Modelos de transporte,

Asignacin
y
Anlisis de Sensibilidad
Dr. Jos Castillo Montes
MODELOS DE TRANSPORTE

El modelo de transporte es un problema de

optimizacin de redes donde debe determinarse
como hacer llegar los productos desde los puntos
de existencia hasta los puntos de demanda,
minimizando los costos de envi.
El modelo busca determinar un plan de
transporte de una mercanca de varias fuentes a
varios destinos. Entre los datos del modelo se
El problema del
cuenta: transporte, tambin
transporte, tambin
conocido como
problema de
Hitchcock, fue
formulado y resuelto
por primera vez en el
ao 1941 por Frank L.
Hitchcock (1875 -
1957).
El modelo busca determinar un plan de
transporte de una mercanca de varias fuentes a
varios destinos. Entre los datos del modelo se
cuenta:
1.- Nivel de oferta en cada fuente u origen y la
cantidad de demanda en cada destino.
2.- El costo de transporte unitario de la
mercanca de cada fuente a cada destino.
El modelo se utiliza para realizar actividades
como: control de inventarios, programacin del
empleo, asignacin de personal, flujo de
efectivo, programacin de niveles de reservas en
El objetivo de los modelos de transporte es
prensas entre otras.
encontrar la solucin a un costo mnimo para la
realizacin de planes de envi, transporte
distribucin, desde cualquier centro de
abastecimiento llamado orgenes, a cualquier
grupo de centros de recepcin llamados
 Modelo General del Problema del Transporte
Es un caso especial de problema de programacin Lineal, en el
que todos los coeficientes de las variables en las restricciones
tienen coeficiente uno (1), esto es:
ai,j = 1 ; para todo i , para todo j Expresado en forma general queda:
Grficamente:

para j = 1, 2, 3, ..., n

es la cantidad de recursos (x) asignados al destino ( j )

con su costo unitario (i).

Matemticamente:

Minimizar Z = C1,1X1,1 +...+ C1,jX1,j +...+ C1,nX1,n +...+ Ci,1Xi,1 +...+

Ci,jXi,j +...+ Ci,nXi,n +...+ Cm,1Xm,1 +...+ Cm,jXm,j +...+ Cm,nXm,n
Xi,j= Unidades a enviar desde la fuente i-sima (i=1,...,m)
al destino j-simo (j=1,...,n)
Ci,j= Costo de enviar una unidad desde la fuente i-sima
(i=1,...,m) al destino
j-simo (j=1,...,n)
ai = Disponibilidad (oferta) en unidades, de la fuente i-
sima (i=1,...,m)
bj = Requerimiento (demanda) en unidades, del destino j-
tabla de costos y requerimientos
simo (j=1,...,n)
Costo por unidad distribuida

Destino

1 2 ... n Recursos

1 c11 c12 ... c1n a1

Origen 2 c21 c22 ... c2n a2

. . . . .

. . . . . . . .

. . . . .

m cm1 cm2 ... cmn am

Sea Z el costo total de distribucin y xij (i = 1, 2, ..., m; j = 1,
2,..., n) el nmero de unidades que se distribuyen del origen i
al destino j, la formulacin de programacin lineal para este
problema es: c x
m n

Minimizar Z = i 1 j 1
ij ij

n
sujeta a
x
j 1
ij ai para i = 1, 2, ..., m

x
i 1
ij dj para j = 1, 2, ..., n

xij 0, para toda i

yj
 ALGORITMO DE
TRANSPORTE
El mtodo general de resolucin del problema de
transporte consta de 4 pasos que conforman el
denominado algoritmo de transporte.
Paso 1. Escribir el problema de transporte en la forma
matricial. Si el problema es no equilibrado, transformarle
en equilibrado.. Ir al paso 2
Paso 2. Determinar una solucin bsica factible inicial. Ir
al paso 3.
Paso 3. Si las solucin obtenida en el paso 2 es optima,
detener el proceso., en otro caso , ir al paso 4.
Paso 4. Obtener una nueva solucin que sea mejor que la
Teorema
s
anterior
Teorema 1. Para que el problema de transporte tenga
solucin es condicin necesaria y suficiente que la oferta
total sea igual a la demanda total.
m n

ai b j
Oferta i 1 j 1 Demanda
total total
Teorema 2. El problema de transporte equilibrado tiene
una solucin factible.
Teorema 3. Todo problema de transporte equilibrado tiene
una solucin bsica factible. Esta solucin tiene como
mximo m + n -1 variables no negativas

En nuestro estudio utilizaremos los siguientes modelos

de transporte:
1. Mtodo de aproximacin de Vogel.
2. Mtodo de aproximacin de Russell
3. Mtodo de la Esquina Nor Oeste
4. Metodo MODI
La presentacin del modelo de transporte require tres
condiciones:
1. Solucin optima del modelo
2. Formulacin del modelo de programacin lineal
3. Disear el sistema de redes
 RESOLUCIN DEL MODELO DE
TRANSPORTE
Matriz de costos
MATRIZ DE FLUJOS
Costo por unidad
distribuida DESTINO
Destino ORIGEN 1 2 3 ... OFERTA

1 2 ... n Recursos

1 c11 c12 ... c1n a1

Ori 2 c21 c22 ... c2n a2

gen DEMANDA
. . . . .

. . . . . . . .

Modelo de programacin
. . . . . Sistema de redes
lineal
Minimizar Z = C X +...+ C X +...+ C X +...+
m cm1 1,1 c1,1 . . . 1,jcmn1,j 1,n 1,n
m2 am
Ci,1Xi,1 +...+ Ci,jXi,j +...+ Ci,nXi,n +...+ Cm,1Xm,1 +...+
Cm,j
DemXm,j +...+ Cbm,nXm,nb ... bn
1 2
Xanda++ X1j ++ X1n = a1
11

Xi1 ++ Xij ++ Xin = ai

Xm1 ++ Xmj ++ Xmn = am X11 ++ Xij ++
Xmn = b1

X1j ++ Xij ++ Xmj = bj

Xm1 ++ Xmj ++ Xmn = bn

Para el caso en que la oferta total sea mayor que la
demanda total

Si el caso es que se dispone de mayor produccin de la que se

demanda, entonces para balancear el problema se agrega un
destino imaginario o artificial (llamado tambin destino
ficticio) el cual tendr como demanda dicha sobreproduccin.
En cuanto a los costos asociados a este nuevo destino los
estableceremos a cero (por qu?). El siguiente dibujo
muestra lo que se debe hacer:

donde
bn+1 =
m n

a b
i 1
i

j 1
j

y
0 ci,n+1 = 0, para i =
1, 2, ..., m
0

0
 Para el caso en que la demanda es mayor
Si
queellacaso es que se tiene mayor demanda de lo que se
oferta
produce, entonces para balancear el problema se agrega un
origen imaginario o artificial (llamado tambin origen ficticio) el
cual tendr como recursos (producir) dicha sobredemanda. En
cuanto a los costos asociados a este nuevo origen los
estableceremos a cero (por qu?). El siguiente dibujo muestra
lo que se debe hacer:

donde
sm+1 =

n m

dj ai
j 1 i 1

y
cm+1j = 0 para
j = 1, 2, ..., n
0 0 0
RUTAS PROHIBIDAS (o ruta M)
En los problemas de transporte puede no ser posible establecer
una ruta desde cada uno de los orgenes hasta cada uno de los
destinos. Es decir, algunas rutas pueden ser prohibidas.
( caminos en vas de construccin, inundaciones, huaicos, peso
limite del puente o en reparacin, ordenanza de trafico local.
En el algoritmo, se le asigna un costo con un valor muy grande
(M) con respecto a los otros costos de envo.
Si se prohbe los envos de un origen i a un destino j, se debe
convertir Cij = M, donde el valor de M es infinitamente grande.
Esto implica que la variable Xij = 0, en la solucin final del
problema de transporte
C. lima Ica Tacna Arequipa Trujillo Oferta
Callao 0 7 15 M 4 70
Ventanilla 7 0 8 10 5 80
Lima 15 8 0 2 10 0
San Isidro M 10 2 0 M 0
Comas 4 5 10 M 0 0
Demanda 0 0 40 60 50
Teorema 1.-
Para que el problema de transporte tenga solucin es
condicin necesaria y suficiente que la oferta total sea igual
a la demanda total

Teorema 2.-
El problema de transporte equilibrado o balanceado tiene
una solucin factible

Teorema 3.-
Todo problema de transporte equilibrado tiene una solucin
bsica factible. Esta solucin tiene como mximo m+n-1
variables no negativas

Solucin bsica factible no degenerada

Es una solucin factible bsica con exactamente m + n 1
variables bsicas

Solucin bsica factible degenerada.-

Es una S.B.F., con menos m + n 1 variables bsicas
MTODO DE APROXIMACIN VOGEL
Es el mas eficaz que otros modelos, ya que la solucin inicial
hallada por este modelo, por lo general es la solucin optima

Algoritmo del Metodo de Vogel.

Paso 1. Calcular las diferencias entre dos costos mas pequeos
en la fila i (Dif)
Paso 2. Calcular la diferencia en valor absoluto entre los 2
costes menores de la columna j en la tabla de costes.(Dci)
Paso 3 . Asignar a una celda Xij que tiene el costo mas pequeo
(Cij) , tratando de satisfacer la demanda (bj) en funcin de la
disponible de la oferta (ai)

xij = min (ai,bj)

si ai < bj b*j = bj - ai
si ai >bj a*i = ai bj ai = bj se elimina la fila i y/o la columna
j, pero no ambas

Paso 4. REGRESAR al paso 1 hasta que todos las columnas j y

la fila i queden
 Caso
1
En la siguiente tabla, se muestra a una empresa de 3 plantes.
El objetivo es encontrar el costo total mnimo de transporte,
satisfaciendo la demanda y considerando las limitaciones de
oferta. Matriz de costos
Planta Centro Centro Centro Centr Oferta
o
C1 C2 C3 c4
m n
P1

P2
10
5
20
17
6
29
5
22
30
30
ai 80 b
i 1 j 1
j 80

P3 15 25 5 10 20
Deman 20 20 15 25
da

Planta Centro Centro Centro Centr Oferta

o
Matriz de flujos
C1 C2 C3 c4
P1 10 20 30

P2 20 10 30

P3 15 5 20

Deman 20 20 15 25
Planta Centro Centro Centro Centr Dif fila
o Diferencias de costos mas pequeos
C1 C2 C3 c4 de filas y columnas:
C21 = 5 tiene el costo unitario mas
P1 10 20 6 5 1 bajo.
P2 5 17 29 22 12 X21= min (30; 20) = 20
X21 = min (a2 b1) a2* = a2-b1 =
P3 15 25 5 10 5 30-20 =10
Dif. 5 3 1 5 Se observa que de la P2 al C1 se envo
column
a
20 unidades, quedando satisfecho el
C1, procedindose a eliminar la celda

Planta Centro Centro Centro Centr Oferta

o
C1 C2 C3 c4
P1 10 20 30
10
P2 20 10 30
10
P3 15 5 20
5
Deman 20 20 15 25
da
10 20
0
Planta Centro Centro Centr Dif fila Como hay tres diferencias iguales,
o
escogemos arbitrariamente a la 3ra
C2 C3 c4 fila.
P1 20 6 5 1 Celda X33 = min (20,15) = 15
P2 17 29 22 5 X33 = min (a3, b3) = a3* = a3-b3=
P3 25 5 10 5
20-15= 5
Como se muestra en el cuadro de
Dif. 3 1 5
column flujos, ha quedado saturado el
a centro de consumo C3 y se elimina
la columna

Planta Centro Centr Dif fila

o
Se selecciona la celda X34 = min (5, 25) = 5
C2 C4 b4* = b4-a3 = 25-5 = 20.
P1 20 5 15 Le asignamos al cuadro de flujos las 5
P2 17 22 5 unidades , quedando por abastecer 20 unid.
Y se elimina la fila 3
P3 25 10 15
Se puede notar que se ha enviado de la
Dif. 3 5
column
planta P3 las 5 unidades al centro de
a consumo C4.
Planta Centro Centr Dif fila Se elige la columna 4, por ser el mayor de las
o
diferencias , luego se escoge la de menor costo
C2 C4 X14 = min (30. 20) = 20 Se asigna 20 unidades
P1 20 5 15 de la planta P1 al centro de consumo C4, as
P2 17 22 5 tambin min (a1, b4) -- a1* = a1-b4 = 30-20 = 10
Al quedar saturada el centro C4 se elimina la
columna 4
Dif. 3 17
column
a

Planta Centro Dif fila

Se selecciona la fila 1 por tener la mayor
C2 diferencia en fila .
X12 = min (10, 20) = 10 y se asigna de la
P1 20 20 planta P1 al centro de consumo C2.
b2* = b2 a1 = 20 -10 = 10
P2 17 17 Al quedar saturado el centro C2, al asignarse
10 unidades de P1 al C2., se elimina la fila1

Dif. 3
column
a
 Planta Centro Dif fila Por un simple razonamiento, es obvio que de la
planta P2 al centro C2 , el resto de unidades . X22=
C2 min (10, 10) = 10
De esta manera todas las filas y las columnas
quedaron saturadas.
P2 17 17

Dif. 17
Distribucin
column de los productos realizados des las plantas y los centros de
a
abastecimiento

Planta Centro Centro Centro Centr Oferta

o Procedemos a calcular los costos
totales de transporte:
C1 C2 C3 c4
P1 10 20 30 CT = 10(20) + 20(5) + 20(5) +
10 10(17) + 15(5) + 5 (10) = 695
P2 20 10 30
10
P3 15 5 20
5
Deman 20 20 15 25
da
10 20
0
Planta Centro Centro Centro Centr Oferta
o
Formulacin del modelo de P.L.
C1 C2 C3 c4
P1 10 20 6 5 30
P2 5 17 29 22 30
P3 15 25 5 10 20
Deman 20 20 15 25
da

Min Z = 10X11 + 20X12 + 6 X13 + 5X14 Sistema de redes

+ 5X21 + 17X22 + 29X23 + 22X24 + 15X31
Plantas Centros
+ 25X32 + 5X33 + 10X34
Sujeto a: C1
P1
X11 + X12 + X13 + X14 = 30
X21 + X22 + X23 + X24 = 30
X31+ X32 + X33 + X34 = 20 C2
P2
X11 + X21 + X31 = 20
X12 + X22 + X32 = 20
X13 + X23 + X33 = 15 C3
X14 + X24 + X34 = 25 P3
Xij 0 i = 1,2,3,4 j= 1,2,3
C4
LP OPTIMUM FOUND AT STEP 6
OBJECTIVE FUNCTION VALUE

1) 695.0000

VARIABLE VALUE REDUCED COST

X11 0.000000 2.000000
X12 10.000000 0.000000
X13 0.000000 6.000000
X14 20.000000 0.000000
X21 20.000000 0.000000
X22 10.000000 0.000000
X23 0.000000 32.000000
X24 0.000000 20.000000
X31 0.000000 2.000000
X32 0.000000 0.000000
X33 15.000000 0.000000
X34 5.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 5.000000
3) 0.000000 8.000000
4) 0.000000 0.000000
5) 0.000000 -13.000000
6) 0.000000 -25.000000
7) 0.000000 -5.000000
8) 0.000000 -10.000000

NO. ITERATIONS= 6
MTODO DE APROXIMACIN DE RUSSELL(Edward J. Russell - 1968

Es un mtodo que proporciona una solucin bsica inicial

prxima a la solucin optima

Algoritmo

Prueba de factibilidad
Paso 1.- para cada fila de origen i debe calcularse ui el
mayor costo unitario cij de los que quedan en la fila i
Paso 2.- para cada columna de destino j, se determina vj,
el mayor costo unitario de lo que hay en esa columna j

ui = max Cij
vj = max Cij

Paso 3.- Encontrar la variable Xij menor permisible en cada

fila o columna, es decir:
ij = Cij ui vj ij = (ui + vj ) cij (costo de transferencia)
Paso 4: se elige la variable con el mayor ij. Los empates se
rompen de manera arbitraria:
Xij = min (ai, bj) si ai< bj b*j = bi ai (se elimina la fila
i

si bj < ai a*i = ai bj (se elimina la columna j)

Si ai = bj eliminamos la fila i o columna j.

Prueba de optimalidad
1. Una solucin bsica factible es optima si y solo si cij ui
vj 0 , tal que Xij es no bsica.
2. Se obtiene ui, vj al elegir la fila con el mayor nmeros
de asignaciones y establecer ui =0
3. Si Xij es una variable bsica ui y vj, tal que satisfaga el
conjunto de ecuaciones.
cij = ui + vj , tal que Xij es bsica.
4. Se resuelve el sistema de ecuaciones

cij = ui vj / Xij es bsica.

METODO DE LA ESQUINA NOR OESTE.
Es un algoritmo heurstico til para resolver problemas de
transporte o distribucin por medio la consecucin de una
solucin bsica inicial que satisfaga todas las restricciones
existentes sin que esto implique que se alcance el costo ptimo
total.
Pasos para desarrollar este mtodo:
Paso 1. Seleccionar la celda de la esquina noroeste (esquina
superior izquierda).
Paso 2: asignar el mximo posible Xij = min (ai, bj) o la menor
entre la oferta y la demanda.
Paso 3: Actualizar la oferta y la demanda

Xij = min (ai, bj) si ai< bj b*j = bi ai (se elimina la fila i)

si bj < ai a*i = ai bj (se elimina la columna j)

Si ai = bj eliminamos la fila i o columna j.

Paso 4: Muvase a la derecha o hacia debajo de xij a Xij+1,

segn halla quedado disponibilidad para asignar. En otro caso
ir, al paso 1.
El mtodo del Cruce del Arroyo, Trampoln, o de Salto
de Piedra en Piedra (Stepping Stone) es un mtodo de
resolucin de problemas de transporte en programacin
lineal que consiste en calcular cul sera la variacin del
costo del envo a travs de las ruta posibles, es decir
asignar cierta cantidad de artculos desde varios orgenes
(fbricas/fuentes) a un conjunto de destinos
(clientes/depsitos) de tal manera que se disminuyan los
costos, hasta optimizar el objetivo.

Se debe sumar y restar a las celda para mantener la

factibilidad, a fin de ,mantener siempre el balance en las
dilas y columnas correspondientes.
Se elige el mnimo de los negativos y este se le
asigna a la celda elegida.

(+) X11 X12 (-)

(-) X21 X22 (+)

MTODO DEL COSTO MNIMO

Este mtodo trata de localizar una mejor solucin inicial

al modelo de transporte , utilizando las rutas menos
costosas.
Si existe costos iguales, se selecciona arbitrariamente
uno de ellos. DEL MTODO DE COSTO MNIMO:
ALGORITMO
Paso1. Localizar la celda que tenga el menor costo y
asignarle la mayor cantidad posible de flujo. Si hay empate
en el mnimo coste. Elegir la celda a la que pueda asignarle
una mayor cantidad de flujo
Paso 2.- Se procede actualizar o ajustar la oferta y
demanda de la fila y columna, restndole la cantidad
asignada a la celda. Luego se procede a eliminar la fila o
columna. Para continuar asignando valores en las siguientes
filas o columna, se deja de considerar la fila o columna que ya
ha quedado saturada.
Paso 3. Si se han agotado todas las ofertas o demandas,
igualad a cero las Xij que no tienen valor asignado, y ya
tenemos
Nota: selaexcepta
solucin bsica factiblede
los costos inicial. En caso
las celdas decontario
volver
costoalficticio
paso 1
Caso 1: Una empresa energtica dispone de cuatro plantas de
generacin para satisfacer la demanda diaria elctrica en
cuatro ciudades. Las plantes 1,2,3,y 4 pueden satisface de
80, 30, 60, y 45 millones de KW al da respectivamente. Las
necesidades de las ciudades C1, C2, C3 Y C4 son de 70, 40,
70, y 35 millones de Kw al da respectivamente. Los costos
asociados al envi de suministro energtico por cada milln
de KW entre cada planta y cada ciudad son registrados en la
siguientePlant
tabla: C1 C2 C3 C4 capacidad
as
P1 5 2 7 3 80
P2 3 6 6 1 30
P3 6 1 2 4 60
P4 4 3 6 6 45
necesi 70 40 70 35
dades

Resolver por el mtodo del costo mnimo y formular mediante el

modelo de Programacin lineal que permita satisfacer las
necesidades de todas las ciudades al tiempo que minimice los costos
asociadas al trasporte
Caso 2:
Una compaa de agua tiene tres depsitos con una entrada
diaria estimada de 15 , 20 y 25 millones de litros de agua
respectivamente. Diariamente tiene que abastecer 4 reas
A,B,C y D, las cuales tiene una demanda esperada de 8, 10,
12 y 15 millones de litros respectivamente. El costo de
bombeo por milln de litros de agua es como sigue:
Depsito A B C D capacidad
s

D1 2 3 4 5 15
D2 3 2 5 2 20
D3 4 1 2 3 25
Demand 8 10 1 15
a
2
Encuentre la solucin bsica de inicio del modelo de
transporte por el mtodo de costo mnimo
1. Tres empresas suministran ordenadores a cuatro detallistas. La
EJERCICIOS
cantidad de
demanda semanal de los cuatro detallistas es de 150, 150, 400 y
100 ordenadores,
respectivamente. La oferta de las tres empresas est dictada por la
mano de obra
regular disponible y se calcula en 250, 300 y 250 unidades a la
semana. El costo
en euros del transporte por unidad viene detallado en la siguiente
Proveedor Detallistas
tabla 1 2 3 4
es
Detallistas
Determinar el coste mnimo del programa 1de 10 20 30 20
envo. 2 20 40 10 20
2. Una empresa de camiones 3 10 30 50 30
enva camiones cargados de
grano desde tres PLANTAS a PLANTA MOLINOS
cuatro MOLINOS. La oferta (en S
1 2 3 4 Oferta
camiones cargados) y la
demanda (tambin en 1 10 2 20 11 15
camiones cargados), junto con 25
2 12 7 9 20
los costes de transporte por 10
carga de camin en 3 4 14 16 18

las diferentes rutas se

resumen en el modelo de 5 15 15
Deman
transporte siguiente. Los 15
da
costos de transporte por
unidad, cij , son en cientos de
Mtodo MODI (Modified Distribution Method)

Llamado MTODO U-V. El algoritmo MODI conocido como el

mtodo de los costos ficticios , consiste en aadir a la matriz
de costos una fila y una columna que recogen unos costos
ficticios determinados arbitrariamente, tal que permita calcular
los ndices de mejora para las celdas no utilizadas, sin tener
que trazar todos los circuitos que requiere el algoritmo de
Stepping-Stone en la resolucin del problema de transporte.

El mtodo MODI o U-V utiliza el dual del problema de

transporte y viene dado por:
m n
max Z s i u i d j v j
i 1 j 1

sujeto a :
u i v j cij ( i, j )
u , v no restringid as
u (u1 ................u m ) y v (v1 ...........v n )
Los pasos delmtodo MODI:
paso1
Se define con ndice ui para cada fila y un vj para cada
columna, en todas las casillas. Este ndice deber cumplir
con la condicin :Celda( i, j ) ui v j cij

calculan los coeficientes de rengln y columna

usandoceldas llenas: Coeficiente del rengln + coeficiente
de la columna = costo enla celda
paso2
Se designa ui = 0 y se resuelve las ecuaciones para
encontrar el resto de ndices
paso3
Se calcula el costo marginalde
Celda ( i, j ) ; c.m. cij uusarcada
i vj celda vaca:
Costo marginal = costo en la celda(coeficiente del rengln
+ coeficiente de la columna).

Esto es un sistema de m+n1 ecuaciones y m+n

incgnitas.
Los costos marginales estn asociados a toda celda no
bsica, con la expresin
paso4
Si el cmij es negativo, esto significa una disminucin en el
costo de transportacin del origen i al destino j y deber
asignar el mximo flujo por esta ruta, es decir tomando en
cuenta la restriccin de oferta y demanda.
paso 5
Se repiten los pasos 1 al 4 hasta que todos los costos
marginales sean cero o positivos.

Para estos ajustes en el resto de celdas, se recomienda el

mtodo Stephen Stone que ayudara ajustar los flujos
nuevos e identificar las rutas.
Modelo de asignacin o Mtodo Hngaro

Es un problema especial de transporte que consiste en

determinar la asignacin optima de n orgenes (trabajadores,
vendedores, agentes, tareas, etc), a m destinos (empleados,
maquinas, zonas de venta, etc) con el objeto de minimizar el
costo de asignacin, es decir uno a uno .
La asignacin debe hacerse con la condicin de cada origen
tenga asignado un nico destino y cada destino esta
asignado un nico origen.
Matemtico hngaro: Konig - 191
Variables de decisin

Xij = numero de agentes i se asigna la tarea j y solo puede

tomar valores binarios

Xij = 1 si el origen i es asignado al destino j

0 en caso contrario

Cij =costo unitario de asignar del origen i al destino j

Modelo de PL. general

Min Z =Cij.Xij
s.A
Xij = 1 i= 1,2.m
Xij = 1 j=1,2n
Xij0
 El problema queda estructurado

n=m I ..j
Recursos
C11 C12 ..C1n 1
C21 C22 C2n 1
.

Cm1 Cm2 .Cmn 1

Demanda 1 1
. m=n
.1
Algoritmo de asignacin

Paso 1: equilibrar el problema

Paso 2 : restar cada fila el mnimo, obtener ceros por
filas
Paso 3: Restar encada columna el mnimo obtener
cero por columnas
Paso 4: Trazar lneas horizontales o verticales o ambos
con el objetivo de cubrir todos los ceros de la matriz de
costos con el menor numero de lneas posibles.
Si el numero de lneas es igual al numero de filas o
columnas se ha logrado obtener la solucin optima
Si el nmero de lneas es inferior al numero de filas o
columnas se debe pasar al paso 5.
Paso 5: encontrar el menor elemento de aquellos
valores que no se encuentran cubiertas por las lneas
del paso 4.
Reste el valor de este elemento a cada elemento no
tachado y suma este valor a los elementos que se
encuentran en la intersecciones de las lneas
horizontales y verticales, una vez finalizado se debe
Caso de minimizacin

Determinar el costo total mnimo

c1 c c3 c4
D1 15 19 20 18 Se presenta una matriz cuadrad
D2 14 15 17 14 A4x4, nos indica que le problema
D3 11 15 15 14 esta equilibrado
D4 21 24 26 24 2. Restar la fila y columna por los
valores mininos y obtener ceros

c1 c c3 c4 fila c1 c c3 c4
D1 15 19 20 18 15 D1 0 4 5 3
D2 14 15 17 14 14 D2 0 1 3 0
D3 11 15 15 14 11 D3 0 4 4 3
D4 21 24 26 24 21 D4 0 3 5 3
columna 1 3
 c1 c c3 c4 Tratemos de cubrir todas los ceros
D1 0 3 2 3 con la cantidad de lneas verticales y
D2 0 0 0 0 horizontales, eligiendo la de mayor
D3 0 3 1 3 numero de ceros(fila/ columna)
D4 0 2 2 3
Restar el menor a toda fila/columna

c1 c c3 c4 c1 C c3 c4
D1 0 3 2 3 D1 0 2 1 2
D2 1 0 0 0 D2 1 0 0 0
D3 0 3 1 3 D3 0 2 0 2
D4 0 2 2 3 D4 0 1 1 2

c1 C c3 c4
D1 0 1 1 1
D2 2 0 1 0
D3 0 1 0 1
D4 0 0 1 1
 c1 C c3 c4 c1 C c3 c4
D1 0 1 1 1
D1 15
D2 2 0 1 0
D3 0 1 0 1 D2 14
D4 0 0 1 1 D3 15
D4 24
Luego procedemos a calcular el costo optimo:
Z= 15+14+15+24 = 68 u.m.
Planteamiento del modelo de PL.
Zmin =
15X11+19x12+20x13+18x14+14x21+15x22+17x23+14x2
4+11x31
15x32+15x33+14x34+21x41+24x42+26x43+24x44
St c1 c c3 c4
X11+x12+x13+x14=1 Xij 0 D1 15 19 20 18
X21+x22+x23+x24=1
D2 14 15 17 14
X31+x32+x33+x34=1
X41+x42+x43+x44=1 D3 11 15 15 14
X11+x21+x31+x41=1 D4 21 24 26 24
X12+x22+x32+x42=1
X13+x23+x33+x43=1
X14+x24+x34+x44=1
LP OPTIMUM FOUND AT STEP 9

OBJECTIVE FUNCTION VALUE

1) 68.00000

VARIABLE VALUE REDUCED COST

X11 1.000000 0.000000
X12 0.000000 1.000000
X13 0.000000 1.000000
X14 0.000000 0.000000
X21 0.000000 3.000000
X22 0.000000 1.000000
X23 0.000000 2.000000
X24 1.000000 0.000000
X31 0.000000 0.000000
X32 0.000000 1.000000
X33 1.000000 0.000000
X34 0.000000 0.000000
X41 0.000000 0.000000
X42 1.000000 0.000000
X43 0.000000 1.000000
X44 0.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 6.000000
3) 0.000000 10.000000
4) 0.000000 10.000000
5) 0.000000 0.000000
6) 0.000000 -21.000000
7) 0.000000 -24.000000
8) 0.000000 -25.000000
9) 0.000000 -24.000000

NO. ITERATIONS= 9
. Se desea asignar 4 mquinas a 4 lugares posibles. A
continuacin se presentan los costos asociados
Maq/luga 1 2 3 4 Maq/luga 1 2 3 4
r 1
r
1 3 5 3 3 1 1 0 0 0
3
2 5 14 10 10 2 3 6 4 4
3 12 6 19 17 1
3 9 0 15 13
4 2 17 10 12 0 4 0 12 7 9
5 3
2 3

Paso 1: Al igual que en el ejemplo anterior restamos cada

columna del menor elemento y luego con la matriz resultante
hacemos lo mismo pero por fila. La matriz resulta como se
muestra
Maq/luga 1 2 3 4
r
1 1 0 0 0 Luego procedemos a restar
2 0 6 4 4 el menor : 4
3 9 0 15 13
4 0 12 7 9
 Maq/luga 1 2 3 4
r
1 5 0 0 0
2 0 2 0 0
3 13 0 15 13
4 0 8 3 5

Maq/luga 1 2 3 4
r
1 5 0 0 0
2 0 2 0 0
3 13 0 15 13
4 0 8 3 5

Hemos alcanzado el ptimo pues Maq/luga 1

hay 2 3 4
4 asignaciones: r
1 3 5 3 3
Mquina 1 a lugar 3... 3
2 5 14 10 10
Mquina 2 a lugar 4 . 10 3 12 6 19 17
Mquina 3 a lugar 2.. 6 4 2 17 10 12
Mquina 4 a lugar 1.. 2

Para un total de 21.

P OPTIMUM FOUND AT STEP 8
OBJECTIVE FUNCTION VALUE

1) 21.00000

VARIABLE VALUE REDUCED COST

X11 0.000000 5.000000
X12 0.000000 3.000000
X13 0.000000 0.000000
X14 1.000000 0.000000
X21 0.000000 0.000000
X22 0.000000 5.000000
X23 1.000000 0.000000
X24 0.000000 0.000000
X31 0.000000 10.000000
X32 1.000000 0.000000
X33 0.000000 12.000000
X34 0.000000 0.000000
X41 1.000000 0.000000
X42 0.000000 11.000000
X43 0.000000 3.000000
X44 0.000000 5.000000

ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 7.000000
3) 0.000000 0.000000
4) 0.000000 3.000000
5) 0.000000 3.000000
6) 0.000000 -5.000000
7) 0.000000 -9.000000
8) 0.000000 -10.000000
9) 0.000000 -10.000000

NO. ITERATIONS= 8
Anlisis de Sensibilidad
Elanlisisde sensibilidad busca determinar los efectos que
se producen en lasolucinptima al realizar cambios en
cualquiera de losparmetrosdel modelo
deprogramacinlineal planteado inicialmente. Entre los
cambios que se investiganestn:

Cambio 1 Cambio del coeficiente en la funcin objetivo de

una variable no bsica.
Cambio 2 Cambio del coeficiente en la funcin objetivo de
una variable bsica.
Cambio 3 Cambio del coeficiente del lado derecho de una
restriccin.
Cambio 4 Incorporacin de una nueva variable.
Cambio 5 Incorporacin de una nueva restriccin.

El objetivo principal del anlisis de sensibilidad es

identificar el intervalo permisible devariacin en los cuales
las variables oparmetros pueden fluctuar sin que cambie
lasolucinoptima.Sin embargo,asmismo se identifica
aquellosparmetros sensibles, es decir,
losparmetroscuyos valores no pueden cambiar sin que
 1. Cambio en el vector de disponibilidades

Lado derecho de la fila cero final Z* = C*b*

Max Z = 8x1+6x2
Sa:
4x1+2x2<=60
2x1+4x2<=48
xj0

60 71
Para b = 48 b* = 59

Usando la tabla final simplex : Z= 132 x1=12 x2=6 h1=0 h

 X1 X2 H1 H2 Soluci
n
Z 0 0 5/3 2/3 132
X1 1 0 1/3 -1/6 12
X2 0 1 -1/6 1/3 6

Segn esta decisin, el nuevo problema es:

Max Z = 8x1+6x2
Sa: Utilizando operaciones matriciales:
4x1+2x2<=71 X1 1/3 -1/6 71 14
2x1+4x2<=59 X2 = -1/6 1/3 59 = 8
xj0

Como x1 y x2 no son negativos, la nueva solucin es factible y optima

Luego el valor de la funcion Z Max = 8x1+6x2
Z= 8(14) + 6(8) = 160
Adicin de una nueva variable

La adicin de una nueva variable puede afectar nicamente

a la optimalidad del problema, y la nueva variable puede
afectar en la Base si nicamente mejora el valor de la
solucin optima. De otra forma la nueva variable pasa a ser
variable no bsica.

Max Z = 8x1+6x2 Max Z = 8x1+6x2+ 9x3

Sa: Sa:
4x1+2x2<=60 4x1+2x2 + 3x3<=60
2x1+4x2<=48 2x1+4x2+3x3<=48
xj0 xj0

X1 X2 H1 H2 Soluci
n
Z 0 0 5/3 2/3 132
X1 1 0 1/3 -1/6 12
X2 0 1 -1/6 1/3 6

 Coeficiente de holgura
3
5/3 2/3 * = -9 = -2
3

Luego utilizando los parmetros de la tabla resulta:

X= 1/3 -1/6 3 =
-1/6 1/3 3

La tabla sera

X1 X2 x3 H1 h2 Soluci
n
Z 0 0 -2 5/3 2/3 132
X1 1 0 1/3 -1/6 12
X2 0 1 -1/6 1/3 6
Zj-cj 0 4 0 1 2 156
X1 1 -1 0 -1/3 6
X3 0 2 1 -1/3 2/3 12

Nueva solucin optima: Zmax = 156 x1= 6; x3= 12