Profesor: Ing.

Jorge Alberto Rosado Ramos Materia: Investigacin de operaciones I Unidad 4: Transporte y asignacin Alumno: Guzmn Cmara Juan Carlos

Villahermosa tabasco a 06 de mayo del 2011.

ndice

Introduccin ..................................................................................3 4.1. Definicin Del Problema De Transporte .................................4 4.2 Mtodo De Aproximacin De Vogel ........................................8 4.3 Mtodo MODI .........................................................................10 4.4 Procedimiento De Optimizacin ..............................................17 4.5 Definicin Del Problema De Asignacin ...................................18 4.6 El Mtodo Hngaro .................................................................20 Conclusin.....................................................................................24 Bibliografa ....................................................................................25

Pgina 2

Introduccin

La programacin lineal es un campo muy amplio que se extiende a subclases de problemas para los cuales existen mtodos de solucin especiales. Dos de estas dos subclases se conocen como problemas de transporte y problemas de asignacin. Si bien estos tipos de problemas pueden ser resueltos por el mtodo Simplex, existe un algoritmo simplificado especial para resolverlo. Los problemas de transporte y asignacin son dos aplicaciones especiales de la programacin lineal, el mtodo de transporte fue postulado por primera vez como un procedimiento especial para encontrar el programa de costo mnimo para distribuir unidades homogneas de un producto desde varios puntos de vista de posible abastecimiento a varios de consumo. En la economa y en las decisiones administrativas es donde toman un papel importante el transporte y la asignacin, ya que la disponibilidad de transporte econmico es crtico para el funcionamiento correcto de una empresa. Los problemas de transporte surgen en la planeacin para la distribucin de cualquier bien y/o servicio, desde varias localidades de suministro a varias localidades con una demanda dada, y finalmente los problemas de asignacin forman una subclase de los problemas de transporte. La intencin del presente trabajo es mostrar esas dos aplicaciones, el transporte y la asignacin, mediante una serie de problemas de forma prctica. As mismo establecer los diferentes mtodos con los que es posible dar una solucin a estos problemas.

Pgina 3

4.1 Definicin del problema de transporte

El modelo de transporte bsicamente es un modelo de programacin lineal que se puede resolver a travs del mtodo simplex regular, sin embargo su estructura especial hace posible un procedimiento de solucin conocido como la tcnica de transporte. El problema del transporte es un planteamiento clsico de las tcnicas de programacin lineal. En este problema se pretende elegir el camino ptimo de envo de una mercanca desde varios orgenes (por ejemplo, plantas de produccin) a diferentes destinos (centros de almacenamiento o consumo), de forma que el coste sea mnimo. Como en todo problema de programacin lineal, han de cumplirse las siguientes etapas: Definir las variables del problema (por ejemplo, las cantidades de partida solicitadas en cada destino, el coste de envo de una unidad de mercanca a cada destino). Escribir conceptualmente el sistema de inecuaciones asociado a las restricciones del problema (por ejemplo, el nmero de unidades mximas producidas en cada origen y las requeridas en cada destino). Definir conceptualmente la funcin objetivo, que determina el coste.

Resolucin del problema del transporte Una vez planteado el problema, se construye una tabla de distribucin, de la que se obtienen las expresiones matemticas de las inecuaciones del sistema y la funcin objetivo. Para resolverla se usan los mtodos grficos o algebraicos comunes de la programacin lineal.

Pgina 4

El modelo de transporte busca determinar un plan de transporte de una mercanca de varias fuentes a varios destinos. Los datos del modelo son: 1. 2. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino. El costo de transporte unitario de la mercanca a cada destino.

Como solo hay una mercanca un destino puede recibir su demanda de una o ms fuentes. El objetivo del modelo es el de determinar la cantidad que se enviar de cada fuente a cada destino, tal que se minimice el costo del transporte total. La suposicin bsica del modelo es que el costo del transporte en una ruta es directamente proporcional al nmero de unidades transportadas. La definicin de unidad de transporte variar dependiendo de la mercanca que se transporte.

Pgina 5

Un mtodo ms resumido para representar el modelo de transporte consiste en utilizar lo que se llama tabla de transporte. Esta es una forma de matriz donde sus renglones representan las fuentes y sus columnas los destinos. Los elementos de costo C i j se resumen en la esquina noroeste de la celda de la matriz (i, j). Por lo tanto, el modelo de MG se puede resumir en la tabla siguiente:

Variaciones del problema El objetivo de los modelos de transporte es encontrar la solucin a un coste mnimo para la realizacin de un plan de envos, transporte o distribucin, desde cualquier grupo de centros de abastecimiento llamados orgenes, a cualquier grupo de centros de recepcin llamados destinos, es decir, determinar la cantidad de productos o mercancas que se deben enviar desde cada punto de origen a cada punto de destino, teniendo en cuenta las restricciones propias del problema referidas a las capacidades o disponibilidades de los centros de abastecimiento y las demandas de los centros de destino, de manera que se minimicen los costes totales de transporte o distribucin. Los orgenes pueden ser fbricas, almacenes o cualquier punto o lugar desde el que se quiera enviar mercancas o productos. Los destinos son los puntos o lugares en donde se reciben dichas mercancas o productos. Existen algunas variaciones que pueden afectar el objetivo del modelo. Las variaciones del modelo de transporte bsico pueden implicar una o ms de las siguientes situaciones: 1. 2. 3. 4. Suministro total no igual a demanda total. Maximizacin de la funcin objetivo. Capacidades de ruta o mnimos de ruta. Rutas inaceptables.

Pgina 6

Podemos incluir estas situaciones fcilmente con ligeras modificaciones en el modelo de programacin lineal. Suministro total no igual a demanda total: Si el suministro total excede a la demanda total, no es necesaria ninguna modificacin en la formulacin de la programacin lineal. Si el suministro total es menor que la demanda total, el modelo de programacin lineal de un problema de transporte no tendr una solucin factible. En este caso, modificamos la representacin de red agregando un origen ficticio con un suministro igual a la diferencia entre la demanda total y el suministro total. Con la adicin del origen ficticio, y un arco desde el origen ficticio hasta cada destino, el modelo de programacin lineal tendr una solucin factible. Maximizacin de la funcin objetivo: El objetivo es encontrar una solucin que maximice la ganancia o el ingreso. Usando los valores para la ganancia o ingreso por unidad como coeficientes en la funcin objetivo, tan slo resolvemos una maximizacin en lugar de un programa lineal de minimizacin. Este cambio no afecta a las restricciones. Capacidad de ruta o mnimo de ruta: La formulacin de programacin lineal del problema de transporte tambin puede aceptar capacidades o cantidades mnimas para una o ms de las rutas. Rutas inaceptables: Puede ser imposible establecer una ruta de todo origen a todo destino. Algoritmo de transporte El mtodo general de resolucin del problema de transporte consta de tres fases que conforman el denominado algoritmo de transporte. Fase A.- Paso 1. Escribir el problema de transporte en la forma matricial. Si el problema es no equilibrado, transformarlo en equilibrado. Ir al paso 2. Fase B.- Paso 2. Determinar una solucin bsica factible inicial. Ir al paso 3. Fase C.- Paso 3. Si la solucin obtenida en el paso 2 es ptima, detener el proceso. En otro caso, ir al paso 4. Pas 4. Obtener una nueva solucin que sea mejor que la anterior. Ir al paso3.

Pgina 7

4.2 Mtodo de aproximacin de Vogel

Este mtodo es heurstico y suele producir una mejor solucin inicial que los dos mtodos antes descritos. De hecho, VAM suele producir una solucin inicial ptima, o prxima al nivel ptimo.

Caractersticas . Es ms elaborado que los anteriores, ms tcnico y dispendioso. . Tiene en cuenta los costos, las ofertas y las demandas para hacer las asignaciones. . Generalmente nos deja cerca al ptimo. Algoritmo 1. Construir una tabla de disponibilidades (ofertas), requerimientos (demanda) y costos. 2. Calcular la diferencia entre el costo ms pequeo y el segundo costo ms pequeo, para cada fila y para cada columna. 3. Escoger entre las filas y columnas, la que tenga la mayor diferencia (en caso de empate, decida arbitrariamente). 4. Asigne lo mximo posible en la casilla con menor costo en la fila o columna escogida en el punto 3. 5. asigne cero (0) a las otras casillas de la fila o columna donde la disponibilidad o el requerimiento quede satisfecho. 6. Repita los pasos del 2 al 5, sin tener en cuenta la(s) fila(s) y/o columna(s) satisfechas, hasta que todas las casillas queden asignadas. Nota: Recuerde que no debe satisfacer filas y columnas al mismo tiempo; caso en que la disponibilidad sea igual al requerimiento; en tal caso use el (Epsilon).

Pgina 8

Fjese que la mayor diferencia la tiene la columna 4 con un valor de 19, escogido entre 2, 2, 3, 0, 15, 13,19 y 16. El menor costo de la columna 4 es cero (0), se asigna lo mximo posible entre 50 y 40, que es 40, se satisface la columna y se actualiza la oferta y la demanda.

Ahora recalculamos las diferencias, sin tener en cuenta la columna 4, que est satisfecha. Una vez ejecutado todo el algoritmo hasta asignar todas las casillas, obtenemos la siguiente asignacin bsica y factible inicial.

Fjese que el nmero de variables bsicas es: m+n-1=8 Solucin bsica factible no degenerada: X15=40; X21=30; X23=20; X25=10; X32=40; X33=30; X44=40; X45=10 Z = 16(40) + 15(30) + 13(20) + 16(10) + 15(40) + 18(30) + 0(40) + 0(10) = 2.650

Pgina 9

Hemos conseguido tres (3) soluciones bsicas factibles no degeneradas (# de variables bsicas = m+n-1=8) por medio de tres (3) mtodos: El de la esquina noroeste, el del costo mnimo y el de Vogel. Pero ninguna de ellas nos garantiza que la solucin encontrada es la ptima. Para saberlo, debemos estar seguros que ninguna de las variables no bsicas pueda entrar a la base haciendo que la funcin objetivo disminuya. Para discernir un mtodo que nos evale el efecto de introducir una unidad de cada variable no bsica, recurrimos al mtodo algebraico que posteriormente se convertir en el mtodo MODI.

4.3 Mtodo de la distribucin modificada (MODI)

El mtodo MODI obtiene los costos marginales a travs de un proceso de dos pasos. Primero, se calculan los coeficientes de los renglones y las columnas usando slo las celdas llenas. Despus, con estos coeficientes, se calculan los costos marginales para cada celda vaca. Se encontrar que el procedimiento es fcil de aplicar, aunque parezca peculiar, casi como una treta. Los autores afirman que existe una justificacin matemtica muy serie para el proceso completo. Paso 1: Clculo de los coeficientes de rengln y columna. Los clculos pueden hacerse directamente en la matriz. Despus de encontrar una solucin inicial, debe dibujarse de nuevo la matriz para comenzar en limpio. Se contina con el ejemplo de las fbricas y los almacenes y con la solucin del mtodo del mnimo costo, como se observa en la tabla 10-7. Se inicia el proceso asignando un cero a un coeficiente arbitrario de cualquier rengln o columna. Por costumbre se asign un cero al primer rengln en la tabla 10-7a. Ahora se busca una celda llena en ese rengln: S1D2. Puede pivotearse sobre esta celda para encontrar el coeficiente de la columna D2 usando la relacin: Coeficiente desconocido de columna o rengln = costo en la celda coeficiente conocido de rengln o columna Coeficiente de columna D2= costo en celda S1D2 coeficiente del rengln 1 Coeficiente de columna D2= 3 0 = 3 Mentalmente, al ver la matriz en la tabla 10-7a, puede decirse 0 para 3 igual a 3 siguiendo la lnea punteada. Se busca otra celda llena en el rengln S1. Como no hay, se busca hacia abajo por la columna D2. La celda S3D2 est llena. Una vez conocido el coeficiente de la columna D 2, puede pivotearse sobre la celda S3D2 para encontrar el coeficiente del rengln S3. Siguiendo las lneas punteadas en la tabla 10-7b, se dice 3 para 4 igual a 1. Es algo parecido al juego de la pata coja. Se toma un coeficiente conocido es un regln (o columna) y se pivotea sobre una celda llena en ese mismo rengln (o columna) para encontrar otro coeficiente.

Pgina 10

Continuando con el ejemplo, el coeficiente del rengln S3 puede usarse para encontrar otros tres, como se muestra en la tabla 10-7c. Para la columna D3 se obtiene 1 para 9 igual a 8 y anlogamente para la columna D4. Ntese que ahora se incluye la columna ficticia y se trata en la misma forma que las dems columnas y renglones. Entonces, para la columna D5, 1 para O igual a -1. Se permiten los coeficientes negativos. Los clculos para los coeficientes quedan terminados en la tabla 10-7d usando D3 para encontrar S2 y, por ltimo, S2 para encontrar el coeficiente de D1. Lo que en realidad se hizo fue resolver un conjunto de ecuaciones simultneas que contiene ms variables que ecuaciones. Para cada celda llena puede escribirse la siguiente ecuacin: Coeficiente del rengln + coeficiente de la columna = costo en la celda En donde R = coeficiente del rengln y C= coeficiente de la columna. Ecuacin R1 + C2 = 3 R2 + C1 = 5 R2 + C3 = 6 R3 + C2 = 4 R3 + C3 = 9 R3 + C4 = 10 R3 + C5 = 0 Celda S 1D 2 S 2D 1 S 2D 3 S 3D 2 S 3D 3 S 3D 4 S 3D 5

Esto proporciona siete ecuaciones con ocho incgnitas. Como el mtodo MODI se basa en los costos relativos, puede asignarse cualquier valor arbitrario a una de las variables. Si se hace R1 = 0, puede encontrarse C2 con la primera ecuacin: R1 + C2 = 3 0 + C2 = 3 C 2= 3

Pgina 11

Ahora que se conoce C2, puede encontrarse R3: R3 + C2 = 4 R3 + 3 = 4 R3= 1

Y as sucesivamente. Puede encontrarse cada penalizacin. Mientras que no se tenga prctica en el procedimiento, podra resultar ms sencillo de hecho escribir las ecuaciones y resolverlas de esta manera para obtener los coeficientes. Ms adelante, cuando aumente la confianza, puede hacerse por inspeccin en la matriz.

Pgina 12

Pas 2: clculo de costos marginales en las celdas vacas. Una vez que se tienen los coeficientes de renglones y columnas, se pone atencin a las celdas vacas en la tabla. Tomando una a la vez y en cualquier orden, el costo marginal es la diferencia entre el costo de la celda y la suma de los coeficientes del rengln y la columna correspondientes. Para la celda S1D1, se tiene: Costos marginal = costo de la celda (coeficiente del rengln + coeficiente de la columna) Costo marginal de (S1D1) = 7 (0 + 7) = 0 Para la celda S3D1, el resultado es: Costo marginal de (S1D1) = 7 (0 + 7)= 7 8= -1 Al ir calculando estos costos se colocan en la esquina inferior derecha de cada celda. Observando en la tabla 10-8 la matriz terminada, puede observarse cules son las dos celdas que tienen costos marginales negativos: S1D4 y S3D1. Esto significa que los costos pueden reducirse empleando cualquiera de estas celdas y, por tanto, la solucin no es ptima.

Revisin de la solucin. Puede revisarse la solucin por inspeccin usando lo que puede llamarse regla de la trayectoria cerrada con ngulos rectos en las celdas llenas o, dicho con menos palabras, regla de la piedra que rueda. Esta regla est diseada para asegurar que las dos condiciones se cumplan siempre en el proceso de revisin.

Pgina 13

Primero deben satisfacerse las condiciones de frontera. Como pudo observarse en la explicacin de la estrategia MODI, el llenar una celda vaca siempre implica cambios por lo menos en otras tres celdas. Segundo, el nmero de celdas llenas no puede exceder la suma del nmero de renglones y columnas menos uno. El proceso de revisin tambin debe obedecer estas condiciones. Puesto que slo puede revisarse una celda a la vez, el proceso de revisin se inicia identificando la celda vaca que se debe llenar. En la tabla 10-8 hay dos celdas con costos marginales negativos. Siempre debe seleccionarse la celda con el costo ms negativo; en caso de empates, se rompen arbitrariamente. En el ejemplo, se seleccion la celda S3D1. Cmo habr un ahorro de $1 por cada unidad que se mande por esa celda, se quiere mandar lo ms posible, que sea congruente con las condiciones de frontera y el nmero de celdas llenas. En seguida se aplica la regla de la trayectoria cerrada con ngulos rectos en las celdas llenas. Comenzando con la celda vaca (S3D1), se encuentra una trayectoria cerrada que vaya por las celdas de la matriz y regrese a la celda y que cumpla dos condiciones. Primero, slo se puede ir vertical u horizontalmente, no se permiten las curvas o las diagonales. Segundo, cada esquina en ngulo recto debe estar en una celda llena. Siempre existir una y solo una trayectoria de este tipo. Puede el lector encontrarla? En la tabla 10-9 se muestra la trayectoria para S3D1. Ntese que pueden saltarse tanto celdas vacas como llenas. Las esquinas o pivotes son las celdas crticas. Se pone ahora un signo ms en la celda vaca y se da vuelta a la trayectoria alternando los signos menos y ms en las celdas pivotes llenas. stas son las piedras que ruedan. Las celdas con signo menos se producirn y las celdas con signo ms se incrementarn. Cuntas unidades pueden cambiarse? La cantidad menor en las celdas con signo menos. En la tabla 10-9 hay dos celdas, 150 y 70, que tienen signo menos, de manera que puede hacerse un cambio de 70 unidades alrededor de la trayectoria cerrada. En la tabla 10-9b se da esta revisin completa.

Pgina 14

Es ptima esta nueva solucin? Para saberlo, se debe repetir todo el proceso desde el principio. Se calculan todos los nuevos coeficientes de rengln y columna y despus se encuentran los nuevos costos marginales para todas las celdas vacas. Esto se hace en la tabla 10-10a. Como puede observarse, la celda S1D4 tiene un costo marginal negativo lo cual indica que todava es posible hacer mejoras. La trayectoria de la revisin se muestra en la tabla 10-10b y la tercera solucin en la tabla 10-10c. Se aplica el mtodo MODI una vez ms y resulta que todos los costos marginales son no negativos. sta es la solucin ptima. El costo total de esta solucin se encuentra sumando los productos de los costos en las celdas por las unidades mandadas en cada celda llena.

Resumen de MODI. Los pasos del mtodo MODI son, en resumen: 1. Se calculan los coeficientes de rengln y columna usando celdas llenas: Coeficiente del rengln + coeficiente de la columna = costo en la celda 2. Se calcula el costo marginal de usar cada celda vaca: Costo marginal = costo en la celda (coeficiente del rengln + coeficiente de la columna) 3. Se selecciona la celda vaca con el costo marginal ms negativo (los empates se rompen arbitrariamente). 4. Se encuentra la trayectoria de revisin y se llena la celda vaca al mximo que permita la trayectoria. 5. Se repiten los pasos 1 al 4 hasta que todos los costos marginales sean cero o positivos.

Pgina 15

Pgina 16

4.4 Procedimiento de optimizacin

La optimizacin proporciona un esquema conceptual que facilita el difcil proceso de estructuracin, anlisis y sntesis, inherente a todo problema de decisin; contribuyendo, as, al diseo de mejores soluciones para problemas de carcter tanto tcnico, como econmico y social." Podemos decir que optimizar es sinnimo de buscar lo mejor, tambin de alcanzar la ganancia mxima o tener la prdida mnima. Es por esto que el hombre siempre ha querido la optimizacin dentro de sus actividades, sean stas empresariales, cientficas o polticas, formalizando y cuantificando, mediante procedimientos matemticos, la forma de alcanzar lo mejor en una circunstancia o problema bien definido. El procedimiento de optimizacin en los problemas de transporte consiste bsicamente en buscar una solucin que permita a los transportistas ofrecer flexibilidad y de una manera creativa, escoger qu rutas le gustaran servir y proponer sus mejores propuestas basadas en sus puntos fuertes. Los transportistas pueden ofrecer rutas especficas, rutas de convenio junto con un precio ms econmico, ofrecer condiciones (si/entonces), ofrecer acuerdos sobre capacidad o volumen, sugerir alternativas en equipo o tipo de traslado basado en sus activos, o rutas alternativas basadas en los puntos fuertes de su red. Realiza en automtico la recogida de las peticiones de informacin (RFI), la evaluacin del transportista y la aprobacin. Analiza cientos de miles de caractersticas de las ofertas junto con miles de restricciones y preferencias comerciales simultneamente Las caractersticas de ruta son configuradas fcilmente para apoyar las necesidades especficas comerciales y los objetivos del suministro Las valoraciones de las peticiones de informacin pueden ser incorporadas en el anlisis de la oferta como puntos significativos para tomar decisiones Permite a los expedidores realizar escenarios posibles para determinar una asignacin ptima

Pgina 17

Proceso de Optimizacin: Definir las relaciones costo-tiempo y asignacin de las duraciones normales a las actividades del proyecto. Calcular la ruta crtica correspondiente y calcular el costo directo asociado como la suma de los costos normales de las actividades. Considerar la reduccin del tiempo del proyecto disminuyendo la duracin de una actividad critica en una unidad de tiempo. Esta se realiza escogiendo la actividad crtica que tenga menor pendiente costo-tiempo.

Iterar hasta lograr la disminucin mxima del proyecto considerando que

pueden encontrarse diferentes rutas crticas durante el proceso de optimizacin.

4.5 Definicin del problema de asignacin

Los problemas de asignacin forman una subclase especial de los problemas de transporte. Para quedar clasificado como un problema de asignacin, la capacidad en cada origen y la demanda en cada destino deben de ser igual a 1. Como su nombre lo dice, el problema se trata de decidir qu origen asignar a cada destino. Los problemas tpicos de esta naturaleza incluyen asignar trabajadores a mquinas, equipos de trabajo a proyectos y agentes de ventas a distritos. Los problemas de asignacin de pequea escala pueden resolverse con la enumeracin de todas las combinaciones y la seleccin de la mejor. Pero para un problema de n x n, existen n! soluciones posibles. Aun un pequeo problema de 5 x 5 tiene 120 soluciones. Se podra usar el mtodo de ramificacin y acotamiento. Tambin los mtodos generales de solucin de PL como el Simplex, o aun el mtodo del transporte. Sin embargo, se podra obtener un caso de degeneracin severa. El mejor enfoque es usar el mtodo de asignacin, una tcnica fcil desarrollada especialmente para este tipo de problemas. Variaciones del problema Debido a que el problema de asignacin puede verse como un caso particular del problema de transporte, las variaciones del problema que pueden surgir son comparables a las del problema de transporte. De manera especfica, podemos manejar:

Pgina 18

1. Cantidad total de agentes (suministro) de tareas (demanda) 2. Una funcin objetivo de maximizacin 3. Asignaciones inaceptables Solucin por el mtodo de asignacin.

que no es igual a la cantidad total

En la figura 3 se muestra un ejemplo tpico del problema de asignacin. La Roving Ambulance Company tiene cuatro ambulancias en diferentes lugares de la ciudad. Existen cuatro pacientes que requieren servicio, tambin en lugares dispersos, Se conoce el tiempo de traslado para cada ambulancia. La Roving Ambulance quiere asignar las ambulancias de manera que minimice el tiempo total de traslado. El mtodo de asignacin o mtodo hngaro utiliza una matriz de costos de oportunidad para encontrar la asignacin ptima. Los pasos de este procedimiento iterativo se muestran en la figura 3. 4 ambulancias 4 pacientes

Fig. 3
Minimizacin del tiempo de traslado

Pgina 19

4.6 El mtodo hngaro

Este algoritmo se usa para resolver problemas de minimizacin, ya que es ms eficaz que el empleado para resolver el problema del transporte por el alto grado de degeneracin que pueden presentar los problemas de asignacin. Las fases para la aplicacin del mtodo Hngaro son: Paso 1: Encontrar primero el elemento ms pequeo en cada fila de la matriz de costos m*m; se debe construir una nueva matriz al restar de cada costo el costo mnimo de cada fila; encontrar para esta nueva matriz, el costo mnimo en cada columna. A continuacin se debe construir una nueva matriz (denominada matriz de costos reducidos) al restar de cada costo el costo mnimo de su columna. Paso 2: (En algunos pocos textos este paso se atribuye a Flood). Consiste en trazar el nmero mnimo de lneas (horizontales o verticales o ambas nicamente de esas maneras) que se requieren para cubrir todos los ceros en la matriz de costos reducidos; si se necesitan m lneas para cubrir todos los ceros, se tiene una solucin ptima entre los ceros cubiertos de la matriz. Si se requieren menos de m lneas para cubrir todos los ceros, se debe continuar con el paso 3. El nmero de lneas para cubrir los ceros es igual a la cantidad de asignaciones que hasta ese momento se pueden realizar. Paso 3: Encontrar el menor elemento diferente de cero (llamado k) en la matriz de costos reducidos, que no est cubierto por las lneas dibujadas en el paso 2; a continuacin se debe restar k de cada elemento no cubierto de la matriz de costos reducidos y sumar k a cada elemento de la matriz de costos reducidos cubierto por dos lneas (intersecciones). Por ltimo se debe regresar al paso 2. Notas: 1. Para resolver un problema de asignacin en el cual la meta es maximizar la funcin objetivo, se debe multiplicar la matriz de ganancias por menos uno (1) y resolver el problema como uno de minimizacin. 2. Si el nmero de filas y de columnas en la matriz de costos son diferentes, el problema de asignacin est desbalanceado. El mtodo Hngaro puede proporcionar una solucin incorrecta si el problema no est balanceado; debido a lo anterior, se debe balancear primero cualquier problema de asignacin (aadiendo filas o columnas ficticias) antes de resolverlo mediante el mtodo Hngaro. 3. En un problema grande, puede resultar difcil obtener el mnimo nmero de filas necesarias para cubrir todos los ceros en la matriz de costos actual. Se puede demostrar que si se necesitan j lneas para cubrir todos los ceros, entonces se pueden asignar solamente j trabajos a un costo cero en la matriz actual; esto explica por qu termina cuando se necesitan m lneas.

Pgina 20

Ejemplo: En un cierto punto del algoritmo tenemos el grafo y la matriz .

Matching mximo del grafo de las igualdades.

En

tengo un arco

tengo un

en

Es matching mximo pero no es perfecto, pues la fila 3 est sin asignar. volvemos al paso del algoritmo.

Pgina 21

El matching de las columnas

esta acopladas al de las filas y

Pgina 22

Resto a los elementos no borrados de doblemente borrados de .

y sumo a los elementos

Volvemos al paso

, para recrear el grafo de las igualdades y calcular

de nuevo el matching mximo.

Pgina 23

Conclusin
Podemos entender que atreves de estos mtodos que facilitan los trabajos de transportacin y asignacin para tomar en cuenta la mejor decisin en funcin de lo realizado resulta adecuado para modelar las empresas caracterizadas y ha permitido disear e implementar un procediendo exacto para la programacin de la distribucin de una empresa. Al igual que ayudan a la optimizacin del problema al facilitar la idea principal de lo que se desea conocer, tambin tiene un fuerte impacto en la parte econmica por que ayudan a reducir el coste de algunas actividades. Tambin los mtodos de asignacin cuentan con casi la misma igualdad del mtodo de transporte pero este es utilizado para lo que son maquinara el factor humano etc. Da a conocer realmente la asignacin de cada uno de los que participan en una industria y as conocer ciertamente su funcin.

Pgina 24

Literatura consultada:

www.hiru.com/matematicas/metodo-del-simplex-y-problema-del-

transporte. Investigacin De Operaciones Una Introduccin Hamdy A. Taha Editorial: Prentice Hall Sexta Edicin Paginas Consultadas: 165 - 208 Mtodos cuantitativos para la toma de decisiones en administracin Charles A. Gallagher & Hugh J. Watson Editorial: Mc Graw Hill Primera edicin Pginas consultadas: 283 - 316 Mtodos cuantitativos para administracin un enfoque de modelos y casos de estudios con hija de clculo Frederick S. Hillier, Mark S. Hillier & Gerald J. Lieberman Editorial: Mc Graw Hill Primera edicin Pginas consultadas: 221 222

Pgina 25