INVESTIGACIÓN DE

OPERACIONES

Ing. Jorge Véliz Tamayo, MSc.

DOCENTE AUTOR
TRANSPORTE Y ASIGNACIÓN
UNIDAD 4 – CLASE 8
Unidad 4 – Transporte y Asignación
4.3 Algoritmo de transporte.
4.3.1 Determinación de la solución de inicio
4.4 Modelo de asignación.
4.4.1 Método Húngaro
4.3 Algoritmo de transporte.
• Los pasos básicos del algoritmo de
transporte son exactamente iguales a
los del método simplex.

• En lugar de utilizar la tabla simplex

regular, se utilizará la estructura
especial del modelo de transporte
para organizar los cálculos en una
forma más conveniente.
4.3 Algoritmo de transporte.
• Paso 1. Determine una solución factible básica inicial y vaya al paso 2.
• Paso 2. Use la condición de optimalidad del método simplex para
determinar la variable de entrada de entre todas las variables no
básicas. Si se satisfacen las condiciones de optimalidad, deténgase.
De lo contrario, avance al paso 3.
• Paso 3. Use la condición de factibilidad del método simplex para
determinar la variable de entrada de entre todas las variables básicas
actuales, y halle la nueva solución básica. Regrese al paso 2.
4.3 Algoritmo de transporte.
Los detalles del algoritmo se explican
con el siguiente ejemplo:
Ejemplo (SunRay Transport)
SunRay Transport Company transporta
granos de tres silos a cuatro molinos.
La oferta y la demanda junto con los
costos de transporte por unidad por
camión cargado en las diferentes
rutas, se resumen en la siguiente.
4.3 Algoritmo de transporte.
Los costos de transporte por unidad, cij (que
se muestran en la esquina de cada casilla)
están en cientos de dólares. El modelo busca
el programa de envíos a un costo mínimo
entre los silos y los molinos.
Determinación de la solución de inicio
Un modelo de transporte general con m
orígenes y n destinos tiene m + n ecuaciones
de restricción, una por cada origen y cada
destino.
4.3 Algoritmo de transporte.
La estructura especial del problema de transporte permite asegurar una
solución básica inicial no artificial siguiendo uno de los tres métodos:
1. Método de la esquina noroeste
2. Método del costo mínimo
3. Método de aproximación de Vogel
4.3 Algoritmo de transporte.
El primer método es de naturaleza “mecánica”, y los dos restantes son
heurísticos que buscan una solución inicial de mejor calidad que dé un
valor objetivo más pequeño.
Por lo general, el método heurístico Vogel es mejor que el heurístico de
costo mínimo.
Por otra parte, el método de esquina noroeste implica la cantidad
mínima de cálculos.
4.3 Algoritmo de transporte.
Método de la esquina noroeste. El método se
inicia en la celda de la esquina noroeste (ruta) de
la tabla (variable x11).
Paso 1. Asigne lo más posible a la celda
seleccionada, y ajuste las cantidades asociadas
de oferta y demanda restando la cantidad
asignada.
4.3 Algoritmo de transporte.
Paso 2. Tache la columna o fila con oferta o
demanda cero para indicar que no se hagan más
asignaciones en esa fila o columna. Si una fila y
una columna dan cero al mismo tiempo, tache
sólo una, y deje una oferta (demanda) cero en la
fila (columna) no tachada.
Paso 3. Si se deja sin tachar exactamente una fila
o columna, deténgase. De lo contrario, muévase
a la celda a la derecha si acaba de tachar una
columna, o abajo si acaba de tachar una fila.
Vaya al paso 1.
4.3 Algoritmo de transporte.
Ejemplo:
La aplicación del procedimiento
al modelo del ejemplo anterior
da la solución básica inicial en la
tabla siguiente. Las flechas
muestran el orden en que se
generan las cantidades asignadas.
4.3 Algoritmo de transporte.
La solución básica inicial es

El costo asociado del programa es

4.3.1 Método del costo mínimo
El método del costo mínimo determina una mejor solución inicial al
concentrarse en las rutas más económicas.

Asigna lo más posible a la celda con el costo unitario mínimo (los

empates se rompen arbitrariamente).

Luego se tacha la fila o columna satisfecha y se ajustan las cantidades de

oferta y demanda como corresponda.
4.3.1 Método del costo mínimo
Si una fila o una columna se satisfacen
al mismo tiempo, sólo se tacha una,
igual que en el método de la esquina
noroeste.

A continuación, seleccione la celda no

tachada con el costo unitario mínimo y
repita el proceso hasta que se deje sin
tachar exactamente una fila o
columna.
4.3.1 Método del costo mínimo
Ejemplo:
El método del costo mínimo se aplica al ejemplo anterior.
1. La celda (1,2) tiene el costo unitario mínimo en la tabla (= $2). Lo
máximo que puede enviarse a través de (1,2) es x12 = 15 camiones
cargados, con lo que se satisfacen tanto la fila 1 como la columna
2.Tachamos arbitrariamente la columna 2 y ajustamos a cero la
oferta en la figura 1.
2. La celda (3,1) tiene el costo unitario mínimo no tachado (=
$4).Asigne x31 = 5, y tache la columna 1 porque se satisface, y ajuste
la demanda de la fila 3 a 10 2 5 5 5 camiones cargados.
4.3.1 Método del costo mínimo
El método del costo mínimo se aplica al
ejemplo anterior.

3. Continuando de la misma manera,

asignamos sucesivamente 15 camiones
cargados a la celda (2,3), 0 a la celda (1,4),
5 a la celda (3,4), y 10 a la celda (2,4).
4.3.1 Método del costo mínimo
La solución inicial resultante se resume en la tabla siguiente. Las flechas
indican el orden en el cual se hacen las asignaciones.
4.3.1 Método del costo mínimo
La solución inicial (compuesta de 6 variables
básicas) es X12 = 12, X14 = 0, X23 = 15, X24 =
10, X31 = 5, X34 = 5.

El valor objetivo asociado es z = 15 X 2 + 0 X

11 + 15 X 9 + 10 X 20 + 5 X 4 + 5 X 18 = $475,
el cual es mejor que la solución obtenida con
el método de la esquina noroeste.
4.3.2 Método de aproximación de Vogel (MAV).
Este método es una versión mejorada del método del costo mínimo que
por lo general, produce mejores soluciones iniciales.
Paso 1. Para cada fila (columna) determine una medida de penalización
restando el elemento de costo unitario mínimo en la fila (columna) del
siguiente elemento de costo mínimo en la misma fila (columna).
Paso 2. Identifique la fila o columna con la penalización máxima, que
rompa los empates arbitrariamente. Asigne lo más posible a la variable
con el costo unitario mínimo en la fila o columna seleccionada.
4.3.2 Método de aproximación de Vogel (MAV).
Ajuste la oferta y la demanda, y tache la fila o columna satisfecha.
Si una fila y una columna se satisfacen al mismo tiempo, sólo se tacha
una de las dos, y a la fila restante (columna) se le asigna una oferta
(demanda) cero.
4.3.2 Método de aproximación de Vogel (MAV).
Paso 3.
a) Si exactamente una fila o columna con oferta o demanda cero
permanece sin tachar, deténgase.
b) Si una fila (columna) con oferta (demanda) positiva permanece sin
tachar, determine las variables básicas en la fila (columna) mediante el
método del costo mínimo. Deténgase.
c) Si todas las filas y columnas no tachadas tienen oferta y demanda cero
(restantes), determine las variables básicas cero por el método del
costo mínimo. Deténgase.
d) De lo contrario, vaya al paso 1.
4.3.2 Método de aproximación de Vogel (MAV).
El método de aproximación de Vogel se aplica al ejemplo anterior. La
tabla siguiente calcula el primer conjunto de penalizaciones. Como la fila
3 tiene la penalización máxima (= 10) y la celda (3,1) tiene el costo
unitario mínimo en esa fila, se asigna la cantidad 5 a x31. Ahora la
columna está satisfecha y se debe tachar.
4.3.2 Método de aproximación de Vogel (MAV).
Luego se vuelven a calcular nuevas penalizaciones como en la tabla
siguiente.
4.3.2 Método de aproximación de Vogel (MAV).
La tabla anterior muestra que la fila 1 tiene la penalización máxima (= 9).
Por consiguiente, asignamos la cantidad máxima posible a la celda (1,2),
la cual da x12 = 15 y al mismo tiempo satisface tanto a la fila 1 como a la
columna 2.Tachamos arbitrariamente la columna 2 y ajustamos a cero la
oferta en la fila 1.
4.3.2 Método de aproximación de Vogel (MAV).
Continuando de la misma manera, la fila 2
producirá la penalización máxima (= 11), y
asignamos x13 = 15, la cual tacha la columna 3
y deja 10 unidades en la fila 2. Sólo queda la
columna 4, y tiene una oferta positiva de 15
unidades.
Aplicando el método del costo mínimo a esa
columna, asignamos sucesivamente x14 = 0,
x34 = 5 y x14 = 10. El valor objetivo asociado
con esta solución es
4.3.2 Método de aproximación de Vogel (MAV).
Sucede que esta solución tiene el mismo valor objetivo que se obtuvo
con el método del costo mínimo.
4.3.3 Cálculos iterativos del algoritmo de transporte
Después de determinar la solución inicial, utilizamos el siguiente
algoritmo para determinar la solución óptima:
Paso 1. Utilice la condición de optimalidad inicial para determinar la
variable de entrada. Si la condición de optimalidad se satisface,
deténgase. De lo contrario, continúe con el paso 2.

Paso 2. Determine la variable de salida utilizando la condición de

factibilidad simplex. Cambie la base, y regrese al paso 1.
4.3.3 Cálculos iterativos del algoritmo de transporte
Las condiciones de optimalidad y
factibilidad no implican las conocidas
operaciones de filas utilizadas en el
método simplex.

En su lugar, la estructura especial del

modelo de transporte permite cálculos
(manuales) más simples.
4.4 Modelo de asignación
• Se ocupa de compaginar a los trabajadores (con diversas habilidades)
con los trabajos.
• La variación de la habilidad afecta el costo de completar un trabajo.
• La meta es determinar la asignación de costo mínimo de los
trabajadores a los trabajos.
• El modelo de asignación general con n trabajadores y n trabajos está
representado en la tabla siguiente.
4.4 Modelo de asignación
El elemento cij representa el costo de asignar el trabajador i al trabajo j
(i,j 5 1, 2,…,n). No se pierde la generalidad al suponer que la cantidad de
trabajadores y la de los trabajos son iguales, porque siempre podemos
agregar trabajadores o trabajos ficticios para satisfacer esta suposición.
4.4 Modelo de asignación
• El modelo de asignación es un caso especial del modelo de
transporte, donde los trabajadores representan los orígenes y los
trabajos representan los destinos.
• La oferta (demanda) en cada origen (destino) es igual a 1.
• El costo de “transportar” al trabajador i al trabajo j es cij.
• El hecho de que la oferta y la demanda sean iguales a 1 conduce al
desarrollo de un algoritmo de solución simple llamado método
húngaro.
4.4 Modelo de asignación
Aunque el nuevo método de
solución parece totalmente ajeno al
modelo de transporte, en realidad el
algoritmo tiene su origen en el
método simplex, al igual que el
modelo de transporte.
4.5 Método húngaro
Ejemplo
Los tres hijos de Joe Klyne, John, Karen y Terri, desean ganar algún
dinero para sus gastos personales. El señor Klyne eligió tres tareas para
sus hijos: podar el césped, pintar la puerta de la cochera y lavar los
automóviles de la familia. Para evitar la competencia anticipada entre
los hermanos, les pide que presenten licitaciones individuales (secretas)
por lo que consideren un pago justo por cada una de las tres tareas.
4.5 Método húngaro
Los niños respetarán la decisión de su padre con respecto a la asignación
de las tareas. El problema de asignación se resolverá por el método
húngaro.
Paso 1. Determine pi, el elemento de costo mínimo en la fila i de la
matriz de costos original, y réstelo de todos los elementos de la fila i, i =
1, 2, 3.
Paso 2. Para la matriz creada en el paso 1, determine qj, el elemento de
costo mínimo de la columna j, y réstelo de todos los elementos de la
columna j, j = 1, 2, 3.
4.5 Método húngaro
Paso 3. A partir de la matriz del paso
2, intente determinar una asignación
factible entre todas las entradas cero
resultantes.
3a. Si puede hallarse esa asignación,
es óptima.
3b. De lo contrario, se requieren más
cálculos.
4.5 Método húngaro
4.5 Método húngaro
Las celdas con entradas cero subrayadas en el paso 3 dan la solución
óptima (factible): John obtiene el trabajo de pintar, Karen el de podar el
césped, y Terri obtiene el de lavar los automóviles de la familia.

El costo total para el señor Klyne es 9 + 8 + 8 = $27.

Esta cantidad siempre será igual (p1 + p2 + p3) + (q1 + q2 + q3) = (9 + 9 +

8) + (0 + 1 + 0) = $27
4.5 Método húngaro
Como se indica en el paso 3 del
método húngaro, los ceros creados por
los pasos 1 y 2 pueden no dar una
solución factible de forma directa.
En este caso, se necesitan más pasos
para determinar la asignación óptima
(factible).
4.5 Método húngaro
Ejemplo:
Del ejemplo anterior se amplia a cuatro niños y cuatro tareas. La imagen
resume los elementos de costo del problema.
4.5 Método húngaro
La aplicación de los pasos 1 y 2 a la matriz de la tabla anterior (con p1 =
1, p2 = 7, p3 = 4, p4 = 5, q1 = 0, q2 = 0, q3 = 3 y q4 = 0) da por resultado
la matriz reducida la tabla siguiente.
4.5 Método húngaro
Las ubicaciones de las entradas cero no permiten asignar tareas únicas a
todos los niños.
Por ejemplo, si asignamos al niño 1 la tarea 1, entonces se eliminará la
columna 1, y el niño tres no tendrá una entrada cero en las tres
columnas restantes.
Este obstáculo puede superarse agregando el siguiente paso al
procedimiento anteriormente:
4.5 Método húngaro
Paso 3b. Si no pueden encontrarse asignaciones de elemento cero
factibles,
(i) Trace el mínimo de líneas horizontales y verticales en la última matriz
reducida para cubrir todas las entradas cero.

(ii) Seleccione la entrada mínima no cubierta y réstela de cada entrada

no cubierta, y luego súmela a cada entrada en la intersección de dos
líneas.
4.5 Método húngaro
(iii) Si no puede determinar una asignación factible entre las entradas
cero resultantes, repita el paso 3a.
La aplicación del paso 3b a la última matriz produce las celdas
sombreadas en la tabla siguiente.
4.5 Método húngaro
La entrada mínima no sombreada
(que se muestra subrayada) es igual
a 1.
Esta entrada se suma a la celda de
intersección y se resta de las celdas
sombreadas restantes para producir
la matriz de la tabla siguiente
(solución óptima indicada por los
ceros subrayados)
Cada logro comienza con la decisión
de intentarlo. Ánimo
UNIDAD 4 – FIN DE LA CLASE 8