Unidad 4 y 5

UNIDAD IV.
CADENAS DE MARKOV
4.1 INTRODUCCION Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra un evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo tienen memoria. " Recuerdan" el ltimo evento y esto condiciona las posibilidades de los eventos futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov de las series de eventos independientes, como tirar una moneda al aire o un dado. Una cadena de Markov es un caso especial de los procesos de Markov. Se utiliza para estudiar el comportamiento a corto y largo plazo de ciertos sistemas estocsticos. En los negocios, las cadenas de Markov se han utilizado para analizar los patrones de compra de los deudores morosos, para planear las necesidades de personal y para analizar el reemplazo de equipo. El anlisis de Markov, llamado as en honor de un matemtico ruso que desarrollo el mtodo en 1907, permite encontrar la probabilidad de que un sistema se encuentre en un estado en particular en un momento dado. Algo ms importante an, es que permite encontrar el promedio a la larga o las probabilidades de estado estable para cada estado. Con esta informacin se puede predecir el comportamiento del sistema a travs del tiempo. La tarea ms difcil es reconocer cundo puede aplicarse. La caracterstica ms importante que hay que buscar en la memoria de un evento a otro. 4.2 FORMULACION DE LA CADENA DE MARKOV Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra un evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo tienen memoria. Recuerdan" el ltimo evento y esto condiciona las posibilidades de los eventos futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov de las series de eventos independientes, como tirar una moneda al aire o un dado. En la figura 4.1.1 se muestra el proceso para formular una cadena de Markov. El generador de Markov produce uno de n eventos posibles, Ej , donde j = 1, 2, . . . , n, a intervalos discretos de tiempo (que no tiene que ser iguales ). Las probabilidades de ocurrencia para cada uno de estos eventos dependen del estado del generador. Este estado se describe por el ltimo evento generado. En la figura 4.1.1, el ltimo evento generado fue Ej , de manera que el generador se encuentra en el estado Mj .
INVESTIGACION DE OPERACIONES II
La probabilidad de que Ek sea el siguiente evento generado es una probabilidad condicional : P ( Ek / Mj ). Esto se llama probabilidad de transicin del estado Mj al estado Ek. Para describir completamente una cadena de Markov es necesario saber el estado actual y todas las probabilidades de transicin. Probabilidades de transicin. La probabilidad de transicin Pxn-1,xn = P
tn = Xn
tn-1 = Xn 1
se
llama probabilidad de transicin. Representa la probabilidad condicional del sistema que est en xn en tn, dado que estuvo en Xn 1 en tn 1. Esta probabilidad tambin se denomina transicin de un paso porque describe el sistema entre tn 1 y tn . De esta forma, una probabilidad de transicin de m pasos se define por: Pxn, xn + m = P
tn + m = xn + m
tn = xn
Una forma de describir una cadena de Markov es con un diagrama de estados, como el que se muestra en la figura 4.1.2. En sta se ilustra un sistema de Markov con cuatro estados posibles : M1, M2 , M3 y M4 . La probabilidad condicional o de transicin de moverse de un estado a otro se indica en el diagrama
Otro mtodo para exhibir las probabilidades de transicin es usar una matriz de transicin. . La matriz de transicin para el ejemplo del diagrama de estados se muestra en la tabla 4.1.1 .
O tro mtodo para exhibir las probabilidades de transicin es usar una matriz de transicin. . Para n = 0, 1, 2, ....
El superndice n no se escribe cuando n = 1.
Define Pi j = P
tn = j
tn 1 = I
Como la probabilidad de transicin de un paso de ir del estado i en tn en tn 1 al estado j en tn, y supongamos que estas 1 al estado j probabilidades son estacionarias a travs del tiempo. Las probabilidades de transicin del estado Ei al estado Ej se arreglan de manera ms conveniente en forma matricial como sigue:
P = P00 P 10 P20 P30 . P01 P 11 P21 P31 . P02 P 12 P22 P32 . P03 P 13 P23 P33 . ... ... ... ...
La matriz P se llama transicin homognea o matriz estocstica porque todas las probabilidades de transicin pi j son fijas e independientes del tiempo. Las probabilidades pi j deben satisfacer las condiciones
pi j = 1, para toda i
j pi j 0, para toda i y j
Ahora se define la
cadena de Markov. Una matriz de transicin
junto con las probabilidades inciales
aj(0)
asociadas con los
estados EJ definen completamente una cadena de Markov. Generalmente pensamos que una cadena de Markov describe el comportamiento de transicin de un sistema en intervalos iguales. Existen situaciones donde la longitud del intervalo depende de las
caractersticas del sistema y, por tanto, puede tal vez no ser igual. Este caso se denomina cadenas de Markov encajadas. Clasificacin de estados en cadenas de Markov. Estas definiciones sern tiles en el estudio del comportamiento del sistema a largo plazo. Cadena de Markov irreducible. Se dice que una cadena de Markov es irreducible si cada estado Ej se puede alcanzar desde cualquier otro estado EJ despus de un nmero finito de transiciones, es decir, para i
j,
PI J(n) > 0, para 1
n<
En este caso todos los estados de la cadena se comunican. Estados de conjunto cerrado y absorbente. En una cadena de Markov, se dice que un conjunto C de estados est cerrado si el sistema, una vez en uno de los estados de C, permanecer en C indefinidamente Tiempos de primer regreso. Una definicin importante en la teora de las cadenas de Markov es el tiempo de primer regreso. Dado que el sistema est inicialmente en el estado EJ, ste puede regresar a EJ por primera vez en el paso n, n 1. El nmero de pasos antes de que el sistema regrese a EJ se llama tiempo de primer regreso. Cadenas de Markov Ergdicas. Si todos los estados de una cadena de Markov son ergdicos, entonces la cadena es irreducible. En este caso, las probabilidades absolutas a(n) = a(0) Pn siempre convergen de forma nica a una distribucin limitante conforme n
, donde
la distribucin limitante es independiente de las probabilidades inciales a(0). El siguiente teorema es ahora oportuno: Todos los estados en una cadena de Markov infinita irreducible pueden pertenecer a una, y slo una, de las siguientes tres clases: estado transitorio, estado recurrente nulo o estado recurrente no nulo. En cada caso todos los estados se comunican y tienen el mismo
periodo. Para el caso especial donde la cadena tiene un nmero finito de estados, la cadena no puede consistir slo en estados transitorios ni puede contener estados nulos. 4.3 PROCESOS ESTOCASTICOS Un proceso estocstico se define sencillamente como una coleccin indexada de variables aleatorias { X1 }, donde el subndice t toma valores de un conjunto T dado. Con frecuencia T se toma como el conjunto de enteros no negativos y X, representa una caracterstica de inters medible en el tiempo t. Por ejemplo, el proceso estocstico, X1 , X2 , X3, .., Puede representar la coleccin de niveles de inventario semanales (o mensuales) de un producto dado, o puede representar la coleccin de demandas semanales (o mensuales) de este producto. Un estudio del comportamiento de un sistema de operacin durante algn periodo suele llevar al anlisis de un proceso estocstico con la siguiente estructura. En puntos especficos del tiempo t , el sistema se encuentra exactamente en una de un nmero finito de estados mutuamente excluyentes y exhaustivos, etiquetados 0, 1, . . , S. Los periodos en el tiempo pueden encontrarse a intervalos iguales o su esparcimiento puede depender del comportamiento general del sistema en el que se encuentra sumergido el proceso estocstico. Aunque los estados pueden constituir una caracterizacin tanto cualitativa como cuantitativa del sistema, no hay prdida de generalidad con las etiquetas numricas 0, 1, . . , M , que se usarn en adelante para denotar los estados posibles del sistema. As la representacin matemtica del sistema fsico es la de un proceso estocstico {Xi}, en donde las variables aleatorias se observan en t = 0, 1, 2,. . ., y en donde cada variable aleatoria puede tomar el valor de cualquiera de los M + 1 enteros 0, 1, .. , M . Estos enteros son una
caracterizacin de lo del proceso.
s M + 1 estados
4.4 PROPIEDAD MARKOVIANA DE PRIMER ORDEN Se dice que un proceso estocstico tiene la propiedad markoviana si P { Xt+1 = j | X0 = K0 , X1 = K1 , . ., Xt-1 = Kt-1 , = Kt-1, Xt=1}= P {X = i }, para toda t = 0, 1, . . y toda Sucesin i, j , K0 , K1 , . . , Ki-1 . Se puede demostrar que esta propiedad markoviana es equivalente a establecer una probabilidad condicional de cualquier "evento" futuro
t+1
| X1
dados cualquier "evento " pasado y el estado actual Xi = i , es independiente del evento pasado y slo depende del estado actual del proceso. Las probabilidades Condicionales P{Xt+1 = j | Xt = i} se llaman probabilidades de transicin. Si para cada i y j, P{ Xt+1 = j | | Xt = i } = p{X1 = j | X0 = i }, para toda t = 0, 1, .... Entonces se dice que las probabilidades de transicin (de un paso) son estacionarias y por lo general se denotan por pij . As, tener probabilidades de transicin estacionarias implican que las probabilidades de transicin no cambian con el tiempo. La existencia de probabilidades de transicin (de un paso) estacionarias tambin implica que, para cada i, j y n (n = 0, 1, 2,...), P{ Xt+n = j | | Xt = i } = p{Xn = j | X0 = i }, Para toda t = 0, 1, . . . Estas probabilidades condicionales casi siempre se denotan por y se llaman probabilidades de transicin
de n pasos. As, es simplemente la probabilidad condicional de que la variable aleatoria X, comenzando en el estado i, se encuentre en el estado j despus de n pasos (unidades de tiempo ). Como las son probabilidades condicionales, deben satisfacer las
propiedades:
4.5 PROBABILIDAD DE TRANSICION ESTACIONARAS DE UN SOLO PASO Ejemplo: Una tienda de cmaras tiene en almacn un modelo especial de cmara que se puede ordenar cada semana. Sean D1, D2, ... las demandas de esta cmara durante la primera, segunda, ... , semana, respectivamente. Se supone que las Di son variables aleatorias independientes e idnticamente distribuidas que tienen una distribucin de probabilidad conocida. Sea X0 el nmero de cmaras que se tiene en el momento de iniciar el proceso, X1 el nmero de cmaras que se tienen al final de la semana uno, X2 el nmero de cmaras al final de la semana dos, etc. Suponga que X0 = 3 . El
sbado en la noche la tienda hace un pedido que le entregan el lunes en el momento de abrir la tienda. La tienda hace un pedido que le entregan el lunes en el momento de abrir la tienda. La tienda usa la siguiente poltica ( s, S)1 para ordenar : si el nmero de cmaras en inventario al final de la semana es menor que s =1 (no hay cmaras en la tienda), ordenar (hasta) S=3. De otra manera, no coloca la orden (si se cuenta con una o ms cmaras en el almacn, no se hace el pedido). Se supone que las ventas se pierden cuando la demanda excede el inventario. Entonces, {X1} para t = 0, 1, .. es un proceso estocstico de la forma que se acaba de describir. Los estados posibles del proceso son los enteros 0, 1, 2, 3 que representan el nmero posible de cmaras en inventario al final de la semana. Observe que {Xi}, en donde Xi es el nmero de cmaras en el almacn al final de la semana t ( antes de recibir el pedido }), es una cadena de Markov. Se ver ahora cmo obtener las probabilidades de transicin (de un paso), es decir, los elementos de la matriz de transicin ( de un paso).
Suponiendo que cada Dt tiene una distribucin Poisson con parmetro Para obtener Entonces demanda As, . es necesario evaluar . Por lo tanto, semana fue de tres . Si ,
durante
la
significa que la ms cmaras.
, la probabilidad de que una tome el valor de 3 o de una manera
variable aleatoria Poisson con parmetro ms; y , entonces se puede
obtener .
parecida. Si Para obtener ms. Por
, la demanda durante la semana debe ser 1 o esto, . Para
encontrar si . En consecuencia, si
observe
que
, entonces la demanda durante
la semana tiene que ser exactamente 1. por ende, . Los elementos restantes se obtienen en forma similar, lo que lleva a la siguiente a la siguiente matriz de transicin ( de un paso):
4.6 PROBABILIDAD DE TRANSICION ESTACIONARAS DE N PASOS Las ecuaciones de Chapman-Kolmogorov proporcionan un mtodo para calcular estas probabilidades de transicin de n pasos:
La probabilidad de transicin de dos pasos o de segundo orden, es la probabilidad de ir del estado k al estado j en exactamente dos transiciones. Estas ecuaciones simplemente sealan que al ir de un estado i al estado j en n pasos, el proceso estar en algn estado k despus de exactamente m (menor que n) pasos. As, Es solo la probabilidad condicional de que, si se comienza en el estado i, el proceso vaya al estado k despus de m pasos y despus al estado j en n- m pasos.
Los casos especiales de m=1 y m=n-1 conducen a las expresiones Para toda i, j, y n de lo cual resulta que las probabilidades de transicin de n pasos se pueden obtener a partir de las probabilidades de transicin de un paso de manera recursiva. Para n=2, estas expresiones se vuelven:
Note que las son los (2) elementos de la matriz P , pero tambin debe de observarse que estos elementos, se obtienen multiplicando la matriz de transicin de un paso por s misma; esto es , P(2) = P * P = P2 . En trminos ms generales, se concluye que la matriz de probabilidades de transicin de n pasos se puede obtener de la expresin : P(n) = P * P .... P = Pn = PPn-1 = Pn-1 P. Entonces, la matriz de probabilidades de transicin de n pasos se puede obtener calculando la n-sima potencia de la matriz de transicin de un paso. Para valores no muy grandes de n, la matriz de transicin de n pasos se puede calcular en la forma que se acaba de describir, pero cuando n es grande, tales clculos resultan tediosos y, ms an, los errores de redondeo pueden causar inexactitudes. Ejemplo: Una tienda de cmaras tiene en almacn un modelo especial de cmara que se puede ordenar cada semana. Sean D1, D2, ... las demandas de esta cmara durante la primera, segunda, ... , semana, respectivamente. Se supone que las Di son variables aleatorias independientes e idnticamente distribuidas que tienen una distribucin de probabilidad conocida. Sea X0 el nmero de cmaras que se tiene en el momento de iniciar el proceso, X1 el nmero de cmaras que se tienen al final de la semana uno, X2 el nmero de cmaras al final de la semana dos, etc. Suponga que X0 = 3 . El sbado en la noche la tienda hace un pedido que le entregan el lunes en el momento de abrir la tienda. La tienda hace un pedido que le entregan el lunes en el momento de abrir la tienda. La tienda usa la siguiente poltica ( s, S)1 para ordenar : si el nmero de cmaras en inventario al final de la semana es menor que s =1 (no hay cmaras en la tienda), ordenar (hasta) S=3. De otra manera, no coloca la orden (si se cuenta con una o ms cmaras en el almacn, no se hace el pedido). Se supone que las ventas se pierden cuando la demanda excede el inventario. Entonces, {X1} para t = 0, 1, .. es un proceso estocstico de la forma que se acaba de describir. Los estados
posibles del proceso son los enteros 0, 1, 2, 3 que representan el nmero posible de cmaras en inventario al final de la semana.
As, dado que tiene una cmara al final de una semana, la probabilidad de que no haya cmaras en inventario dos semanas despus es 0.283; es decir, De igual manera, dado que se tienen dos cmaras al final de una semana, la probabilidad de que haya tres cmaras en el almacn dos semanas despus es 0.097; esto es, La matriz de transicin de cuatro pasos tambin se puede obtener de la siguiente manera: P (4) = P4 = P (2) * P (2) As, dado que queda una cmara al final de una semana, 0.282 es la probabilidad de que no haya cmaras en inventario 4 semanas ms tarde; es decir, De igual manera, dado que quedan dos cmaras en el almacn final de una semana, se tiene una probabilidad de 0.171 de que haya tres cmaras en el almacn 4 semanas despus; esto es, 4.7 ESTADOS ABSORBENTES Un estado se llama absorbente si pik =1, es decir, si una vez que el estado llega a k, permanece ah para siempre. Si k es un estado absorbente y el proceso comienza en i, la probabilidad de llegar a k se llama probabilidad de absorcin de k (fik ). Si se tienen 2 o ms
estados absorbentes, el proceso ser absorbido por uno de stos. Para saber cual, hay que resolver el sistema de ecuaciones: M fik= pij fjk j=0 Esto es importante en las caminatas aleatorias: cadenas de Markov en las que si el sistema se encuentra en el estado i, entonces, en una sola transicin, o permanece en i, o se mueve a uno de los 2 estados inmediatamente adyacentes a i para i=0,1,,M
4.8 PROBABILIDAD DE TRANSICION ESTACIONARIAS ESTADOS ESTABLES, TIEMPOS DE PRIMER PASO Teorema Sea P la matriz de transicin de una cadena de M estados. Existe entonces un vector tal que
DE
Se establece que para cualquier estado inicial i ,
El vector a menudo se llama distribucin de estado estable, o tambin distribucin de equilibrio para la cadena de Markov. Para encontrar la distribucin de probabilidades de estacionario para una cadena dada cuya matriz de transicin es P, segn el teorema, para n grande y para toda i , (1) Como Pij (n + 1) = ( rengln i de Pn )(columna j de P), podemos escribir
(2)
Ejemplo: Suponga que toda la industria de refrescos produce dos colas. Cuando una persona ha comprado la cola 1, hay una probabilidad de 90 % de que su siguiente compra se de cola 1. Si una persona compr cola 2, hay un 80 % de probabilidades que su prxima compra sea de cola 2.
Entonces: Al reemplazar la segunda ecuacin por la condicin ,
Obtenemos el sistema
Al despejar resulta que Por lo tanto, despus de largo tiempo, hay probabilidad 2/3 de que una persona dada compre cola 1 y 1/3 de probabilidad de que una persona compre cola 2. Con frecuencia es conveniente poder hacer afirmaciones en trminos de probabilidades sobre el nmero de transiciones que hace el proceso al ir de un estado i a un estado j por primera vez. Este lapso se llama tiempos de primer paso al ir del estado i al estado j. cuando J=i, esta tiempo de primer paso es justo el nmero de transiciones hasta que el proceso regresa al estado inicial i. En este caso, el tiempo de primer paso se llama tiempo de recurrencia para el estado i.
Para ilustrar estas definiciones, reconsidrese el ejemplo siguiente:
Una tienda de cmaras tiene en almacn un modelo especial de cmara que se puede ordenar cada semana. Sean D1, D2, ... las demandas de esta cmara durante la primera, segunda, ... , semana, respectivamente. Se supone que las Di son variables aleatorias independientes e idnticamente distribuidas que tienen una distribucin de probabilidad conocida. Sea X0 el nmero de cmaras que se tiene en el momento de iniciar el proceso, X1 el nmero de cmaras que se tienen al final de la semana uno, X2 el nmero de cmaras al final de la semana dos, etc. Suponga que X0 = 3 . El sbado en la noche la tienda hace un pedido que le entregan el lunes en el momento de abrir la tienda. La tienda hace un pedido que le entregan el lunes en el momento de abrir la tienda. La tienda usa la siguiente poltica ( s, S)1 para ordenar : si el nmero de cmaras en inventario al final de la semana es menor que s =1 (no hay cmaras en la tienda), ordenar (hasta) S=3. De otra manera, no coloca la orden (si se cuenta con una o ms cmaras en el almacn, no se hace el pedido). Se supone que las ventas se pierden cuando la demanda excede el inventario. Entonces, {X1} para t = 0, 1,.. Es un proceso estocstico de la forma que se acaba de describir. Los estados posibles del proceso son los enteros 0, 1, 2, 3 que representan el nmero posible de cmaras en inventario al final de la semana.
Donde Xt es el nmero de cmaras en inventario al final de la semana t y se comienza con , Suponga que ocurri lo siguiente:
En este caso, el tiempo de primer paso para ir al estado 3 al estado 1 es de 2 semanas, el tiempo de primer paso para ir del estado 3 al estado 0 es de 3 semanas y el tiempo de recurrencia del estado 3 es de 4 semanas. En general, los tiempos de primer paso son variables aleatorias y, por lo tanto, tienen una distribucin de probabilidad asociada a ellos. Estas distribuciones de probabilidad dependen de las probabilidades
de transicin del proceso. En particular, denota la probabilidad de que el tiempo de primer paso del estado i al j sea igual a n. Se puede demostrar que estas probabilidades satisfacen las siguientes relaciones recursivas:
Entonces se puede calcular la probabilidad de un tiempo de primer paso del estado i al j en n pasos, de manera recursiva, a partir de las probabilidades de transicin de un paso. En el ejemplo, la distribucin de probabilidad de los tiempos de primer paso del estado 3 al estado 0 se obtiene como sigue:
Para i y j fijos, las
son nmeros no negativos tales que
Esta suma puede ser menor que 1, lo que significa que un proceso que el iniciar se encuentra en el estado i puede no llegar nunca al estado j . Cuando la suma es igual a 1, las pueden considerarse como una distribucin de probabilidad para la variable aleatoria, el tiempo de primer pas. Para obtener el tiempo esperado de primer paso del estado i al estado j. Sea , que se define como:
Entonces
satisface, de manera nica, la ecuacin:
Cuando i=j,
se llama tiempo esperado de recurrencia.
Al aplicarlo al ejemplo del inventario, estas ecuaciones se pueden usar para calcular el tiempo esperado hasta que ya no se tengan cmaras en el almacn, suponiendo que el proceso inicia cuando se tienen tres cmaras; es decir, se puede obtener el tiempo esperado de primer paso . Como todos los estados son recurrentes, el sistema de ecuaciones conduce a las expresiones
La solucin simultnea de este sistema es
De manera que el tiempo esperado hasta que la tienda se queda sin cmaras es de 3.50 semanas.
UNIDAD V. OPTIMIZACION DE REDES

La representacin de redes se utiliza ampliamente en reas tan diversas como produccin, distribucin, planeacin de proyectos, localizacin de instalaciones, administracin de recursos y planeacin financiera, para nombrar slo unos ejemplos. Una representacin de redes proporciona un panorama general tan poderoso y una ayuda conceptual para visualizar las relaciones entre los componentes del sistema, que se usa casi en todas las reas cientficas, sociales y econmicas. Uno de los mayores desarrollos recientes en investigacin de operaciones (IO) ha sido el rpido avance tanto en la metodologa como en la aplicacin de los modelos de optimizacin de redes. La aparicin de algunos algoritmos ha tenido un impacto importante, al igual que las ideas de ciencias de la computacin acerca de estructuras de datos y la manipulacin eficiente de los mismos. En consecuencia, ahora se dispone de algoritmos y paquetes de computadora y se usan en forma rutinaria para resolver problemas muy grandes que no se habran podido manejar hace dos o tres dcadas. Se darn a conocer en este trabajo cinco tipos importantes de problemas de redes y algunas ideas bsicas sobre cmo resolverlos (sin profundizar en los aspectos de estructuras de bases de datos, tan vitales para la aplicacin exitosa en los problemas de gran escala). Los tres primeros tipos de problemas el problema de la ruta ms corta, el problema del rbol de mnima expansin y el problema del flujo mximo- tienen una estructura especfica que surge con frecuencia en la prctica. El cuarto tipo el problema del flujo de costo mnimo- proporciona un enfoque unificador de muchas otras aplicaciones por su estructura mucho ms general. Y por ltimo el mtodo del CPM. 5.1 TERMINOLOGIA Optimizacin Combinatoria OC: Parte de la Programacin Matemtica donde se consideran problemas con un nmero combinatorio de soluciones factibles. Frecuentemente estos problemas se plantean sobre grafos (redes). En muchos de esos casos resultan problemas fciles de resolver. A
travs de la teora de grafos se pueden desarrollar algoritmos ms eficientes que los vistos hasta ahora. En otras ocasiones resultan muy difciles de resolver de forma exacta y se necesitan tcnicas heursticas para encontrar buenas soluciones. Conceptos bsicos de teora de grafos: Grafo: Conjunto de nodos conectados a travs de arcos y/o aristas. Grafo orientado (red) vs. Grafo no orientado Camino: Sucesin de arcos adyacentes que parten de un nodo y llegan a otro. Ciclo: Camino orientado cerrado. rbol: (Sub) grafo sin ciclos. Grafo bipartido: Grafo orientado donde cada nodo es exclusivamente un origen o un destino.
Terminologa de Redes Red: conjunto de puntos y lneas que unen ciertos pares de puntos. Nodos: Puntos (o vrtices) . Arcos: Lneas, ligaduras, aristas o ramas. Se etiquetan para dar nombre a los nodos en sus puntos terminales . Arco dirigido: Si el flujo a travs de un arco se permite slo en una direccin. La direccin se indica agragando una cabeza de flecha al final de la lnea que representa el arco . Arco no dirigido: Si el flujo a travs de un arco se permite en ambas direcciones . Red dirigida: Red que tiene slo arcos dirigidos . Red no dirigida: Todos sus arcos son no dirigidos . Trayectoria: Sucesin de arcos distintos que conectan nodos . Ciclo: Trayectoria que comienza y termina en el mismo nodo . Red conexa: Red en la que cada par de nodos esta conectado
. rbol: Red conexa (para algn subconjunto de n nodos) que no contiene ciclos no dirigidos .rbol de expansin: Red conexa para los n nodos que contiene ciclos no dirigidos. .Capacidad del arco: Cantidad mxima de flujo (quiz infinito) que puede circular en un arco dirigido. Nodo fuente: Nodo origen, tiene la propiedad de que el flujo que sale del nodo excede el flujo que entra a l . Nodo de demanda: Nodo de destino, donde el flujo que llega excede al que sale de l . Nodo de trasbordo: Intermedio, satisface la conservacin del flujo, es decir, el flujo que entra es igual al que sale . COMPONENTES DE REDES REPRESENTATIVAS Nodos Arcos Flujo Cruceros Caminos Vehculos Aeropuertos Lneas areas Aviones Puntos de conmutacin Cables, canales Mensajes Estaciones de bombeo Tuberas Fluidos Centros de trabajo Rutas de manejo de Trabajos materiales 5.2 PROBLEMA DE LA RUTA MS CORTA. REDES CICLICAS Y ACICLICAS En el problema de la ruta ms corta se determina sta, entre una fuente y un destino, en una red de transporte. Hay otras soluciones que se pueden representar con el mismo modelo, como se ve en los ejemplos siguientes. Ejemplos de aplicaciones de ruta ms corta Ejemplo 6.3-1 (Reemplazo de equipo) RentCar est desarrollando un plan de reposicin de su flotilla de automviles para un horizonte de planeacin de 4 aos, que comienza el 1 de enero de 2001 y termina el 31 de diciembre de 2004. Al iniciar cada ao se toma la decisin de si un auto se debe mantener en operacin o debe sustituir. Un automvil debe estar en servicio durante 1 ao como mnimo, y 3 aos como mximo. La tabla siguiente muestra el costo de reposicin en funcin del ao de adquisicin de vehculo y los aos que tiene en funcionamiento. Costo de reposicin ($) para los aos en operacin Equipo adquirido al 1 2 3
comenzar 2001 2002 2003 2004
4000 4300 4800 4900 9800
5400 6200 7100 - --
9800 8700 -- -- -
FIGURA 6.9 El problema de reemplazo de equipo como problema de ruta ms corta El problema se puede formular como una red, en el que los nadas 1 a 5 representan el inicio de los aos 2001 a 2005. Los arcos del nodo 1 (ao 2001) slo pueden alcanzar los nadas 2, 3 Y 4, porque un vehculo debe estar en funcionamiento entre 1 y 3 aos. Los arcos desde los otros nodos se pueden interpretar en forma parecida. La longitud de cada arco es igual al costo de reposicin. La solucin del problema equivale a determinar la ruta ms corta entre los nodos 1 y 5. En la figura 6.9 se ve la red que resulta. Si se usa TORA, 1 la ruta ms corta, que se indica con la ruta gruesa, es 1 ~ 3 ~ 5. Eso quiere decir que un automvil adquirido al iniciar 2001 (nodo 1) se debe reemplazar pasados 2 aos, al iniciar 2003 (nodo 3). El auto de reposicin debe estar en servicio hasta el final de 2004. El costo total de esta poltica de reposicin es $12,500 (= $5400 + $7100). Ejemplo (Ruta ms segura) I.Q. Smart conduce diariamente hacia su trabajo. Como acaba de terminar un curso de anlisis de redes, puede determinar la ruta ms corta. Desafortunadamente, la ruta seleccionada est muy patrullada por la polica, y debido a las multas por manejar a alta velocidad, podra ser que la ruta ms corta no sea la mejor eleccin. Smart decide entonces escoger una ruta que maximice la probabilidad de no ser detenido por la polica.
La red de la figura 6.10 muestra las rutas posibles para ir y regresar del trabajo, y las probabilidades correspondientes de no ser detenido en cada segmento. La probabilidad de no ser detenido en el trayecto hacia el trabajo es el producto de las probabilidades relacionadas con los segmentos sucesivos de la ruta seleccionada. Por ejemplo, la probabilidad de no recibir
FIGURA 6.10
Modelo de red de la ruta ms segura
FIGURA 6.11 Representacin de la ruta ms segura como modelo de ruta ms corta Una multa en la ruta 1 - - - - + - - - - + - - - - + es 0.9 X 0.3 X 0.25 = 0.0675. 3 5 7 El objetivo de Smart es seleccionar la ruta que maximice la probabilidad de no ser multado. Se puede formular el problema como un modelo de ruta ms corta aplicando una transformacin logartmica que convierta la probabilidad producto en la suma de los logaritmos de las probabilidades; es decir, si p 1k = P 1 X P2 X ... X Pk es la probabilidad de no ser detenido, entonces log p1k = log p1+ logp 2+ ... + logp k . Matemticamente, la maximizacin de p1k equivale a la maximizacin de log p 1 k. C om o log p < = O , la maximizacin de log p 1k equivale a su 1k vez a la minimizacin de log p 1k. Si se usa esta transformacin, las probabilidades individuales pj de la figura 6.10 se sustituyen con -log pj para toda j en la red, y se obtiene as la red de ruta ms corta de la figura 6.11.
Usando TORA, los nodos 1,3,5 Y 7 definen la ruta ms corta en la figura 6.11, con una "longitud" correspondiente de 1.1707 (= -log P 1 7 As, la .' probabilidad mxima de no detenido es P 1 7= 0.0675. AIgoritmos de ruta ms corta En esta seccin se presentan dos algoritmos para resolver redes tanto cclicas (es decir, que contienen bucles o lazos) como acclicas. 1. El algoritmo de Dijkstra 2. El algoritmo de Floyd El algoritmo de Dijkstra tiene por objeto determinar las rutas ms cortas entre el nodo fuente y todos los dems nodos de la red. El algoritmo de Floyd es general, porque permite determinar la ruta ms corta entre dos nodos cualesquiera la red. en Algoritmo deDijkstra Sea u la distancia ms corta del nodo fuente . 1 hasta el nodo i, y se define dij (>=0 ) como la longitud del arco (i, j). Entonces el algoritmo define la etiqueta de un nodo inmediato posterior j como [uj, i] = [ui + dij, i], dj > 0 = La etiqueta del nodo de inicio es [O, -], que indica que el nodo no tiene predecesor. Las etiquetas de nodos en el algoritmo de Dijkstra son de dos clases: tem porales perm anentes. y Una etiqueta temporal se modifica si se puede encontrar una ruta ms corta a un nodo. Cuando se ve que no se pueden encontrar rutas mejores, cambia el estado de la etiqueta temporal a permanente. Paso 0 Etiquetar el nodo fuente (nodo 1) con la etiqueta perm anente [0 ,-]. Igualar i = l. Paso i. a) Calcular las etiquetas tem porales ui + dij, i] para cada nodo j [ al que pueda llegarse desde el nodo i, siem prey cuando j no tenga etiqueta perm anente. el nodo j ya est etiquetado con [uj, k] por otro Si nodo k, y si ui + dij < uj, sustituir [uj, k] por [uj + dij, i]. b) Si todos los nodos tienen etiquetas perm anentes, detenerse. En caso contrario, seleccionar la etiqueta [ur, s] que tenga la distancia ms corta (=ur) entre todas las etiquetas tem porales (los empates se rompen en forma arbitraria). Hacer que i = r y repetir el paso i. Ejemplo La red de la figura 6.14 muestra las rutas con sus longitudes, en millas, entre la ciudad 1 (nodo 1) y otras cuatro ciudades (nodos 2 a
5). Determinar las rutas ms cortas entre la ciudad 1 y cada una de las cuatro ciudades restantes.
La etiqueta temporal del nodo 2, [100, 1], en la iteracin 2 se cambia a [55,4] en la iteracin 3, para indicar que se ha encontrado una ruta ms corta que pasa por el nodo 4. Tambin, en la iteracin 3, el nodo 5 tiene dos etiquetas alternativas con la misma distancia U5 = 90. La lista para la iteracin 3 indica que la etiqueta para el nodo 2 ya es permanente. Iteracin 4. Del nodo 2 slo se puede ir al nodo 3. Sin embargo, el nodo 3 tiene una etiqueta permanente y ya no se puede volver a etiquetar. La nueva lista de etiquetas queda igual que en la iteracin 3, salvo que la etiqueta en el nodo 2 ya es permanente. Esto deja al nodo 5 como la nica etiqueta temporal. Como el nodo 5 no conduce a otros nadas, su estado se vuelve permanente y el proceso termina. Los clculos del algoritmo se pueden hacer con ms facilidad en la red, como se ve en la figura 6.15. La ruta ms corta entre el nodo 1 y cualquier otro nodo de la red se determina comenzando en el nodo destino o final, y retrocediendo por los nodos con la informacin que dan las etiquetas permanentes. Por ejemplo, la secuencia siguiente determina la ruta ms corta del nodo 1 al nodo 2: (2) [55,4] (4) [40,3] (3) [30,1] (1)
Por lo anterior, la ruta buscada es 1 longitud total de 55 millas.
2, con una
Algoritmo de Floyd. El algoritmo de Floyd es ms general que el de Dijkstra, porque determina la ruta ms corta entre dos nadas cualquiera de la red. El algoritmo representa una red de n nadas como matriz cuadrada con n renglones y n columnas. El elemento (i, j) de la matriz expresa la distancia dij del nodo i al nodo j, que es finita si i est conectado directamente con j, e infinita en caso contrario.
FIGURA 6.19 Operacin triple de Floyd El concepto del algoritmo de Floyd es directo. Dados tres nodos i, j Y k en la figura 6.19, con las distancias entre s indicadas en los tres arcos, es ms corto ir a k desde i pasando por j si dij + djk < dik En este caso, lo ptimo es reemplazar la ruta directa de i k por la ruta indirecta i j k. Este intercambio de operacin triple se aplica en forma sistemtica a la red, con los siguientes pasos: Paso 0. Definir las matrices iniciales de distancias Do Y de secuencias de nadas So como se describe abajo. Los elementos diagonales se marcan con (-) para indicar que estn bloqueados. Igualar k = i.
Paso general k. Definir el rengln k y la columna k como rengln pivote y columna pivote. Aplicar la operacin triple a cada elemento d ij e n D k-1 para toda i y j. Si se satisface la condicin . dik + dkj < dij, ( i k, j k e i j) hacer los siguientes cambios: a) Crear Dk reemplazando d ij en Dk - 1 por dik + d k j . b) Crear Sk reemplazando sij en Sk-1 por k. Igualar k = k + 1 y repetir el paso k.
Se puede explicar el paso k del algoritmo representando a Dk-1 como se ve en la figura 6.20. Aqu, el rengln k y la columna k definen el rengln y la columna pivote actuales. E rengln i representa cualesquiera de los renglones 1, 2, ... , y k - 1, Y el rengln p represen cualquiera de los renglones k + 1, k + 2, ... , Y n. De igual modo, la columna j representa cualquiera de las columnas 1,2, ... , Y k - 1, Y la columna q representa cualquiera de las columnas k + 1, k + 2, ... , Y n. Con la operacin triple, si la suma de los elementos del rengln pivote y la columna pivote (representados por cuadrados) es menor que el elemento de interseccin asociado (representado por un crculo), entonces es ptimo reemplazar la distancia de interseccin por la suma de las distancias pivote. Despus de n pasos se puede determinar la ruta ms corta entre los nodos i y j con las matrices Dn y Sn con las siguientes reglas: 1. En Dn, dij representa la distancia ms corta entre los nodos i y j. 2. En Sn , se determina el nodo intermedio k = sij que forme la ruta i -+ k --+ j. Si Sik = k y Skj =j, detenerse; todos los nodos intermedios
de la ruta se han determinado. En caso contrario, repetir el procedimiento entre los nodos i y k Y entre los nodos k y j.
Ejemplo Para la red de la figura 6.21, determine las rutas ms cortas entre cada par de nadas. En los arcos aparecen las distancias en millas. El arco (3,5) es direccional, por lo que no se permite trfico alguno del nodo 5 al nodo 3. Todos los dems arcos permiten trfico en ambas direcciones.
FIGURA 6.21 Red para el ejemplo
Iteracin 5. Se iguala k = 5, como se ve en el rengln y la columna sombreadas de D 4. No hay ms mejoras posibles en esta iteracin. Por consiguiente, D5 Y S5 son iguales que D 4 y S4. Las matrices finales D5 Y S5 contienen toda la informacin necesaria para determinar la ruta ms corta entre dos nadas cualesquiera de la red. Por ejemplo, para determinar la ruta ms corta del nodo 1 al nodo 5, primero se ve la distancia asociada dl5 = 12 millas. Para determinar la ruta asociada, recurdese que un segmento (i, j) representa un enlace directo slo si sij = j. En caso contrario, i y j estn enlazados mediante al menos un nodo intermedio. Como s15 = 4, la ruta inicial es 1 - - - + 4 - - - + 5. Ahora bien, como s14 = 2 4, el segmento (l,4) no es un enlace directo y 1 ---+4 se debe reemplazar por 1 ---+2 ---+4, y la ruta 1 ---+ ---+5 se transforma ahora en 1 ---+ --4 2 + 4 ---+5. A continuacin, como SI2 = 2, S24 = 4 Y S45 = 5, la ruta 1 --+ 2 ---+4 ---+5 no necesita ms "disecciones" y el proceso termina.
5.3 PROBLEMA DEL ARBOL DE MINIMA EXPANSION
Supngase que cada arco (i, j) en una red tiene una longitud asociada y que el arco (i, j) representa una forma de conectar el nodo i al nodo j. Por ejemplo, si cada nodo de una red representa una computadora en la universidad estatal, entonces el arco (i, j) podra representar un cable subterrneo que conecta la computadora i con la computadora j. En muchas aplicaciones, se desea determinar el conjunto de arcos de una red que conecta los nodos tal que se minimiza la suma de la longitud de los arcos. Es evidente que este grupo de arcos no debe contener ningn bucle. (A un bucle a menudo se le llama trayectoria cerrada o ciclo.) Por ejemplo, en la figura 47, la secuencia de arcos (1,2)-(2,3)-(3,1) es un bucle. DEFINICIN _ Para una red con n nodos, un rbol de extensin es un grupo de n 1 arcos que conectan los nodos de la red y no contiene bucles.
Un rbol de expansin de longitud mnima en una red es un rbol de expansin mnima (MST, por sus siglas en ingles). En la figura 47, el rbol de expansin mnima que consiste en los arcos (1, 3) y (2,3) es el nico rbol de expansin mnima. Es posible usar el mtodo siguiente (algoritmo MST) para hallar un rbol de expansin mnima. Paso 1 Comience en el nodo i, y una el nodo i con el nodo de la red (llmelo nodo j) que est ms cercano al nodo i. Los dos nodos i y j ahora forman un conjunto conectado de nodos C= {i, j}, y el arco (i, j) estar en el rbol de expansin mnima. Los dems nodos de la red (llmelos C) se conocen como conjunto desconectado de nodos.
Paso 2 Ahora elija un miembro de C (llmelo n) que sea el ms cercano a algn nodo en C. Sea m el nodo en C que sea el ms cercano a n. Entonces el arco (m, n) estar en el rbol de expansin mnima. Ahora actualice C y C. Debido a que n ahora est conectado a {i, j}, C ahora es igual a {i, j, n},y se debe eliminar el nodo n de C. Paso 3 Repita este proceso hasta que se encuentre un rbol de expansin mnima. Los enlaces para el nodo y el arco ms cercano que se incluirn en el rbol de expansin mnima se puedan romper de manera arbitraria. En cada paso el algoritmo elige el arco ms corto que se puede usar para expandir C, as que suele hacerse referencia al algoritmo como vido. Es notable que el acto de ser vido en cada paso del algoritmo nunca puede obligar despus a seguir un mal arco Algoritmo de rbol de expansin mnima El algoritmo de rbol de expansin mnima enlaza los nodos de una red, en forma directa o indirecta, con la mnima longitud de las ramas enlazantes. Una aplicacin caracterstica es en la construccin de carreteras pavimentadas que unen varias poblaciones. El camino entre dos poblaciones puede pasar por uno o ms poblaciones adicionales. El diseo ms econmico del sistema de caminos indica que se minimice la distancia total de caminos pavimentados, resultado que se obtiene implementado el algoritmo de rbol de expansin mnima. Los pasos del procedimiento son los siguientes. Sea N = {1,2,, n} el conjunto de nodos de la red, y se definen Ck = Conjunto de nodos que se han conectado en forma permanente en la iteracin k. k= Conjunto de nodos que todava se deben conectar en forma permanente. Paso 0. El conjunto C0 = y 0 = N Paso 1. Comenzar con cualquier nodo en el conjunto 0 no conectado (o inconexo), e igualar C1 = {i}, con lo que 1 = N {i}. Igualar k = 2. Paso general k. Seleccionar un nodo j*en el conjunto no conectado k-1 que produzca el arco ms corto a un nodo, en el conjunto conectado Ck-1. Enlazar a j* en forma permanente con Ck-1, esto es Ck = Ck-1 + {j*}, k = k-1 - {j*} Si el conjunto k, de nodos no conectados es vacio, detenerse. En cualquier otro caso, igualar k = k + 1 y repetir el paso.
Ejemplo 6.2 1 Midwest TV Cable Company est en el proceso de proporcionar servicio de cable a cinco nuevas reas habitacionales. La figura 6.4 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. El algoritmo comienza en el nodo 1 (cualquier otro nodo podra ser) con lo que se obtiene C1 = {1}, 1 = {2, 3,4, 5,6} Las iteraciones del algoritmo se resumen en la figura 6.5. Los arcos con lnea delgada son todos los enlaces posibles entre C y . Las ramas gruesas representan los enlaces permanentes entre los nodos del conjunto conectado (o conexo) C, y la rama con lnea interrumpida representa el nuevo enlace (permanente) que se agrega en cada iteracin. Por ejemplo, en la iteracin 1, la rama (1, 2) es la ms corta (= 1 milla) entre todas las ramas posibles del nodo 1 a los nodos 2, 3, 4 y 5 del conjunto no conectado 1. Por consiguiente, el enlace (1, 2) se vuelve permanente y j* = 2, con lo que se obtiene C2 = {1, 2}, 2= {3, 4, 5, 6} La solucin se expresa con el rbol de expansin mnima que se ve en la iteracin 6, de la figura 6.5. La cantidad mnima de millas necesarias para proporcionar el servicio de cable que se desea resulta ser 1 + 3 + 4 + 3 + 5 = 16 millas.
5.4 PROBLEMA DE FLUJO MAXIMO En esta seccin se considera la situacin cuando se enlazan un nodo fuente y un nodo destino, a travs de una red de ramas o arcos de capacidad finita. La red es unidireccional, en el sentido que el flujo comienza en el nodo fuente y sale en el nodo destino. Sin embargo, una rama (i, j) pueden tener dos capacidades distintas, dependiendo de si el flujo es de i a j o bien de j a i. por ejemplo, si la red trata con el flujo de transito en las calles de una ciudad, una calle de un solo sentido tendr una capacidad positiva en una direccin y una capacidad cero en la otra. Por otra parte, una calle de dos sentidos puede tener capacidades diferentes en las direcciones opuestas, si ambas direcciones no incluyen el mismo nmero de carriles de circulacin. Un ejemplo de flujo mximo es la situacin donde un nmero de refineras se conectan a terminales de distribucin a travs de una red de oleoductos. En los oleoductos estn montadas unidades de bombeo que impulsan los productos derivados del petrleo hasta las terminales de distribucin. El objetivo consiste en maximizar el flujo entre refineras y las terminales de distribucin dentro de los lmites de capacidad de las refineras y de los oleoductos.
La figura 8-13 ilustra el problema del flujo mximo de las refineras. Los nodos 1,2 y 3 representan las refineras y los nodos 7 y 8, las terminales. Los nodos restantes representan las estaciones de bombeo. Como en el modelo de flujo mximo necesita solo un nodo fuente y uno destino, los nodos 0 y 9 se agregan para representar tales puntos extremos. Las capacidades de las ramas que parten del nodo fuente 0, se pueden considerar iguales a la produccin de las distintas refineras. Por otra parte, las capacidades de las ramas que
van de las terminales de distribucin al nodo destino 9, se pueden considerar iguales a las demandas de petrleo. Se supone, en este caso, que las tuberas transportan solo tipo de petrleo a la vez. La red de la figura 8-13 tiene algunas ramas con capacidades positivas solo en una direccin. En la figura estas ramas se muestran con flechas. En las estaciones de bombeo 4,5 y 6 el flujo puede ocurrir en cualquier direccin, posiblemente con capacidades diferentes, dependiendo del diseo de la red de tuberas. Utilizamos como notacin especial para representar el flujo bidireccional de una rama. En una con nodos extremos i y j, la notacin (a,b) significa que la capacidad de flujo de i a j es a y que la de j a i es b. Por ejemplo en la figura 8-13, las capacidades entre el nodo 0 (fuente) y las refineras se representan con (c1, 0), (c2,0) y (c3,0), donde c1,c2 y c3 son las capacidades (por unidad de tiempo) de las refineras 1,2 y 3. En el caso de las ramas que conectan las estaciones de bombeo, tanto a como b pueden ser positivas. La idea bsica de este del algoritmo de flujo mximo es encontrar un trayectoria de penetracin que conecte al nodo fuente con el nodo destino en forma tal, que la capacidad de cada rama en esta trayectoria sea positiva. El flujo mximo a lo largo de esta trayectoria sea positivo. El flujo mximo a lo largo de esta trayectoria a la capacidad mnima, c*, de todas las ramas que constituyen la trayectoria. Luego modificamos las capacidades de (a,b)de las ramas a lo largo de la trayectoria a (a-c*, b + c*) o bien a (a + c*,b + c*),dependiendo de si el flujo en la rama (i, j) es de i a j o de j a i, respectivamente. La modificacin pretende indicar que el flujo c* se ha comprometido. El proceso de buscar trayectorias de penetracin entre la fuente y el destino, se repite hasta que resulta evidente que no son posibles ms trayectorias de este tipo. El flujo mximo es entonces igual a la suma de los valores c* determinados en las iteraciones sucesivas. El requisito de que (a, b) se modifique a (a-c*,b + c*) o a (a + c*,b-c*) es crucial porque permite la cancelacin futura de un flujo c* previamente comprometido, en caso de ser necesario. Sumando a la direccin opuesta de un flujo se puede cancelar en una iteracin posterior. Las redes de la figura 8-14(a) ilustran este punto. Todas las ramas tienen la capacidad (5,0), lo que significa un flujo unidireccional en la direccin i-j con una capacidad mxima de 5. La primera iteracin identifica arbitrariamente la penetracin 1-2-3-4, que conduce a la modificacin de las capacidades de las ramas (1,2), (2,3) y (3,4) de (5,0) a (0,5), lo que indica un flujo positivo en la direccin 3-2. Esta trayectoria de c*igual 5 y resulta la red de la
figura 8-14(c). Observe cuidadosamente que lo ocurrido en la trayectoria de (b) a (c) no es otra cosa que una cancelacin de un flujo en la direccin 23, previamente comprometido. Bsicamente, el algoritmo reconoce que la rama (2,3) no debe usarse y que el flujo mximo se alcanza empleando las dos trayectorias 1-2-4 y 1-3-4. El algoritmo es capaz de recordar que un flujo se ha comprometido previamente solo mediante el uso de las modificaciones (a-c*, b +c*) y (a + c*, b-c*) como se explico antes. 5.5 PROBLEMA DE FLUJO DE COSTO MINIMO Para definir un FMOCM, sea
Las restricciones estipulan que el flujo neto que sale del nodo i debe ser igual a Las restricciones se conocen como ecuaciones de balance de flujo para la red. Las restricciones aseguran que el flujo por cada arco satisface las restricciones de capacidad del arco. En los ejemplos anteriores, se estableci que Se mostrara que los problemas de transporte y flujo mximo son casos especiales del problema de flujo de red de costo mnimo. Formulacin de un problema de flujo mximo como un FMOCM El problema de flujo capacitado con costo mnimo se basa en las hiptesis siguientes: 1.- a cada arco se le asocia un costo de flujo unitario (no negativo). 2.- los arcos pueden tener lmites inferiores positivos de capacidad. 3.- todo nodo en la red puede funcionar como fuente o como sumidero. El nuevo modelo determina los flujos en los distintos arcos, que minimizan el costo total y a la vez satisfacen las restricciones de flujo y las cantidades de oferta y demanda en los nodos. Primero representaremos el modelo de red capacitada de flujo y su formulacin equivalente en programacin lineal. Esta formulacin es la base del desarrollo de un algoritmo simplex capacitado especial, para resolver el modelo de flujo en la red. 5.6 PROGRAMACION LINEAL EN TEORIA DE REDES La formulacin de un modelo de red capacitada como programa lineal es la base del desarrollo del algoritmo simplex capacitad. El programa lineal para la red capacitada es
Algoritmo simplex de red capacitada Este algoritmo se basa en los pasos exactos del mtodo simplex normal, pero su objeto es aprovechar la estructura especial en red del modelo de flujo con costo mnimo.
Ya que Ft es el flujo neto en el nodo, como se defini en el programa lineal, el algoritmo simplex capacitado estipula que la red debe satisfacer
La condicin indica que toda la oferta en la red es igual a la demanda total. Siempre se puede satisfacer este requisito agregando una fuente o un destino ficticios para balancear, que se conectan con todos los dems nodos de la red con arcos de costo unitario cero y capacidad infinita. Sin embargo, el balanceo de la red no garantiza que haya una solucin factible, porque eso donde de las restricciones de capacidades en los arcos A continuacin se presentan los pasos del algoritmo capacitado: PASO 0: determinar una solucin inicial bsica factible (conjunto de arcos) para la red. PASO 1: determinar un arco (variable) de entrada con la condicin de optimalidad del mtodo simplex. Si la solucin es optima, detenerse. En caso contrario, continuar. PASO 2: determinar el arco (variable) de salida usando la condicin de factibilidad del mtodo simplex. Determinar la nueva solucin y continuar en el paso 1. Una red con n nodos y flujo neto cero consiste en n-1 ecuaciones independientes de restriccin. As, una solucin bsica siempre corresponde a un rbol de expansin de la red. El arco entrante (PASO 1) se determina calculando Ztf-Ctj, los coeficientes objetivo, para todos los arcos no bsicos actuales (t,f) Si Ztf-Ctj0 para todas y , la base actual (es decir, la que se tiene en este momento) es OPTIMA. En caso contrario se selecciona el arco no bsico con la Ztf-Ctj ms positivo para entrar en la base. El clculo de los coeficientes objetivo se basa en la dualidad, exactamente como se hizo con el modelo de transporte. Al aplicar el programa lineal, sea w, la variable dual asociadan con la restriccin del nodo t; entonces, el problema dual es
Ya que por definicin el programa lineal original tiene una restriccin redundante, se puede asignar un valor arbitrario a una de las variables duales. Por comodidad se iguala w1=0. 5.7 USO DE PROGRAMAS DE COMPUTACION Como en los casos de los modelos de ruta ms corta y de flujo mximo, la hoja de clculo Excel que se desarrollo para el modelo general de transporte se aplica con facilidad al modelo de flujo en red capacitada. La hoja de clculo est diseada para redes con 10 nodos como mximo. En la matriz de capacidades una celda en blanco representa un arco de capacidad infinita. Un arco inexistente se representa con un elemento de capacidad cero. Una vez que se crearon las matrices de costos unitarios de capacidad, el resto de la hoja de clculo se crea en forma automtica, delineando las celdas necesarias para actualizar los parmetros.

Unidad 4 y 5

Caricato da

Informazioni sul documento

Descrizione originale:

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

Unidad 4 y 5

Caricato da

Copyright:

Formati disponibili

UNIDAD IV.

El superndice n no se escribe cuando n = 1.

cadena de Markov. Una matriz de transicin

junto con las probabilidades inciales

asociadas con los

PI J(n) > 0, para 1

caracterizacin de lo del proceso.

significa que la ms cmaras.

, la probabilidad de que una tome el valor de 3 o de una manera

variable aleatoria Poisson con parmetro ms; y , entonces se puede

parecida. Si Para obtener ms. Por

, la demanda durante la semana debe ser 1 o esto, . Para

, entonces la demanda durante

Se establece que para cualquier estado inicial i ,

Entonces: Al reemplazar la segunda ecuacin por la condicin ,

Para ilustrar estas definiciones, reconsidrese el ejemplo siguiente:

Para i y j fijos, las

son nmeros no negativos tales que

satisface, de manera nica, la ecuacin:

se llama tiempo esperado de recurrencia.

La solucin simultnea de este sistema es

UNIDAD V. OPTIMIZACION DE REDES

comenzar 2001 2002 2003 2004

4000 4300 4800 4900 9800

5400 6200 7100 - --

Modelo de red de la ruta ms segura

Por lo anterior, la ruta buscada es 1 longitud total de 55 millas.

FIGURA 6.21 Red para el ejemplo

5.3 PROBLEMA DEL ARBOL DE MINIMA EXPANSION

Potrebbero piacerti anche