'#.


# ! 0 . 

1 
 *#
 2M

#


!
 *#
 *

# 
3,-4## #5    # *&/


 1# 
63 
4
3,
 
4 # ##4  #5 )"

378

M
  

  
  


M 
 


 



!"#! $ %%&

 '

# (#)
#

&

(  

  *+M
,-
M
#


#
 '#.
#
# 
#&/
° è#+





I. è#+ ............................................................................................................................... 2
**+ *

#5+ ............................................................................................................... 3
***+ -9#.+ ....................................................................................................................... 4
M+ 
+ .......................................................................................................................... 4
:+ !4)# .................................................................................................................... 4
*;+ 3
5
#+ ............................................................................................................ 5
M+ 3 
4
3,M4
<# #5
 + ............. 5
:+ M4 # #53 
4
 

# 
0)"
37)
=#">.+&
?+ ................................................. 12
+ 3 
'

#>'37?+ .................................................................. 12
&+ !9
##+ ............................................................................................................... 27
;+ 
# ............................................................................................................. 62
;*+  # ..................................................................................................... 63
;**+ :# #
) + ................................................................................................................ 64

 

2
 

**+ *

#5+

En el siguiente documento como grupo de trabajo definiremos de forma explicita

y clara un método de solución de modelos de transporte desde un enfoque diferente
pero preciso el cual será por medio de la aproximación del método de Russel para la
solución de problemas de Transporte. Así también tras la necesidad del dinamismo y
efectividad en la solución de problemas de optimización (para nuestro caso modelos
de transporte) también implementaremos, el uso de un programa denominado MPL,
para el cual hemos diseñado un manual y que el usuario (en la búsqueda de
soluciones de problemas de optimización que para nuestro caso son los problemas de
modelos de transporte) no tenga ningún problema a la hora de implementarlo ya que
implementaremos un lenguaje sencillo para el uso de principiantes y avanzados en
dicha rama. Se programará en MPL de manera que facilite al empresario la solución
de sus problemas. Se resolverán una serie de problemas de Transporte con el Método
de aproximación de Russell y su respectiva implementación en MPL (con algunos de
sus Solvers como lo es CPLEX, Gurobi, CoinMP, Conopt, entre otros).

3
***+ -9#.+

M+ 
+

Ä Implementar el Método de aproximación de Russell para resolver un

problema de transporte así como también aplicar el lenguaje MPL
para el modelado y búsqueda de dichas soluciones.

:+ !4)#

Ä Resolver problemas de una manera mucho más fácil y eficiente con

MPL conociendo su estructura base en la programación del mismo.

Ä escribir y ejemplificar El Método de aproximación de Russell para

problemas de transporte.

Ä Representar las actividades, comandos y operaciones principales de

MPL en un manual de Usuario.

4
*;+ 3
5
#+

M+ 3   
4
 3,  M4
<# #5 

 +

MODELOS DE TRANSPORTE

Específicamente, el problema general de transporte se interesa en la distribución de

cualquier artículo desde cualquier grupo de centros de suministro, llamados FUENTES, hacia
cualquier grupo de centros receptores, llamados DESTINOS, de modo que se minimicen los
costos totales de distribución. Así entonces, en general, la fuente i (i=1,2,.....,m) tiene un
suministro de Si unidades para distribuir a los destinos, y el destino j (j = 1,2,......,n) tiene una
demanda de dj unidades para ser recibidas de las fuentes i al destino j es directamente
proporcional al número distribuido, donde Cij denota el costo por unidad distribuida. El
planteamiento de programación lineal de esta problema queda como sigue: m n

Minimizar Z = CijXij i1

j1 Sujeta a Õ
  , para i = 1,2,...,m  1


   1

, para j = 1,2,....,n
 0 , para todo i y j

MPL ha sido específicamente diseñado para enseñar modelado de optimización como

está siendo aplicado actualmente en el mundo. Incluye un curso completo, con las
características de MPL, y todas las herramientas necesarias para la enseñanza de Modelado
de Optimización directamente desde internet. Esta incluye una versión estudiante (300
restricciones y variables) de MPL para Windows con el solver CPLEX y la Librería de
Componentes OptiMax 2000.

El Sistema de Modelado de MPL tiene un alto y avanzado ambiente integrado de

desarrollo de modelos, el cual permite al usuario formular y resolver modelos rápidamente.
Dentro de ese sistema está el lenguaje de Modelado de MPL el cual tiene las características
completas del lenguaje algebraico para la formulación de modelos de optimización. Creemos

5
sinceramente que MPL tiene algunas características únicas que lo hacen la elección ideal
para la enseñanza de modelado de optimización, tal como el uso fácil de la interface gráfica
de usuario, una correcta sintaxis fácil de aprender, y capacidades poderosas para la
administración de datos.

Hoy en día los Solvers avanzados comerciales, tales como CPLEX, pueden ser vistos
como una caja negra donde el usuario puede enviar modelos en gran escala, con cientos de
miles de variables, y estar razonablemente seguros que el paquete producirá una solución,
sin interacción especial alguna por parte del usuario.

El tamaño de problemas que las corporaciones están tratando con el incremento y la

velocidad de paquetes comerciales de optimización han crecido dramáticamente para
satisfacer esta demanda. Esto significa que los usuarios necesitan herramientas más
avanzadas para recopilar y administrar los datos, formular modelos y enviarlos al solver. Aquí
es donde un sistema de modelado avanzado como MPL, es muy valioso.

Con el importante incremento del Modelado de Optimización en el mundo de los

negocios, el software que los estudiantes necesitamos aprender hoy en día es simplemente
diferente al de algunos años atrás. Cuando los problemas eran pequeños, y los paquetes de
software de optimización no eran muy avanzados, la familiarización con los métodos de
solución, tal como el algoritmo Simplex, fueron suficientes para hacer proyectos de
optimización. Hoy día, la experiencia y el entendimiento del software involucrado en el
proceso de modelado, es más importante que el estudio de cómo trabajan internamente los
métodos de solución. Para alcanzar ese objetivo, este Tutor ha sido diseñado para dar a los
estudiantes una oportunidad de aprender el software que está siendo utilizado por grandes
corporaciones de todo el mundo.

6
 Enseñanza de Modelado de Optimización en la actualidad

Una de las razones, que los instructores de Investigación de Operaciones no han sido
capaces para asignar modelos grandes a sus estudiantes, parecidos a los modelos del
"mundo real"; es porque el software los limitaba. Muchos de los libros sobre programación
lineal y optimización hoy día, enseñan a los estudiantes principalmente métodos y
algoritmos, y formulación de modelos muy pequeños, típicamente involucran menos de 10
variables y restricciones. El software generalmente disponible con esos libros pueden
usualmente tratar con variables y restricciones simples, y además; formular esos modelos
grandes requerirá que los estudiantes ingresen muchas páginas de texto. Esto no da como
resultado necesariamente que los estudiantes aprendan algo adicional y el interés de sus
estudios sobre modelado de optimización se pierda.

Otra razón por la que el modelado de optimización no está siendo ampliamente

enseñado, es porque, hasta ahora, no hay un curso con material disponible que
efectivamente cubra esta materia

METODO DE APROXIMACION DE RUSSELL (Solución Inicial Básica para la solución de

problemas de transporte)

Consiste en que Para cada renglón de origen que queda bajo consideración debe
determinarse w , su mayor costo unitario (Cij) de los que quedan en ese renglón. Para cada
columna de destino que todavía está bajo consideración, determínese su  , el mayor costo
unitario de los que hay en esa columna. Para cada variable Xij que no haya sido seleccionada
en estos renglones o columnas. Para cada variable Xij que no haya sido seleccionada en estos
renglones o columnas, seguidamente se debe calcular

 = Cij - w

-  . Selecciónese la variable con el mayor valor negativo (en términos absolutos) de 

Solución básica factible inicial a partir del método de aproximación de Vogel.

7
Selecciónese X44 = 30 Elimínese la columna 4 50-30=20

8
9
10
11
 :+ M4 # #53 
4
 

# 
0)"
37)
=#">.+&
?+

+ 3 
'

#>'37?+

Para este manual de usuario explicaremos primero el uso de algunas
operaciones básicas del software MPL (abrir, guardar, utilización de la ayuda, solución
de un problema sencillo de Programación lineal y aprender a analizar dichas
soluciones presentadas por el programa) para luego enfocarnos en la resolución de
los modelos de transporte en el mismo.

Ä Inicializando la Aplicación MPL for Windows (Versión 4.2).

Si se tiene el ambiente clásico de Windows

(Win95, 98, 2000, milenium) clicar en el botón
de Inicio, Programas, MPL for Windows 4.2

Ilustración 1. Inicio de MPL en ambiente clásico de

Windows

Si se tiene el S. O. Windows
XP clicar en Inicio, Todos los programas,
MPL for Windows 4.2 Student.

Ilustración 2. Inicio de MPL en ambiente de Windows XP

12
 Luego nos da como resultado la siguiente ventana:

Ilustración 3. Ventana principal de la aplicación MPL for Windows 4.2 student

Así también especificamos que se utilizará el solver de CPLEX y CPLEX 300,

pero además aclaramos que eso depende del solver de preferencia y del grado de
dificultad de algunos problemas que el mismo soporta (entre otros solver·s tenemos:
Gurobi, CoinMP, LPSolve, Conopt y LGO).

Ä Cargar un archivo MPL.

espués de haber iniciado MPL, se aprenderá a cargar un archivo del

modelo en el editor de modelo. La aplicación MPL viene con varios modelos de
prueba que son instalados en el directorio Mplwin4. Los modelos MPL son
almacenados como archivos texto estándar y típicamente tienen la extensión '.mpl'. El
modelo que estamos usando en esta sesión es llamado Model1.mpl y es almacenado
en una carpeta separada llamada Tutorial.

13
 á. Elija Open (Abrir) del menú File (Archivo) para visualizar el cuadro de
diálogo Open (Abrir).
 2. Haga doble clic en la Carpeta Tutorial y baje hasta el archivo llamado
'Modelá.mpl' que está almacenado como se muestra abajo.

Ilustración 4. Cuadro de dialogo abrir (Open) para cargar un archivo con extensión
mpl


 3. El cuadro de diálogo Abrir (Open) muestra la lista de todos los archivos de
modelos prueba de MPL en la carpeta Tutorial. Haga clic sobre el archivo 'Modelá.mpl'
para seleccionar el archivo y luego presione Abrir (Open) para abrir el archivo.
Alternativamente, usted puede abrir el archivo haciendo clic directamente en el
nombre de archivo de la lista de archivos.

Este abrirá una ventana editor del nuevo modelo conteniendo la

formulación para ese modelo.

14
 Ilustración 6. Editor del Modelo mostrando el Model1.mpl

Ilustración 5. Editor del modelo con el model1.mpl

Ä Resolver un modelo cargado en el editor del modelo

á. Elegir el Solver CPLEX del menú Run para resolver el modelo 'Model1'.
2. Mientras resuelve el modelo, la ventana Status Window (ventana de estado) es
visualizada y le proporciona información acerca del avance de la solución.

15
 La ventana Status Window
(ventana de estado) proporciona
información respecto al número de
líneas leídas, número de variables y
restricciones encontradas, cuánta
memoria ha sido usada, número de
iteraciones y el valor actual de la
función objetivo.

Ilustración 7.muestra la ventana Status Window (ventana de

estado) después que el problema ha sido resuelto.

Ä Analizando una Solución en MPL.

Al obtener una solución óptima en MPL, éste envía la solución a un

archivo con el mismo nombre del modelo, pero con la extensión ¶.sol·'. Para ver ese
archivo es necesario seguir los siguientes pasos.

á. Presionar el botón View (Ver) en la parte inferior de la ventana Status Window
(Ventana de Estado), el cual aparece sobre la pantalla durante el proceso de
solución. Esta abrirá una ventana View Window (Ventana Ver) conteniendo el
archivo de la solución como se muestra en la Ilustración 8.

2. e esta manera

podemos observar
rápidamente la solución
usando la barra de
desplazamiento de la
derecha. Notar que los
detalles de la solución son

Ilustración 8. Ventana View (Ver) con el archivo de la Solución 'Model1.sol'

16
 proporcionadas incluyendo el valor de la solución óptima para la función
objetivo, valores para las variables de decisión y para las restricciones.
Cuando se haya terminado de mirar a través de la solución presione el
botón (X) que aparece en la esquina superior derecho, para cerrar la ventana View
Window (ventana Ver).

También podemos observar la estructura de nuestro modelo usando el

árbol de definición del modelo que muestra todos los ítems definidos en el modelo
desde su definición. Para abrir el árbol de definición del modelo se tiene que clicar en
el menú view (ver) y posteriormente elegir la opción Model efinitions (efinición del
modelo).

-
   D
   

  

 
  
   
   ã



 
           
  

    
      
    
 
 


 
 



   
  
   

 



Ilustración 9. Ventana Árbol de Definiciones del Modelo

17
M
     
 ã

 D‰  



     

  ¢

D‰   
   
 

 ã



Ilustración 10. Ventana View (Ver) con los Valores de la Solución de la Variable
Produce
Ä Sintaxis Básica de MPL.

A diferencia de otros optimizadores MPL es claro en cuanto al orden en

la colocación de las variables, restricciones, función objetivo para una mayor
comprensión y además, cada definición ya sea tanto de variables como función
objetivo, restricciones, entre otras son colocadas en una sección específica, a
continuación la sintaxis básica de MPL (nota: si el problema es mucho más complicado
la codificación varía en cuanto al número de secciones, esto se explicará más
adelante):

18
 Comentario

Título del Problema

Función Objetivo (FO)

Restricciones de la FO

Ilustración 10. Ventana del editor del modelo con un código básico y su respectiva explicación de cada una de sus partes
Ahora explicaremos la definición de la función Objetivo, ésta puede ser
de maximización (MAX) o de minimización (MIN). Además para definir las variables,
solo basta con colocarlas (Xá y X2 para nuestro ejemplo)

Tipo de la FO
Variables

Para restringir la FO (FO sujeta a, o restricciones de la FO) solo añadimos

los siguientes símbolos de relación: > (para mayor que), < (para menor que), >= (para
mayor o igual que), <= (para menor o igual que).

19
 Variables

Símbolo de Relación

Además tenemos lo siguiente (algunas funciones básicas de la barra de

herramientas principal de MPL):

Para abrir un Para guardar un Para compilar el Para correr el

archivo ´.mplµ archivo ´.mplµ programa en MPL programa en MPL

Para imprimir Para ver el archivo

de solución ´.solµ

Luego si por alguna causa hubiera un error de sintaxis del programa tras
la compilación del mismo (así como no poner punto y coma al final de la línea de
texto, mal uso de los signos de relación, etc.) aparecerá la siguiente ventana
(Ilustración áá), con la opción de corregirlo.

20
 Ilustración 11. Ventana Error Message (Mensaje de Error) donde Indica tanto la línea en
que se cometió el error como el tipo error que se produjo.

Ä Resolución de Modelos de Transporte con MPL for Windows 4.2 student.

Para la resolución de modelos de transporte en la herramienta MPL,

podemos afirmar que esta basada en la utilización de constantes de emandas,
ofertas, costos de envío y variables que determinen cuanto producto se transportará
desde un origen (una planta contenedora por ejemplo) hacia un destino (sucursal de
entrega o planta destino por ejemplo).

En MPL, la estructura base en la solución de problemas de transporte es

la siguiente:

{Pruebitaá

TITLE Título
Pruebita

ATA
emandá := 200;
emand2 := 240;
emand3 := 280;
emand4 := 340;
Ofertaá := 300;
Oferta2 := á00;
Oferta3 := 500;
Oferta4 := á
0; Aquí se definen las
CEáá := 7;
CEá2 := 9; demandas, ofertas y costos
CEá3 := 9; de envío
CEá4 :=
;
CE2á :=
;
CE22 := á0;

21
 CE23 := á2;
CE24 := 8;
CE3á := 9;
CE32:= 8;
CE33:= á0;
CE34:= á4; efinición de la función
CE4á:= 0; objetivo
CE42:= 0;
CE43:= 0;
CE44:= 0;
MOEL
MIN Z = CEá Xá + CE2 X2 + CE3 X3 + CE4 X4 + CE5 X5 + CE
X
+ CE7 X7 + CE8 X8 + CE9 X9 + CEá0 Xá0
+ CEáá Xáá + CEá2 Xá2 + CEá3 + CEá4 + CEá5 + CEá
;

SUBJECT TO
Xá + X2 + X3 + X4 = Ofertaá;
X5 + X
+ X7 + X8 = Oferta2;
X9 + Xá0 + Xáá + Xá2 = Oferta3;
Xá3 + Xá4 + Xá5 + Xá
= Ofeta4;
Xá + X5 + X9 + Xá3= emandá;
X2 + X
+ Xá0 + Xá4 = emand2;
X3 + X7 + Xáá + Xá5= emand3;
X4 + X8 + Xá2 + Xá
= emand4;
Ofertaá + Oferta2 + Oferta3 + Oferta4 = emandá + emand2 + emand3 + emand4;
Xá >= 0;
X2 >= 0;
X3 >= 0;
X4 >= 0;
X5 >= 0;
X
>= 0;
efinición de las
X7 >= 0; restricciones
X8 >= 0;
X9 >= 0;
Xá0 >= 0;
Xáá >= 0;
Xá2 >= 0;
EN

onde CEij: Costo de envío desde i hasta j,

Xij : Cantidad de productos a entregar o distribuir desde i hasta j.

emand: emandas,

Ofertas: Ofertas para el transporte

Así para las siguientes sentencias se tiene una explicación en un cuadro,

enfatizando las funciones de dichas instrucciones en el programa generado en MPL
para las constantes declaradas: emand, Oferta, CE respectivamente:

22
 j
CE

Ä Encontrando la solución de nuestro modelo y analizando el resultado

Para obtener la solución de nuestro modelo en MPL es necesario

especificar el tipo de solver para la búsqueda de dicha solución, MPL por default tiene
configurado como solver, y para nuestra versión, el CPLEX 3000, aunque también se
puede elegir entre los siguientes solver instalados por default: Gurobi, CoinMP,
LPSolve, Conopt y LGO, así mismo aclarando que existen muchos más compatibles
con MPL tal como Lingo, Lindo, entre otros.

Primero elegimos el solver seleccionando el solver deseado de la opción

solver en run de la barra de herramientas. Luego automáticamente el solver
compilara y ejecutará nuestro programa.

Ilustración 12. Como elegir el solver para resolver nuestro problema de transporte

23
 Luego en la ventana resultante (la que muestra los procesos en tiempo
real de nuestra operación en ejecución) presionar el botón view para visualizar el
resultado«

Presionar botón view

Apareciendo dicha
solución de la siguiente manera
(se representará por partes para
explicar paso a paso lo que
representa el archivo solución
generado por MPL):

Ilustración 13. Presionar view

Información básica de
nuestro modelo, tales como
el nombre de nuestro
modelo, el numero de
iteraciones, valor óptimo de
la FO, solver Utilizado,
Fecha, entre otros.

Tipo de FO y su valor
optimo

Ilustración 14. Archivo solución (a)

24
 Valores Óptimo de las
variables de decisión. Para
nuestro caso son los
productos X del origen i
hasta el destino j. según la
tabla inicial del problema de
transporte

Ilustración 15. Archivo solución (b)

Así termina nuestro manual de usuario, pero será de utilidad aclarar que
si desea resolver otro problema de transporte (es decir con otros datos, más
demandas, más ofertas), solo se tienen que cambiar los valores de costo de envío y/o
añadir más variables de ofertas, demandas y costos de envío. También hay que añadir

25
y cambiar los datos en las restricciones de la FO y además actualizar dicha FO. Luego
¿Qué significan las restricciones?

SUBJECT TO Las ofertas tienen que ser

Xá + X2 + X3 + X4 = Ofertaá; iguales que las demandas.
X5 + X
+ X7 + X8 = Oferta2;
X9 + Xá0 + Xáá + Xá2 = Oferta3; Ninguna oferta será mayor
Xá3 + Xá4 + Xá5 + Xá
= Ofeta4; que una determinada
Xá + X5 + X9 + Xá3= emandá;
X2 + X
+ Xá0 + Xá4 = emand2;
demanda
X3 + X7 + Xáá + Xá5= emand3;
X4 + X8 + Xá2 + Xá
= emand4;
Ofertaá + Oferta2 + Oferta3 + Oferta4 = emandá + emand2 + emand3 + emand4;
Xá >= 0;
X2 >= 0;
X3 >= 0;
X4 >= 0;
X5 >= 0; Y no hay que olvidar las
X
>= 0; restricciones de NO
X7 >= 0; negatividad
X8 >= 0;
X9 >= 0;
Xá0 >= 0;
Xáá >= 0;
Xá2 >= 0;

26
 &+ !9
##+

Ä EJERCICIO #
E GUÍA E ISCUSIÓN No.

Para el siguiente modelo de Transporte.

Utilice los distintos métodos para encontrar la solución básica inicial (Método de Russell).
Encuentre la solución óptima utilizando la mejor solución de inicio (Multiplicadores).

á 2 3 4 5
á 2 4
5 7 4
2 7
3 M 4

3 8 7 5 2 5

á

4 4 2 5 5 20

La demanda y la oferta no son iguales, ya que la demanda es mayor que la oferta se

agregara un origen ficticio con costos iguales a 0, quedara de la siguiente forma.

á 2 3 4 5
á 2 4
5 7 4
2 7
3 M 4

3 8 7 5 2 5

4 0 0 0 0 0 4
20
4 4 2 5 5 20

27
 SOLUCIÓN BÁSICA INICIAL POR MÉTOO E RUSSELL.

á 2 3 4 5 OFERTA á 2 3 3 4 5

2 4 5 7 4/0 Uá N/ N/ N/ N/
á
7 7 7
= A A A A
4 0
2 7
3 M 4 U2

4 M 7





2 4 =
3 8 7 5 2 5
á/ U3 N/
8 8 7 7 7 7
á 5 0 = A
0 0 0 0 0 U4
4 4 0 0 0 0 0 0 0
3 á =
EMAN
A 4/0 43 2/0 5/0 5

V5
Vá = V2 = V3 = V4 = =
á 8 7
M 7
ITERACIONES

2 8 7
M 7
3 N/A 7
N/A 7
4 N/A 7 5 N/A 5
5 N/A 7 N/A N/A 5

N/A
N/A N/A 4
ITERACIÓN á: Xij= Cij - Ui - Vj
X2á= 7 - M - 8 = -á-
Xáá= 2-7-8=-á3 M X3á= 8-8-8=-8 X4á= 0-0-8=-8
Xá2= 4 -7 -7 = -á0 X22=
-M -7= -á-M X32= 7-8-7=-8 X42= 0-0-7=-7
Xá3=
- 7 -
= -7 X23= 3-M-
= -3-M X33= 5-8-
=-9 X43= 0-0-
=-

X24= M - M - M = -
Xá4= 5 - 7 - M= -2-M M X34= 2-8-M=-
-M X44= 0-0-M=-M
X25= 4 - M - 7 = -3-
Xá5= 7 - 7 - 7= -7 M X35= 5-8-7=-á0 X45= 0-0-7=-7

ITERACIÓN 2: Xij= Cij - Ui - Vj

Xáá= 2-7-8=-á3 X2á= 7 - 7 - 8 = -8 X3á= 8-8-8=-8 X4á= 0-0-8=-8
Xá2= 4 -7 -7 = -á0 X22=
-7 -7= -8 X32= 7-8-7=-8 X42= 0-0-7=-7
Xá3=
- 7 -
= -7 X23= 3-7-
= -á0 X33= 5-8-
=-9 X43= 0-0-
=-

Xá5= 7 - 7 - 7= -7 X25= 4 - 7 - 7 = -á0 X35= 5-8-7=-á0 X45= 0-0-7=-7

ITERACIÓN 3: Xij= Cij - Ui - Vj

Xá2= 4 -7 -7 = -á0 X22=
-
-7= -7 X32= 7-7-7=-7 X42= 0-0-7=-7
Xá3=
- 7 -
= -7 X23= 3-
-
= -9 X33= 5-7-
=-8 X43= 0-0-
=-

Xá5= 7 - 7 - 7= -7 X25= 4 -
- 7 = -9 X35= 5-7-7=-9 X45= 0-0-7=-7

28
ITERACIÓN 4: Xij= Cij - Ui - Vj
X22=
-
-7= -7 X32= 7-7-7=-7 X42= 0-0-7=-7
X23= 3-
-5 = -8 X33= 5-7-5=-7 X43= 0-0-5=-5
X25= 4 -
- 5 = -7 X35= 5-7-5=-7 X45= 0-0-5=-5

ITERACIÓN 5: Xij= Cij - Ui - Vj

X22=
-
-7= -7 X32= 7-7-7=-7 X42= 0-0-7=-7
X25= 4 -
- 5 = -7 X35= 5-7-5=-7 X45= 0-0-5=-5

ITERACIÓN
: Xij= Cij - Ui - Vj

X22=
-
-
= -
X42= 0-0-
=-

X25= 4 -
- 4 = -
X45= 0-0-4=-4

SOLUCIÓN BÁSICA INICIAL POR MÉTOO E RUSSELL.

á 2 3 4 5 OFERTA
2 4
5 7
á 4
4 0
7
3 M 4
2

2 4
8 7 5 2 5
3

á 5
0 0 0 0 0
4 4
3 á
EMANA 4 4 2 5 5
SOLUCIÓN ÓPTIMA POR MULTIPLICAORES.
á 2 3 4 5 OFERTA
2 4
5 7
á
4 0 4 Uá= 4
3
3
7
3 M 4
2
2 4
U2= 4
5 2 M+á
8 (-) 7 5 2 (+) 5
3
á 5
U3= 7
3 -á -2
0 (+) 0 0 0 (-) 0
4
3 á 4 U4= 0
2 á 5
EMANA 4 4 2 5 5

Vá= -2 V2= 0 V3= -á V4= -5 V5= 0

29
Cij=Ui + Vj Cij=Cij - Ui ² Vj
2=Uá + Vá 7=U3 + V2 Cá3=
-4-(-á)=3 C22=
-4-0=2 C35=5-7-0=-2
4=Uá + V2 2=U3+V4 Cá4=5-4-(-5)=
C24=M-4-(-5)=M+á C4á=0-0-(-2)=2
3=U2 + V3 0=U4+V2 Cá5=7-4-0=3 C3á=8-7-(-2)=3 C43=0-0-(-á)=á
4=U2 + V5 0=U4+V5 C2á=7-4-(-2)=5 C33=5-7-(-á)=-á C44=0-0-(-5)=5

ITERACIÓN á: V.E: X35, V.S: X32

á 2 3 4 5 OFERTA
2 4
5 7
á
4 0 4 Uá= 4
3 4 3

2 7
3 M 4
4
U2= 4
2
5 2 M-á
8 7 5 2 5
3
5 á
U3= 5
5 2 á
0 0 0 0 0
4
4 0 4 U4= 0
2 á 3
EMANA 4 4 2 5 5
Vá= -2 V2= 0 V3= -á V4= -3 V5= 0
Cij=Ui + Vj Cij=Cij - Ui ² Vj
2=Uá + Vá 2=U3 + V4 Cá3=
-4-(-á)=3 C22=
-4-0=2 C33=5-5-(-á)=á
4=Uá + V2 5=U3+V5 Cá4=5-4-(-3)=4 C24=M-4-(-3)=M-á C4á=0-0-(-2)=2
3=U2 + V3 0=U4+V2 Cá5=7-4-0=3 C3á=8-5-(-2)=5 C43=0-0-(-á)=á
4=U2 + V5 0=U4+V5 C2á=7-4-(-2)=5 C32=7-5-0=2 C44=0-0-(-3)=3
Z= 4*2 + 0*4 + 2*3 + 4*4+5*2 + á*5 + 4*0 + 0*0
Z=45

SOLUCIÓN ÓPTIMA
Xáá=4 COSTO= 8
Xá2=0 COSTO= 0
X23=2 COSTO=
COSTO TOTAL= 45
X25=4 COSTO= á0
X34=5 COSTO= 5
X35=á COSTO= 0

30
SOLUCION CON MPL

El modelado en MPL:

Se explicará el las siguientes líneas de código en MPL por ser primer ejercicio:

TITLE
EJERCICIO_
_GUIA_
Titulo del Programa
ATA
emandá := 4;
emand2 := 4;
emand3 := 2; Asignación de emandas
emand4 := 5;
emand5 := 5;
Ofertaá := 4;
Oferta2 :=
; Asignación de Ofertas
Oferta3 :=
;
Oferta4 := 4;
CEáá := 2;
CEá2 := 4;
CEá3 :=
;
CEá4 := 5;
CEá5 := 7;
CE2á := 7;
CE22 :=
;
CE23 := 3;
CE24 := á00;
CE25 := 4; Costos de Envío desde i hasta j
CE3á := 8;
CE32 := 7;
CE33 := 5;
CE34 := 2;
CE35 := 5;
CE4á := 0;
CE42 := 0; FO
CE43 := 0;
CE44 := 0;
CE45 := 0;
MOEL

MIN Z = CEáá Xáá + CEá2 Xá2 + CEá3 Xá3 + CEá4 Xá4 + CEá5 Xá5 + CE2á X2á +
CE22 X22 + CE23 X23 + CE24 X24 + CE25 X25 + CE3á X3á + CE32 X32 + CE33 X33 + CE34
X34 + CE35 X35 + CE4á X4á + CE42 X42 + CE43 X43 + CE44 X44 + CE45 X45;

SUBJECT TO
Xáá + Xá2 + Xá3 + Xá4 + Xá5 = Ofertaá;
X2á + X22 + X23 + X24 + X25 = Oferta2;
X3á + X32 + X33 + X34 + X35 = Oferta3; Restricciones de Ofertas
X4á + X42 + X43 + X44 + X45 = Oferta4;

31
 Xáá + X2á + X3á + X4á = emandá;
Xá2 + X22 + X32 + X42 = emand2;
Restricciones de emanda
Xá3 + X23 + X33 + X43 = emand3;
Xá4 + X24 + X34 + X44 = emand4;
Xá5 + X25 + X35 + X45 = emand5;
Ofertaá + Oferta2 + Oferta3 + Oferta4 = emandá + emand2 + emand3 + emand4 +
emand5;
Xáá >= 0;
Xá2 >= 0;
Xá3 >= 0;
Xá4 >= 0;
Xá5 >= 0; Restricción de Equilibrio
X2á >= 0;
X22 >= 0;
X23 >= 0;
X24 >= 0;
X25 >= 0;
X3á >= 0;
X32 >= 0;
X33 >= 0;
X34 >= 0;
X35 >= 0; Restricciones de No
X4á >= 0; Negatividad
X42 >= 0;
X43 >= 0;
X44 >= 0;
X45 >= 0;
EN

Al ejecutar el programa, MPL muestra la solución de la siguiente forma:

Valor Óptimo de la FO
(Costo Mínimo)

Si presionamos este botón

veremos de forma
detallada el archivo
solución para nuestro
Problema

Ilustración 16. Status Window

32
Y el archivo solución es el siguiente:

MOEL STATISTICS

Problem name: EJERCICIO_
_GUIA_

Filename: Pruebita.mpl
ate: June 23, 2009
Time: 23:á9
Parsing time: 0.20 sec

Solver name: CPLEX (áá.2.á)

Objective value: 45.0000000000
Iterations: 0
Solution time: 0.02 sec
Result code: á
Información general del
Constraints: 29 problema
Variables: 20
Nonzeros:
0
ensity: á0 %

SOLUTION RESULT

Optimal solution found

Valor óptimo de la FO
MIN Z = 45.0000

ECISION VARIABLES

PLAIN VARIABLES

Variable Name Activity Reduced Cost

------------------------------------------------------
Xáá 4.0000 0.0000
Xá2 0.0000 0.0000 Aquí muestra la asignación
Xá3 0.0000 0.0000 de productos desde un
Xá4 0.0000 0.0000 origen i hasta un destino j
Xá5 0.0000 0.0000
X2á 0.0000 0.0000

33
 X22 0.0000 0.0000
X23 2.0000 0.0000
X24 0.0000 0.0000
X25 4.0000 0.0000
X3á 0.0000 0.0000
X32 0.0000 0.0000
X33 0.0000 0.0000
X34 5.0000 0.0000
X35 á.0000 0.0000
X4á 0.0000 0.0000
X42 4.0000 0.0000
X43 0.0000 0.0000
X44 0.0000 0.0000
X45 0.0000 0.0000
------------------------------------------------------

34
 Ä EJERCICIO #7 E GUÍA E ISCUSIÓN No.

Obtenga la solución inicial del siguiente modelo de transporte a través de los

métodos Esquina noroeste, Costo Mínimo y Vogel, Obtenga la solución optima
mediante el uso de la mejor solución inicial. Nosotros usaremos el Método de Russell y
Multiplicadores.

SOLUCIÓN BÁSICA INICIAL POR MÉTOO E RUSSELL.

ITERACIONES
OFERT
2 3
á 2 3 4 A á 4 5

20 5 7 á0/0 Uá 2 2 N/ N/ N/
á á0 20
= 0 0 A A A
á0
á
9 2 8 20 U2 á á
2 á3 á3 á3 á3 á2
= 3 3
20
4 á5 7 9 U3 á á N/ N/
3 30/0 á5 á5
30 = 5 5 A A
á4 7 á 0 40/30/ U4 á á N/ N/ N/ N/
4
30 á0 0 = 4 4 A A A A
á
3 5 9 50/30 U5 á á
5 á2 á2 á2 á2 á2
= 9 2
30 á0 á0
EMAN
A
0/30
0/30 20 á0/0
V2
Vá = = V3 = V4 =
á á4 20 á2 á9
ITERACIONES

2 á4 20 á2 N/A
3 á3 20 á2 N/A
4 á3 á5 á2 N/A
5 á3 á2 á2 N/A

N/A á2 á2 N/A
ITERACIÓN á: Xij= Cij - Ui - Vj
Xáá=á0-20-á4=- X3á=4-á5-á4=- X5á=3-á9-á4=-
24 X2á=á3-á3-á4=-á 25 X4á=á4-á4-á4=-á4 30
Xá2=20-20-20=- X32=á5-á5-20=- X52=á2-á9-
20 X22=9-á3-20=-24 20 X42=7-á4-20=-27 20=-27
X33=7-á5-á2=- X53=5-á9-á2=-
Xá3=5-20-á2=-27 X23=á2-á3-á2=-á3 20 X43=á-á4-á2=-25 2

X34=9-á5-á9=- X54=á9-á9-
Xá4=7-20-á9=-32 X24=8-á3-á9=-24 25 X44=0-á4-á9=-33 á9=-á9

35
ITERACIÓN 2: Xij= Cij - Ui - Vj
X3á=4-á5-á4=- X5á=3-á2-á4=-
Xáá=á0-20-á4=-24 X2á=á3-á3-á4=-á 25 X4á=á4-á4-á4=-á4 23
X32=á5-á5-20=- X52=á2-á2-
Xá2=20-20-20=-20 X22=9-á3-20=-24 20 X42=7-á4-20=-27 20=-20
X33=7-á5-á2=- X53=5-á2-á2=-
Xá3=5-20-á2=-27 X23=á2-á3-á2=-á3 20 X43=á-á4-á2=-25 á9

ITERACIÓN 3: Xij= Cij - Ui - Vj

X3á=4-á5-á3=- X5á=3-á2-á3=-
Xáá=á0-20-á3=-23 X2á=á3-á3-á3=-á3 24 22
X32=á5-á5-20=- X52=á2-á2-
Xá2=20-20-20=-20 X22=9-á3-20=-24 20 20=-20
X33=7-á5-á2=- X53=5-á2-á2=-
Xá3=5-20-á2=-27 X23=á2-á3-á2=-á3 20 á9

ITERACIÓN 4: Xij= Cij - Ui - Vj

X3á=4-á5-á3=- X5á=3-á2-á3=-
X2á=á3-á3-á3=-á3 24 22
X32=á5-á5-á5=- X52=á2-á2-
X22=9-á3-á5=-á9 á5 á5=-á5
X33=7-á5-á2=- X53=5-á2-á2=-
X23=á2-á3-á2=-á3 20 á9

ITERACIÓN 5: Xij= Cij - Ui - Vj

X5á=3-á2-á3=-
X2á=á3-á3-á3=-á3 22
X52=á2-á2-
X22=9-á3-á2=-á7 á2=-á2
X53=5-á2-á2=-
X23=á2-á3-á2=-á3 á9

ITERACIÓN
: Xij= Cij - Ui - Vj

X52=á2-á2-
X22=9-á2-á2=-á
á2=-á2
X53=5-á2-á2=-
X23=á2-á2-á2=-á2 á9

36
SOLUCIÓN BÁSICA INICIAL POR MÉTOO E RUSSELL.
á 2 3 4 OFERTA
á0 20 5 7
á á0
á0
á3 9 á2 8
2 20
20
4 á5 7 9
3 30
30
á4 7 á 0
4 40
30 á0
3 á2 5 á9
5 50
30 á0 á0
EMANA
0
0 20 á0
SOLUCIÓN ÓPTIMA POR MULTIPLICAORES.
á 2 3 4 OFERTA
á0 20 5 7
á á0 á0 Uá= 0
7 8 7
á3 9 á2 8
2 20 20 U2= -3
á3 á0 á0
4 á5 7 9
3 30 30 U3= á
2 á 3
á4 7 á 0
4 30 á0 40 U4= -5
á
á
3 á2 5 á9
5 30 á0 á0 50 U5= 0
á4
EMANA
0
0 20 á0

Vá = 3 V2= á2 V3 = 5 V4 = 5
Cij=Ui + Vj Cij=Cij - Ui - VJ
5=Uá+V3 0=U4+V4 Xáá=á0-0-3=7 X23=á2-(-3)-5=á0 X34=9-á-5=3
9=U2+V2 3=U5+Vá Xá2=20-0-á2=8 X24=8-(-3)-5=á0 X4á=á4-(-5)-3=á

4=U3+Vá á2=U5+V2 Xá4=7-0-5=7 X32=á5-á-á2=2 X43=á-(-5)-5=á
7=U4+V2 5=U5+V3 X2á=á3-(-3)-3=á3 X33=7-á-5=á X54=á9-0-5=á4

Z=á0*5 + 20*9 + 30*4 + 30*7 + á0*0 + 30*3 + á0*á2 +

á0*5
Z=820

37
SOLUCIÓN ÓPTIMA
Xá3=á0 COSTO= 50
X22=20 COSTO= á80
X3á=30 COSTO= á20 COSTO TOTAL= 820
X42=30 COSTO= 2á0
X44=á0 COSTO= 0
X5á=30 COSTO= 90
X32=á0 COSTO= á20
X53=á0 COSTO= 50

SOLUCIÓN CON MPL

{EJ7

TITLE
Ejercicio_7
ATA
emandá :=
0;
emand2 :=
0;
emand3 := 20;
emand4 := á0;
Ofertaá := á0;
Oferta2 := 20;
Oferta3 := 30;
Oferta4 := 40;
Oferta5 := 50;
CEáá := á0;
CEá2 := 20;
CEá3 := 5;
CEá4 := 7;
CE2á := á3;
CE22 := 9;
CE23 := á2;
CE24 := 8;
CE3á := 4;
CE32 := á5;
CE33 := 7;
CE34 := 9;
CE4á := á4;
CE42 := 7;
CE43 := á;
CE44 := 0;
CE5á := 3;
CE52 := á2;
CE53 := 5;
CE54 := á9;

38
MOEL
MIN Z = CEáá Xáá + CEá2 Xá2 + CEá3 Xá3 + CEá4 Xá4 + CE2á X2á + CE22 X22 +
CE23 X23 + CE24 X24 + CE3á X3á + CE32 X32 + CE33 X33 + CE34 X34 + CE4á X4á + CE42
X42 + CE43 X43 + CE44 X44 + CE5á X5á + CE52 X52 + CE53 X53 + CE54 X54;

SUBJECT TO
Xáá + Xá2 + Xá3 + Xá4 = Ofertaá;
X2á + X22 + X23 + X24 = Oferta2;
X3á + X32 + X33 + X34 = Oferta3;
X4á + X42 + X43 + X44 = Oferta4;
X5á + X52 + X53 + X54 = Oferta5;
Xáá + X2á + X3á + X4á + X5á = emandá;
Xá2 + X22 + X32 + X42 + X52 = emand2;
Xá3 + X23 + X33 + X43 + X53 = emand3;
Xá4 + X24 + X34 + X44 + X54 = emand4;
Xá5 + X25 + X35 + X45 + X55 = emand5;
Ofertaá + Oferta2 + Oferta3 + Oferta4 + Oferta5 = emandá + emand2 + emand3
+ emand4;
Xáá >= 0;
Xá2 >= 0;
Xá3 >= 0;
Xá4 >= 0;
X2á >= 0;
X22 >= 0;
X23 >= 0;
X24 >= 0;
X3á >= 0;
X32 >= 0;
X33 >= 0;
X34 >= 0;
X4á >= 0;
X42 >= 0;
X43 >= 0;
X44 >= 0;
X5á >= 0;
X52 >= 0;
X53 >= 0;
X54 >= 0;
EN

Y el archivo solución es el siguiente:

MOEL STATISTICS

Problem name: Ejercicio_7

Filename: ejrcicio2.mpl
ate: June 24, 2009
Time: 20:29
Parsing time: 0.2á sec

39
Solver name: CPLEX (áá.2.á)
Objective value: 820.000000000
Iterations: 5
Solution time: 0.á8 sec
Result code: á

Constraints: 30
Variables: 2

Nonzeros:


ensity: 8%

SOLUTION RESULT

Optimal solution found

MIN Z = 820.0000

ECISION VARIABLES

PLAIN VARIABLES

Variable Name Activity Reduced Cost

------------------------------------------------------
Xáá 0.0000 0.0000
Xá2 0.0000 0.0000
Xá3 á0.0000 0.0000
Xá4 0.0000 0.0000
X2á 0.0000 0.0000
X22 20.0000 0.0000
X23 0.0000 0.0000
X24 0.0000 0.0000
X3á 30.0000 0.0000
X32 0.0000 0.0000
X33 0.0000 0.0000
X34 0.0000 0.0000
X4á 0.0000 0.0000
X42 30.0000 0.0000
X43 0.0000 0.0000
X44 á0.0000 0.0000
X5á 30.0000 0.0000
X52 á0.0000 0.0000
X53 á0.0000 0.0000
X54 0.0000 0.0000
Xá5 0.0000 0.0000
X25 0.0000 0.0000
X35 0.0000 0.0000
X45 0.0000 0.0000
X55 0.0000 0.0000
emand5 0.0000 0.0000
------------------------------------------------------

40
EJERCICIO #9 E GUÍA E ISCUSIÓN No.

Tres refinerías con capacidades diarias máximas de
, 5 y 8 millones de galones de

gasolina reparten a tres áreas de distribución con demandas diarias de 4, 8 y 7
millones de galones de combustible. La gasolina se transporta a las tres áreas de
distribución a través de una red de tubería. El costo de transporte se calcula con base
en la longitud de la tubería aproximadamente a á centavo por á00 galones por milla
recorrida. La tabla de distancia que aquí se resume muestra que la refinería á no está
conectada al área de distribución 3. Formule el problema como un modelo de
transporte y encuentre la solución óptima.

OFERTA
á 2 3
á á20 á80 M
xá0

REFINERÍA 2 300 á00 80 5xá0

3 200 250 á20 8xá0

EMANA 4xá0 8xá0 7xá0

Primero hay que encontrar los costos de transportes de todo el cuadro de distancias.

Usando la regla de 3.
0.0á ” á00 galones.
0.02
X ” á000000 galones.
 Â

ÂÂ


ÂÂÂÂÂÂ

ÂÂÂÂÂÂ  Â Â



ÂÂ
 
ÂÂ

Multiplicando á00 x las distancias, queda de la siguiente manera.

OFERTA
á 2 3
á á2000 á8000 M
xá0

REFINERÍA 2 30000 á0000 8000 5xá0

3 20000 25000 á2000 8xá0

EMANA 4xá0
8xá0
7xá0

41
SOLUCIÓN BÁSICA INICIAL POR MÉTOO E RUSSELL.
ITERACIÓN
á 2 OFERTA á 2 3

á2 á8 M
á
/2 Uá= M M á8
4 2
30 á0 8
2 5 U2= 30 N/A N/A
5
20 25 á2
3 8/
U3= 25 25 25

2
EMANA 4/0 8 7/2/0
Vá= v2= V3=
á 30 25 M
ITERACIÓN 2 20 25 M
3 20 25 N/A

ITERACIÓN á: Xij= Cij - Ui - Vj

Xáá=á2-M-30=-á8-M X2á=30-30-30=-30 X3á=20-25-30=-35
Xá2=á8-M-25=-7-M X22=á0-30-25=-45 X32=25-25-25=-25
Xá3=M-M-M=-M X23=8-30-M=-22-M X33=á2-25-M=-á3-M
ITERACIÓN 2: Xij= Cij - Ui - Vj
Xáá=á2-M-20=-8-M X3á=20-25-20=-25
Xá2=á8-M-25=-7-M X32=25-25-25=-25
Xá3=M-M-M=-M X33=á2-25-M=-á3-M
ITERACIÓN 3: Xij= Cij - Ui - Vj
Xáá=á2-á8-20=-2
X3á=20-25-20=-25
Xá2=á8-á8-25=-25 X32=25-25-25=-25

SOLUCIÓN BÁSICA INICIAL POR MÉTOO E RUSSELL.

á 2 3 OFERTA
á2 á8 M
á

4 2
30 á0 8
2 5
5
20 25 á2
3 8

2
EMANA 4 8 7

42
SOLUCIÓN ÓPTIMA POR MULTIPLICAORES.
á 2 3 OFERTA
á2 á8 M
á
4 2
Uá= 0
-5+M
30 (+) á0 (-) 8
2
5 5 U2= 8
á0 -á

20 (-) 25 (+) á2
3

2 8 U3=7
á
EMANA 4 8 7
Vá= á2 V2= á8 V3 = 5
Cij=Ui + Vj Cij=Cij - Ui - Vi
á2=Uá+Vá 25=U3+V2 Xá3=M-0-5=-5+M X3á=20-7-á2=á
á8=Uá+V2 á2=U3+V3 X2á=30-8-á2=á0
8=U2+V3 X22=á0-8-á8=-á

ITERACIÓN á: V.E: X32, V.S: X23

á 2 3 OFERTA
á2 á8 M
á 4 2
Uá= 0
M-5
30 á0 8
2 5 5 U2= -8
2
áá
20 25 á2
3 á 7 8 U3= 7
á
EMANA 4 8 7
Vá= á2 V2= á8 V3 = 5
Cij=Ui + Vj Cij=Cij - Ui - Vi
á2=Uá+Vá 25=U3+V2 Xá3=M-0-5=-5+M X3á=20-7-á2=á
á8=Uá+V2 á2=U3+V3 X2á=30-(-8)-á2=2

á0=U2+V2 X23=8-(-8)-5=áá

SOLUCIÓN ÓPTIMA
Xáá=4 COSTO= 4*á2*á000 = 48000
X22=20 COSTO= 2*á8*á000 = 3
000
X3á=30 COSTO= 5*á0*á000 = 50000 COSTO TOTAL= 243,000
X42=30 COSTO= á*25*á000 = 25000
X44=á0 COSTO= 7*á2*á000 = 84000

43
SOLUCION CON MPL

{EJ9}

TITLE
Ejercicio_9
DATA
Demand1 := 4;
Demand2 := 8;
Demand3 := 7;
Oferta1 := 6;
Oferta2 := 5;
Oferta3 := 8;
CE11 := 12;
CE12 := 18;
CE13 := 10000;
CE21 := 30;
CE22 := 10;
CE23 := 8;
CE31 := 20;
CE32 := 25;
CE33 := 12;

MODEL
MIN Z = CE11 X11 *1000 + CE12 X12 *1000 + CE13 X13 *1000 + CE21 X21 *1000 + CE22 X22
*1000 + CE23 X23 *1000 + CE31 X31 *1000 + CE32 X32 *1000 + CE33 X33 *1000;

SUBJECT TO
X11 + X12 + X13 = Oferta1;
X21 + X22 + X23 = Oferta2;
X31 + X32 + X33 = Oferta3;
X11 + X21 + X31 = Demand1;
X12 + X22 + X32 = Demand2;
X13 + X23 + X33 = Demand3;
Oferta1 + Oferta2 + Oferta3 = Demand1 + Demand2 + Demand3;
X11 >= 0;
X12 >= 0;
X13 >= 0;
X21 >= 0;
X22 >= 0;
X23 >= 0;
X31 >= 0;
X32 >= 0;
X33 >= 0;

44
END

Y el archivo solución generado es el siguiente:

MOEL STATISTICS

Problem name: Ejercicio_9

Filename: ejrcicio3.mpl
ate: June 24, 2009
Time: 2á:40
Parsing time: 0.09 sec
Solver name: CPLEX (áá.2.á)
Objective value: 243000.000000
Iterations: 2
Solution time: 0.03 sec
Result code: á
Constraints: á5
Variables: 9
Nonzeros: 27
ensity: 20 %

SOLUTION RESULT

Optimal solution found

MIN Z = 243000.0000

ECISION VARIABLES

PLAIN VARIABLES

Variable Name Activity Reduced Cost

------------------------------------------------------
Xáá 4.0000 0.0000
Xá2 2.0000 0.0000
Xá3 0.0000 0.0000
X2á 0.0000 0.0000
X22 5.0000 0.0000
X23 0.0000 0.0000
X3á 0.0000 0.0000
X32 á.0000 0.0000
X33 7.0000 0.0000

45
 ------------------------------------------------------

EJERCICIO DE APLICACIÓN #1

Una empresa que tiene 3 fábricas: A, B y C y 4 depósitos distribuidores: 1, 2, 3 y 4. Halle el

programa óptimo de distribución y su costo asociado. Los costos unitarios, oferta y demanda
mensual son:

SOLUCIÓN BÁSICA INICIAL MÉTODO DE RUSSELL

ITERACIONES
1 2 3 4 OFERTA 1 2 3 4 5
7 9 9 6
1 60 9 9 9 9 N/A
240 300 U1=
6 10 12 8
2 100 100 U2= 12 N/A N/A N/A N/A

9 8 10 14
3 140 500 U3= 14 14 10 10 10
240 120
0 0 0 0
4 160 U4= 0 0 0 0 0
160
110
DEMANDA 200 240 280 340
110
V1= V2= V3= V4=
1 9 10 12 14
ITERACIONES

2 9 9 10 14
3 9 9 10 N/A
4 9 N/A 10 N/A
5 9 N/A 10 N/A
ITERACIÓN 1: Xij= Cij - Ui - Vj
X11= 7-9-9=-11 X21= 6 - 12 - 9 = -15 X31= 9 -14-9=-14 X41= 0-0-9=-9
X42= 0-0-10=-
X12= 9 -9 -10 = -10 X22= 10 - 12 -10= -12 X32= 8-14-10=-16 10
X43= 0-0-12=-
X13= 9 - 9 - 12 = -12 X23= 12 - 12 - 12 = -12 X33= 10-14-12=-16 12
X44= 0-0-14=-
X14= 6 - 9 - 14= -17 X24= 8 - 12 - 14 = -18 X34= 14-14-14=-14 14
ITERACIÓN 2: : Xij= Cij - Ui - Vj
X11= 7-9-9=-11 X31= 9 -14-9=-14 X41= 0-0-9=-9
X12= 9 -9 -9 =- 9 X32= 8-14-9=-15 X42= 0-0-9=-9
X43= 0-0-10=-
X13= 9 - 9 - 10 = -10 X33= 10-14-10=-14 10

46
 X44= 0-0-14=-
X14= 6 - 9 - 14= -17 X34= 14-14-14=-14 14
ITERACIÓN 3: : Xij= Cij - Ui - Vj
X11= 7-9-9=-11 X31= 9 -10-9=-10 X41= 0-0-9=-9
X12= 9 -9 -9 = -9 X32= 8-10-9=-11 X42= 0-0-9=-9
X43= 0-0-10=-
X13= 9 - 9 - 10 = -10 X33= 10-10-10=-10 10
ITERACIÓN 4: : Xij= Cij - Ui - Vj
X11= 7-9-9=-11 X31= 9 -10-9=-10 X41= 0-0-9=-9
X43= 0-0-10=-
X13= 9-9-10=-10 X33= 10 -10-10=-10 10

ITERACIÓN 5: : Xij= Cij - Ui - Vj

X31= 9 -10-9=-10 X41= 0-0-9=-9
X43= 0-0-10=-
X33= 10 -10-10=-10 10

SOLUCIÓN BÁSICA INICIAL POR MÉTODO DE RUSSELL

1 2 3 4 OFERTA
7 9 9 6
1 300
60 240
1
2 6 0 12 8 100
100
9 8 10 14
3 500
140 240 120
0 0 0 0
4 160
160
DEMAND
A 200 240 280 340

47
SOLUCIÓN OPTIMA POR MULTIPLICADORES
1 2 3 4 OFERTA

(-) 7 9 9 (+) 6 300

1 U1= -2
60 240
3 1
6 10 12 (-) 8
100
2 100 U2= 0
-3 2 2
9 8 10 14
500
3 140 240 120 U3= 0
6
0 0 0 0
160
4 160 U4= -10
1 2 2
DEMANDA 200 240 280 340
V1= 9 V2= 8 V3= 10 V4= 8

Cij=Ui + Vj Cij=Cij - Ui - Vi
7=U1 + V1 8=U3 + V2 C12=9-(-2)-8=3 C23=12-0-10=2 C44=0-(-10)-8=2
6=U1 + V4 10=U3 + V3 C13=9-(-2)-10=1 C34=14-0-8=6
8=U2 + V4 0=U4 + V3 C21=6-0-9=-3 C41=0-(-10)-9=1
9=U3 + V1 C22=10-0-8=2 C42=0-(-10)-8=2
ITERACIÓN 1: V.E: X21, V.S: X11

1 2 3 4 OFERTA
7 9 9 6
1 300 300 U1= -5
3 6 4
6 10 12 8
2 60 40 100 U2= -3
5 5
9 8 10 14
3 140 240 120 500 U3= 0
3
0 0 0 0
4 160 160 U4= -10
1 2 2
DEMANDA 200 240 280 340
V1= 9 V2= 8 V3= 10 V4= 11

48
 Cij=Ui + Vj Cij=Cij - Ui - Vi
6=U2 + V1 8=U3 + V2 C11=7-(-5)-9=3 C23=12-(-3)-10=5 C44=0-(-10)-8=2
6=U1 + V4 10=U3 + V3 C12=9-(-5)-8=6 C34=14-0-11=3
8=U2 + V4 0=U4 + V3 C13=9-(-5)-10=4 C41=0-(-10)-9=1
9=U3 + V1 C22=10-(-3)-8=5 C42=0-(-10)-8=2 SOLUCIÓN OPTIMA

Z= 300X6 + 60X6 + 40X8 + 140X9 + 240*8 + 120X10 + 160X0

Z=6860

SOLUCIÓN

X14= 300 ” Distribuir 300 de la Planta A al depósito 4 con un costo de $1800

X21= 60 ” Distribuir 60 de la Planta B al depósito 1 con un costo de $360

X14= 40 ” Distribuir 40 de la Planta B al depósito 4 con un costo de $320

X21= 140 ” Distribuir 140 de la Planta C al depósito 1 con un costo de $1260

X32= 240 ” Distribuir 240 de la Planta C al depósito 2 con un costo de $1920

X33= 120 ” Distribuir 120 de la Planta C al depósito 3 con un costo de $1200

SOLUCION CON MPL

{APLICACION á

TITLE
Aplicacion_á
ATA
Ofertaá := 300;
Oferta2 := á00;
Oferta3 := 500;
Oferta4 := á
0;
emandá := 200;
emand2 := 240;
emand3 := 280;
emand4 := 340;
CEáá := 7;
CEá2 := 9;
CEá3 := 9;
CEá4 :=
;
CE2á :=
;
CE22 := á0;
CE23 := á2;

49
 CE24 := 8;
CE3á := 9;
CE32 := 8;
CE33 := á0;
CE34 := á4;
CE4á := 0;
CE42 := 0;
CE43 := 0;
CE44 := 0;
MOEL
MIN Z = CEáá Xáá + CEá2 Xá2 + CEá3 Xá3 + CEá4 Xá4 + CE2á X2á + CE22
X22 + CE23 X23 + CE24 X24 + CE3á X3á + CE32 X32 + CE33 X33 + CE34 X34 + CE4á
X4á + CE42 X42 + CE43 X43 + CE44 X44;

SUBJECT TO
Xáá + Xá2 + Xá3 + Xá4 = Ofertaá;
X2á + X22 + X23 + X24 = Oferta2;
X3á + X32 + X33 + X34 = Oferta3;
X4á + X42 + X43 + X44 = Oferta4;
Xáá + X2á + X3á + X4á = emandá;
Xá2 + X22 + X32 + X42 = emand2;
Xá3 + X23 + X33 + X43 = emand3;
Xá4 + X24 + X34 + X44 = emand4;
Ofertaá + Oferta2 + Oferta3 + Oferta4 = emandá + emand2 + emand3 +
emand4;
Xáá >= 0;
Xá2 >= 0;
Xá3 >= 0;
Xá4 >= 0;
X2á >= 0;
X22 >= 0;
X23 >= 0;
X24 >= 0;
X3á >= 0;
X32 >= 0;
X33 >= 0;
X34 >= 0;
X4á >= 0;
X42 >= 0;
X43 >= 0;
X44 >= 0;
EN

Y el archivo Solución es el siguiente:

50
MOEL STATISTICS

Problem name: Aplicacion_á

Filename: aplicacioná.mpl
ate: June 24, 2009
Time: 23:3

Parsing time: 0.á2 sec
Solver name: CPLEX (áá.2.á)
Objective value:
820.00000000
Iterations: á
Solution time: 0.02 sec
Result code: á
Constraints: 24
Variables: á

Nonzeros: 48
ensity: á3 %

SOLUTION RESULT

Optimal solution found

MIN Z =
820.0000

ECISION VARIABLES

PLAIN VARIABLES

Variable Name Activity Reduced Cost

------------------------------------------------------
Xáá 0.0000 0.0000
Xá2 0.0000 0.0000
Xá3 0.0000 0.0000
Xá4 300.0000 0.0000
X2á á00.0000 0.0000
X22 0.0000 0.0000
X23 0.0000 0.0000
X24 0.0000 0.0000
X3á á00.0000 0.0000
X32 240.0000 0.0000
X33 á
0.0000 0.0000
X34 0.0000 0.0000

51
 X4á 0.0000 0.0000
X42 0.0000 0.0000
X43 á20.0000 0.0000
X44 40.0000 0.0000
------------------------------------------------------

EJERCICIO DE APLICACIÓN #2

Una empresa energética dispone de tres plantas de generación para satisfacer la demanda eléctrica
de cuatro ciudades. Las plantas 1, 2 y 3 pueden satisfacer 35, 50 y 40 millones de [kWh]
respectivamente. El valor máximo de consumo ocurre a las 2 PM y es de 45, 20, 30 y 30 millones de
[kWh] en las ciudades 1, 2, 3 y 4 respectivamente. El costo de enviar 1 [kWh] depende de la distancia
que deba recorrer la energía. La siguiente tabla muestra los costos de envió unitario desde cada
planta a cada ciudad. Formule un modelo de programación lineal que permita minimizar los costos de
satisfacción de la demanda máxima en todas las ciudades.

SOLUCIÓN BÁSICA INICIAL MÉTODO DE RUSSELL

ITERACIONES
1 2 3 4
1 2 3 4 OFERTA

1 8 6 10 9 35/25 U1= 10 10 10 10
10 25
9 12 13 7
2 50/5 U2= 13 13 13 13
45 5
14 9 16 5
3 40/10/0 U3= 16 16 N/A N/A
10 30
DEMANDA 45/0 20/0 30 30/0
V1= V2= V3= V4=
1 14 12 16 9
ITERACIONES

2 14 12 16 N/A
3 9 12 13 N/A
4 9 N/A 13 N/A

ITERACIÓN 1: Xij= Cij - Ui - Vj

X11= 8-10-14=-16 X21= 9 - 13 -14 = -18 X31= 14 -16-14=-16

52
 X12= 6 -10 -12 = -16
X13= 10 - 10 - 16 = -16
X14= 9 - 10 - 9 = -10
ITERACIÓN 2: Xij= Cij - Ui - Vj
X11= 8-10-14=-16
X12= 6 -10 -12 = -16
X13= 10 - 10 - 16 = -16
X22= 12 - 13 -12= -13 X32= 9-16-12=-19
X23= 13 - 13 - 16 = -16 X33= 16-16-16=-16
X24= 7 - 13 - 9 = -15 X34= 5-16-9=-20
X21= 9 - 13 -14 = -18 X31= 14 -16-14=-16
X22= 12 - 13 -12= -13 X32= 9-16-12=-19
X23= 13 - 13 - 16 = -16 X33= 16-16-16=-16

ITERACIÓN 3: Xij= Cij - Ui - Vj

X11= 8-10-9=-11
X12= 6 -10 -12 = -16
X13= 10 - 10 - 13 = -13
ITERACIÓN 4: Xij= Cij - Ui - Vj
X11= 8-10-9=-11
X13= 10 - 10 - 13 = -13
X21= 9 - 13 -9 = -13
X22= 12 - 13 -12= -13
X23= 13 - 13 - 13 = -13
X21= 9 - 13 -9 = -13
X23= 13 - 13 - 13 = -13

SOLUCIÓN BÁSICA INICIAL MÉTODO DE RUSSELL

1 2 3 4 OFERTA
8 6 10 9
1 35
10 25
9 12 13 7
2 50
45 5
14 9 16 5
3 40
10 30
DEMANDA 45 20 30 30

SOLUCIÓN POR MULTIPLICADORES

1 2 3 4 OFERTA
8 6 10 9
1 10 25 35 U1= 0
2 8
9 12 13 7
2 45 5 50 U2= 3
3 3
14 9 16 5
3 10 30 40 U3= 4
4 2
DEMANDA 45 20 30 30
V1= 6 V2= 6 V3= 10 V4= 1

53
Cij=Ui + Vj Cij=Cij - Ui - Vi
6=U1 + V2 10=U3 + V2 C11=8-0-6=2 C31=14-4-6=4
10=U1 + V3 5=U3 + V4 C14=9-0-1=8 C33=16-4-10=2
9=U2 + V1 C22=12-3-6=3
13=U2 + V3 C24=7-3-1=3

Z= 10*6 + 25*10 + 45*9 + 13*5 + 10*9 + 16*9

Z = 1020
SOLUCIÓN

X12= 10 ” Enviar 10x106 [kWh] de la Planta 1 a la Ciudad 2

X13= 25 ” Enviar 25x106 [kWh] de la Planta 1 a la Ciudad 3

X21= 45 ” Enviar 45x106 [kWh] de la Planta 2 a la Ciudad 1

X23= 5 ” Enviar 5x106 [kWh] de la Planta 2 a la Ciudad 3

X32= 10 ” Enviar 19x106 [kWh] de la Planta 3 a la Ciudad 2

X34= 30 ” Enviar 30x106 [kWh] de la Planta 3 a la Ciudad 4

SOLUCION CON MPL

{APLICACION á

TITLE
Aplicacion_á
ATA
Ofertaá := 35;
Oferta2 := 50;
Oferta3 := 40;
emandá := 45;
emand2 := 20;
emand3 := 30;
emand4 := 30;
CEáá := 8;
CEá2 :=
;
CEá3 := á0;
CEá4 := 9;
CE2á := 9;
CE22 := á2;
CE23 := á3;
CE24 := 7;
CE3á := á4;
CE32 := 9;

54
 CE33 := á
;
CE34 := 5;

MOEL
MIN Z = CEáá Xáá + CEá2 Xá2 + CEá3 Xá3 + CEá4 Xá4 + CE2á X2á + CE22 X22 +
CE23 X23 + CE24 X24 + CE3á X3á + CE32 X32 + CE33 X33 + CE34 X34;

SUBJECT TO
Xáá + Xá2 + Xá3 + Xá4 = Ofertaá;
X2á + X22 + X23 + X24 = Oferta2;
X3á + X32 + X33 + X34 = Oferta3;
Xáá + X2á + X3á + X4á = emandá;
Xá2 + X22 + X32 + X42 = emand2;
Xá3 + X23 + X33 + X43 = emand3;
Xá4 + X24 + X34 + X44 = emand4;
Ofertaá + Oferta2 + Oferta3 = emandá + emand2 + emand3 + emand4;
Xáá >= 0;
Xá2 >= 0;
Xá3 >= 0;
Xá4 >= 0;
X2á >= 0;
X22 >= 0;
X23 >= 0;
X24 >= 0;
X3á >= 0;
X32 >= 0;
X33 >= 0;
X34 >= 0;
EN

Y el archivo solución generado es el siguiente:

MOEL STATISTICS

Problem name: Aplicacion_á

Filename: aplicacioná.mpl
ate: June 25, 2009
Time: 00:03
Parsing time: 0.áá sec
Solver name: CPLEX (áá.2.á)
Objective value: á020.00000000
Iterations:

Solution time: 0.03 sec
Result code: á
Constraints: á9
Variables: á

Nonzeros: 40
ensity: á3 %

55
SOLUTION RESULT

Optimal solution found

MIN Z = á020.0000

ECISION VARIABLES

PLAIN VARIABLES

Variable Name Activity Reduced Cost

------------------------------------------------------
Xáá 0.0000 0.0000
Xá2 á0.0000 0.0000
Xá3 25.0000 0.0000
Xá4 0.0000 0.0000
X2á 45.0000 0.0000
X22 0.0000 0.0000
X23 5.0000 0.0000
X24 0.0000 0.0000
X3á 0.0000 0.0000
X32 á0.0000 0.0000
X33 0.0000 0.0000
X34 30.0000 0.0000
X4á 0.0000 0.0000
X42 0.0000 0.0000
X43 0.0000 0.0000
X44 0.0000 0.0000
------------------------------------------------------

EJERCICIO DE APLICACIÓN #3

El problema a resolver consiste en encontrar el número optimo de lotes de bicicletas que

cada distribuidor debe de suplir a cada uno de los comerciantes, de tal manera que se
minimice la distancia total recorrida entre distribuidores y comerciantes.

COMERCIANTES
DISTRIBUIDORES 1 2 3 DISPONIBILIDAD
1 2 5 6 35
2 5 10 7 55
3 9 6 4 20
DEMANDA EN LOTES DE BIC. 30 45 35 110

56
OLUCIÓN BÁSICA INICIAL MÉTODO DE RUSSELL ITERACIONES
1 2 3 OFERTA 1 2 3
2 5 6
1 35/0 U1= 6 6 N/A
35
5 10 7
2 55/25/15 U2= 10 10 10
30 10 15
9 6 4
3 20 U3= 9 6 6
20
DEMANDA 30/0 45/10/0 35/25/0 110

V1= V2= V3=

ITERACIONES

1 9 10 7

2 N/A 10 7
3 N/A 10 7
ITERACIÓN 1: Xij= Cij - Ui - Vj
X11=2-6-9=-13 X21=5-10-9=-14 X31=9-9-9=-9
X12=5-6-10=-11 X22=10-10-10=-10 X32=6-9-10=-13
X13=6-6-7=-7 X23=7-10-7=-10 X33=4-9-7=-12

ITERACIÓN 2: Xij= Cij - Ui - Vj

X12=5-6-10=-11 X22=10-10-10=-10 X32=6-6-10=-10
X13=6-6-7=-7 X23=7-10-7=-10 X33=4-6-7=-9

ITERACIÓN 1: Xij= Cij - Ui - Vj

X22=10-10-10=-10 X32=6-6-10=-10
X23=7-10-7=-10 X33=4-6-7=-9

SOLUCIÓN BÁSICA INICIAL MÉTODO DE RUSSELL

1 2 3 OFERTA
1 2 5 6
35
35
2 5 10 7
55
30 10 15
3 9 6 4
20
20
DEMANDA 30 45 35 110

57
SOLUCIÓN POR MULTIPLICADORES
1 2 3 OFERTA
1 2 5 6
35 35 U1= -5

(-)
2
5 10 (+) 7
10 15 55 U2= 0
30

3 9 (+) 6 (-) 4
20 20 U3= -3

DEMANDA 30 45 35 110
V1= 5 V2= 10 V3= 7

Cij=Ui + Vj Cij=Cij - Ui - Vi
5=U1+V2 7=U2+V3 X11=2-(-5)-5=2 X32=6-(-3)-10=-1
5=U2+V1 4=U3+V3 X13=6-(-5)-7=4
10=U2+V2 X31=9-(-3)-5=7

ITERACIÓN 1: V.E: X32, V.S: X22

1 2 3 OFERTA
1 2 5 6
35 35 U1= -4
1 1
2 5 10 7
30 25 55 U2= 0
1
3 9 6 4
10 10 20 U3=-3
7
DEMANDA 30 45 35 110
V1= 5 V2= 9 V3= 7

Cij=Ui + Vj Cij=Cij - Ui - Vi
5=U1+V2 6=U3+V2 X11=2-(-4)-5=1 X31=9-(-3)-5=7
5=U2+V1 4=U3+V3 X13=6-(-4)-9=1
7=U2+V3 X22=10-0-9=1

58
 Z= 5*35 + 30*5 + 25*7 + 10*6 + 10*4
Z = 600

SOLUCIÓN

X12= 35 ” El distribuidor 1 debe proveer 35 lotes de bicicletas al comerciante 2

X21= 30 ” El distribuidor 2 debe proveer 30 lotes de bicicletas al comerciante 1

X23= 25 ” El distribuidor 2 debe proveer 25 lotes de bicicletas al comerciante 3

X32= 10 ” El distribuidor 3 debe proveer 10 lotes de bicicletas al comerciante 2

X33= 10 ” El distribuidor 3 debe proveer 10 lotes de bicicletas al comerciante 4

DISTANCIA TOTAL; 600

SOLUCION CON MPL

{APLICACION 3

TITLE
Aplicacion_3
ATA
Ofertaá := 35;
Oferta2 := 55;
Oferta3 := 20;
emandá := 30;
emand2 := 45;
emand3 := 35;
CEáá := 2;
CEá2 := 5;
CEá3 :=
;
CE2á := 5;
CE22 := á0;
CE23 := 7;
CE3á := 9;
CE32 :=
;
CE33 := 4;

MOEL

59
 MIN Z = CEáá Xáá + CEá2 Xá2 + CEá3 Xá3 + CE2á X2á + CE22 X22 + CE23 X23 +
CE3á X3á + CE32 X32 + CE33 X33;

SUBJECT TO
Xáá + Xá2 + Xá3 = Ofertaá;
X2á + X22 + X23 = Oferta2;
X3á + X32 + X33 = Oferta3;
Xáá + X2á + X3á = emandá;
Xá2 + X22 + X32 = emand2;
Xá3 + X23 + X33 = emand3;
Ofertaá + Oferta2 + Oferta3 = emandá + emand2 + emand3;
Xáá >= 0;
Xá2 >= 0;
Xá3 >= 0;
X2á >= 0;
X22 >= 0;
X23 >= 0;
X3á >= 0;
X32 >= 0;
X33 >= 0;
EN

Y el archivo solución generado es el siguiente:

MOEL STATISTICS

Problem name: Aplicacion_3

Filename: aplicacion3.mpl
ate: June 25, 2009
Time: 00:á

Parsing time: 0.08 sec
Solver name: CPLEX (áá.2.á)
Objective value:
00.000000000
Iterations: 4
Solution time: 0.03 sec
Result code: á
Constraints: á5
Variables: 9
Nonzeros: 27
ensity: 20 %

60
SOLUTION RESULT

Optimal solution found

MIN Z =
00.0000

ECISION VARIABLES

PLAIN VARIABLES

Variable Name Activity Reduced Cost

------------------------------------------------------
Xáá 0.0000 0.0000
Xá2 35.0000 0.0000
Xá3 0.0000 0.0000
X2á 30.0000 0.0000
X22 0.0000 0.0000
X23 25.0000 0.0000
X3á 0.0000 0.0000
X32 á0.0000 0.0000
X33 á0.0000 0.0000
------------------------------------------------------

61
;+ 
#

 Para el modelado de un problema del tipo transporte en MPL es necesario

tener una visión de cuantas variables de demanda y oferta se deberán
declarar y además de que sus sumatoria sea la misma cantidad.

 MPL es una herramienta ² software que permite la eficiencia en la

solución de problemas de optimización y gracias a sus Solvers compatibles
puede resolver modelos de muchas variables acomodándose y
adaptándose a la inmensa cantidad de problemas de negocios que
existen en la actualidad.

 El Modelo de aproximación de Russell para problemas de transporte

permite obtener una solución inicial básica que, puede minimizar el
número de iteraciones para su solución mediante multiplicadores y a
veces puede llegar a ser una solución óptima.

62
;*+  #

 Al definir variables como el costo de envió desde un origen hasta un

destino, es necesario el uso de nombres adecuados tales como su símbolo
y un numero que indique el origen y el destino del mismo (es
recomendable también usarlo lo anterior para las variables de distribución
o transportación de productos).

63
;**+ :# #
) +

 ´Modelo de transporteµ, Universidad Arturo Prat, Guía del epartamento

de Ingeniería Industrial.

 [á T. Coleman, M. A. Branch, and A. Grace. Optimization Toolbox User

Guide. Math-Works Inc., á999.

 [2 Rios Insua S. et al. Programaci on Lineal y Aplicaciones. Ra-Ma Textos

Universitarios, Madrid, á997.

 [3 Hillier F.S. and Lieberman G.J. Introducci on a la Investigaci on de

Operaciones. McGraw-Hill, Mexico, á99á.

 [4 C.R. Houck, J.A. Joines, and M.G. Kay. A genetic algorithm for function
optimizatio: A matlab implementation, á99
.

 [5 Prawda J. M etodos y Modelos de Investigaci on Operativa. Ed. Limusa,

Mexico, á987.

 http://www.maximalsoftware.com

64