1

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN

PROBLEMA DE LA RUTA MAS CORTA:

ALGORITMO DE DIJKSTRA

ALGORITMO DE FLOYD

Elaborado por: Angel Noel Illachura Sanchez

Revisado por: Dr. Manuel Alvarado Contreras

Tacna – Peru

Julio de 2018
 2

INDICE

I. INTRODUCCION…………………………………………………..…………..….….4
1.1 OBJETIVOS……………………………………………………….………….5
II. MARCO TEÓRICO
2.1 CONOCIMIENTOS PREVIOS………………………………………….…6
2.1.1 TEORIA DE GRAFOS………..…………...................6
2.2 ANTECEDENTES………………………………………………….……….13
2.3 PROBLEMA DE LA RUTA MAS CORTA………………………….........19
2.3.1DEFINICIÓN…………………………...…………………...….....19
2.3.2FINALIDAD………………………………………………...……..20
2.4 ALGORITMO DE DIJKSTRA………………………………...………….…21

2.4.1 DESCRIPCION…………………………….… …...….21

2.4.2 COMPLEJIDAD……………………………………….21
2.4.3APLICACIONES……………….…………………...….21
2.4.4ALGORITMO…………….…………………………….22
2.4.5 EJEMPLO CON WINQSB……….………………...…22
2.5 ALGORITMO DE FLOYD……………………………….…………...……23
2.5.1 DESCRIPCION………………………………………………27
2.5.2 COMPLEJIDAD…………………………….………….…….27
2.5.3APLICACIONES………………………………….…….…….27
2.5.4ALGORITMO…………………………………………………28
2.5.5EJEMPLO CON WINQSB ……………………..……………29

III. CONCLUCIONES…………………………………………………………...............…33
IV. REFERENCIAS…………………………………………..............…………………….33
 3

RESUMEN

El problema del camino más corto es un caso aplicativo muy importante de

la teoría de grafos, el problema consiste en encontrar un camino de tal manera que

las sumas de sus pesos sean mínimas, para ello se puede usar definiciones de teoría

de grafos para hallar el camino optimo, pero se nos hace más cómodo y factible

trabajar con dos algoritmos, el algoritmo de dijkstra y el algoritmo de Floyd, los

cuales nos permiten hallar el camino más corto y con el costo mínimo en el caso

de dijkstra.

ABSTRACT

The problem of the shortest path is a very important application case of the

graph theory, the problem is to find a way in such a way that the sums of their

weights are minimal, for this you can use definitions of graph theory to find the

optimal path , but it makes us more comfortable and feasible to work with two

algorithms, the algorithm of Dijkstra and the algorithm of Floyd, which allow us

to find the shortest way and with the minimum cost in the case of Dijkstra.
 4

I. INTRODUCCION

Un fenómeno surgió con el avance de los tiempos, el fenómeno de

las comunicaciones, y con ello la necesidad de acelerar los procesos de

comunicaciones, por ejemplo. Encontrar direcciones de forma automática

entre lugares físicos, como las rutas de conducción en sitios de mapas

web como google maps. Para estas aplicaciones están disponibles

algoritmos especializados, como en los que vamos a estudiar en esta

monografia.

El algoritmo de dijkstra fue descubiertopor Edsger dijkstra en

1956, su desarrollo fue mediante el lenguaje de programación ALGOL,

a demás del algoritmo que conocemos desarrollo otros algoritmos como

por ejemplo el algoritmo de shunting yard. El algoritmo de Floyd fue

descubierto por .

Primero repasaremos un poco lo que es pieza importante para

entender con claridad el tema nos referimos a la teoría de grafos. Luego

estudiaremos el problema del camino más corto dando su definición e

importancia, siguiendo con el esquema estudiaremos los algoritmos

mencionados dando su descripción, su importancia, sus aplicaciones,

sus seudocódigos, proseguiremos dando un ejemplo en ambos casos, y

 5

nos ayudaremos del software WINQSB para evitar el tedioso proceso

de las iteraciones.

Recomendamos revisar el libro Análisis Cuantitativo con Winqsb

para poder entender mejor el procedimiento de los ejemplos.

1.1 OBJETIVOS

 Determinar el costo del menor camino desde una fuente hasta un origen

 Hacer entender al lector sobre las diferentes tipos de algoritmos

expuestos.

 Adaptar el tema a los problemas y necesidades de la sociedad

 6

II. MARCO TEORICO

2.1CONOCIMIENTOS PREVIOS

2.1.1 TEORIA DE GRAFOS1

Un grafo es un par G=(V,A), donde V es un conjunto finito no vacío

(a cuyos elementos llamaremos vértices) y A es una familia finita de pares no

ordenados de vértices de V (a cuyos elementos llamaremos aristas o arcos).

Un grafo simple es un par G=(V,A) donde V es un conjunto finito no vacío y

A es un conjunto finito de pares no ordenados de vértices distintos de V.

Si a={u,v} es una arista de G escribiremos sólo a=uv, y diremos

que a une los vértices u y v o que u y v son extremos de a. Una arista a=uu se

llama bucle. Una arista que aparece repetida en A se llama arista múltiple.

(En otros textos llaman grafo al que aquí se denomina grafo simple,

permitiendo la presencia de aristas múltiples en los multigrafos y de bucles en

los seudografos).

Dos vértice son adyacentes si son extremos de una misma arista. Dos

aristas son adyacentes si tienen un extremo común. Un vértice y una arista

son incidentes si el vértice es extremo de la arista. Un vértice es aislado si no

tiene otros vértices adyacentes.

1
H.Araya Carrasco, “Grafos”, www.ganimides.ucm.lc.
 7

Un grafo completo es un grafo simple en el que todo par de vértices

está unido por una arista. (Se representa con Kn al grafo completo de n

vértices).

Un grafo G=(V,A) se llama bipartito (o bipartido)si existe una

partición de V, V=XÈY, tal que cada arista de G une un vértice de X con otro

de Y. (Se designa por Kr,s al grafo bipartito completo en que ½X½= r

e ½Y½= s, y hay una arista que conecta cada vértice de X con cada vértice de

Y)

El nº de vértices de un grafo G es su orden y el nº de aristas su tamaño.

Designaremos el orden con n y el tamaño con q y utilizaremos la notación de

grafo (n,q).

Dos grafos G=(V,A) y G’=(V’,A’) son isomorfos si existe una

biyección f:V®V’ que conserva la adyacencia. (Es decir, " u,vÎV, u y v son

adyacentes en G Û f(u) y f(v) son adyacentes en G’.

Un subgrafo de G=(V,A) es otro grafo H=(V’,A’) tal que V’ÍV y

A’ÍA. Si V’=V se dice que H es un subgrafo generador.

Se llama grado de un vértice v al número de aristas que lo tienen como

extremo, (cada bucle se cuenta, por tanto, dos veces). Se designa por d(v)

Un grafo regular es un grafo simple cuyos vértices tienen todos el

mismo grado.
 8

A la sucesión de los grados de los vértices de G se le

denomina sucesión de grados del grafo G. Una sucesión de enteros no

negativos se dice sucesión gráfica si es la sucesión de grados de un grafo

simple.

El menor término de la sucesión de grados es el grado mínimo de G y

se designa por d(G). El mayor es el grado máximo y se designa por D(G)

Propiedades:

1) La relación entre los grados y el número de aristas en G

es:

2) Hay grafos no isomorfos con la misma sucesión de grados

3) La sucesión (d1,d2,...,dn) es la sucesión de grados de un

grafo Û Sdk es par.

4) Para grafos simples se tiene que:

la sucesión no creciente (s,t1,...,ts,d1,...dr ) es gráfica Û lo es la

sucesión (t1 -1,...,ts -1,d1,...dr )

Matrices:

La matriz de adyacencia de un grafo G con n vértices {v1,...,vn} es la

matriz nxn , M(G)=(aij), donde aij es el nº de aristas que unen vi con vj.
 9

La matriz de incidencia de un grafo simple G con n vértices {v1,...,vn} y k

aristas {e1,...,ek} es la matriz nxk, I(G)=(bij), donde bij=1 si vi es incidente con

ej y bij=0 en caso contrario.

Caminos y conexión:

Un recorrido en un grafo es una sucesión de vértices y aristas de la

forma v0 a1 v1 a2...vk-1 ak vk donde la arista ai une los vértices vi-1 y vi. Éste es un

recorrido de v0 a vk, de longitud k, siendo v1,...,vk-1 los vértices interiores del

camino. Si v0=vkdecimos que el recorrido es cerrado (en ocasiones se le llama

circuito). Un camino en un grafo es un recorrido en el que no se repiten

vértices ni aristas. Un ciclo es un camino cerrado.

Propiedades:

1) El nº de recorridos de longitud k de vi a vj es el elemento ij de la

matriz M(G)k.

2) Un grafo G es bipartito Û G no tiene ciclos de longitud impar.

3) Si G tiene sólo dos vértices impares existe un camino entre ellos.

Un grafo es conexo si para cada par de vértices u y v existe un camino

de u a v. Si G es un grafo no conexo (o disconexo), cada uno de sus subgrafos

conexos maximales se llama componente conexa de G.

Designaremos por k(G) al nº de componentes conexas del grafo G

 10

Un vértice v se llama vértice-corte (o punto de articulación) de G si el

grafo G-{v} tiene más componentes conexas que G.

Una arista a de un grafo G se llama puente si G-{a} tiene más

componentes conexas que G.

Los bloques de un grafo G son los subgrafos de G sin vértices-corte y

maximales con respecto a esta propiedad.

Propiedades:

1) Una arista e de un grafo conexo es un puente de G Û la arista e no

pertenece a ningún ciclo de G.

2) Si dos bloques comparten un vértice, éste debe ser un vértice-corte

Digrafos

Un digrafo o grafo dirigido es un par D=(V,A) donde V es un

conjunto no vacío (a cuyos elementos llamaremos vértices) y A es una familia

finita de pares ordenados de vértices de V (a cuyos elementos

llamaremos aristas o arcos).

 11

Un digrafo simple es un par D=(V,A) donde V es un conjunto no vacío

y A es un conjunto finito de pares ordenados de vértices distintos de V.

Si a=(u,v) es un arco escribiremos a=uv, y diremos que u es extremo

inicial de a y que v es extremo final de a.

Se llama grado de entrada de un vértice v al número de arcos que lo

tienen como extremo final y se llama grado de salida de v al número de arcos

que lo tienen como extremo inicial.

La matriz de adyacencia de un digrafo D con n vértices {v1,...,vn} es

una matriz nxn, M(D)=(aij) donde es el número de arcos que tienen a vi como

extremo inicial y a vj como extremo final.

Un camino dirigido en un digrafo es una sucesión de vértices y arcos

de la forma v0e1v1e2...vn-1 envn , donde el arco ei tiene como extremos inicial y

final vi-1 y vi , respectivamente. Dicho camino se llama camino de v0 a vn y

su longitud es n.

Conexión. Grafos orientables.

Un digrafo D=(V,A) es fuertemente conexo si para todo par de

vértices u y v existe un camino dirigido que va de u a v.

 12

Dado un digrafo D, podemos considerar el grafo G no dirigido que se

obtiene al sustituir cada arco (u,v) por la arista (u,v). Si este grafo es conexo,

diremos que el digrafo D es débilmente conexo.

Si en un grafo G, no dirigido, (por ejemplo, las calles de una ciudad),

se asigna un sentido a cada arista se obtiene una orientación de G.

Necesitamos, naturalmente, que se pueda ir desde cualquier punto de la ciudad

a cualquier otro, es decir, que el digrafo obtenido sea fuertemente conexo.

Cuando ésto se puede conseguir decimos que G es un grafo orientable.

Caracterización:

G es orientable Û G es conexo y sin puentes.

 13

2.2 ANTECEDENTES

(Mendez Martinez, Rodriguez, & Medina Ramirez, 2013) (UAM)

“TOMA DE DECISIONES BASADAS EN EL ALGORITMO DE

DIJKSTRA

Una Solución para Radios Cognitivos”

Una de las funciones que realiza un ‘Radio Cognitivo’ es la toma de

decisiones sobre el espectro radioeléctrico, esto a partir del análisis que realiza de

su entorno. En este trabajo de investigación, se propone un método para la toma

de decisiones para la selección de una banda en el espectro radioeléctrico que

cumpla con ciertos criterios requeridos para una aplicación. Esta toma de

decisiones se basa en un algoritmo de búsqueda del camino más corto similar al

Algoritmo de Dijkstra. Para encontrar el camino más corto, el cual representa a la

banda de frecuencia requerida, se especifican los atributos o parámetros a

considerar para cada una de las bandas de acuerdo a una aplicación en particular

o servicio requerido. A estos atributos o parámetros se les asignan valores es decir,

pesos que determinan la prioridad e importancia para cada servicio. El algoritmo

propuesto basado en Dijkstra, evalúa los parámetros del conjunto de bandas

disponibles considerando el peso asignado, e indica la banda a seleccionar y que

cubre con los criterios de la toma de decisiones. Se realizaron simulaciones por

computadora para caracterizar los servicios identificados como mejor esfuerzo

‘Best Effort’ y tiempo real ‘Real Time’, obteniendo como resultado una latencia

reducida que representa un tiempo práctico para ser implementado en un Radio

Cognitivo en su toma de decisiones. Se observó también que los tiempos

 14

mostraron una mejora al ser comparados con los resultados obtenidos al

implementar el Algoritmo de AHP.

Los resultados obtenidos con la propuesta del Algoritmo de Toma de

Decisiones con Dijkstra Modificado (ATDDiM) muestran una reducción en los

tiempos de ejecución con respecto a los algoritmos AHP1 y Dijkstra. Durante la

simulación se consideraron cuatro atributos para evaluar los servicios Best Effort y

Real Time, para determinar la banda que se adapta mejor a los requerimientos

solicitados para cada caso. Además, el modelo propuesto puede adaptarse a

diferentes atributos, así como ajustarse a un número mayor de atributos, teniendo en

cuenta que se deberán ajustar la asignación de pesos o prioridades de acuerdo al

servicio solicitado o disponible.

Nuestra simulación muestra que el algoritmo propuesto puede utilizarse en

la Toma de Decisiones en un Radio Cognitivo ya que presenta tiempos de latencia

que se pueden llevar a la práctica. Además, no presenta un incremento significativo

en el tiempo de selección cuando se incrementa el número de bandas evaluadas, esto

comparado con los algoritmos de AHP1 y Dijkstra.

Como trabajo futuro se planea implementar la propuesta con valores

experimentales de la detección de energía y llevarlo a una aplicación utilizando

radios programables (GNU-Radios).

(HERNAN & SANCHEZ, 2004) UNIVERSIDAD TECNOLOGICA DE

PEREIRA
 15

“APLICACIÓN DE LA TEORIA DE GRAFOS Y EL ALGORITMO

DE DIJKSTRA PARA DETERMINAR LAS DISTANCIAS Y LAS RUTAS

MAS CORTAS EN UNA CIUDAD”

El objetivo de este trabajo es representar la malla vial de la ciudad de santa

rosa de Cabal por medio de una matriz de incidencia y se determina las distancias y

rutas mas cortas entre una intersección de vías y otra cualquiera, utilizando el

algoritmo de dijkstra.

Concluimos que un aspecto importante, fue la construcción de la matriz de

distancias minimas entre todos los nodos que representan la ciudad. Los resultados

encontrados con este proyecto son de gran valor, pues son la fuente de datos para

resolver problemas que requieran conocer las distancias minimas entre diferentes

lugares como: La entrega del periódico, la entrega de encomiendas, la ruta mas corta

que debe seguir el vehiculo del cuerpo de bomberos para atender una emergencia y

el conflicto que enfrentan las empresas que suministran productos tiendad a tienda

entre otros.
 16

(PEÑARANDA ORTEGA , QUIÑONES VIDAL,

& LOPEZ GARCIA, 2006)

“Los «Small Worlds» y el algoritmo de

Floyd: una manera de estudiar la
colaboración científica”

Desde el análisis de las redes sociales aplicadas al estudio de

la colaboración científica se han realizado numerosas

propuestas en los últimos años. La teoría Small Worlds parece

ser la que obtiene un perfil más eficaz para estudiar las

características propias de la comunidad científica. Lo que

todos estos estudios han demostrado es que las comunidades

pequeñas se basan en unos cuantos individuos clave que

vinculan a unos grupos que, de lo contrario, estarían

desconectados. Uno de los inconvenientes desde la

perspectiva del análisis de redes es la falta de estudios sobre

los nodos particulares. Con la implementación de un

pseudocódigo algoritmo de Floyd tratamos de salvar esta

carencia. También, y como estudio de un caso, observamos el

colegio invisible que se conformaría al unir los 15 autores más

productivos del Journal of Personality and Social Psychology,

explicando de esta manera cómo se configura una comunidad

pequeña.

Numerosos autores han enfatizado la eficacia del análisis de redes sociales

para el estudio de la colaboración científica, especialmente desde la teoría Small

 17

Worlds (Barabási et al, 2002; Newman, Barabási y Watts, 2003; Watts, 1999). De esta

forma, se comprueba que la Ciencia no es más que la mera unión de ramas científicas

más alejadas o separadas entre sí, pero englobadas al fin y al cabo en el mismo plano

(Tvire y Erno, 2001). Desde este punto de vista, los autores investigan y firman los

trabajos conjuntamente, estableciendo una estrecha relación entre sí, y quedando

vinculados con otros autores que, no habiendo publicado directamente con ellos, sí lo

han hecho con sus colaboradores más directos. Esta red de relaciones sociales

establece grupos coherentes y permanentes de trabajo, con intereses y finalidades bien

definidas, tanto teórica como metodológicamente (Carpintero y Peiró, 1981).

Se ha comprobado que la implementación de un algoritmo en el estudio de la

colaboración científica simplifica enormemente el cálculo de longitud entre rutas de

nodos, lo cual es muy beneficioso en el análisis de la colaboración científica y la

visibilidad de sus autores. Este tipo de procesos se ha mostrado muy revelador en otros

tipos de exploraciones con gran cantidad de datos (Pitarque et al, 1997).

El algoritmo de Floyd es una herramienta precisa en el cálculo de los caminos

más cortos a trazar para el análisis de las publicaciones entre diferentes autores, incluso

desde diferentes materias o áreas de conocimiento, ya que, como se ha mostrado,

permite analizar una enorme red de nodos. La entrada en un mundo «Small Worlds» de

coautoría científica vendría a ser relativamente fácil si se cumplen ciertos criterios de

publicación y firmas conjuntas con otros autores, aunque la cadena sería relativamente

extensa si analizásemos autores que han publicado en reducidas ocasiones.

Por contra, cuando se detecta una colaboración, permanece a lo largo del

tiempo, tanto si esa relación científica tuvo su fin o continúa, ya que el algoritmo de

Floyd mantiene esa información, por lo que para el tipo de crecimiento que tuvo esa
 18

comunidad se debería de parcelar la observación del Small World tomando los datos

en cortes temporales, dotándolo así de cierta dinamicidad.

Una carencia que hemos encontrado desde este tipo de estudio es que, para

análisis cualitativos de intensidad en la productividad, como conocer el tipo de unión

que afecta a los nodos y la potencia que tendría a nivel productivo, el algoritmo de

Floyd no puede discriminar las posibles diferencias entre autores con mayor o menor

relevancia productiva entre ellos, por lo que, en un nivel superior de análisis, y

referido al análisis de científicos que publican sus obras y no a números de nodos

que estima un computador, quedaría patente esta limitación cualitativa de la red

(Adamic y Adar, 2003). Si se introdujera un cambio en el cual se especificara el tipo

de enlace que une cada nodo respecto del resto conforme su tamaño en

productividad, esta circunstancia seria obviada

 19

2.3PROBLEMA DE LA RUTA MAS CORTA

2.3.1. DEFINICION

El problema del camino más corto puede ser definido para grafos no

dirigidos, dirigidos o mixtos. La siguiente es una definición para grafos no

dirigidos, en el caso de grafos dirigidos la definición de camino requiere que

los vértices adyacentes estén conectados por una apropiada arista dirigida.

Dos vértices son adyacentes cuando poseen una arista común.

Un camino en un grafo no dirigido es una secuencia de

vértices tal que todo vértice

es adyacente con el vértice 𝑣𝑖+1 . Un camino se dice que es

de longitud n si va desde 𝑣1 hasta 𝑣𝑛 .

Sea 𝑒𝑖𝑗 la arista incidente con los vértices 𝑣𝑖 y 𝑣𝑗 . Dada una función

de variable real ponderada 𝑓: 𝐸−→ 𝑅 y un grafo no dirigido V, el camino

más corto desde v hasta v’ es el camino 𝑝 = (𝑣1 , 𝑣2 , … , 𝑣𝑛 ) (donde 𝑣1 =

𝑣 y 𝑣𝑛 = 𝑣′ ) sobre todos los posibles n que minimiza la

suma ∑𝑛−1
𝑖=1 𝑓(𝑒𝑖 , 𝑖 + 1). Cuando cada arista en el grafo tiene un peso unitario

o 𝑓: 𝐸−→ {1} , hallar el camino más corto es equivalente a encontrar el

camino con menor número de aristas.( H.Araya Carrasco, “Grafos”,1996)

 20

2.3.2 FINALIDAD

El problema es también conocido como el problema de los caminos más

cortos entre dos nodos, para diferenciarlo de las siguientes

generalizaciones:

 El problema de los caminos más cortos desde un origen, en el cual

tenemos que encontrar los caminos más cortos de un vértice

origen v a todos los demás vértices del grafo.

 El problema de los caminos más cortos con un destino, en el cual

tenemos que encontrar los caminos más cortos desde todos los

vértices del grafo a un único vértice destino, esto puede ser reducido

al problema anterior invirtiendo el orden.

 El problema de los caminos más cortos entre todos los pares de

vértices, el cual tenemos que encontrar los caminos más cortos entre

cada par de vértices (v, v') en el grafo.

 21

2.4 ALGORITMO DE DIJKSTRA

2.4. 1 DESCRIPCION

El algoritmo Dijkstra o también llamado algoritmo de caminos

mínimos, es un algoritmo eficiente para la determinación del camino más

corto dado un vértice origen al resto de vértices en un grafo con pesos en

cada arista. Éste se encarga de formar un camino a partir de otro ya

existente.

El algoritmo Dijkstra trabaja por etapas bajo el principio de la

optimalidad, tomando en cada etapa la mejor solución sin considerar

consecuencias futuras; donde el óptimo encontrado puede modificarse

posteriormente si surge una solución mejor. El algoritmo devuelve en

realidad el peso mínimo, no el camino mínimo propiamente dicho.

Prawda,( 1976) Metodos y Modelos de Investigacion de

Operaciones

2.4.2 COMPLEJIDAD

El algoritmo es de orden O(n^2). Si se usa una matriz de distancia

para representarla, cada ciclo toma tiempo O(n) y son ejecutados n-1 veces.

Si se emplea lista de adyacencia para representar la diagrafica el tiempo de

recorrido será del orden de O(Log n ) y el tiempo de los ciclos será del orden

de O ( A log n)
 22

2.4.3 APLICACIONES

 Seleccionar la ruta mas corta entre dos ciudades: cada ciudad se

representa con los vértices y las aristas representan la duración de los

vuelos.

 Utilizado en redes en protocolos de enrutamiento dinamico como OSPF

y IS –IS

2.4.4 PSEUDOCODIGO

Paso 1. Sea 𝑁𝑠 el nodo fuente. Entonces 𝐿′𝑠𝑘 = 𝐶𝑠𝑘 para todo 𝐴𝑠𝑘 que

este definido en la red. El nodo 𝑁𝑠 pasa a ser un elemento del árbol. Se

define 𝐿𝑠𝑠 ≡ 0.

Paso 2. Sea

𝑀𝑖𝑛{𝐿′ 𝑠𝑘 } 𝑀𝑖𝑛[𝐿𝑠𝑗 + 𝐶𝑗𝑘 ]

𝐿𝑠𝑟 = =
𝑘 𝑘

Donde 𝑁𝑘 son todos los nodos vecinos a los nodos del

árbol en cuestión.

Paso 3. El arco 𝐴𝑗𝑟 pasa a ser un elemento del árbol. Se etiqueta al nodo 𝑁𝑟 con

(𝐿𝑠𝑟 , 𝑁𝑖 ).

Paso 4. Si el árbol tiene n-1 arcos, pare, la solución optima ha sido

encontrada. En caso contrario continue con el paso 5.

 23

Paso 5. Sea

𝑀𝑖𝑛{𝐿′ 𝑠𝑘 , 𝐿𝑠𝑟 + 𝐶𝑟𝑘 }

𝐿′𝑠𝑘 =
𝑘

Para todos los nodos 𝑁𝑘 vecinos a los nodos del árbol .

Regrese al paso 2.

Prawda,( 1976) Metodos y Modelos de Investigacion de

Operaciones,1,347-351.

2.4.5 EJEMPLO con WINQSB

Alejandro desea ir a un centro comercial al otro lado de la ciudad para

poder acudir a una reunión de trabajo. Para conocer la ruta que podría tomar

ingresa en una aplicación móvil donde localiza su ubicación y la del centro

comercial; en ella se percata que existen 5 calles que puede tomar. En la

aplicación se muestra los km de cada calle que es una conexión directa entre

dos calles. Estas distancias se encuentran resumidas en la tabla n°1, donde los

guiones señalan la inexistencia de conexión directa entre las calles.

SOLUCION:
 24

Tabla N°1

Fuente : Propia

Ingresamos los datos de la tabla n°1 al programa

Finalmente, el software arroja la ruta más corta, a través de una tabla

(tabla n°2) como esta:
Tabla N°2

Fuente : winqsb
 25

Con el programa también podemos conocer el camino optimo (cuadro N°1).

Cuadro N°1

Fuente: winqsb
 26

Interpretación de la salida obtenida del software WinQSB:

De la tabla N°2 y el cuadro N°1 que arroja WinQSB se puede mencionar que

para que Alejandro llegue a tiempo a la reunión que se realizará en el centro

comercial, la ruta más corta es salir de su casa tomar la calle a, luego la calle

b, la calle d y por último llegar al centro comercial, quedando así la distancia

entre la casa de Alejandro y el centro comercial 165 km.

 27

2.5 ALGORITMO DE FLOYD

2.5.1 DESCRIPCION

A veces no es suficiente calcular las distancias con respecto a un

vértice s, si no que necesitamos conocer la distancia entre cada par de

vértices. Para ello se puede aplicar reiteradamente alguno de los algoritmos

anteriores, variando el vértice s de partida. Así tendríamos algoritmos de

complejidad O(n3) (si usamos el algoritmo de Dijkstra) u O(n2q) (si usamos

el algoritmo de Ford). A continuación se describe un algoritmo, debido a

Floyd y Warshall, con una estructura sencilla, que permite la presencia de

arcos de peso negativo y que resuelve el mismo problema. (Naturalmente

los ciclos de peso negativo siguen estando prohibidos).

H.Taha,( 2004) Investigacion de Operaciones

2.5.2 COMPLEJIDAD

Se deben construir n matrices de tamaño nxn y cada elemento se

halla en tiempo constante. Por tanto, la complejidad del algoritmo es O(n3)

2.5.3 APLICACIONES

 Seleccionar la ruta mas corta entre dos ciudades: cada ciudad se

representa con los vértices y las aristas representan la duración de los

vuelos.
 28

 Utilizado en redes en protocolos de enrutamiento dinamico como OSPF

y IS -IS

2.5.4 PSEUDOCODIGO

El algoritmo de Floyd es más general que el de Dijkstra, ya que

determina la ruta más corta entre dos nodos cualquiera de la red.

 El algoritmo representa una red de n nodos como una matriz cuadrada de

orden n, la llamaremos matriz C. De esta forma, el valor Cij representa el

coste de ir desde el nodo i al nodo j, inicialmente en caso de no existir un

arco entre ambos, el valor Cij será infinito.

 Definiremos otra matriz D, también cuadrada de orden n, cuyos elementos

van a ser los nodos predecesores en el camino hacia el nodo origen, es

decir, el valor Dijrepresentará el nodo predecesor a j en el camino mínimo

desde i hasta j. Inicialmente se comienza con caminos de longitud 1, por

lo que Dij = i.

 Las diagonales de ambas matrices representan el coste y el nodo

predecesor para ir de un nodo a si mismo, por lo que no sirven para nada,

estarán bloqueadas.

Los pasos a dar en la aplicación del algoritmo de Floyd son los

siguientes:

Paso 1. Formar las matrices iniciales C y D.

Paso 2. Se toma k=1.

 29

Paso 3. Se selecciona la fila y la columna k de la matriz C y entonces,

para i y j, con i≠k, j≠k e i≠j, hacemos:

Si (Cik + Ckj) < Cij → Dij = Dkj y Cij = Cik + Ckj

En caso contrario, dejamos las matrices como están.

Paso 4. Si k ≤ n, aumentamos k en una unidad y repetimos el paso anterior,

en caso contrario paramos las iteraciones.

 La matriz final C contiene los costes óptimos para ir de un vértice

a otro, mientras que la matriz D contiene los penúltimos vértices de

los caminos óptimos que unen dos vértices, lo cual permite

reconstruir cualquier camino óptimo para ir de un vértice a otro.

(M.Alvarado,R.Vera,( 2004) Investigacion de Operaciones)

2.5.5EJEMPLO CON WINQSB

Aplicar el algoritmo de Floyd sobre el siguiente grafo para obtener las

rutas más cortas entre cada dos nodos. El arco (3, 5) es direccional, de manera que no está
permitido ningún tráfico del nodo 5 al nodo 3 . Todos los demás arcos permiten el tráfico en ambas
direcciones.
 30

Solución:

Las conexiones se mostraran en la siguiente tabla (tabla n°3)

Tabla N°3

1 2 3 4 5

1 - 3 10 8 8

2 3 - 8 5 8

3 10 8 - 6 15

4 8 5 6 - 4

5 8 8 8 4 -

Fuente : Propia

Ingresamos los datos de la tabla N°1 al software

 31

Finalmente, el software arroja la ruta más corta, a través de una tabla

(tabla n°4) como esta:
Tabla N°4

Fuente : winqsb

Con el programa también podemos conocer el camino optimo (cuadro N°2).

Cuadro N°2
 32

Fuente: winqsb

Interpretación de la salida obtenida del software WinQSB:

De la tabla N°4 y el cuadro N°2 que arroja WinQSB se puede mencionar que

cualquier camino que tomen los nodos para llegar a uno de ellos será el

optimo.
 33

III. CONCLUSIONES

No podemos utilizar el mismo algoritmo en todos los problemas, para ellos

debemos utilizar el algoritmo adecuado para encontrar la ruta mas corta a través de

la red, que se presentan con distancia reales. Por ejemplo, si tenemos pesos negativos

es decir ingresos, no podríamos utilizar el algoritmo de dijkstra.

En el estudio de los algoritmos nos dimos cuenta que estos pueden ser

formulados como modelos de programación lineal, luego resuelto con el método

simplex, pero no es conveniente su utilización. Por otro lado, solucionar el problema

utilizando redes mejora la eficiencia de los cálculos.

IV. REFERENCIAS

 A.Hamdy A. Taha (2004). Investigación de Operaciones, 7ª edición.

México: Pearson Educación.

 Manuel Alvarado, Ramón Vera. Investigación de Operaciones. Perú:

Editorial S.A

 Juan Prawda (1976). Métodos y Modelos de Investigación de Operaciones

vol1. Modelos determinísticos. México: Editorial Limusa

 Manuel de los Reyes, Jose Romero (1992). Investigación de Operaciones I,

1ra edición. México: Azcapotzalco biblioteca

 Roberto Carro (2009). Investigación de operaciones en administración

edición 2009. Argentina: Editorial Pincu