda

30

40

50

40

60

40-10=30

50-30=20

DIAGRAMA

60-10=50

30
10
30

30
3

20
3

40
4

50

50

10
5

50

COSTOS DE TRANSPORTE
600+190+600+390+360+800=2940

METODO VOGEL

02/07/2015

Algoritmo
1.-Construir una tabla de disponibilidad (ofertas),
costos.

requerimientos (Demanda)

2.- Calcular diferencia entre costos ms pequeos y el segundo costo ms

pequeo, para cada fila y para cada columna.
3.-Escoger entre las filas y columnas la que tenga la mayor diferencia (en caso de
empates decida arbitrariamente).
4.-Asigne al mximo posible en la casilla con menor costo en la fila o columna
escogida en el punto 3.
5.-Asigne 0 a las otras casillas de la fila o columna donde la disponibilidad o
requerimiento quede satisfecho.
6.-Repita los pasos del 2 al 5 sin tener en cuenta las filas o columnas satisfechas
hasta que todas las casillas queden asignadas.
NOTA: Recuerde que ms debe satisfacer filas o columnas al mismo tiempo en
caso que la disponibilidad sea igual al requerimiento en tal caso use psilon E.
EJERCICIO 1
fabricas

Distribuidores

20

19

14

20

21

16

20

Oferta

Penalizaciones

40

15

30

20

13

30

19

16

60

18

15

40

18

20

30

70

M-18

40

10

50

Demanda

30

40

50

40

60

Diferencia entre
las ms
pequeas

15

15

13

19

16

DIAGRAMA
FABRICAS

DISTRIBUIDORES
1

30

20

COSTOS DE TRANSPORTE
2

20

280+320+450+390+600=2040

30

40
3
4

40

30

10

EJERCICIO 2
Distribuidores
Fabricas
A

4
2

42

44

40

17

44

Costo
s

Penalizaciones

19

2
B

3
4

11

42

10

40

46

48

28
17
10

4
6

44

42

48

46

24

25
24

Demanda

11

13

17

24

Diferencia
entre las ms
pequeas

DIAGRAMA

FABRICAS

DISTRIBUIDORES
1

11

10
B

17

7
1

24

COSTO DE TRANSPORTE
84+680+374+420+280+44+1104=2986

EJERCICIO 3
La compaa Sound Right. Transporta granos de 4 Fuentes hasta 6 molinos. La
oferta y demanda son:
Destinos(Molinos)
1

Oferta

Penalizaciones

50

Fuentes
1

20

30

20
2

20

20

40
20

30

10

11

60

49
40
10
4

31

Demanda

30

50

20

40

30

11

Diferencia
entre las ms
pequeas

31

181

DIAGRAMA

SILOS

MOLINOS
1

10

20+60+40+40+90+50+18+11+31=360

20

20
3

30

10
9
31
11

COSTOS DE TRANSPORTE

30

4
5