TALLER SIMPLEX DE REDES

TEORIA DE GRAFOS






PRESENTA:

Csar Augusto Contreras Senz 20102015010
Hctor Albeiro Dussan 20102015106

PRESENTADO AL DOCENTE:
CSAR LOPEZ


UNIVERSIDAD DISTRITAL F.J.C.
FACULTAD DE INGENIERA
TEORIA DE GRAFOS
2014-II
INTRODUCCIN

El mtodo Simplex es un procedimiento iterativo que permite mejorar la solucin
de la funcin objetivo en cada paso. El proceso concluye cuando no es posible
continuar mejorando dicho valor, es decir, se ha alcanzado la solucin ptima (el
mayor o menor valor posible, segn el caso, para el que se satisfacen todas las
restricciones). El mtodo Simplex se basa en la siguiente propiedad: si la funcin
objetivo Z no toma su valor mximo en el vrtice A, entonces existe una arista que
parte de A y a lo largo de la cual el valor de Z aumenta.


















OBJETIVO
General
Desarrollar problemas de flujo de redes de forma manual apoyndonos en Excel,
aplicando el mtodo SIMPLEX de redes, y basndonos en todos los
conocimientos adquiridos en la clase magistral.
Especficos

Comprender el mtodo simplex de redes
Solucionar un problema de flujo, por medio del mtodo simplex para redes.
Aplicar los conceptos de dualidad para solucionar problemas lineales.
Afianzar nuestros conocimientos en teora de grafos y la solucin de sus
problemas por medio del mtodo simplex.
Analizar el mtodo paso a paso y comprenderlo por medio de la prctica.
Comprender el concepto de Grafo y cada uno de sus componentes.
Llegar a una solucin ptima para el problema de redes propuesto.













MARCO TERICO

Grafos. Conceptos fundamentales
Un grafo G es un par G = (V, E), donde V es un conjunto nito (vrtices, nodos) y
E es un multiconjunto de pares no ordenados de vrtices, denotados por {x, y},
que se denominan lados, aristas, etc. En este caso decimos que x y y son
extremos de {x, y}. Denotamos V (G) por el conjunto de vrtices del grafo G y por
E(G) el conjunto de lados del grafo G. Adems (G) y (G) denotan el nmero de
vrtices y el nmero de aristas de G respectivamente. Puesto que E es un
multiconjunto es posible que existen pares repetidos, en este caso G tiene lados
mltiples. Tambin es posible que algn par no ordenado de E tenga el mismo
vrtice repetido, en este caso decimos que el lado es un lazo (loop) o bucle .
Cuando existen lados mltiples y/o lazos decimos que G es un multigrafo. Si no
hay lados mltiples ni lazos decimos que es un grafo simple. Un digrafo G es un
par G = (V, E) donde V es un conjunto de vrtices y E es un multiconjunto de
pares ordenados. Los lados se denotan por pares ordenados, (u, v) denota el lado
dirigido que tiene como vrtice inicial a u y como vrtice terminal a v.

Un grafo es una pareja G = (V, A), donde V es un conjunto de puntos, llamados
vrtices, y A es un conjunto de pares de vrtices, llamadas aristas.

En teora de grafos, slo queda lo esencial del dibujo: la forma de las aristas no
son relevantes, slo importa a qu vrtices estn unidas. La posicin de los
vrtices tampoco importa, y se puede variar para obtener un grafo ms claro.
Generalmente, se considera que colocar los vrtices en forma de polgono regular
da grafos muy legibles. Prcticamente cualquier red puede ser modelada con un
grafo: una red de carreteras que conecta ciudades, una red elctrica o un
alcantarillado.


Aristas dirigidas y no dirigidas

En algunos casos es necesario asignar un sentido a las aristas, por ejemplo, si se
quiere representar la red de las calles de una ciudad con sus inevitables
direcciones nicas. El conjunto de aristas ser ahora un subconjunto de todos los
posibles pares ordenados de vrtices, con (a, b) (b, a). Los grafos que contienen
aristas dirigidas se denominan grafos orientados, como el siguiente: Las aristas
no orientadas se consideran bidireccionales para efectos prcticos (equivale a
decir que existen dos aristas orientadas entre los nodos, cada una en un sentido).
Se considera la caracterstica de "grado" (positivo o negativo) de un vrtice, como
la cantidad de aristas que llegan o salen de l; para el caso de grafos no
orientados, el grado de un vrtice es simplemente la cantidad de aristas que tocan
este vrtice. Por ejemplo, el grado positivo (salidas) de d es 3, mientras que el
grado negativo (llegadas) de b es 1.

Mtodo Simplex.

En el ao 1947 el doctor George Dantzig present el algoritmo que desarroll y
que denomin SIMPLEX. A partir de este logro se pudieron resolver problemas
que por ms de un siglo permanecieron en calidad de estudio e investigacin con
modelos formulados pero no resueltos. El desarrollo paralelo de la computacin
digital, hizo posible su rpido desarrollo y aplicacin empresarial a todo tipo de
problemas.

El mtodo simplex disminuye sistemticamente un nmero infinito de soluciones
hasta un nmero finito de soluciones bsicas factibles. El algoritmo simplex utiliza
el conocido procedimiento de eliminacin en la solucin de ecuaciones lineales de
Gauss- Jordan y, adems aplica los llamados criterios del simplex con los cuales
se asegura mantener la bsqueda dentro de un conjunto de soluciones factibles al
problema; as valora una funcin econmica Z, exclusivamente en vrtices
FACTIBLES (posibles). Tambin se consigue con eficiencia, debido a que se
dirige la bsqueda haciendo cambios a una solucin bsica factible adyacente,
que se distingue al tener m-1 variables bsicas iguales; es decir, dos vrtices
adyacentes slo difieren en una variable bsica; seleccionando la ruta de mayor
pendiente, para mejorar el valor de Z, o por lo menos conservarlo.

Primero se presenta el mtodo simplex, especfico para un modelo de PL en forma
cannica de mximo, aplicado con la conocida tabla matricial, (tambin
identificada como tableau).
Nivel 1.- Forma estndar.-El modelo de PL en forma cannica de mximo que se
desea resolver, tiene m ecuaciones obtenidas al convertir las restricciones de
desigualdad a igualdad, agregando m variables de holgura, que sumadas a las n
variables de decisin, hacen un total de (m + n) incgnitas.
Las m restricciones con las (m + n) variables, producen un nmero infinito de
soluciones, entre ellas, un conjunto de factibles y tambin las no factibles.
Nivel 2.- Calcule una primera solucin bsica factible.- Del total, (m + n) variables,
slo n se igualan con cero ( n = 0 ), lo cual produce (s existen), un nmero finito
de soluciones bsicas con un lmite mximo de (m + n)! / m! n!. Estas pueden ser,
factibles y no factibles; se consideran slo las primeras.
Nivel 3.- Se toman en cuenta slo las soluciones bsicas factibles, esto es, las que
tienen todas las variables bsicas >= cero; es decir, con un nmero de iteraciones
menor a (m + n)! / m! n!, se obtienen soluciones bsicas factibles: no
degeneradas, si todas las incgnitas bsicas son positivas y soluciones
degeneradas, si al menos una variable bsica es igual a cero. Se aplican los
criterios del algoritmo en forma iterativa para evaluar la funcin objetivo en puntos
extremos adyacentes que potencialmente puedan mejorar el valor Z.
Nivel 4.- Se generan nuevas soluciones bsicas factibles, tales que el valor de la
funcin objetivo Z mejore; se repite el procedimiento (iteraciones) entre los niveles
3 y 4, hasta que ninguna solucin bsica factible adyacente resulte mejor; es decir,
hasta que no haya incremento de valor, si el problema es de mximo, (hasta que
no haya decremento, para el problema, no tratado ahora, de mnimo).


ANLISIS Y RESULTADOS


Grafo inicial





Desarrollando el respectivo anlisis se determina que el problema no est
balanceado, en donde la oferta supera a la demanda en un orden de 200
unidades, de este modo se hace necesario la creacin de una nuevo nodo10 de
demanda con capacidad de -200, el cual deber ir conectado con cada uno de los
nodos existententes, debido a que el nodo10 tiene una capacidad negativa
(demanda) no se hace necesario el flujo en ambos sentidos.




Grafo balanceado creacin del NODO-10

Costos asociados al flujo de redes.

C(1,2) 48
C(1,3) 38
C(1,4) 37
C(1,5) 36
C(1,10) 0
C(2,1) 40
C(2,3) 32
C(2,4) 35
C(2,5) 30
C(2,10) 0
C(3,1) 38
C(3,2) 32
C(3,4) 10
C(3,6) 42
C(3,7) 45
C(3,8) 37
C(3,9) 33
C(3,10) 0
C(4,1) 37
C(4,2) 35
C(4,3) 10
C(4,5) 15
C(4,6) 25
C(4,7) 29
C(4,8) 27
C(4,9) 31
C(4,10) 0
C(5,1) 36
C(5,2) 30
C(5,4) 15
C(5,6) 51
C(5,7) 53
C(5,8) 50
C(5,9) 44
C(5,10) 0
C(6,3) 42
C(6,4) 25
C(6,5) 51
C(6,7) 13
C(6,8) 15
C(6,9) 11
C(6,10) 0
C(7,3) 45
C(7,4) 29
C(7,5) 53
C(7,6) 13
C(7,8) 10
C(7,9) 8
C(7,10) 0
C(8,3) 37
C(8,4) 27
C(8,5) 50
C(8,6) 15
C(8,7) 10
C(8,9) 9
C(8,10) 0
C(9,3) 33
C(9,4) 31
C(9,5) 44
C(9,6) 11
C(9,7) 8
C(9,8) 9
C(9,10) 0

Con el fin de generar una gua, hemos solucionado el problema inicial por medio
del aplicativo Solver de Excel, generando una Funcin Objetivo de 165310, con
las siguientes soluciones.
X(1,2) 0
X(1,3) 0
X(1,4) 980
X(1,5) 0
X(1,10) 200
X(2,1) 0
X(2,3) 250
X(2,4) 1070
X(2,5) 0
X(2,10) 0
X(3,1) 0
X(3,2) 0
X(3,4) 0
X(3,6) 0
X(3,7) 0
X(3,8) 0
X(3,9) 450
X(3,10) 0
X(4,1) 0
X(4,2) 0
X(4,3) 0
X(4,5) 0
X(4,6) 600
X(4,7) 700
X(4,8) 750
X(4,9) 0
X(4,10) 0
X(5,1) 0
X(5,2) 0
X(5,4) 0
X(5,6) 0
X(5,7) 0
X(5,8) 0
X(5,9) 300
X(5,10) 0
X(6,3) 0
X(6,4) 0
X(6,5) 0
X(6,7) 0
X(6,8) 0
X(6,9) 0
X(6,10) 0
X(7,3) 0
X(7,4) 0
X(7,5) 0
X(7,6) 0
X(7,8) 0
X(7,9) 0
X(7,10) 0
X(8,3) 0
X(8,4) 0
X(8,5) 0
X(8,6) 0
X(8,7) 0
X(8,9) 0
X(8,10) 0
X(9,3) 0
X(9,4) 0
X(9,5) 0
X(9,6) 0
X(9,7) 0
X(9,8) 0
X(9,10) 0

rbol inicial

Capacidades del rbol FO: 219890
Capacidades (X)
(1,2) 280
(1,4) 700
(1,10) 200
(2,3) 1150
(2,5) 450
(3,6) 1350
(4,7) 700
(4,8) 750
(5,9) 750
(9) 0

Por medio del mtodo simplex y el problema Dual asociado al problema se
inicia a resolver el problema, en donde en la primera iteracin tenemos que
la variable No bsica a entrar es X(4,6) y luego del anlisis de flujos se
determina que la variable que deber salir de base ser X(1,2).





Grafo resultante


Capacidades del grado resultante FO: 203090
NODO
Capacidades
(X)
(1,4) 980
(1,10) 200
(2,3) 870
(2,5) 450
(3,6) 1070
(4,6) 280
(4,7) 700
(4,8) 750
(5,9) 750
(9) 0

Por medio del mtodo simplex y el problema Dual asociado al problema se
sigue con solucin el problema, en donde en la siguiente iteracin tenemos
que la variable No bsica a entrar es X(3,9) y luego del anlisis de flujos se
determina que la variable que deber salir de base ser X(2,5).





Grafo resultante





Capacidades del grado resultante FO: 199040


Por medio del mtodo simplex y el problema Dual asociado al problema se
sigue con solucin el problema, en donde en la siguiente iteracin tenemos
que la variable No bsica a entrar es X(2,4) y luego del anlisis de flujos se
determina que la variable que deber salir de base ser X(3,6).




Capacidades
(X)
(1,4) 980
(1,10) 200
(2,3) 1320
(3,6) 1070
(3,9) 450
(4,6) 280
(4,7) 700
(4,8) 750
(5,9) 300
(9) 0
Grafo resultante

Capacidades del grado resultante FO: 165310
Capacidades
(X)
(1,4) 980
(1,10) 200
(2,3) 250
(2,4) 1070
(3,9) 450
(4,6) 600
(4,7) 700
(4,8) 750
(5,9) 300
(9) 0

Para esta ltima iteracin encontramos que todos los valores de Eran
menores o iguales a cero, luego ninguna variable NO bsica me iba a mejorar la
funcin objetivo ms de 165310, de este modo se decreta optimalidad en el rbol
encontrado, y la solucin ptima al problema sern el flujo de las capacidades
indicadas en la tabla anterior. Por otro lado estos valores son comparados con la
solucin inicial arrojada por Solver en donde se ratifica la solucin optima del
problema, al llegar a las mimas soluciones con FO = 165310.

CONCLUSIONES

El mtodo de simplex de redes es una buena opcin para generar una
solucin ptima factible a partir del mejoramiento de la funcin objetivo a
medida que se va iterando; la solucin de un ejercicio manualmente
desarrolla en el estudiante gran capacidad de comprensin y anlisis de los
problemas de flujo de redes, por otro lado el desarrollo y solucin se hace
muy extensa y engorrosa pero es necesaria ejercerla con el objeto de
comprender eficientemente el funcionamiento del modelo.