Problemas Transporte Asignacion y Transbordo

Modelos de Redes
Problemas de Transporte,
Asignación y Transbordo
ISAAC ZUÑ IGA SILGADO

Facultad de Ingeniería
Programa Ingeniería de Sistemas y
Computació n
Problema de Transporte
FASE I - Determinación de la Solución Factible Inicial

 Método Heurístico o Simplemente Heurístico
 Un heurístico es un procedimiento de sentido común para obtener en forma rápida la

solución para un problema
 Los procedimientos que más comúnmente se utilizan para determinar la solución factible
inicial de un problema de transporte son los heurísticos
 Algunos heurísticos permiten determinar una solución factible en forma más rápida que
otros
 Heurísticos utilizados para determinar la Solución Factible Inicial de un

 Método del costo mínimo
 La regla de la esquina noroeste
 Método de aproximación de Vogel

Método del Costo Mínimo


Ejemplo: Dado el siguiente problema, hallar la solució n factible
inicial utilizando el método del costo mínimo.


Ejemplo:
La compañ ía Sunray Transporte Compañ ía envía camiones cargados de
grano desde tres silos a cuatro molinos. La oferta y la demanda, junto
con los costos del transporte por carga de camió n en las diferentes
rutas, se resumen en la siguiente tabla, en donde la oferta y la demanda
vienen dadas en términos de camiones cargados y los costos en cientos
de euros.
Molino Molino Molino Molino Oferta

Origen / 1 2 3 4
Destino
Silo 1 10 2 20 11 15
Silo 2 12 7 9 20 25
Silo 3 4 14 16 18 10
Demanda 5 15 15 15
Formulación:
 Variable:
 Xij = Número de camiones de grano que se envían desde el silo i
al molino j.
 Función Objetivo:
 Min Z = 10x11 + 2x12 + 20x13 + 11x14 + 12x21 + 7x22 + 9x23 + 20x24 + 4x31 +
14x32 + 16x33 + 18x34
 Restricciones:
 x11 + x12 + x13 + x14 = 15  Silo 1
 x21 + x22 + x23 + x24 = 25 Silo 2
 x31 + x32 + x33 + x34 = 10  Silo 3
 x11 + x21 + x31 = 5  Molino 1
 x12 + x22 + x32 = 15  Molino 2
 x13 + x23 + x33 = 15  Molino 3
 x14 + x24 + x34 = 15 Molino 4
Solución Algoritmo Especial

Condición del problema.
∑ Ofertas = 50; ∑ Demandas = 50  Problema en equilibrio
Tabla Inicial.
Molino Molino Molino Molino
Oferta
1 2 3 4
Silo 1 10 2 20 11 15
Silo 2 12 7 9 20 25
Silo 3 4 14 16 18 10
Demanda 5 15 15 15
Costos del Origen i al Destino j.

Solución
Método del Costo Mínimo.
Oferta
1 2 3 4
Silo 1 10 2 15 20 11 15
Silo 2 12 7 9 15 20 10 25
Silo 3 4 5 14 16 18 5 10
Demanda 5 15 15 15
Principio del modelo:

Asígnese el más grande valor posible a la variable con el menor costo unitario
de toda la tabla. Táchese el renglón o columna satisfecho. Después de ajustar
la oferta y la demanda de todos los renglones y columnas no tachados, repítase
el proceso asignando el valor más grande posible a la variable con el costo
unitario no tachado más pequeño.
FASE I - Método del Costo Mínimo.

Oferta
1 2 3 4
Silo 1 10 2 15 20 11 15
Silo 2 12 7 9 15 20 10 25
Silo 3 4 5 14 16 18 5 10
Demanda 5 15 15 15
Orden de Asignación Para tener en cuenta:

1. Silo1 – Molino2
2. Silo3 – Molino1 Costos del Origen i al Destino j.
3. Silo2 – Molino3
4. Silo3 – Molino4 Asignaciones
5. Silo2 – Molino4 #
F.O: (2)15 + (4) 5 + (9) 15 + (18) 5+(20)10 = 475

FASE II – Solución Óptima.

F.O: (2)5 + (11)10 + (7) 10 + (9) 15 + (18)5 = 435
Oferta
1 2 3 4
Silo 1 10 2 5 20 11 10 15
Silo 2 12 7 10 9 15 20 25
Silo 3 4 5 14 16 18 5 10
Demanda 5 15 15 15
Solució n WINQSB
Solució n WINQSB
Solució n WINQSB
Diagrama de Redes
Solució n WINQSB
Solución Simplex
Planteamiento:
Solució n WINQSB
Solución Simplex Tradicional

Iteració n 1:
Solució n WINQSB

Iteració n 2:
Entra la variable X2(X12) y sale

la variable artificial: C5
Solució n WINQSB

Iteració n 3:

Solució n WINQSB

Iteració n 4:

Solució n WINQSB

Iteració n 5:

Solució n WINQSB

Iteració n 6:

Solució n WINQSB

Iteració n 7:

Solució n WINQSB
1.Solucion Final.
Procedimiento general para construir una solución

factible inicial utilizando La Regla de la Esquina
Noroeste y El Método de Aproximación de Vogel
El formato de la tabla simplex es el siguiente:

Procedimiento general para construir una solución

factible inicial utilizando La Regla de la Esquina
Noroeste y El Método de Aproximación de Vogel
Pasos a seguir:
1. Se selecciona la siguiente variable básica entre los renglones y columnas
en que todavía se puede hacer una asignación de acuerdo con algún criterio.
2. Se hace una asignación que sea tan grande como para que use el resto de los
recursos en ese renglón o la demanda restante en esa columna (lo que
resulte menor).
3. Se cancela ese renglón o columna para nuevas asignaciones.
4. si solo queda un renglón o columna dentro de las posibilidades se termina
eligiendo como básicas cada una de las variables restantes, sino se vuelve al
paso 1.
Regla Esquina Noroeste
Regla de la esquina noroeste

 La primera elección es x11, de ahí en adelante si xij
fue la última variable básica seleccionada, la
siguiente elección es xi,j+1, sí esta no puede ser
seleccionada entonces se seleccionará la xi+1,j.
Ejemplo
 Una empresa tiene dos factorías A y B. En ellas se
fabrica un producto, a razón de 500 y 400 unidades por
día respectivamente. El producto ha de ser distribuido
posteriormente a tres centros I, II y III que requieren,
respectivamente, 200, 300 y 400 unidades. Los costos
de transportar cada unidad de producto desde cada
factoría a cada uno de los centros de distribución se
indican en la siguiente tabla:
Factoría I II III Fabricación (
unidades )
A 50 60 10 500
B 25 40 20 400
demanda 200 300 400
Formato de la Tabla Simplex

La solución inicial BF sería:

Método de Vogel

 En cada columna y fila se hace la diferencia entre el
valor más pequeño con el valor siguiente, de los que
quedan en ese renglón o columna.
A continuación, se sitúa en la fila o columna que tenga

la mayor diferencia y se escoge la variable que tenga
menor costo unitario.
 Para las siguientes iteraciones se escoge con el mismo

criterio pero si ésta no es variable básica.
Método de Vogel
Formato de la Tabla Simplex

Método de Vogel
Método de Vogel

Comparación criterios alternativos cálculo

solución inicial factible
 Al ver los criterios alternativos expuestos, nos damos
cuenta que el método de la esquena noroeste es muy
fácil y práctico, pero el método de aproximación de
Vogel nos da una solución más óptima que la del otro
método haciéndolo más efectivo que el anterior.
 ¿Cómo se compara el método de costos mínimos con

los otros dos (2) métodos aquí planteados?
FASE II - Prueba de optimalidad

 Una solución BF es óptima sí y solo sí:
Cij – ui – vj ≥ 0; Para toda (i, j) tal que xij es no básica.
 Lo que se va a hacer en este paso es la obtención de los

valores de ui y vj para la solución básica factible y los
correspondientes Cij – ui – vj.
 Como el valor de Cij – ui – vj es 0 si la variable es básica,

entonces podremos sacar un sistemas de ecuaciones y como
el número de variables básicas es m+n-1 por lo tanto hay
m+n-1 ecuaciones de este tipo y como la cantidad de ui y vj
es m+n, lo que se hace es colocarle un valor arbitrario a una
de estas y hallar a las otras con respecto a esta.
Prueba de optimalidad para nuestro

ejemplo
 Tomando la tabla que nos dio la diapositiva 12, las
ecuaciones resultantes serían
 50 = u1 + v1
 60 = u1 + v2
 40 = u2 + v2
 20 = u2 + v3
 Dándole el valor a u1 de 0 el resto quedaría de la
siguiente forma:
 u1 = 0, v1 = 50, v2 = 60, u2 = -20, v3 = 40.
Prueba de optimalidad para nuestro

ejemplo
 Sicolocamos el valor de cada Cij – ui – vj dentro de
cada espacio en blanco que dejaron las variables
no básicas la tabla quedaría de la siguiente forma:
Iteraciones
 Igual que en el método simplex normal se tiene

que encontrar para cada iteración una variable
que entra y otra que sale para luego identificar la
nueva solución BF.
Paso 1: encontrar la variable básica

entrante
 Como Cij – ui – vj representa la tasa a la que cambia la
función objetivo si se incrementa la variable no básica
xij, la variable básica entrante debe tener un valor C ij – ui –
vj negativo, para que el costo total de z disminuya, si hay
varios negativos la variable entrante sería la del valor
negativo mas grande( en términos absolutos ).
 Por lo que en nuestro ejemplo sería la de la celda (1,3)

saliente
 Si se incrementa el valor de la variable básica entrante, se
establecerá una reacción en cadena de cambios
compensatorios en otras variables básicas para que se
satisfagan las restricciones de recurso y demanda. La
primera variable básica que disminuya su valor hasta cero
será la variable básica que salga.
 Si las variables en la compensación aumentan su valor, esta

será receptoras y se diferencian en la tabla con un “+” y si
disminuyen serán donadoras y se diferencian en la tabla con
un “-”.

saliente
 Tip: la variable saliente siempre será donadora.
 Para nuestro ejemplo la variable saliente será la de
la celda (1,2)
Encontrar la nueva solución BF

 La nueva solución BF se identifica mediante la
suma del valor de la variable básica saliente a las
asignaciones de cada celda receptora y la resta de
esta misma cantidad de las asignaciones de cada
celda donadora.
Encontrar la nueva solución BF
 Para hallar el cambio de Z, como cambio en 300

unidades las celdas donadoras y receptoras quedaría así:
 ΔZ = 300( 10 – 20 + 40 – 60 ) = 300 ( –30 )
= –9000
Z = 25000
Problema de Asignación
Modelo del Problema de Asignación
 El modelo utiliza las variables xij que pueden tomar valores

de 1 o 0.
 Si Z es el costo total, el modelo del problema de asignación
es:
 Sujeto a:
Problema de Asignación
La Junta Administradora Local (JAL) de la comuna X tiene tres

proyectos de pavimentació n de vías. La junta tiene el problema de
determinar que contratista llevara a cabo los proyectos. Se abrió
licitació n para los proyectos, entre contratistas locales, tres presentaron
diligenciados sus pliegos. El costo de cada proyecto segú n la propuesta
de cada contratista se presenta en la siguiente tabla (en millones de
u.m.).
Contratistas P1 P2 P3
C1 280 320 360
C2 360 280 300
C3 380 340 400
Algoritmo Húngaro
Solución
 Solucionemos este problema primero utilizando el método Húngaro, a
continuación los pasos de dicho algoritmo.
1. Antes que nada cabe recordar que el método hú ngaro trabaja en una matriz de costos n*m (en este
caso conocida como matriz m*m, dado que el nú mero de filas es igual al nú mero de columnas n = m),
una vez construida esta, se debe encontrar el elemento má s pequeñ o en cada fila de la matriz.
2. Una vez se cumple el procedimiento anterior se debe construir una nueva matriz n*m, en la cual se
consignará n los valores resultantes de la diferencia entre cada costo y el valor mínimo de la fila a la
cual cada costo corresponde (valor mínimo hallado en el primer paso).
3. Este paso consiste en realizar el mismo procedimiento de los dos pasos anteriores referidos ahora a
las columnas, es decir, se halla el valor mínimo de cada columna, con la diferencia que este se halla de
la matriz resultante en el segundo paso, luego se construirá una nueva matriz en la cual se
consignará n los valores resultantes de la diferencia entre cada costo y el valor mínimo de la columna
a la cual cada costo corresponde, matriz llamada "Matriz de Costos Reducidos".
4. A continuació n se deben de trazar líneas horizontales o verticales o ambas (ú nicamente de esos

tipos) con el objetivo de cubrir todos los ceros de la matriz de costos reducidos con el menor nú mero
de líneas posibles, sí el número de líneas es igual al número de filas o columnas se ha logrado
obtener la Solución Óptima (la mejor asignació n segú n el contexto de optimizació n), si el nú mero
de líneas es inferior al nú mero de filas o columnas se debe de proceder con el paso 5.
Algoritmo Húngaro
Solución
 Solucionemos este problema primero utilizando el método Húngaro, a
continuación los pasos de dicho algoritmo.
5. Este paso consiste en encontrar el menor elemento de aquellos valores que no se encuentran
cubiertos por las líneas del paso 4, ahora se restará del restante de elementos que no se encuentran
cubiertos por las líneas; a continuació n este mismo valor se sumará a los valores que se encuentren
en las intersecciones de las líneas horizontales y verticales, una vez finalizado este paso se debe
volver al paso 4.
OBSERVACIONES:
o El propósito del método húngaro es continuar reduciendo la matriz hasta que el

valor de una de las soluciones sea cero.
o Una vez terminado el Paso 2 se debe verificar sí se cumple el Paso 4 porque es posible
que esta matriz corresponda a la Matriz de Costos Reducidos y se encuentre
inmediatamente la solució n ó ptima.
Algoritmo Húngaro
1. Armado de tabla y encontrar el valor más pequeño de cada

fila.
* Se genera una matriz de costo reducido
Elemento menor de
Contratistas P1 P2 P3 la fila
C1 280 320 360 280
C2 360 280 300 280
C3 380 340 400 340
Algoritmo Húngaro
2. Construimos una nueva matriz con las diferencias entre los valores de
la matriz original y el elemento menor de la fila a la cual corresponde.
* abarcar líneas verticales o horitonzales con líneas que abarquen la
mayor cantidad de ceros y menor cantidad de líneas posibles
C1 0 40 80
C2 80 0 20
C3 40 0 60
NOTA: No se olvide verificar el paso 4

antes de realizar el paso 3.
Algoritmo Húngaro
3. En la matriz construida en el paso anterior se procede a efectuar el paso

1 esta vez en relación a las columnas, por ende escogemos el elemento
menor de cada columna. Igualmente construimos una nueva matriz con
la diferencia entre los valores de la matriz 2 y el elemento menor de la
columna a la cual corresponde cada valor.
MATRIZ DE COSTOS REDUCIDOS:

C1 0 40 80
C2 80 0 20
C3 40 0 60
Elemento menor de la
0 0 20
Columna
Algoritmo Húngaro
4. En este paso trazaremos la menor cantidad de combinaciones de

líneas horizontales y verticales con el objetivo de cubrir todos los
ceros de la matriz de costos reducidos.
C1 0 40 60
C2 80 0 0
C3 40 0 40
Como se puede observar el nú mero de líneas horizontales y/o

verticales necesarias para cubrir los ceros de las matriz de
costos reducidos es igual a 3, por ende al ser igual al nú mero
de filas o columnas no es necesario recurrir al paso 5
Algoritmo Húngaro
 Solución Óptima Factible:
Matriz de Costos Reducidos

C1 0 40 60
C2 80 0 0
C3 40 0 40
La solució n nos muestra que el costo total de los tres proyectos es un

mínimo de 920 (280+300+340) millones de u.m. asignando el proyecto 1 al
contratista 1, el proyecto 2 al contratista 3 y el proyecto 3 al contratista 2.
Algoritmo Húngaro
Solución Algoritmo Simplex

 Definamos las Variables:
 Xij = Cantidad de proyectos i(1, 2, 3) que se asignan al contratista j(1, 2, 3)
 F.O.:+ 320 + 280 + 340+ 360 + 300 + 400

 Sujeto a:
+ + =1
+ + =1
+ + =1
+ + =1
+ + =1
+ +
Algoritmo Simplex
 Utilizando WinQsb:
Ingresamos los Datos en el programa así:
Esta es la forma ampliada del problema que nos genera WinQsb, como
podemos observar el programa coloca las variables artificiales, una por cada
restricción.
Algoritmo Simplex

 Iteraciones:
1. En la primera iteració n observamos que entra la
variable bá sica X1 y sale la variable artificial C3
Algoritmo Simplex

2. En la segunda iteració n observamos que entra la
variable bá sica X5 y sale la variable artificial C5
Algoritmo Simplex

3. En la tercera iteració n observamos que entra la variable
bá sica X6 y sale la variable artificial C2
Algoritmo Simplex

4. En la tercera iteració n observamos que entra la variable
bá sica X6 y sale la variable artificial C2
Algoritmo Simplex
 Como solució n al problemas WinQsb nos Arroja lo siguiente:
𝑋 11
𝑋 23
𝑋 32
Algoritmo Simplex
 Como observamos en la Solució n generada por WinQsb,

se llegó a la misma solución que cuando resolvimos
el problema por el algoritmo Húngaro, un costo total
de los tres proyectos en un mínimo de 920
(280+300+340) millones de u.m. asignando el proyecto
1 al contratista 1 (Variable ), el proyecto 2 al contratista
3 (Variable ) y el proyecto 3 al contratista 2 (Variable ).
Algoritmo Húngaro
Variantes del problema

 El nú mero de agentes no es igual al nú mero de tareas. El método hú ngaro requiere que el
nú mero de renglones sea igual al nú mero de columnas. Cuando esto ocurre se añ ade un
renglón o una columna ficticia (en realidad no existe, por lo tanto en la solució n ó ptima
quedará sin asignació n) segú n sea el caso. Para hacer que un problema tenga una forma
compatible con el algoritmo de solució n, puede ser necesario añ adir varios renglones
ficticios o varias columnas ficticias, pero nunca ambas cosas. Se define un valor arbitrario
para las asignaciones, este valor es aceptable siempre y cuando se asigne el mismo valor
en toda la columna o rengló n ficticio (en los textos utilizan el valor de cero pero podría
ser 3, 4 o 5, etc).
 Objetivo de maximizació n. Se tiene una matriz de utilidad o ganancias. Puede obtenerse

un problema equivalente de asignació n y minimizació n convirtiendo todos los elementos
de la matriz en pérdidas de oportunidad. Esta conversió n se logra restando cada uno
de los elementos de cada columna del elemento mayor de esa columna. La solució n
ó ptima se convierte en la misma solució n del problema de asignació n de maximizació n.
 Asignaciones inaceptables. Se define un valor M para las asignaciones inaceptables de

minimizació n y un valor –M sí es de maximizació n, en donde M es un arbitrariamente
grande.
Algoritmo Húngaro
Ejemplo No. 1
 Una empresa compro tres máquinas nuevas de diferente
tipo y existen 4 sitios disponibles dentro del taller para
colocarlas. Por el manejo de materiales es mejor o más
barato colocar ciertas máquinas en ciertos lugares la
tabla de costos de manejo de materiales y la tabla de
costos del problema de asignación serían
respectivamente
Algoritmo Húngaro
Solución (Iteraciones)
ejemplo
Algoritmo Húngaro
Solución Óptima
 Para este problema Z = 11 + 13 + 5 = 29
Algoritmo Húngaro
Ejemplo No. 2
 Otroejemplo sería que nos quedara una tabla de
costos como la siguiente:
 Como se puede ver cada fila y cada columna tiene

ceros, pero esto no nos lleva a que exista una solución
óptima.
Algoritmo Húngaro
Algoritmo Húngaro
Algoritmo Húngaro
 Sirevisamos los valores de la primera tabla:

 Z = 30 + 60 = 90
Problema de Transbordo
MIT, es una empresa fabricante y distribuidora internacional de equipos de medicina de alta
resolución que se utiliza en hospitales. La planta que tiene en Texas, puede producir hasta100
equipos por año; las que se encuentran en Iowa, produce hasta 200 equipos y la planta de
Oregon, pueden producir hasta 150 equipos. Para el año siguiente, sus clientes en Japón han
pedido 120 equipos, Corea del sur ordenaron 80 equipos, Nueva Zelanda 70 y los de Australia
110 equipos.
El equipo producido en Texas y en Iowa puede ser enviados a los almacenes regionales situados
en Hungría y/o Hawai. Los almacenes regionales, a su vez, pueden enviar acualquiera de sus
almacenes en Fiji y en las Filipinas. Ninguno de los almacenes regionales almacena los equipos
en inventario, por consiguiente deben enviar todas las maquinas que reciben. Los clientes de
Corea del Sur y Nueva Zelanda pueden recibir equipos de cualquiera de los almacenes. Sin
embargo, debido a los tratados de comercio internacionales, los clientes del Japón deben obtener
sus equipos exclusivamente de las Filipinas, y los de Australia deben recibir las suyas solamente
de las Fiji. Los costos de envío por equipo desde las plantas a los almacenes regionales, a los
almacenes de campo y, finalmente, a los clientes se dan en las tablas 1, 2 y 3 respectivamente.
Como gerente de distribución, de le ha pedido a Usted que determine el plan de embarque con el
mínimo costo total.
TABLA 1. COSTOS DE EMBARQUES ($/EQUIPO) DE PLANTAS A
ALMACENES REGIONALES
ALMACENES REGIONALES
PLANTAS HUNGRIA HAWAII
TEXAS 2 4
IOWA 3 4
OREGON N/A 5
TABLA 2. COSTOS DE EMBARQUE ($/EQUIPO) DE

ALMACENES REGIONALES A ALMACENES DE CAMPO
ALMACENES DE CAMPO
ALMACENES FILIPINAS FIJI
REGIONALES
HUNGRIA 8 6
HAWAII 7 4
TABLA 3. COSTOS DE EMBARQUE DE ALMACENES DE CAMPO A CLIENTES
CLIENTES
ALMACENES DE JAPON COREA DEL NUEVA AUSTRALIA
CAMPO SUR ZELANDA
FILIPINAS 7 6 8 N/A
FIJI N/A 7 5 6
REPRESENTACION DE LA RED DE UN PROBLEMA DE
DISTRIBUCION
El primer paso en la formulación matemática de este problema consiste en trazar una red
que represente el flujo de productos desde las plantas, a través de los almacenes, hasta los
clientes. La red debe de obtener once nodos, uno para cada uno de las tres plantas, los dos
almacenes regionales, los dos almacenes de campo y los cuatro clientes de la forma en que
se ilustra la siguiente figura . Debe de haber un arco que conecte una pareja de nodos,
siempre y cuando sea posible enviar los equipos directamente desde el nodo de origen al
destino, según está especificado en la descripción del problema. Por ejemplo debido a que
la planta de Oregon solamente pueda ser envíos al almacén regional de Hawai, deberá
haber un arco que vaya desde el nodo correspondiente a la planta de Oregon del nodo
correspondiente al almacén regional de Hawai, pero no al correspondiente al de Hungría.
En la figura se muestran también los arcos, junto con los correspondientes costos unitarios
de envío. La red de la figura incluye también la capacidad de cada planta y la demanda de
los clientes a lado de los correspondientes nodos de suministro y demanda,
respectivamente.
 REPRESENTACION GRAFICA
FORMULACIÓN MATEMATICA DE UN PROBLEMA DE REDES DE
DISTRIBUCIÓN
MINIMIZAR EL COSTO TOTAL DE EMBARQUE :

F.O Min Z = 2 + 4 + 3+ 4+ 5+ 8+ 6+ 7+ 4 + 7 + 6+ 8 + 7 + 5 + 6
S.A:
RESTRICCIONES DE OFERTA
X14 + X15 <= 100 (CAPACIDAD EN TEXAS)
X24 +X25 <= 200 (CAPACIDAD EN IOWA)
X35 <= 150 (CAPACIDAD EN OREGON)
RESTRICCIONES DE TRANSBORDO
X46 + X47 - X14 - X24 = 0 (EQUILIBRIO EN HUNGRÍA)
X56 + X57 - X15 - X25 - X35 = 0 (EQUILIBRIO EN HAWAI)
X68 + X69 + X610 - X46 - X56 = 0 (EQUILIBRIO EN FILIPINAS)
X79 + X710 + X711 - X47 – X57 = 0 (EQUILIBRIO EN FIJI)
RESTRICCIONES DE DEMANDA
X68 = 120 (DEMANDA EN JAPÓN)
X69 + X79 = 80 (DEMANDA EN COREA DEL SUR)
X6,10 + X710 = 70 (DEMANDA EN NUEVA ZELANDA)
X711 = 110 (DEMANDA EN AUSTRALIA)
TODAS LAS VARIABLES >= 0 Y ENTERAS
SOLUCION FINAL
F.O = (100 x 2) + (200 x 4) + (80 x 5) + (100 x 8) + (20 x 7) + (260 x 4) + (120 x 7)

+ (80 x 7) + (70 x 5) + (110 x 6) = 5790$
INGRESANDO DATOS EN WINQSB
Solución final
De la planta de suministro de TEXAS se envían a la regional de HUNGRIA 100 unidades a $2 c/u, de la

planta de suministro de IOWA se envían a la regional de HAWAII 200 unidades a $4 c/u, de la planta de
suministro de OREGON se envían a la regional de HAWAII 80 unidades a $5c/u, de la planta regional
HUNGRIA se envían a la de campo FILIPINAS 100 unidades a $8 c/u, de la planta regional de HAWAII
se envían a la de campo FILIPINAS 20 unidades a $7 c/u, de la planta regional de HAWAII se envían a la
de campo FIJI 260 unidades a $4 c/u. De la regional de campo FILIPINAS se envían al destino JAPON
120 unidades a $7 c/u, de FIJI se envían a COREA DEL SUR 80 unidades a $7 c/u, a NUEVA ZELANDA
70 unidades a $5 c/u y a AUSTRALIA 110 unidades a $6 c/u. Y un costo total de $5790

Problemas Transporte Asignacion y Transbordo

Cargado por

Copyright:

Formatos disponibles

Problemas Transporte Asignacion y Transbordo

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Problemas Transporte Asignacion y Transbordo

Cargado por

Copyright:

Formatos disponibles

Modelos de Redes

ISAAC ZUÑ IGA SILGADO

FASE I - Determinación de la Solución Factible Inicial

 Un heurístico es un procedimiento de sentido común para obtener en forma rápida la

 Heurísticos utilizados para determinar la Solución Factible Inicial de un

 Método del costo mínimo

 La regla de la esquina noroeste

 Método de aproximación de Vogel

Método del Costo Mínimo

Método del Costo Mínimo

Método del Costo Mínimo

Método del Costo Mínimo

Molino Molino Molino Molino Oferta

Solución Algoritmo Especial

Costos del Origen i al Destino j.

Principio del modelo:

FASE I - Método del Costo Mínimo.

Molino Molino Molino Molino

Orden de Asignación Para tener en cuenta:

F.O: (2)15 + (4) 5 + (9) 15 + (18) 5+(20)10 = 475

FASE II – Solución Óptima.

Solución Simplex Tradicional

Solución Simplex Tradicional

Entra la variable X2(X12) y sale

Solución Simplex Tradicional

Entra la variable X9(X31) y sale

Solución Simplex Tradicional

Entra la variable X7(X23) y sale

Solución Simplex Tradicional

Entra la variable X4(X14) y sale

Solución Simplex Tradicional

Entra la variable X6(X22) y sale

Solución Simplex Tradicional

Entra la variable X12(X34) y sale

Procedimiento general para construir una solución

El formato de la tabla simplex es el siguiente:

Procedimiento general para construir una solución

Regla de la esquina noroeste

Formato de la Tabla Simplex

La solución inicial BF sería:

La solución inicial BF sería:

A continuación, se sitúa en la fila o columna que tenga

 Para las siguientes iteraciones se escoge con el mismo

Formato de la Tabla Simplex

La solución inicial BF sería:

Comparación criterios alternativos cálculo

 ¿Cómo se compara el método de costos mínimos con

FASE II - Prueba de optimalidad

 Lo que se va a hacer en este paso es la obtención de los

 Como el valor de Cij – ui – vj es 0 si la variable es básica,

Prueba de optimalidad para nuestro

Prueba de optimalidad para nuestro

 Igual que en el método simplex normal se tiene

Paso 1: encontrar la variable básica

Paso 2: encontrar la variable básica

 Si las variables en la compensación aumentan su valor, esta

Paso 2: encontrar la variable básica

Encontrar la nueva solución BF

Encontrar la nueva solución BF

 Para hallar el cambio de Z, como cambio en 300