Libro Investigación de OPeraciones Israel Alanis
Libro Investigación de OPeraciones Israel Alanis
Libro Investigación de OPeraciones Israel Alanis
Introducción
El presente ensayo titulado “Metodología de la investigación de operaciones” trata sobre los
antecedentes históricos de la investigación de operaciones, su definición, metodología y
aplicaciones en la vida cotidiana del libro “Investigación de operaciones en administración” para la
asignatura técnicas cuantitativas para el transporte.
Derivado del rápido crecimiento de los sistemas de información aunado a las múltiples adaptaciones
que sufren las organizaciones mediante el uso de nuevas tecnologías para la toma de decisiones,
resurge la necesidad de reestructurarse nuevamente para la toma de decisiones apoyadas en un
sistema que permita visualizar con eficacia el proceso de productividad de la organización. Para no
darle cabida a las decisiones equivocadas que repercutan directamente en los intereses y objetivos
de la organización y evitar déficits.
Segunda definición:
restricciones del sistema. También hay que tener en cuenta las posibles alternativas de decisión y
las restricciones para producir una solución adecuada.
Construcción del modelo: En esta fase, el investigador de operaciones debe decidir el modelo a
utilizar para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisión
con los parámetros y restricciones del sistema. Los parámetros (o cantidades conocidas) se pueden
obtener, ya sea a partir de datos pasados o estimados por medio de algún método estadístico. Es
recomendable determinar si el modelo es probabilístico o determinístico. El modelo puede ser
matemático, de simulación o heurístico, dependiendo de la complejidad de los cálculos
matemáticos que se requieran. (Carro, 2009)
Solución del modelo: Una vez que se tiene el modelo, se procede a derivar una solución
matemática, empleando las diversas técnicas y métodos matemáticos para resolver problemas y
ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso,
son matemáticas y debemos interpretarlas en el mundo real. Además, para la solución del modelo,
se deben realizar análisis de sensibilidad, es decir, ver cómo se comporta el modelo a cambios en
las especificaciones y parámetros del sistema. Esto se hace debido a que los parámetros no
necesariamente son precisos y las restricciones pueden estar equivocadas.
Validación del modelo: La validación de un modelo requiere que se determine si dicho modelo
puede predecir con certeza el comportamiento del sistema. Un método común para probar la
validez del modelo es someterlo a datos pasados disponibles del sistema actual y observar si
reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el
comportamiento futuro del sistema continúe replicando el comportamiento pasado, entonces
siempre debemos estar atentos de cambios posibles del sistema con el tiempo, para poder ajustar
adecuadamente el modelo.
Implementación de resultados: Una vez que hayamos obtenido la solución o soluciones del modelo,
el siguiente y último paso del proceso es interpretar esos resultados y dar conclusiones y cursos de
acción para la optimización del sistema. Si el modelo utilizado puede servir a otro problema, es
necesario revisar, documentar y actualizar el modelo para sus nuevas aplicaciones.
Para aumentar la abstracción del mundo real, los modelos se clasifican como
1. Variables y parámetros de decisión. Las variables de decisión son las incógnitas (o decisiones)
2. Restricciones. Limitaciones tecnológicas, económicas y otras del sistema, el modelo debe incluir
restricciones (implícitas o explícitas)
M. en Administración Israel Alanis Terán Investigación de Operaciones I
La solución óptima será aquella que produzca el mejor valor de la función objetivo, sujeta a las
restricciones. (clavijero.edu, s.f.)
Programación Lineal.
Árboles de decisión.
Redes (Incluye PERT/CPM).
Modelos de Inventarios.
Econometría, pronóstico y simulación.
Programación Entera.
Programación Dinámica.
Programación Estocástica.
Programación No Lineal.
Teoría de Juegos.
Control óptimo.
Líneas de Espera.
Ecuaciones Diferenciales.
Modelo de Hoja de Cálculo Electrónica
La mayoría de los modelos solo consideran un solo objetivo y frecuentemente en las organizaciones
se tienen objetivos múltiples.
Casi nunca se realizan análisis costo-beneficio de la implantación de soluciones definidas por medio
de la IO, en ocasiones los beneficios potenciales se van superados por los costos ocasionados por el
desarrollo e implantación de un modelo.
M. en Administración Israel Alanis Terán Investigación de Operaciones I
M. en Administración Israel Alanis Terán Investigación de Operaciones I
Investigación de Operaciones I
MÉTODO SIMPLEX
Paso 1. Se convierten las “m” desigualdades a ecuaciones, insertando variables de holgura no
negativas, una en cada restricción. Seleccione estas nuevas variables como variables básicas
iniciales.
El inconveniente de este método es que no hay solución factible cuando alguna b i<0 (término
independiente)
Paso 2. Determine la nueva variable básica entrante (Xe), la cual deberá ser aquella variable no básica,
en la función objetivo actual (Z), que satisfaga la condición siguiente:
𝑚𝑖𝑛𝐶𝑖 < 0
Siempre y cuando dicha función se encuentra en la forma:
𝑍– 𝐶1 𝑋1 – 𝐶2 𝑋2 – … 𝐶𝑛 𝑋𝑛 = 0
Paso 3. Determine la variable básica de salida (Xs) que dejará la base. Se encogerá como Xs a aquella
variable básica cuyo valor se hará negativo primero, cuando el valor de la variable básicamente
entrante (Xe) se incrementa. Esto pasa cuando se cumple la condición:
𝛷𝑖 = ∞ 𝑠𝑖 𝑎𝑖𝑗 ≤ 0
𝑋𝑒 ≤
𝑏𝑖
𝛷𝑖 = 𝑠𝑖 𝑎𝑖𝑗 > 0
𝑎𝑖𝑗
Y se escoge la:
𝑚𝑖𝑛𝛷𝑖
Por lo tanto, la variable de salida será aquella variable básica en la ecuación (i), donde la 𝛷𝑖 adquiere
su valor mínimo no negativo. El valor que tomará (Xe) al entrar a la base sera:
Paso 4. Determínese la nueva solución básica factible. Para lograr esto, forme un sistema canónico
para la nueva base, utilizando el método de eliminación de Gauss-Jordán y haciendo cero todas las
variables no básicas.
Paso 5. Prueba la optimalidad de solución obtenida, para lo cual se revise la función objetivo (estando
está en función exclusivamente de las variables no básicas) para conocer si el valor de Z puede aún
ser aumentado incrementando el valor de alguna de estas variables no básicas.
M. en Administración Israel Alanis Terán Investigación de Operaciones I
𝑀𝑖𝑛𝑍 = −(max(−𝑍))
M. en Administración Israel Alanis Terán Investigación de Operaciones I
𝑀𝑖𝑛𝑍 = 18
Ejemplo:
𝑀𝑎𝑥 𝑍 = 3𝑋1 + 𝑋2
s.a
𝑋1 + 𝑋2 ≥ 4 (−1)
2𝑋1 − 𝑋2 ≥ 6 (−1)
𝑋1 ≥4 (−1)
4𝑋1 + 3𝑋2 ≤ 24
(𝑋1 , 𝑋2 ) ≥ 0
−𝑋1 − 𝑋2 ≤ −4
−2𝑋1 + 𝑋2 ≤ −6
−𝑋1 ≤ −4
4𝑋1 + 3𝑋2 ≤ 24
(𝑋1 , 𝑋2 ) ≥ 0
M. en Administración Israel Alanis Terán Investigación de Operaciones I
−𝑋1 − 𝑋2 + 𝑋ℎ1 = −4
(−1) −2𝑋1 + 𝑋2 + 𝑋ℎ2 = −6 → (+) negativo
−𝑋1 + 𝑋ℎ3 = −4
4𝑋1 + 3𝑋2 + 𝑋ℎ4 = 24
(𝑋1 , 𝑋2 , 𝑋ℎ1 , 𝑋ℎ2 , 𝑋ℎ3 , 𝑋ℎ4 ) ≥ 0
𝑋1 − 2𝑋2 + 𝑋ℎ1 − 𝑋ℎ2 =2
−2𝑋1 + 𝑋2 + 𝑋ℎ2 = −6
𝑋1 − 𝑋2 − 𝑋ℎ2 + 𝑋ℎ3 =2
4𝑋1 + 3𝑋2 + 𝑋ℎ4 = 24
𝑋1 − 2𝑋2 + 𝑋ℎ1 − 𝑋ℎ2 = 2 *Seleccionamos 𝑏𝑖 en aquella restricción más
−2𝑋1 + 𝑋2 + 𝑋ℎ2 − 𝑋𝑎 = −6 negativa, la restamos de las demás
𝑋1 − 𝑋2 − 𝑋ℎ2 + 𝑋ℎ3 = 2 restricciones que tienen 𝑏𝑖 negativas.*
4𝑋1 + 3𝑋2 + 𝑋ℎ4 = 24
(𝑋1 , 𝑋2 , 𝑋ℎ1 , 𝑋ℎ2 , 𝑋ℎ3 , 𝑋ℎ4 , 𝑋𝑎 ) ≥ 0
𝑀𝑎𝑥 𝑍 = 3𝑋1 + 𝑋2
𝑋1 − 2𝑋2 + 𝑋ℎ1 − 𝑋ℎ2 =2
+2𝑋1 − 𝑋2 − 𝑋ℎ2 + 𝑋𝑎 = 6
𝑋1 − 𝑋2 − 𝑋ℎ2 + 𝑋ℎ3 =2
4𝑋1 + 3𝑋2 + 𝑋ℎ4 = 24
v.b Z 𝑋1 𝑋2 𝑋3 𝑋4 𝑋 𝑋 𝑋 𝑎 𝑖
Z 1 -3 -1 0 0 0 0 M 0
X3 0 1 -2 1 -1 0 0 0 2
(-M) X7 0 2 -1 0 -1 0 0 1 6
X5 0 1 -1 0 -1 1 0 0 2
X6 0 4 3 0 0 0 1 0 24
Z 1 M-1 0 M 0 0 0 6
X3 0 1 -2 1 -1 0 0 0 2 2
(-M) X7 0 2 -1 0 -1 0 0 1 6 3
X5 0 1 -1 0 -1 1 0 0 2 2
X6 0 4 3 0 0 0 1 0 24 6
(-2) Z 1 0 3 2M+3 0 0 0
(2M+3) X1 0 1 -2 1 -1 0 0 0 2 -1
X7 0 0 3 -2 1 0 0 1 2 2
3 (1 3)
X5 0 0 1 -1 0 1 0 0 0 ∞
X6 0 0 11 -4 4 0 1 0 16 16
11
Z 1 0 0 − −4 0 0 𝑀+ 32
3 3 3 3
X1 0 1 0 −1 −1 0 0 2 10 -10
3 3 3 3
X2 0 0 −2 (3M+7) 1 (3M+7) 0 0 1 2 (3M+7)
(-1) 1 3 3 3 (3M+7) 3 -1
X5 0 0 0 −1 −1 1 0 −1 −2 2 (-3)
3 3 3 3
X6 0 0 0 10 1 0 1 −11 26 36
3 3 3 3 10
Z 1 0 0 0 1 -5 0 M+4 14
X1 0 1 0 0 0 -1 0 1 4 -4
X2 0 0 1 0 1 -2 0 1 2 -1
X4 0 0 0 1 1 -3 0 1 2 −2
3
X6 0 0 0 0 -3 10 1 -7 2 −1
M. en Administración Israel Alanis Terán Investigación de Operaciones I
Resolver y graficar:
𝑀𝑎𝑥 𝑍 = 𝑋1 + 2𝑋2
s.a
𝑋1 ≤ 600
𝑋2 ≤ 300
3𝑋1 + 4𝑋2 ≥ 2400
(𝑋1 , 𝑋2 ) ≥ 0
𝑍 − 𝑋1 − 2𝑋2 + 𝑀𝑋 = 0
𝑋1 + 𝑋3 = 600
𝑋2 + 𝑋4 = 300
3𝑋1 + 4𝑋2 −𝑋 +𝑋 = 2400
b) Introduciendo una v.a en cada una de las igualdades localizadas en las restricciones
𝑎𝑖1 𝑋1 + 𝑎𝑖2 𝑋2 +…𝑎𝑖𝑛 𝑋𝑛 + 𝑋𝑎 = 𝑏𝑖 (𝑋𝑎 ≥ 0)
Ejemplo:
M. en Administración Israel Alanis Terán Investigación de Operaciones I
𝑀𝑎𝑥 𝑍 = 𝑋1 + 2𝑋2
s.a
𝑋1 ≤ 600
𝑋2 ≤ 300
3𝑋1 + 4𝑋2 ≤ 2400
𝑋2 ≥ 0
𝑋1 = 𝑋1´ − 𝑋1"
(𝑋1´ , 𝑋1" , 𝑋2 ) ≥ 0
VB VNB
Z=80/7 X1´=0
X1"=8/7 XH1=0
X2=18/7 XH2=0
XH3=39/7
X1=X1´-X1" POR LO TANTO X1=-8/7
8.-Soluciones múltiples.
Sucede cuando la función objetivo coincide en más de un punto con los linderos de la región factible,
en su valor máximo factible, teniéndose, por lo tanto, todo un segmento lineal de soluciones óptimas.
La indicación de que existe un infinito número de soluciones óptimas en el metodo simplex es que una
de las v.n.b que aparecen en la f.o tenga coeficiente cero, coeficiente que nos indica que, si
introducimos esa variable a la base, el valor de Z no se alterara.
Ejemplo:
M. en Administración Israel Alanis Terán Investigación de Operaciones I
Teoría Dual
Problema Primo
𝑀𝑎𝑥𝑍𝑥 = 𝐶1 𝑋1 +…𝐶𝑛 𝑋𝑛
s.a.
𝑎11 𝑋1 +…+𝑎1𝑛 𝑋𝑛 ≤ 𝑏𝑖
⋮
𝑎𝑚1 𝑋1 +….+𝑎𝑚𝑛 𝑋𝑛 ≤ 𝑏𝑚
𝑋𝑗 ≥ 0 (𝑗 = 1,2, … 𝑛)
Problema Dual
Problema
𝑀𝑖𝑛 𝑍𝑦 = 𝑏1 𝑌1 +…𝑏𝑚 𝑌𝑚
s.a
𝑎11 𝑌1 +…+𝑎𝑚1 𝑌𝑚 ≥ 𝐶1
⋮
𝑎1𝑛 𝑌1 +…+𝑎𝑚𝑛 𝑌𝑚 ≥ 𝐶𝑛
𝑌𝑖 ≥ 0(𝑖 = 1,2,3, … 𝑚)
El problema dual, se obtiene asociando a cada restricción una variable y a cada variable una
restricción, transponiendo los renglones y las columnas de coeficientes en las restricciones
intercambiando el papel de los coeficientes de las funciones objetivo y las constantes, invirtiendo las
desigualdades y minimizando en lugar de maximizar.
La relación dual primo podemos representarla por medio de la siguiente tabla.
M. en Administración Israel Alanis Terán Investigación de Operaciones I
𝑋1 𝑋2 … 𝑋𝑛 𝑀𝑖𝑛 ≤
𝑌1 𝑎11 𝑎12 … 𝑎1𝑛 𝑏1
D 𝑌2 𝑎 21 𝑎 22 … 𝑎 2𝑛 𝑏2
U . . . . .
A . . . . .
L . . . . .
𝑌𝑚 𝑎 𝑚1 𝑎 𝑚2 … 𝑎 𝑚𝑛 𝑏𝑚
Max 𝐶1 𝐶2 … 𝐶𝑛
PRIMO
Ejemplo
𝑀𝑎𝑥𝑍𝑥 = 𝑋1 + 2𝑋2 𝑀𝑖𝑛𝑍𝑦 = 600𝑌1 + 300𝑌2 +2400𝑌3
s.a
𝑋1 ≤ 600 =>
𝑋2 ≤ 300 𝑌1 + 3𝑌3 ≥ 1
3𝑋1 + 4𝑋2 ≤ 2400 𝑌2 + 4𝑌3 ≥ 2
𝑋𝑗 ≥ 0 (𝑗 = 1,2) 𝑌𝑖 ≥ 0 (𝑖 = 1,2,3)
Lema
M. en Administración Israel Alanis Terán Investigación de Operaciones I
Teorema
Tan pronto hayamos encontrado la solución óptima (rutina simplex) para el problema primo, entonces
estamos en suposición de obtener la solución óptima del dual. El valor de la variable dual (i), es igual
al coeficiente de la variable de holgura (i) del problema primo en la f.o.
Así:
𝑌𝑖∗ = 𝑍𝑛+1
∗
∀𝑖 = 1,2 … 𝑚
Teorema Dual
Suponiendo que soluciones factibles finitas existen, tanto como para el problema primo como para el
dual, entonces:
existe una solución óptima finita para ambos, la cual satisface:
𝑍𝒙+ = 𝑍𝒚∗
Teorema
Suponiendo que hemos obtenido una solución óptima para el problema primo usando (0) final. Es
∗
decir: 𝑌𝑛+1 = (𝑍𝑗´ − 𝐶𝑗 )
Teorema
Supóngase que existen soluciones finitas para el primo y el dual. Sea (𝑋1 , 𝑋2 , … 𝑋𝑛 ) una s.b.f no
óptima y (𝑍𝑗 − 𝐶𝑗 ) el coeficiente correspondiente de 𝑋𝑗 en la ec. (f.o), j=1, 2, …n+m
Nota: Seleccionar aquella que forme el cociente menor al dividir su cociente en la f.o entre el
valor absoluto del coeficiente en esa ec. Así tenemos que:
𝐶𝑒 𝐶𝑗
= 𝑚𝑖𝑛 𝑝𝑎𝑟𝑎 𝑎𝑟𝑗 < 0.
𝑙𝑎𝑟𝑒𝑙 𝑙𝑎𝑟𝑗𝑙
Paso 5. Determine la nueva s.b (igual que en él simplex usando Gauss-Jordan.
Paso 6. Determine si esta solución es factible j revise si todas las v.b son no negativas (∀𝑏𝑖 ≥
0); sí lo son, pare, se ha llegado a la s.o.
Ejemplo:
𝑀𝑎𝑥 𝑍 = 𝑋1 + 2𝑋2
s.a
𝑌1 𝑋1 ≤ 600
𝑌2 𝑋2 ≤ 300
𝑌3 3𝑋1 + 4𝑋2 ≤ 2400
(𝑋1 , 𝑋2 ) ≥ 0
𝑀𝑖𝑛𝑍 = 600𝑌1 + 300𝑌2 + 2400𝑌3
s.a
𝑌1 + 3𝑌3 ≥ 1
𝑌2 + 4𝑌3 ≥ 2
(𝑌1 , 𝑌2 , 𝑌3 ) ≥ 0
𝑀𝑎𝑥 (−𝑍) = −600𝑌1 + 300𝑌2 − 2400𝑌3
sa
−𝑌1 − 3𝑌3 + 𝑌4 = −1
−𝑌2 − 4𝑌3 + 𝑌 = −2
(𝑌1 , 𝑌2 , 𝑌3 , 𝑌4 , 𝑌 ) ≥ 0
v.b Z 𝑌1 𝑌2 𝑌3 𝑌4 𝑌
Z 1 600 300 2400 0 0 0 300 2400
𝑌4 0 -1 0 -3 1 0 -1 1 4
𝑋𝑠 → 𝑌 0 0 -1 -4 0 1 -2 (-1) 𝑏 =m 𝑏𝑖 𝑏𝑖 < 0
↓ 𝑋𝑒 300 < 600
Z 1 600 0 1200 0 +300 -600 ↑
𝑌4 0 -1 0 -3 1 0 -1 𝑋𝑠 (− 1 3)
(-300) 𝑌2 0 0 1 4 0 -1 2
v. originales v.h
𝑣. 𝑏 𝑣. 𝑛. 𝑏
M. en Administración Israel Alanis Terán Investigación de Operaciones I
−𝑍 = −1000 𝑌1 =0
𝑌3 = 1 3 𝑌4 = 0
𝑌2 = 2 3 𝑌 =0
𝑋1 = 400 𝑋4 = 0
𝑋2 = 300 𝑋 =0
𝑋3 = 200
𝑍𝑥 = 1000
𝑆𝑒𝑎 𝑀𝑎𝑥𝑍 = 3𝑥 + 8𝑦
2𝑥 + 4𝑦 ≤ 1600
6𝑥 + 2𝑦 ≤ 1 00
𝑦≤3 0
Supongamos que deseamos saber cuánto cambiará el valor óptimo si aumenta en una unidad
el lado derecho de la restricción I.
Si aumentamos llegamos al punto F (máxima variación)
Si disminuimos más la restricción llegaremos al punto B (menor variación).
M. en Administración Israel Alanis Terán Investigación de Operaciones I
∗
𝑍2 − ∗𝑍1 ∆𝑍
Prec o sombra = ∗ =
𝑏2 − ∗𝑏1 ∆𝑏𝑖
3300 − 2800 00
𝑟𝑒𝑐𝑖𝑜 𝑠𝑜𝑚𝑏𝑟𝑎 = = = 1.
1 3334 − 1400 333.34
¿Qué pasa si aumenta 𝑏𝑖 de 1600 a 1700? ¿Qué pasa si disminuimos 𝑏𝑖 1600 a 1550?
𝑍 = 3100 + 100(1. ) = 32 0 𝑍 = 3100 − 0(1. ) = 302
𝑦1 = 3 2 𝑋1 = 100
𝑦3 = 2 𝑋2 = +3 0
𝑋3 = 0
𝑋4 = 400
𝑋 =0
6.7-18
Análisis de sensibilidad para el recurso 2.
El punto G crea una región factible y optima respecto a la solucio original utilizando el metodo
grafico.
𝑍𝑚𝑎𝑥 = 𝑍𝐺 = 120
Calculando el valor máximo de bmax, utilizando el punto G
2𝑥1 + 𝑥2 ≤ 𝑏𝑚𝑎𝑥
𝑏𝑚𝑎𝑥 = 2(0) + 30 = 30
Voy a desplazar a la restricción 2 al punto mínimo factible y optimo, que es E.
20 ≤ 𝑏2 ≤ 30
Calculando el precio sombra 2
120 − 100 20
¨ 𝑆2 = = =2
30 − 20 10
Verificando en QM
Tarea:
Ejercicio 5.1-1 y 5.1-4
a) Una sensibilidad para obtener los precios sombra de cada restricción
b) El intervalo factible del término independiente de cada restricción
Teoría de Redes
Sistemas de transporte y comunicaciones
Planeación y control de proyectos
Logística
Cadena de suministro
Conceptos
Sea una red que consta de 4 nodos (𝑠, 𝑥, 𝑦, 𝑡) y 5 arcos (s,x), (s,y), (x,t), (y,t) y (x,y). Dibujarla
M. en Administración Israel Alanis Terán Investigación de Operaciones I
Red dirigida, debido a que cada arco involucra una dirección especifica
Se eliminan las siguientes posibilidades:
a) Arcos (x,x)
b) La existencia de arcos multiples que unan x con y.
Definición
Sean 𝑥1 , 𝑥2 , … 𝑥𝑛 (𝑛 > 2) una secuencia de diferentes nodos de una red tal que, (𝑥𝑖 , 𝑥𝑖+1 ) es un
arco para cada 𝑖 = 1,2, … 𝑛 − 1, entonces la secuencia de nodos-arcos se llama cadena. Ejemplo:
𝑥1 , (𝑥1 , 𝑥2 ), 𝑥2 , (𝑥2 , 𝑥3 ), 𝑥3 , … , (𝑥𝑛−1 , 𝑥𝑛 ), 𝑥𝑛
Una red se llama “conectada” si existe un camino que conecta cada par de nodos
Un árbol es una red conectada, la cual no contiene ningún ciclo. Tiene la propiedad de que existe un
camino o una cadena única que una cada par de nodos.
Una red con “n” nodos, es un árbol si tiene (n-1) arcos y ningún ciclo.
Llamamos 𝑐(𝑥, 𝑦) a la capacidad del arco (𝑥, 𝑦).
Un nodo se llama fuente, si cada uno de los arcos esta orientado de tal forma que le flujo sale de él.
Un nodo se llama destino, si cada uno de sus arcos esta orientado de tal forma que el flujo entra a él.
Métodos:
a) Flujo Máximo. Consiste en encontrar el máximo flujo total a través de una red.
b) Ruta más Corta. Localiza el camino mínimo (más corto) desde un nodo origen hasta el destino.
c) Mínimo árbol. Localiza aquellas ramas de la red que tienen la mínima longitud, a la vez que
conectan todos los nodos
M. en Administración Israel Alanis Terán Investigación de Operaciones I
3
A D
1 3
3 2
3 3
C E
0 2 1
2
B G F
4 1
PASO 2
K- NUMERO DE ITERACION
KO={O}
K1={O,A}
COMPARAMOS ENTRE LOS NODOS MAS CERCANOS AL NODO O
OA-1 VIA O 0+1=1 ELIJIMOS LA MINIMA DISTANCIA Y LA ENCERRAMOS
OB-2 VIA O 0+2=2
TACHAMOS (SUBRAYAR) LOS ARCOS QUE ENTREN AL NODO A
M. en Administración Israel Alanis Terán Investigación de Operaciones I
K2={O,A,B}
OB-2 VIA 0 2+0=2 ELIJIMOS LA MINIMA DISTANCIA Y LA ENCERRAMOS
AB-3 VIA A 3+1=4
AC-3 VIA A 3+1=4
AD-3 VIA A 3+1=4
TACHAMOS (SUBRAYAR) LOS ARCOS QUE ENTREN AL NODO B
K3={O,A,B,C,D}
AC-3 VIA A 3+1=4
AD-3 VIA A 3+1=4 ELEGIMOS LOS TRES ARCOS CON LA MINIMA DISTANCIA Y LOS ENCERRAMOS
BC-2 VIA B 2+2=4
BG-4 VIA B 4+2=6
TACHAMOS (SUBRAYAR) LOS ARCOS QUE ENTREN AL NODO C Y D.
K4={O,A,B,C,D,G}
BG-4 VIA B 4+2=6 ES LA MINIMA DISTANCIA Y LA ENCERRAMOS
CE-3 VIA C 3+4=7
CG-3 VIA C 3+4=7
DE-3 VIA D 3+4=7
TACHAMOS (SUBRAYAR) LOS ARCOS QUE ENTREN AL NODO G.
K5={O,A,B,C,D,G,E,F}
CE-3 VIA C 3+4=7
DE-3 VIA D 3+4=7 ELEGIMOS LOS TRES ARCOS CON LA MINIMA
DISTANCIA Y LOS ENCERRAMOS
GF-1 VIA G 1+6=7
TACHAMOS (SUBRAYAR) LOS ARCOS QUE ENTREN AL NODO E Y F.
3
A D
1 3
3 2
3 3
C E
0 2 1
3
2
B G F
4 1
DISTANCIA MINIMA
O-B-G-F=7 UNIDADES
TAREA 9.3-4
M. en Administración Israel Alanis Terán Investigación de Operaciones I
3
A D
1 3
3 2
3 3
C E
0 2 1
3
2
B G F
4 1
PASO 1
NODO O NODO A NODO B NODO C NODO D NODO E NODO F NODO G
OA-1 A0-1 B0-2 CB-2 DC-2 EF-1 FE-1 GF-1
OB-2 AB-3 BC-2 CD-2 DA-3 EC-3 FG-1 GC-3
AC-3 BA-3 CA-3 DE-3 ED-3 GB-4
AD-3 BG-4 CE-3
CG-3
PASO 2
K1={C,B}
ARBITRARIAMENTE ELIJO AL NODO C
CB-2 ENCIERRO CB-2 Y BC-2
K2={C,B,0}
B0-2 ELIJO ARBITRARIAMENTE, ENCIERRO B0-2 Y OB-2
CD-2
K3={C,B,O,A}
OA-1 ELIJO OA-1 Y A0-1 Y LOS ENCIERRO
BA-3
CD-2
TACHAMOS AC-3 Y CA-3 (SUBRAYAR) PORQUE FORMAN CICLOS
M. en Administración Israel Alanis Terán Investigación de Operaciones I
FLUJO MÁXIMO
Considere una red que conecta 2 nodos (una fuente y un destino), por medio de unos nodos
intermedios. Supóngase que:
-Un flujo F(x,y) por unidad de tiempo va del nodo x al y; este necesariamente tendrá que ser ≤ a la
capacidad C(x,y) del arco, es decir; F(x,y) ≤ C(x,y) ∀ las (x,y) ∈ A.
Paso 1. Encuentre un camino, entre la fuente y el destino, que tenga capacidad de flujo > 0. (Si no
existe ninguno, los flujos netos asignados hasta ese momento constituyen un flujo máximo
[optimo]).
Paso 2. Inspeccione el camino encontrado en el paso 1 para encontrar el arco que tenga la menor
capacidad de flujo; denomine esta capacidad C*. Incremente en C* el flujo de esta trayectoria.
Paso 3. Disminuya en C* la capacidad de flujo de cada arco en el camino en el sentido del flujo.
Incremente en C* la capacidad de flujo de cada arco del camino en sentido contrario al flujo
asignado. Regrese al paso 1.
M. en Administración Israel Alanis Terán Investigación de Operaciones I
FLUJO MAXIMO
2
1 1 0
2
1
3
0
2
- 0
02
= 4
01 1 0
0
2
flujo de 2 unidades
2-2=0
1+2=3 1 0+2=2
2-2=0
1
3
0
2-2=0-
0 0+2=2
0
4 Flujo=2
1 1 0
0
2
Iteración 2 0+1=1
3 1 2-1=1
Flujo=1 0
1-1=0
3
0+1=1
0
- 2
02 Flujo=1
= 4
1-1=00 1-1=0 0+1=1
0+1=1
2
FLUJO MAXIMO=2+1=3
M. en Administración Israel Alanis Terán Investigación de Operaciones I
DEFINIR LA VARIABLE
Xij
ENTRADA (-)
PROGRAMACION LINEAL
S.A
𝑋𝐷𝐶−𝐴2 ≤80
M. en Administración Israel Alanis Terán Investigación de Operaciones I
𝑋𝐹1−𝐹2 = 0
𝑋𝐹1−𝐷𝐶 = 40
𝑋𝐹1−𝐴1 = 10
𝑋𝐹2−𝐷𝐶 = 40
𝑋𝐷𝐶−𝐴2 = 80
𝑋𝐴1−𝐴2 = 0
𝑋𝐴2−𝐴1 = 20
Z=49000
M. en Administración Israel Alanis Terán Investigación de Operaciones I
MODELO DE TRANSPORTE
Suponiendo
• Distancia
• Tiempo
• Tecnología
• Mantenimiento al vehículo
• Infraestructura
• Recursos humanos
• Recursos materiales
Principio
Oferta = Demanda
Z= Costos de transportación
Sujeto a
Origen:
M. en Administración Israel Alanis Terán Investigación de Operaciones I
Destino:
Condición de no negatividad
Objetivo:
Transportar los artículos del origen i al destino j con el menor costo, de manera que se cubra la
demanda de los destinos.
M. en Administración Israel Alanis Terán Investigación de Operaciones I
Paso 4. Asigne tanto como sea posible a la celda con menor costo en ese renglón o columna
Paso 2. Calcular ui y vj
𝐶𝑖𝑗 = 𝑈𝑖 + 𝑉𝑗
𝐶𝑖𝑗 = 𝑈𝑖 + 𝑉𝑗 = 0
𝐶𝑖𝑗 − 𝑈𝑖 − 𝑉𝑗 = 0
𝑥𝑒 = 𝑀𝐼𝑁[𝐶𝑖𝑗 − 𝑈𝑖 − 𝑉𝑗 ] < 0
Eligiendo la 𝜃 minima
𝑥𝑒 = 𝑀𝐼𝑁[𝐶𝑖𝑗 − 𝑈𝑖 − 𝑉𝑗 ] ≥ 0
M. en Administración Israel Alanis Terán Investigación de Operaciones I
Z= COSTO TOTAL.
𝑀𝐼𝑁𝑍 = 3𝑋11 + 𝑋12 + 6𝑋13 + 4𝑋14 + 2𝑋1 + 4𝑋21 + 3𝑋22 + 2𝑋23 + 4𝑋24 + 3𝑋2 + 8𝑋31
+ 𝑋32
SUJETO A:
(𝑋11 , 𝑋12 , 𝑋13 , 𝑋14 , 𝑋1 , 𝑋21 , 𝑋22 , 𝑋23 , 𝑋24 , 𝑋2 , 𝑋31 , 𝑋32 , 𝑋33 , 𝑋34 ) ≥ 0
ARREGLO RECTANGULAR
ORIGEN\DESTINO 1 2 3 4 RECURSOS
1 𝑋11 𝑋12 𝑋13 𝑋14 5
3 7 6 4
2 𝑋21 𝑋22 𝑋23 𝑋24 2
2 4 3 2
3 𝑋31 𝑋32 𝑋33 𝑋34 3
4 3 8 5
DEMANDA 3 3 2 2 10
(𝑋11 , 𝑋12 , 𝑋13 , 𝑋14 , 𝑋1 , 𝑋21 , 𝑋22 , 𝑋23 , 𝑋24 , 𝑋2 , 𝑋31 , 𝑋32 , 𝑋33 , 𝑋34 , ) ≥ 0
METODO DE RUSELL
PRIMERO
ORIGEN\DESTINO 1 2 3 4 RECURSOS
1 𝑋11 = 3 𝑋12 =2 𝑋13 𝑋14 5/2/0
3 7 6 4
2 𝑋21 𝑋22 =1 𝑋23 =1 𝑋24 2/1/0
2 4 3 2
3 𝑋31 𝑋32 𝑋33 =1 𝑋34 =2 3/2/0
4 3 8 5
DEMANDA 3/0 3/1/0 2/1/0 2/0 10
Q
𝒁 = (𝟑 ∗ 𝟑) + (𝟐 ∗ 𝟕) + (𝟏 ∗ 𝟒) + (𝟑 ∗ 𝟏) + (𝟖 ∗ 𝟏) + (𝟐 ∗ 𝟓) = 𝟒𝟖
PASO 2: CALCULAR Ui Y Vj
Recordemos que:
𝐶𝑖𝑗 = 𝑈𝑖 + 𝑉𝑗
ORIGEN\DESTINO 1 2 3 4 RECURSOS
1 𝑋11 = 3 𝑋12 =2 𝑋13 𝑋14 5
3 7 6 4
2 𝑋21 𝑋22 =1 𝑋23 =1 𝑋24 2
2 4 3 2
3 𝑋31 𝑋32 𝑋33 =1 𝑋34 =2 3
4 3 8 5
DEMANDA 3 3 2 2 10
M. en Administración Israel Alanis Terán Investigación de Operaciones I
Verificando entre los renglones y columnas el número de variables básicas partimos del renglón 1
la cual contiene las mismas variables, por lo tanto, U1=0.
ORIGEN\DESTINO 1 2 3 4 RECURSOS
1 𝑋11 = 3 𝑋12 =2 𝑋13 𝑋14 5
3 7 6 4 U1=0
2 𝑋21 𝑋22 =1 𝑋23 =1 𝑋24 2
2 4 3 2 U2=-3
3 𝑋31 𝑋32 𝑋33 =1 𝑋34 =2 3
4 3 8 5 U3=2
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=3
𝑥𝑒 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎
𝐶𝑖𝑗 = 𝑈𝑖 + 𝑉𝑗 = 0
𝐶𝑖𝑗 − 𝑈𝑖 − 𝑉𝑗 = 0
𝑥𝑒 = 𝑀𝐼𝑁[𝐶𝑖𝑗 − 𝑈𝑖 − 𝑉𝑗 ] < 0
ORIGEN\DESTINO 1 2 3 4 RECURSOS
1 𝑋11 = 3 𝑋12 =2 𝑋13 𝑋14 5
3 7 6 4 U1=0
2 𝑋21 𝑋22 =1 𝑋23 =1 𝑋24 2
2 4 3 2 U2=-3
3 𝑋31 𝑋32 𝑋33 =1 𝑋34 =2 3
4 3 8 5 U3=2
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=3
𝑋13−𝑈1−𝑉3 =6-0-6=0
𝑋14−𝑈1−𝑉4 =4-0-3=1
M. en Administración Israel Alanis Terán Investigación de Operaciones I
𝑋21 -U2-V1=2-(-3)-3=2
𝑋31−𝑈3−𝑉1 =4-2-3= -1
𝑋32−𝑈3−𝑉2 =3-2-7= -6
Comparando los resultados obtenemos que:
𝒙𝒆 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒅𝒆 𝒆𝒏𝒕𝒓𝒂𝒅𝒂 = 𝑿𝟑𝟐 = −𝟔
PASO 4. CALCULAR LA VARIABLE SALIDA
ORIGEN\DESTINO 1 2 3 4 RECURSOS
1 𝑋11 = 3 𝑋12 =2 𝑋13 0 𝑋14 1 5
3 7 6 4 U1=0
2 𝑋21 2 𝑋22 =1 𝑋23 =1 𝑋24 2
2 1- 𝜃 1+ 𝜃 2 U2=-3
4 3
3 𝑋31 -1 𝑋32 -6 𝑋33 =1 𝑋34 =2 3
4 𝜃 1- 𝜃 5 U3=2
3 8
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=3
ITERACION 2
ORIGEN\DESTINO 1 2 3 4 RECURSOS
1 𝑋11 = 3 𝑋12 =2 𝑋13 0 𝑋14 1 5
3 7 6 4 U1=0
2 𝑋21 2 𝑋22 =1 𝑋23 =1 𝑋24 2 2
2 0 2 3 2 U2=-3
4
3 𝑋31 -1 𝑋32 -6 𝑋33 =1 𝑋34 =2 3
4 1 3 0 5 U3=2
8
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=3
M. en Administración Israel Alanis Terán Investigación de Operaciones I
Z = (3*3) + (7*2) + (6*0) + (4*0) + (2*0) + (4*0) + (3*2) + (2*0) + (4*0) + (3*1) + (8*0) +
(5*2)=42
ITERACION 3
ORIGEN\DESTINO 1 2 3 4 RECURSOS
1 𝑋11 = 3 𝑋12 =2 𝑋13 0 𝑋14 1 5
3 7 6 4 U1=0
2 𝑋21 2 𝑋22 =6 𝑋23 =2 𝑋24 2 2
2 3 2 U2=-3
4
3 𝑋31 -1 𝑋32 =1 𝑋33 =0 𝑋34 =2 3
4 1 3 0 5 U3=2
8
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=3
Verificando entre los renglones y columnas el número de variables básicas, partimos del renglón 3
la cual contiene tres variables básicas, por lo tanto, U2=0.
𝑥𝑒 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎
𝐶𝑖𝑗 = 𝑈𝑖 + 𝑉𝑗 = 0
𝐶𝑖𝑗 − 𝑈𝑖 − 𝑉𝑗 = 0
𝑥𝑒 = 𝑀𝐼𝑁[𝐶𝑖𝑗 − 𝑈𝑖 − 𝑉𝑗 ] < 0
C14 - U1 – V3 = 4 - 0 - 9 = -5
C21 - U2 – V1 = 2 - (-3) - 3 = 2
C22 - U2 – V2 = 4 - (-3) – 7 = 0
M. en Administración Israel Alanis Terán Investigación de Operaciones I
C24 - U2 – V4 = 2 - (-3) - 9 = -4
C31 - U3 - V1 = 4 – (-4) – 3 = 5
C33 – U3 – V4 = 8 – (-4) – 6 = 6
ORIGEN\DESTINO 1 2 3 4 RECURSOS
1 𝑋11 = 3 𝑋12 =2 𝑋13 0 𝑋14 -5 5
3 7 6 4 U1=0
2 𝑋21 2 𝑋22 =0 𝑋23 =2 𝑋24 -4 2
2 3 2 U2=-3
4
3 𝑋31 5 𝑋32 =1 𝑋33 =6 𝑋34 =2 3
4 1 3 0 5 U3=-4
8
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=9
ORIGEN\DESTINO 1 2 3 4 RECURSOS
1 𝑋11 = 3 𝑋12 𝑋13 =0 𝑋14 = 2 5
3 2- θ 6 θ U1=0
7 4
2 𝑋21 2 𝑋22 =0 𝑋23 =2 𝑋24 -4 2
2 3 2 U2=-3
4
3 𝑋31 5 𝑋32 =3 𝑋33 =6 𝑋34 =0 3
4 2+θ 0 2- θ U3=-4
3 8 5
DEMANDA 3 3 2 2 10
V1=3 V2=7 V3=6 V4=9
M. en Administración Israel Alanis Terán Investigación de Operaciones I
Z = (3*3) + (7*0) + (6*0) + (4*2) + (2*0) + (4*0) + (3*2) + (2*0) + (4*0) + (3*3) + (8*0) +
(5*0)=32
SI OBSERVAMOS LOS VALORES DE LAS VARIABLES NO BASICAS TODAS CUENTAN CON
UN VALOR POSITIVO, POR LO TANTO, HEMOS LLEGADO A LA SOLUCIÓN OPTIMA.
QM