Investigaciones de Operaciones (PG 148 161)

Grupo Editorial Patria©
Sujeto a las siguientes restricciones:

n
∑ qij y ij = Oi ∀i = 1, 2 , 3 , ..., m
j =1
m
∑ rij y ij = Dj ∀ j = 1, 2 , 3 , ..., n
i =1
yij ≥ 0; ∀i = 1, 2, 3, ..., m; ∀j = 1, 2, 3, ..., n

Donde:
qij ≥ 0; rij ≥ 0; Oi ≥ 0; Dj ≥ 0
Con el cambio de variable qijyij = Xij , denominando sij = rij /qij ycij = pij /qij el problema queda:
m n
Min W = ∑ ∑ Cij X ij
i =1 j =1

n
∑ X ij = Oi ∀i = 1, 2 , 3 , ..., m
j =1
m
∑ sij X ij = Dj ∀ j = 1, 2 , 3 , ..., n
i =1
Xij ≥ 0; ∀i = 1, 2, 3, ..., m; ∀j = 1, 2, 3, ..., n
A este problema se le denomina de transporte generalizado. Pues, en el problema del transporte había
m + n - 1 ecuaciones linealmente independientes, lo que condujo a la facilidad con la cual puede en-
contrarse una solución básica factible y probarse su optimización. En cualquier caso, como el problema
de transporte generalizado es un problema de programación lineal, puede siempre solucionarse por
el método simplex.
4.6 Problema de asignación o afijación o de nombramientos

La formulación del problema general de asignación es:
m n
i =1 j =1
Copyright © 2014. Grupo Editorial Patria. All rights reserved.
Sujeto a:
n
∑ X ij = 1 i = 1, ..., m
i =1
m
∑ X ij = 1 j = 1, ..., n
i =1
Xij0, 1 i = 1,...,m; j = 1,..., n
Este corresponde a un caso especial del problema del transporte en el cual las variables Xij solo pue-
den tomar el valor 0 o 1; tomar el valor 1 si el origen i se hace corresponder al destino j y 0 en caso
contrario.
El algoritmo para resolver problemas de asignación se denomina “húngaro”, ya que fueron dos
matemáticos húngaros, König (1916) y Egervary (1931), quienes aportaron las teorías que sirven de
base a este método.
Este problema se presenta en diversos casos de toma de decisiones. Los problemas típicos de
asignación implican asignar tareas a máquinas, trabajadores a tareas y proyectos, personal de ventas
135
Martínez, Salazar, Iris Abril, and Camarón, Gastón Vértiz. Investigaciones de operaciones, Grupo Editorial Patria, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3227913.
Created from unadsp on 2019-03-21 06:48:02.
UNIDAD
4 Programación lineal discreta
a territorios de ventas, contratos a licitaciones, horarios de aulas disponibles a horarios de maestros

disponibles, enfermos a camas disponibles del hospital, cierto número de empleados a cierta cantidad
de puestos en una empresa, aviones a destinos aéreos, entre otros.
Una característica importante de los problemas de asignación es que se asigna un trabajador, una
tarea..., a una sola máquina, proyecto, etcétera. En particular, se busca el conjunto de asignaciones que
optimice el objetivo planteado, tal como minimizar costos, minimizar tiempo o maximizar utilidad.
❚ Métodos de solución
Método húngaro
Este algoritmo se usa para resolver problemas de minimización, ya que es más eficaz que el empleado
para resolver el problema del transporte por el alto grado de degeneración que pueden presentar los
problemas de asignación. Las fases para la aplicación del método húngaro son:
■ Paso 1. Encontrar primero el elemento más pequeño en cada fila (columna) de la matriz de
costos m * m; en tal caso se debe construir una nueva matriz al restar de cada costo el costo
mínimo de cada fila (columna) y encontrar para esta nueva matriz el costo mínimo en cada co-
lumna (fila). A continuación, se debe construir una nueva matriz (denominada matriz de costos
reducidos) al restar de cada costo el costo mínimo de su columna (fila).
■ Paso 2. (En algunos pocos textos este paso se atribuye a Flood). Consiste en trazar el número
mínimo de líneas (horizontales o verticales o ambas únicamente de esas maneras) que se re-
quieren para cubrir todos los ceros en la matriz de costos reducidos; si se necesitan m líneas
para cubrir todos los ceros, se tiene una solución óptima entre los ceros cubiertos de la matriz.
Si se requieren menos de m líneas para cubrir todos los ceros, se debe continuar con el paso 3.
El número de líneas para cubrir los ceros es igual a la cantidad de asignaciones que hasta ese
momento se pueden realizar.
■ Paso 3. Encontrar el menor elemento diferente de cero (llamado k) en la matriz de costos redu-
cidos, que no está cubierto por las líneas dibujadas en el paso 2; a continuación se debe restar
k de cada elemento no cubierto de la matriz de costos reducidos y sumar k a cada elemento
de la matriz de costos reducidos cubierto por dos líneas (intersecciones). Por último se debe
regresar al paso 2.
Alerta
1. Para resolver un problema de asignación en el cual la meta es maximizar la función objetivo, se debe multiplicar la matriz
de ganancias por menos uno (-1) y resolver el problema como uno de minimización.
2. Si el número de filas y columnas en la matriz de costos son diferentes, el problema de asignación está desbalanceado. El
método húngaro puede proporcionar una solución incorrecta si el problema no está balanceado; debido a lo anterior, primero
se debe balancear cualquier problema de asignación (añadiendo filas o columnas ficticias) antes de resolverlo mediante el
método húngaro.
3. En un problema grande, puede resultar difícil obtener el mínimo número de filas necesarias para cubrir todos los ceros en
la matriz de costos actual. Se puede demostrar que si se necesitan j líneas para cubrir todos los ceros, entonces se pueden
asignar solamente j trabajos a un costo cero en la matriz actual; esto explica porque termina cuando se necesitan m líneas.
Problema resuelto
Una fábrica tiene cuatro operarios, los cuales deben ser asignados al Tabla 4.20
manejo de cuatro máquinas; las horas requeridas para cada trabaja-
Máquinas
dor en cada máquina se dan en la tabla 4.20. La fábrica pretende que
el tiempo que trabaje cada operario en cada una de las máquinas sea Operarios 1 2 3 4
mínimo, para lo cual se busca la asignación óptima posible. Antonio 10 14 16 13
Bernardo 12 13 15 12
Min W = 10X11 + 14X12 + 16X13 + 13X14 + 12X21 + 13X22 + 15X23 +
12X24 + 9X31 + 12X32 + 12X33 + 11X34 + 14X41 + 16X42 + 18X43 + 16X44 Carlos 9 12 12 11
Diego 14 16 18 16
136
1. X11 + X12 + X13 + X14 = 1

2. X21 + X22 + X23 + X24 = 1
3. X31 + X32 + X33 + X34 = 1
4. X41 + X42 + X43 + X44 = 1
5. X11 + X21 + X31 + X41 = 1
6. X12 + X22 + X32 + X42 = 1
7. X13 + X23 + X33 + X43 = 1
8. X14 + X24 + X34 + X44 = 1
Xij ≥ 0; i = 1, 2, 3; j = 1, 2, 3, 4; Xij ∈ Z+
En este caso, escogemos el Lindo, para proceder a resolverlo.
Figura 4.14
Luego de darle Solve, obtenemos las siguientes que se aprecian en la figura 4.15.
Figura 4.15
137
UNIDAD
Solución
Solución óptima única

A - 1 = 10, (X *11 = 1); B - 4 = 12, (X *24 = 1); C - 3 = 12, (X *33 = 1) y D - 2 = 16, (X *42 = 1)
En tal caso, Antonio trabajará en la máquina 1 (10 horas), Bernardo en la máquina 4 (12 horas), Carlos
va a trabajar en la máquina 3 (12 horas) y Diego en la máquina 2 (16 horas).
La combinación óptima de los recursos para este problema de minimización de asignación es de
50 horas, que resultan de adicionar las asignadas a cada uno de los operarios en cada una de las má-
quinas. Dicho valor corresponde al valor óptimo de la función objetivo.
Problema resuelto
Conseguir la afijación óptima en el problema de asignación-pro.
Tabla 4.21
1 2 3 4 5 6
A 63 61 59 59 57 58
B 56 73 62 62 59 55
C 57 65 73 63 65 56
D 93 98 97 99 87 51
E 77 85 83 83 74 56
F 58 67 71 64 59 66
Solución
Solución método húngaro (columnas)

En este método, restamos el menor elemento de cada columna, el cual corresponde a 56, 61, 59, 59,
57 y 51, respectivamente.
Tabla 4.22
1 2 3 4 5 6
A 7 0 0 0 0 7
B 0 12 3 3 2 4
C 1 4 14 14 8 5
D 37 37 38 40 30 0
E 21 24 24 24 17 5
F 2 6 12 5 2 15
En las filas C, E y F restamos los elementos 1, 5 y 2.
Tabla 4.23
1 2 3 4 5 6
A 7 0 0 0 0 7
B 0 12 3 3 2 4
C 0 3 13 13 7 4
D 37 37 38 40 30 0
E 16 19 19 19 12 0
F 0 4 10 3 0 13
138
Según el algoritmo de Flood, trazamos el número mínimo de líneas rectas (4) y realizamos las operacio-
nes correspondientes.
Tabla 4.24
1 2 3 4 5 6
A 7 0 0 0 0 7
B 0 12 3 3 2 4
C 0 3 13 13 7 4
D 37 37 38 40 30 0
E 16 19 19 19 12 0
F 0 4 10 3 0 13
Luego, trazamos el número mínimo de líneas rectas (4) y hacemos las operaciones respectivas.
Tabla 4.25
1 2 3 4 5 6
A 9 0 0 0 0 9
B 0 10 1 1 0 4
C 0 1 11 11 5 4
D 37 35 36 38 28 0
E 16 17 17 17 10 0
F 2 4 10 3 0 13
Acto seguido, trazamos el número mínimo de líneas rectas (5) y hacemos las operaciones correspon-
dientes.
Tabla 4.26
1 2 3 4 5 6
A 10 0 0 0 1 10
B 0 9 0 0 0 4
C 0 0 10 10 5 4
D 37 34 35 37 28 0
E 16 16 16 16 10 0
F 2 3 9 2 0 15
Trazamos el número mínimo de líneas rectas (5) y hacemos las operaciones respectivas.
Tabla 4.27
1 2 3 4 5 6
A 10 0 0 0 1 20
B 0 9 0 0 0 14
C 0 0 10 10 5 14
D 27 24 25 27 18 0
E 6 6 6 6 0 0
F 2 3 9 2 0 25
Trazamos el número mínimo de líneas rectas (5) y hacemos las operaciones respectivas.
139
UNIDAD
Tabla 4.28
1 2 3 4 5 6
A 10 0 0 0 3 22
B 0 9 0 0 2 16
C 0 0 10 10 7 16
D 25 22 23 25 18 0
E 4 4 4 4 0 0
F 0 1 7 0 0 25
Solución óptima múltiple (alterna)
Solución óptima 1
A - 2, B - 3, C - 1, D - 6, E - 5, F - 4, valor óptimo: 369.
Tabla 4.29
1 2 3 4 5 6
A 10 0 0 0 3 22
B 0 9 0 0 2 16
C 0 0 10 10 7 16
D 25 22 23 25 18 0
E 4 4 4 4 0 0
F 0 1 7 0 0 25
Solución óptima 2
Tabla 4.30
1 2 3 4 5 6
A 10 0 0 0 3 22
B 0 9 0 0 2 16
C 0 0 10 10 7 16
D 25 22 23 25 18 0
E 4 4 4 4 0 0
F 0 1 7 0 0 25
Solución óptima 3
Problemas de asignación de maximización

Cuando se tiene un problema de asignación de maximización se puede resolver de las siguientes
formas:
■ La función objetivo se multiplica por menos uno y se resuelve como un problema de minimi-
zación.
■ Se determina el costo más elevado de la tabla, se resta este costo de todos los elementos de
la tabla y se resuelve como un problema de minimización.
140
Problema de asignación generalizado

Si suponemos que existen m trabajadores y cada uno de ellos tiene cierta cantidad de recursos dis-
ponibles y existen n tareas que deben llevarse a cabo, el problema de asignación generalizado puede
plantearse de la siguiente manera:
m n
i =1 j =1
Sujeto a:
n
∑ rij X ij ≤ bi i = 1, ..., m
i =1
m
∑ X ij = 1 j = 1, ..., n
i =1
 1 si el i-ésimo trabajador ejecuta la j-ésima tarea

X =
ij  0 en otro caso
bi: cantidad de recursos para el i-ésimo trabajador

rij: recursos del trabajador i-ésimo necesarios para realizar la j-ésima tarea.
Cij: costo para que el trabajador i-ésimo lleve a cabo la j-ésima tarea.
En este caso, el primer conjunto de restricciones asegura que no se utilizarán más recursos de los que
están disponibles para cada trabajador; en tanto, el segundo conjunto de restricciones afianza el hecho
que cada uno de los trabajos lo lleva a cabo un solo trabajador.
141
UNIDAD
4 Problemas para resolver
I. Resolver los problemas de programación lineal entera. 4.6 Obtener el óptimo en el siguiente problema de progra-
mación lineal entera mixta:
4.1 Encontrar el óptimo en el siguiente problema de pro-
gramación lineal entera pura: Max Z = -X1 - 3X2 - W1 - 4W2
Max Z = 5X1 + 8X2 Sujeto a:

Sujeto a: 1. 2X1 + X2 - W1 + 2W2 ≤ -1
1. 6X1 + 5X2 ≤ 30 2. -2X1 - 2X2 + W1 - 3W2 ≤ -1
2. 9X1 + 4X2 ≤ 36 X1, X2 ∈ R+
3. X1 + 2X2 ≤ 10 W1, W2 ∈ N
X1, X2 ≥ 0
4.7 Conseguir el óptimo en el siguiente problema de pro-
X1, X2 ∈ Z+ gramación lineal entera mixta:
4.2 Conseguir el óptimo en el siguiente problema de pro- Max Z = 4X1 + 3X2 + 2X3
gramación lineal entera pura:
Sujeto a:
Max Z = 3X1 + 6X2
1. 5X1 - 2X2 + 3X3 ≤ 10
Con sus restricciones:
2. 3X1 + 3X2 - 2X3 ≤ 7
1. 6X1 + 7X2 ≤ 40
3. -X1 + 2X2 - 2X3 ≤ 9
2. 3X1 + X2 ≤ 11
X1, X2, X3 ≥ 0
X1, X2 ≥ 0
X1, X2, X3 ∈ Z+
X1, X2 ∈ Z+
4.3 Obtener el óptimo en el siguiente problema de progra- 4.8 Encontrar el óptimo en el siguiente problema de pro-
mación lineal entera pura: gramación lineal entera pura:
Max Z = 5X1 + 2X2 Max Z = 3X1 + 13X2
Sujeto a: Sujeto a:
1. 3X1 + X2 ≤ 12 1. 2X1 + 9X2 ≤ 402, 11X1 - 8X ≤ 82X1, X2 ≥ 0
2. X1 + X2 ≤ 5 X1, X2 ∈ Z+
X1, X2 ≥ 0 4.9 Conseguir el óptimo en el siguiente problema de pro-
X1, X2 ∈ Z + gramación lineal entera pura:
4.4 Encontrar el óptimo en el siguiente problema de pro- Max Z = 6X1 + 3X2 + X3 + 2X4
gramación lineal entera binaria: Sujeto a:
Min W = 5X1 + 6X2 + 7X3 + 8X4 + 9X5 1. X1 + X2 + X3 + X4 ≤ 8
Sujeto a:
2. 2X1 + X2 + 3X3 ≤ 12
1. 3X1 - X2 + X3 + X4 - 2X5 ≥ 2
3. 5X2 + X3 + 3X4 ≤ 6
2. X1 + 3X2 - X3 - 2X4 + X5 ≥ 0
4. X1 ≤ 1
3. -X1 - X2 + 3X3 + X4 + X5 ≥ 1
5. X2 ≤ 1
X1, X2, X3, X4, X5 = (0 o 1)
6. X3 ≤ 4
gramación lineal entera binaria: 7. X4 ≤ 2
Max Z = 2X1 + 4X2 + 4X3 X1, X2, X3, X4 ≥ 0
Con sus restricciones: X1, X2, X3, X4 ∈ Z+
1. 5X1 - 2X2 + 3X3 ≤ 5
4.10 Obtener el óptimo en el siguiente problema de pro-
2. 3X1 + 4X2 - X3 ≤ 2 gramación lineal entera pura:
X1, X2, X3 = (0 o 1) Max Z = 2X1 + 3X2 + X3 + 2X4
142
Problemas
Martínez, Salazar, Iris Abril, and Camarón, Gastón Vértiz. Investigaciones de aplicados a Grupo
operaciones, la realidad Problemas
Editorial Patria, 2014. para resolver
ProQuest Ebook Central, con tecnología
Sujeto a: Con sus restricciones:

1. 5X1 + 2X2 + X3 + X4 ≤ 15 1. 8X1 + 11X2 + 9X3 ≤ 12
2. 2X1 + 6X2 + 10X3 + 8X4 ≤ 60 2. 2X1 + 2X2 + 7X3 ≤ 14
3. X1 + X2 + X3 + X4 ≤ 8 3. 9X1 + 6X2 + 3X3 ≤ 10
4. 2X1 + 2X2 + 3X3 + 3X4 ≤ 5 X1, X2, X3 ≥ 0
5. X1 ≤ 3 X1, X2, X3 ∈ Z+
6. X2 ≤ 7 4.15 Conseguir el óptimo en el siguiente problema de pro-

7. X3 ≤ 5
Max Z = 70X1 + 50X2 + 30X3
8. X4 ≤ 5
Sujeto a:
X1, X2, X3, X4 ≥ 0
1. 4X1 + 3X2 + 2X3 ≤ 6
X1, X2, X3, X4 ∈ Z+
X1, X2, X3 ≥ 0
4.11 Encontrar el óptimo en el siguiente problema de pro- X1, X2, X3 ∈ Z+
Max Z = 40X1 + 90X2 gramación lineal entera pura:
Sujeto a: Max Z = 10X1 + 14X2 + 21X3
1. 9X1 + 7X2 ≤ 56 Sujeto a:
2. 7X1 + 20X2 ≤ 70 X1 X2 X3
1. + + ≤1
X1, X2 ≥ 0 7 4 6
X1, X2 ∈ Z+ X1 X2 X3
2. + + ≤1
4.12 Conseguir el óptimo en el siguiente problema de pro- 5 7 3
3. X1 ≤ 2
Max Z = 10X1 + 20X2
X1, X2, X3 ≥ 0
X1, X2, X3 ∈ Z+
1. 5X1 + 8X2 ≤ 60
2. X1 ≤ 8 gramación lineal entera binaria:
3. X2 ≤ 4 Min W = X1 + X2 + X3 + X4 + X5 + X6
+ X7 + X8 + X9 + X10 + X11 + X12
X1, X2 ≥ 0

X1, X2 ∈ Z+
1. X1 + X2 + X3 ≥ 1
gramación lineal entera pura: 2. X1 + X2 + X5 + X6 ≥ 1
Min W = 2X1 + 3X2 3. X3 + X7 + X8 + X12 ≥ 1
Sujeto a: 4. X10 + X11 + X12 ≥ 1
1. X1 + 3X2 ≥ 15 5. X8 + X12 ≥ 1
2. 2X1 + X2 ≥ 60 X1, X2, X3, X4, X5, X6, X7, X8, X9, X10, X11, X12 = (0 o 1)
X1, X2 ≥ 0 4.18 Conseguir el óptimo en el siguiente problema de pro-

X1, X2 ∈ Z+
Max Z = 9X1 + X2 + 4X3
gramación lineal entera pura: Sujeto a:
Max Z = X1 + 2 X2+ 3 X3 1. 18X1 + 18X2 + 14X3 ≤ 63
143
Problemas
Martínez, Salazar, Iris Abril, and Camarón, aplicados
Gastón a la realidadde operaciones,
Vértiz. Investigaciones Problemas paraPatria,
Grupo Editorial resolver con
2014. tecnología
ProQuest Ebook Central,
UNIDAD
2. 72X1 + 112X2 + 126X3 ≤ 252 4.23 Plantear y resolver el problema como un modelo de
transporte:
3. 2X3 ≤ 3
Tabla 4.33
X1, X2, X3 ≥ 0
D E F G Ofertas
X1, X2, X3 ∈ Z+
A 50 30 60 70 35
B 20 80 10 90 60
gramación lineal entera binaria:
C 100 40 80 30 25
Max Z = 3X1 - 2X2 + 5X3
Demandas 30 45 25 20
Sujeto a:
1. X1 + 2X2 - X3 ≤ 2 4.24 Plantear y resolver el problema como un modelo de
transporte:
2. X1 + 4X2 + X3 ≤ 4
Tabla 4.34
3. X1 + X2 ≤ 3
D E F G Ofertas
4. 4X2 + X3 ≤ 6
A 3 2 3 6 40
X1, X2, X3 = (0 o 1) B 8 6 8 8 25
4.20 Encontrar el óptimo en el siguiente problema de pro- C 5 4 9 4 35
gramación lineal entera binaria: Demandas 20 25 15 40
Min W = 3X1 + 7X2 - X3 + X4
4.25 Plantear y resolver el problema como un modelo de
Sujeto a:
transporte:
1. 2X1 - X2 + X3 - X4 ≥ 1 Tabla 4.35
2. X1 - X2 + 6X3 + 4X4 ≤ 8
E F G H I Ofertas
3. 5X1 + 3X2 + X4 ≥ 1 A 3 5 5 4 3 30
X1, X2, X3, X4 = (0 o 1) B 1 6 2 2 7 40
C 2 7 6 9 2 50
D 4 8 3 6 5 60
Demandas 35 45 30 25 45
II. Resolver los siguientes problemas de transporte.
4.21 Plantear y resolver el problema como un modelo de transporte:
transporte:
Tabla 4.36
Tabla 4.31
D E F G H Ofertas
D E F Ofertas
A 2 5 4 2 3 20
A 5 4 3 300
B 3 4 5 3 4 30
B 8 4 3 150
C 4 3 1 1 1 40
C 9 7 5 250
Demandas 25 15 10 16 24
Demandas 200 200 300

transporte: Tabla 4.37
Tabla 4.32 E F G H I J Ofertas
D E F Ofertas A 20 28 24 22 20 23 100
A 3 3 2 25 B 23 26 26 24 28 24 200
B 4 2 3 40 C 21 25 25 23 24 26 300
C 3 2 2 30 D 22 24 21 25 26 25 400
Demandas 30 30 35 Demandas 150 175 225 120 170 160
144
Problemas
4.28 Plantear y resolver el problema como un modelo de 4.33 Plantear y resolver el problema como un modelo de
transporte: transporte:
Tabla 4.38 Tabla 4.43
E F G H I Ofertas D E F G Ofertas
A 12 18 11 13 12 75 A 52 57 52 53 500
B 14 17 13 14 13 85 B 53 59 51 52 600
C 15 16 14 11 15 55 C 51 50 57 55 400
D 17 15 10 10 19 35 Demandas 450 550 200 300
Demandas 30 40 50 60 70
Tabla 4.39 D E F G Ofertas
D E F G Ofertas A 30 45 50 38 150
A 6 3 8 3 10 B 40 35 45 42 110
B 3 5 2 2 20 C 50 50 30 30 120
C 4 4 5 7 30 Demandas 80 90 100 110
Tabla 4.40 D E F G Ofertas
D E F G Ofertas A 10 18 14 13 33
A 3 4 3 4 15 B 12 15 12 11 28
B 4 6 6 3 20 C 14 11 10 17 39
C 6 2 4 2 30 Demandas 20 30 10 40
Tabla 4.41 E F G H I Ofertas
E F G H Ofertas A 45 48 40 41 49 300
A 32 33 38 34 250 B 42 41 43 42 41 400
B 35 31 35 32 350 C 44 43 47 43 16 500
C 38 30 32 31 320 D 43 44 50 44 42 600
D 31 34 36 35 180 Demandas 350 450 200 380 420
Demandas 100 200 300 400
Tabla 4.42 E F G H I Ofertas
D E F Ofertas A 33 60 49 53 40 25
A 30 34 32 20 B 42 38 58 65 61 35
B 35 32 31 30 C 57 47 39 32 57 45
C 40 33 35 40 D 61 51 44 46 35 55
Demandas 25 38 27 Demandas 10 40 50 22 38
145
Problemas
2014. tecnología
UNIDAD
4.38 Plantear y resolver el problema como un modelo de 4.43 Encontrar la asignación óptima en el problema:
transporte:
Tabla 4.53
Tabla 4.48
A B C D
E F G H I Ofertas 1 2 2 2 1
A 1 8 3 6 5 25
2 10 8 5 4
B 4 6 7 5 9 35
3 7 6 6 8
C 7 4 5 4 6 42
D 9 2 1 3 2 48 4 5 3 4 2
Demandas 10 20 30 40 50
4.44 Encontrar la asignación óptima en el problema:
Tabla 4.54
III. Resolver los siguientes problemas de asignación.
A B C D
1 8 7 9 9
4.39 Conseguir la asignación óptima en el siguiente pro-
2 5 9 8 4
blema:
3 2 4 9 2
Tabla 4.49
4 8 2 6 6
A B C D
1 7 3 5 9
4.45 Obtener la asignación óptima en el siguiente pro
2 3 5 6 6
blema:
3 5 7 9 5
4 9 8 4 3 Tabla 4.55
A B C D
1 40 60 70 20
Tabla 4.50 2 10 50 40 30
A B C D E F 3 20 60 60 40
1 63 61 59 59 57 58 4 30 20 20 70
2 56 73 62 62 59 55
3 57 65 73 63 65 56
4.46 Encontrar la asignación óptima en el siguiente pro
4 93 100 97 99 87 86
blema:
5 77 85 83 83 74 50
6 36 47 51 52 53 44 Tabla 4.56
A B C D E F G
4.41 Obtener la asignación óptima en el problema: 1 2 2 4 9 4 4 2
Tabla 4.51 2 5 3 3 2 5 5 4
A B C D E F G H 3 3 5 5 4 5 4 1
1 11 12 13 11 10 6 16 12 4 6 4 7 5 2 3 2
2 5 4 4 8 4 9 6 6 5 8 3 2 6 5 8 1
3 32 40 29 30 42 35 36 49
6 7 2 5 3 1 6 8
4 17 14 19 22 10 16 19 12
7 2 4 1 5 6 2 7
5 6 7 10 5 5 10 11 5
6 8 10 12 8 9 19 9 6
7 55 62 61 70 62 63 68 59 4.47 Obtener la asignación óptima en el problema:
Tabla 4.57
4.42 Encontrar la asignación óptima en el siguiente pro
blema: A B C D E
1 160 130 200 200 60
Tabla 4.52
2 135 120 160 175 65
A B C D
3 140 155 140 170 75
1 1 2 3 4
4 50 80 100 80 80
2 4 3 2 0
3 0 2 2 1 5 55 105 80 75 85
146
Problemas
4.48 Encontrar la asignación óptima en el siguiente pro 4.53 Obtener la asignación óptima en el problema:
blema:
Tabla 4.63
Tabla 4.58
A B C D
A B C D 1 5 3 4 2
1 8 23 17 21 2 1 2 8 5
2 26 25 15 20 3 6 9 3 3
3 17 14 14 17 4 8 8 1 8
4 11 16 11 10
4.49 Encontrar la asignación óptima en el problema: Tabla 4.64

Tabla 4.59 A B C D
1 6 4 11 2
A B C D
2 12 10 2 6
1 6 5 4 3
3 9 9 6 8
2 7 3 2 6 4 11 3 8 13
3 1 4 3 9
4 2 6 5 4 4.55 Encontrar la asignación óptima en el siguiente pro
blema:
4.50 Obtener la asignación óptima en el problema:
Tabla 4.65
Tabla 4.60
A B C D
A B C D E F 1 45 36 25 59
1 11 13 12 14 15 18 2 82 25 26 25
2 17 15 14 16 11 12 3 69 14 35 36
4 24 58 38 29
3 10 16 15 14 13 18
4 11 12 13 14 15 16
4.56 Obtener la asignación óptima en el problema:
5 17 19 11 16 15 14
6 13 19 11 16 17 14 Tabla 4.66
A B C D
4.51 Obtener la asignación óptima en el siguiente pro 1 11 19 12 19
blema: 2 13 15 13 16
Tabla 4.61 3 14 16 15 13
4 17 14 17 14
A B C D E
1 6 3 4 1 4 4.57 Conseguir la asignación óptima en el problema:
2 2 1 7 5 3
Tabla 4.67
3 5 2 9 9 9
A B C D
4 8 5 6 7 1
1 80 130 70 60
5 7 8 5 3 2
2 110 140 100 90
3 60 120 90 100
4.52 Encontrar la asignación óptima en el siguiente pro 4 90 150 80 80
blema:
Tabla 4.62 4.58 Encontrar la asignación óptima en el problema:
A B C D E Tabla 4.68
1 3 9 7 6 1
A B C D
2 2 5 3 5 6 1 15 20 25 75
3 1 3 8 4 3 2 20 15 28 50
4 5 7 2 8 8 3 35 22 30 40
5 4 6 4 9 2 4 45 80 60 55
147
Problemas
2014. tecnología
UNIDAD
Problema reto
La fábrica de Tequila TEQMEX analiza la posibilidad de expandirse mediante la construcción

1 de una nueva fábrica, ya sea en la Ciudad de México o en la ciudad de Guadalajara, o dos
fábricas, una en ambas ciudades, si es preciso. Dentro de sus planes de expansión también
pretende construir un hiperalmacén, también en la Ciudad de México o en Guadalajara, o
uno en ambas. Para sus planes de expansión, la empresa debe tener en cuenta que el capital
disponible para las inversiones es de 20 millones de unidades monetarias.
Encontrar la mejor alternativa que maximice el valor presente neto total.
Tabla 4.69
Alternativa Valor Presente Neto Capital
Construir la fábrica en la Ciudad de México 19 millones de unidades monetarias 15 millones de unidades monetarias
Construir la fábrica en la ciudad de Guadalajara 12 millones de unidades monetarias 8 millones de unidades monetarias
Construir fábricas en la Ciudad de México y en la
28 millones de unidades monetarias 20 millones de unidades monetarias
ciudad de Guadalajara
Construir el hiperalmacén en la Ciudad de México 15 millones de unidades monetarias 10 millones de unidades monetarias
Construir el hiperalmacén en la ciudad de
Guadalajara
Construir hiperalmacenes en la Ciudad México y en
la ciudad de Guadalajara
Referencias Bibliográficas
Absil P. A. / Mahony R. / Sepulchre R. (2008). Optimization Algorithms on Matrix Manifolds.
EUA: Princeton University Press (Princeton and Oxford).
Baumeister Johann / Leitão Antonio. (2008). Imtrodução à Teoria de Controle e Progra-
maçãoDinâmica. Río de Janeiro, Brasil: Instituto de Matemática Pura e Aplicada (IMPA).
ChvátalVašek. (1999). Linear Programming. New York, EUA: W. H. Freeman and Company.
Referencias electrónicas
Institute for Operations Research and Management Science.Disponible en:

https://www.informs.org
Sociedad Británica de Investigación Operativa en:
http://www.orsoc.org.uk/
INFORMS la Sociedad Americana de Investigación Operativa en:
http://www.informs.org/
Información genérica de Investigación de Operaciones:
http://opsresearch.com/cgi-bin/mainIndex.cgi/
Información general acerca de Investigación Operacional:
http://www.investigaciondeoperaciones.net
Sociedad Mexicana de Investigación de Operaciones:
http://smio.org.mx/smio/
148

Investigaciones de Operaciones (PG 148 161)

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Investigaciones de Operaciones (PG 148 161)

Caricato da

Copyright:

Formati disponibili

Grupo Editorial Patria©

Sujeto a las siguientes restricciones:

yij ≥ 0; ∀i = 1, 2, 3, ..., m; ∀j = 1, 2, 3, ..., n

Sujeto a las siguientes restricciones:

Xij ≥ 0; ∀i = 1, 2, 3, ..., m; ∀j = 1, 2, 3, ..., n

4.6 Problema de asignación o afijación o de nombramientos

Xij0, 1 i = 1,...,m; j = 1,..., n

a territorios de ventas, contratos a licitaciones, horarios de aulas disponibles a horarios de maestros

Sujeto a las siguientes restricciones:

1. X11 + X12 + X13 + X14 = 1

En este caso, escogemos el Lindo, para proceder a resolverlo.

Solución óptima única

Solución método húngaro (columnas)

En las filas C, E y F restamos los elementos 1, 5 y 2.

Solución óptima múltiple (alterna)

A - 2, B - 3, C - 1, D - 6, E - 5, F - 4, valor óptimo: 369.

A - 3, B - 4, C - 2, D - 6, E - 5, F - 1, valor óptimo: 369.

A - 4, B - 3, C - 2, D - 6, E - 5, F - 1, valor óptimo: 369.

Problemas de asignación de maximización

Problema de asignación generalizado

 1 si el i-ésimo trabajador ejecuta la j-ésima tarea

bi: cantidad de recursos para el i-ésimo trabajador

Max Z = 5X1 + 8X2 Sujeto a:

Max Z = 5X1 + 2X2 Max Z = 3X1 + 13X2

X1, X2, X3 = (0 o 1) Max Z = 2X1 + 3X2 + X3 + 2X4

Sujeto a: Con sus restricciones:

2. 2X1 + 6X2 + 10X3 + 8X4 ≤ 60 2. 2X1 + 2X2 + 7X3 ≤ 14

3. X1 + X2 + X3 + X4 ≤ 8 3. 9X1 + 6X2 + 3X3 ≤ 10

4. 2X1 + 2X2 + 3X3 + 3X4 ≤ 5 X1, X2, X3 ≥ 0

6. X2 ≤ 7 4.15 Conseguir el óptimo en el siguiente problema de pro-

Con sus restricciones:

Min W = 2X1 + 3X2 3. X3 + X7 + X8 + X12 ≥ 1

Sujeto a: 4. X10 + X11 + X12 ≥ 1

X1, X2 ≥ 0 4.18 Conseguir el óptimo en el siguiente problema de pro-

Max Z = X1 + 2 X2+ 3 X3 1. 18X1 + 18X2 + 14X3 ≤ 63

4.27 Plantear y resolver el problema como un modelo de

4.49 Encontrar la asignación óptima en el problema: Tabla 4.64

La fábrica de Tequila TEQMEX analiza la posibilidad de expandirse mediante la construcción

Institute for Operations Research and Management Science.Disponible en:

Potrebbero piacerti anche