El documento describe varios modelos de optimización como el modelo de transporte, la ruta más corta y el flujo máximo. El modelo de transporte busca determinar el plan óptimo de envío de mercancías entre puntos de origen y destino que minimice los costos de transporte. La ruta más corta encuentra la trayectoria con la distancia mínima entre un nodo origen y destino en una red. El flujo máximo determina la capacidad máxima de flujo entre un nodo fuente y destino a través de una red con arcos de capacidad limitada.
El documento describe varios modelos de optimización como el modelo de transporte, la ruta más corta y el flujo máximo. El modelo de transporte busca determinar el plan óptimo de envío de mercancías entre puntos de origen y destino que minimice los costos de transporte. La ruta más corta encuentra la trayectoria con la distancia mínima entre un nodo origen y destino en una red. El flujo máximo determina la capacidad máxima de flujo entre un nodo fuente y destino a través de una red con arcos de capacidad limitada.
El documento describe varios modelos de optimización como el modelo de transporte, la ruta más corta y el flujo máximo. El modelo de transporte busca determinar el plan óptimo de envío de mercancías entre puntos de origen y destino que minimice los costos de transporte. La ruta más corta encuentra la trayectoria con la distancia mínima entre un nodo origen y destino en una red. El flujo máximo determina la capacidad máxima de flujo entre un nodo fuente y destino a través de una red con arcos de capacidad limitada.
El Modelo de transporte es una clase especial de problema de Programacin
Lineal. Trata la situacin en la cual se enva un bien de los puntos de origen (fbricas), a los puntos de destino (almacenes, bodegas, depsitos). El objetivo es determinar las cantidades a enviar desde cada punto de origen hasta cada punto de destino, que minimicen el costo total de envo, al mismo tiempo que satisfagan tanto los lmites de la oferta como los requerimientos de la demanda.
El modelo de transporte busca determinar un plan de transporte de una mercanca de varias fuentes a varios destinos. Los datos del modelo son:
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.
Tenemos una red de carreteras. Hay varios puntos donde se va a producir algo y otros puntos donde se va a demandar algo. Conociendo los costes de transporte, hay que elegir el camino para que el coste sea el mnimo posible. Elegir desde que centro de produccin atenderemos a cada centro de demanda. Solucin: Lo primero que haremos ser definir las variables: Pi Produccin mxima de cada centro i Cij Coste de transporte de un centro i a un centro de demanda j dj demanda mxima en cada centro j Funcin Objetivo: (Minimizar) Xij * Cij Siendo Xij lo que producido en el centro i vamos a mandarlo al centro j. S.a.: Para todo i: Xij Pi Para todo j: Xij dj Para todo i,j: Xij 0 Este problema se podra complicar dando nuevas restricciones como podran ser el tener una demanda mxima y otra mnima. Lo mismo se podra aplicar a la produccin. Otro tipo de restricciones que se podran introducir vendran dadas por la aparicin de almacenes intermedios. En ellos podramos almacenar lo que hiciese falta, para repartirlo en otro momento por otros vehculos. Esto sera un modelo de transbordo. Tambin se puede dar una capacidad mxima a cada almacn.
TCNICAS DE SOLUCIN DEL MODELO DE TRANSPORTE MetodoVogel
En el mtodo de vogel jugamos con los costos ms pequeos de cada fila y de cada columna
T_1:8 T_2:0 T_3:2 T_4:6 T_5:2 PLANTA_1:2
8 8
10 6 17 10 19 PLANTA_2:6,2,6
0 8 10 6 7 12 14 28 PLANTA_3:2
12 11 10 1 8 14 12 24 25 11 13 7 17 24 72
Por ejemplo en la columna 1 se restan los costos menores en este caso (8- 0=8) y as sucesivamente con cada fila y con cada columna.
Mtodo Costo Mnimo En el mtodo del costo mnimo buscamos saturar las filas y columnas con el menor coste de envi con el fin de encontrar una solucin optima.
T_1 T_2 T_3 T_4 T_5 PLANTA_1
8 8 2 10 6 17 10
19 PLANTA_2
0 11 8 10 6 7 12 14 28 PLANTA_3
12
10 1 8
14 12 24 25 11 13 7 17 24 72
Por ejemplo en la columna 1 fila 2 el costo de envio es cero por lo tanto es el menor coste y por el comenzamos, luego tenemos dos opciones, fila 2 columna 3 y fila 1 columna 4; Donde el coste minimo es 6, en este caso podemos escoger cualquiera de los dos, y asi seguir saturando las filas y columnas teniendo en cuenta el menor coste.
Mtodo Solucin Optima
En este mtodo partimos de la solucin de la esquina Noroeste, teniendo en cuenta las variables de decisin X, Y. en donde cada iteracin o movimiento forma una ecuacin.
As, las variables X y Y representan filas y columnas.
El Algoritmo Hngaro sirve para reemplazar los mtodos tradicionales de la Programacin Binaria, que implican muchos clculos, aprovechando la forma especial que tienen los problemas de Asignacin. Los siguientes pasos que se presentan a continuacin son para minimizar, pero con algunas modificaciones se puede emplear tambin para maximizar. Si la matriz no est balanceada, balancearla incluyendo las filas o columnas ficticias necesarias. De cada elemento de la matriz restar el mnimo valor de cada fila. De cada elemento de la matriz restar el mnimo valor de cada columna. Realizar la Asignacin de la siguiente manera: Cada cero que se encuentre en la matriz significa que se puede asignar esa fila a esa columna, pero una vez hecha esta asignacin, ya no se tendr en cuenta todos los dems ceros de esa misma fila y esa misma columna, debido a que slo se puede asignar una fila a una columna. Buscar de arriba a abajo la fila que tenga menos ceros, pero que mnimo tenga uno. (Pues si no tiene ninguno significa que esa fila no se puede asignar a ninguna columna) y asignar esa fila a la columna donde est el cero (puede ser el primer cero que encuentre de izquierda a derecha). Tachar esa fila y esa columna para indicar que ya fueron asignados, para que los dems ceros de esa fila y esa columna no se tengan en cuenta. Repetir este paso hasta que haga todas las asignaciones que ms pueda. Si todas las filas quedaron asignadas a todas las columnas el problema ha finalizado y esa es la solucin ptima, sino ser necesario utilizar el mtodo de Flood (tambin se llama condicin de Kning). Ejemplo: OPERARIOS MAQUINAS
1 2 3 4 Antonio 10 14 16 13 Bernardo 12 13 15 12 Carlos 9 12 12 11 Diego 14 13 18 16
Planteamiento del Modelo Primal: MIN W = 10 X11+ 14 X12+ 16 X13+ 13 X14+ 12 X21+ 13 X22+ 15 X23+ 12 X24+ + 9 X31+ 12 X32+ 12 X33+ 11 X34+ 14 X41+ 16 X42+ 18 X43+ 16 X44 Sujeto a las siguientes restricciones:
Aplicando el mtodo Hngaro tenemos:
1 2 3 4 A 10 14 16 13 B 12 13 15 12 C 9 12 12 11 D 14 16 18 16
Restamos 10, 12, 9 y 14 (costos mnimos de cada fila) de cada elemento en cada una de las filas correspondientes:
1 2 3 4 A 0 3 6 3 B 0 1 3 0 C 0 3 3 2 D 0 2 4 2 En la matriz anterior trazamos el menor nmero de lneas (3), de manera tal que cubran todos los ceros (Mtodo de Flood):
1 2 3 4 A 0 3 3 3 B 0 0 0 0 C 0 2 0 2 D 0 1 1 2
En la matriz anterior trazamos el menor nmero de lneas (3), de manera tal que cubran todos los ceros (Mtodo de Flood):
1 2 3 4 A 0 2 3 2 B 1 0 1 0 C 0 1 0 1 D 0 0 1 1
Solucin Optima Unica:A-1, B-4, C-3 y D-2.Lo anterior quiere decir que Antonio va a laborar en la mquina 1 (10 horas), Bernardo en la mquina 4 (12 horas), Carlos va a trabajar en la mquina 3 (12 horas) y Diego en la mquina 2 (16 horas). La combinacin ptima de los recursos para este problema de minimizacin de asignacin es de 50 horas, resultantes de adicionar las asignadas a cada uno de los operarios en cada una de las mquinas. Dicho valor corresponde al valor ptimo de la funcin objetivo. MODELO DE LA RUTA MS CORTA Considere una red conexa y no dirigida con dos nodos especiales llamados origen y destino. A cada ligadura (arco no dirigido) se asocia una distancia no negativa. El objetivo es encontrar la ruta ms corta (la trayectoria con la mnima distancia total) del origen al destino. Se dispone de un algoritmo bastante sencillo para este problema. La esencia del procedimiento es que analiza toda la red a partir del origen; identifica de manera sucesiva la ruta ms corta a cada uno de los nodos en orden ascendente de sus distancias (ms cortas), desde el origen; el problema queda resuelto en el momento de llegar al nodo destino. Algoritmo de la ruta ms corta: Objetivo de la n-sima iteracin: encontrar el n-simo nodo ms cercano al origen. (Este paso se repetir para n=1,2, hasta que el n-simo nodo ms cercano sea el nodo destino.) Datos para la n-sima iteracin: n-1 nodos ms cercanos al origen (encontrados en las iteraciones previas), incluida su ruta ms corta y la distancia desde el origen. (Estos nodos y el origen se llaman nodos resueltos, el resto son nodos no resueltos.) Candidatos para el n-simo nodo ms cercano: Cada nodo resuelto que tiene conexin directa por una ligadura con uno o ms nodos no resueltos proporciona un candidato, y ste es el nodo no resuelto que tiene la ligadura ms corta. (Los empates proporcionan candidatos adicionales.) Clculo del n-simo nodo ms cercano: para cada nodo resuelto y sus candidatos, se suma la distancia entre ellos y la distancia de la ruta ms corta desde el origen a este nodo resuelto. El candidato con la distancia total ms pequea es el n-simo nodo ms cercano (los empates proporcionan nodos resueltos adicionales), y su ruta ms corta es la que genera esta distancia. MODELO DE FLUJO MXIMO Se trata de enlazar un nodo fuente y un nodo destino a travs de una red de arcos dirigidos. Cada arco tiene una capacidad mxima de flujo admisible. El objetivo es el de obtener la mxima capacidad de flujo entre la fuente y el destino. Caractersticas: Todo flujo a travs de una red conexa dirigida se origina en un nodo, llamado fuente, y termina en otro nodo llamado destino. Los nodos restantes son nodos de trasbordo. Se permite el flujo a travs de un arco slo en la direccin indicada por la flecha, donde la cantidad mxima de flujo est dad por la capacidad del arco. En la fuente, todos los arcos sealan hacia fuera. En el destino, todos sealan hacia el nodo. El objetivo es maximizar la cantidad total de flujo de la fuente al destino. Esta cantidad se mide en cualquiera de las dos maneras equivalentes, esto es, la cantidad que sale de la fuente o la cantidad que entra al destino. El problema de flujo mximo se puede formular como un problema de programacin lineal, se puede resolver con el mtodo simplex y usar cualquier software. Sin embargo, se dispone de un algoritmo de trayectorias aumentadas mucho ms eficientes. El algoritmo se basa en dos conceptos intuitivos, el de red residual y el de trayectoria aumentada. Algoritmo de la trayectoria de aumento para el problema de flujo mximo: Se identifica una trayectoria de aumento encontrando alguna trayectoria dirigida del origen al destino en la red residual, tal que cada arco sobre esta trayectoria tiene capacidad residual estrictamente positiva. (Si no existe una, los flujos netos asignados constituyen un patrn del flujo ptimo). Se identifica la capacidad residual c* de esta trayectoria de aumento encontrando el mnimo de las capacidades residuales de los arcos sobre esta trayectoria. Se aumenta en c* el flujo de esta trayectoria. Se disminuye en c* la capacidad residual de cada arco en esta trayectoria de aumento. Se aumenta en c* la capacidad residual de cada arco en la direccin opuesta en esta trayectoria. Se regresa la paso 1.
ADAPTACION DEL METODO SIMPLEX A PROBLEMAS DE TRANSPORTE El problema de transporte es una de las primeras aplicaciones importantes de la programacin lineal. Se puede representar con un modelo lineal y utilizar el mtodo simplex para resolverlo. Sin embargo, dada la estructura especial de este modelo lineal, se puede construir un mtodo ms ecaz para su resolucin. Ejemplo: Supongamos que una empresa productora de barras de pan tiene dos almacenes A1 y A2 desde los cuales debe enviar pan a tres panaderas P1, P2 y P3. Las ofertas, las demandas y los costes de envo se dan en el siguiente grafo.
Para plantear un modelo lineal que represente el problema definimos rij: cantidad de barras de pan que se envan desde cada origen Ah i = 1, 2, a cada destino Pj, j = 1, 2,3. El modelo lineal para este problema es el siguiente:
En este caso las restricciones se pueden escribir con igualdad porque la suma de ofertas es igual a la suma de demandas. Para observar la estructura de la matriz A escribimos el modelo de la siguiente forma:
En este ejemplo hay 2 orgenes, m = 2, y 3 destinos, n = 3. La matriz A tiene 2 + 3 filas y 2 x 3 columnas. Se puede comprobar que el rango de la matriz eso. Por otra parte, todos los vectores columna tienen solamente 2 componentes iguales a 1 y las dems son O. Si denotamos los vectores columna de la matriz A con dos subndices, es decir, a11, a12, a13, a21, a22, a23, podemos observar en qu posiciones aparece un 1 y en que posiciones aparece un O. Por ejemplo, el vector a11 tiene un 1 en la primera posicin y otro 1 en la posicin in + 1; el vector a21 tiene un 1 en las posiciones 2 y en la m + 1; el vector an tiene un 1 en las posiciones 2 y m + 3. En general, podemos decir que un vector Ni de la matriz A tiene un 1 en las posiciones i y m+ j. o En general, la matriz A y su estructura dependen del nmero de orgenes y destinos. Cualquier problema de transporte de m orgenes y n destinos tiene la misma matriz A. Esta matriz tiene m + n filas y m x n columnas. El rango deA es m + n 1, es decir, las bases estn formadas por m + n 1 vectores. Los vectores columna de la matriz A tienen solamente 2 componentes con valor 1 y el resto son O. Para un vector de la matriz A los unos estn en las posiciones i y m + j. Por tanto, los datos importantes de un problema de transporte son el nmero de orgenes, el nmero de destinos, las ofertas, las demandas y los costes de transporte. Esta informacin es la que se recoge en la que llamaremos forma matricial para el problema de transporte.